蚂蚁灵波今天发布 LingBot-Depth 2.0 空间感知模型，在行业公开与私有测试集大考中一口气拿下12个世界第一。

玻璃、镜子、透明物体这些困扰行业已久的难题，被彻底解决。物体边缘识别做到极致清晰，机械臂抓取有了毫米级准确输入。

细小物体如线缆、连杆的漏检率断崖式下跌。长距离深度过滤了高频噪声，远处目标识别更可靠。反光地面、玻璃幕墙、极暗环境下依然能输出平滑完整的深度地形图。

商业化同样迅猛。蚂蚁灵波与3D视觉硬科技巨头奥比中光达成深度合作，Depth 2.0 入驻其「深度视觉实验室」并通过严苛认证。双方推出 EGO-RGBD 数采设备、SDK 深度集成，一体化相机即将上线。

技术核心在于背后从零训练的预训练视觉基模——LingBot-Vision，全球首个面向具身智能的「空间原生」视觉基础模型，直接替代了行业常用的 DINOv3，且本次全面开源。

传统视觉大模型是从互联网图片学习的「网络旁观者」，能认出猫却感知不到三维边界。LingBot-Vision 把「几何空间理解」前置为核心基因，自诞生起就自带空间几何视差。

在 NYUv2 深度估计基准上，仅11亿参数的 LingBot-Vision，用约七分之一的参数量、不足三分之一的训练样本，全面超越了 7B 参数的 DINOv3。

核心创新是「边界强迫」自监督学习范式。DINOv3 采用纯随机掩码，对物体边缘等高信息量特征不敏感；LingBot-Vision 故意破坏高信息量块，强迫模型同时学习语义与边界几何。这带来像素级语义轮廓和高度连续平滑的深度结构。

此外，蚂蚁灵波还推出 ViT-L/B/S 蒸馏系列，仅3亿参数的 ViT-L 深度估计精度已媲美70亿参数的 DINOv3，端侧算力平台也能跑起顶尖空间智能大脑。

Depth 2.0 本次暂不开源，将作为核心商业能力服务产业；但预训练基座 LingBot-Vision 全面开源，成为全行业公共基础设施。

蚂蚁灵波认为，正如 Linux 解放了服务器生产力、Android 引爆移动互联网，具身智能的 Linux 时刻正在到来。