7月7日，蚂蚁集团旗下灵波科技发布空间感知模型 **LingBot-Depth 2.0** 与配套视觉基座 **LingBot-Vision**。基于 1.5 亿规模训练数据，这一代把"机器人眼睛"的边界又往外推了一圈。 官方点出四个升级方向：边缘清晰度、细小物体识别、远距离深度估计、复杂场景鲁棒性。深度估计看似经典 CV 任务，但落到具身机器人上，任意一个模糊点都可能让抓取失败。LingBot-Vision 同步推出后，LingBot 从单一深度模型升级为"基座+任务"的双层架构，呼应了"通用视觉基座 + 下游任务模型"的行业范式。 把视野放大一点：从 UFP4 量化、Ring-2.6-1T 万亿思考模型，到这次的 LingBot-Depth 2.0，蚂蚁的百灵/灵波两条线已形成清晰的"基座+具身"双线战略。LLM 拼通用智能天花板，具身视觉拼物理世界入口——两条曲线正在被国内大厂同时拉起。 LingBot-Depth 2.0 没公开论文、也没 benchmark 数字，但蚂蚁把"看懂→看准"作为对外口径，意味着他们已把精度视为下半场竞争的核心指标，而非又一场刷榜单的 PR 战。