AI中国网 https://www.cnaiplus.com
该图片使用了AI生成技术
图源：视觉中国
作者丨饶富英
编辑丨叶锦言
出品丨深网科技新闻小满工作室
6月10日，光象科技发布工业级自进化具身智能机器人 Phi-Bot X1，并对外披露其在汽车制造场景的产品落地、技术路线和商业化进展。公司创始人兼 CEO 张涛在现场表示，具身智能现阶段更适合优先进入工业场景，尤其是“标准环境+复杂操作”的制造环节，而不是直接进入家庭等高复杂度非标场景。
公开资料显示，光象科技成立于 2025 年 4 月，由前阿里巴巴高德技术总监张涛与清华大学教授李升波联合创办，背后有清华大学车辆学院、人工智能学院及人工智能产业研究院的孵化背景。公司此前披露，已完成种子轮、天使轮及天使+轮多轮融资，累计融资金额超过 1 亿元。
在当天的分享中，张涛将具身智能的发展放在“从数字智能走向物理智能”的框架下讨论。他认为，当前行业的关键问题已不只是机器人“能不能动”，而是能否进入真实生产系统，在真实工位中完成感知、决策、执行和持续迭代，并最终形成可验证的生产力。
围绕这一判断，光象科技将汽车制造作为现阶段的主要切入场景。张涛解释称，工业场景环境相对标准化，但任务复杂度较高，既存在明确的降本增效需求，也更容易形成产品验证和商业闭环。汽车制造则兼具复杂度、标准化程度和市场规模，是较为典型的具身智能落地场景。
这也影响了公司对机器人形态的选择。张涛在交流中表示，光象并未采用“先做人形、再找场景”的路径，而是先从场景需求反推产品形态。在工厂环境中，双足人形机器人在跨越障碍上的优势并不突出，轮式底盘在能耗、稳定性、定位精度和部署效率上更符合产线需求。
根据公司披露的信息，Phi-Bot X1 采用四舵轮全向底盘、工业级升降腰和双臂结构，具备 27 个自由度，支持全关节力控协同；在感知层面配置 3D 激光雷达、RGBD 深度相机、双目相机和超声波雷达，可实现 10 毫米定位精度和 0.05 毫米末端重复定位精度，工作范围覆盖 0 至 2.5 米，并支持 1 分钟快速换电。
光象科技将该产品定义为“AI 工人”，强调其面向的不是展示场景，而是高精度、多工位、高节拍的工业现场。
技术路径上，光象科技将自身体系概括为“算法数据平台”三位一体：算法侧，公司把自己的强化学习体系称为 Phi-RL Matrix，覆盖仿真强化学习、真机强化学习和世界模型强化学习；数据侧是 Phi-Space，核心是高保真工业场景建模、生成式扩展和大规模仿真数据生成；平台侧则是 Phi-Arch，也就是一套把训练数据生成、模型构建、调优、部署和监控串起来的物理智能开发平台。
张涛强调，他们没有把模仿学习作为主路线，而是更坚定地押注强化学习。原因很简单：模仿学习可以较快做出一个“看起来不错”的效果，但很难把成功率、精度、平滑性和节拍同时推到工业级要求；而工业场景要的不是 90 分的演示，而是接近 100% 的稳定交付。张涛透露，光象科技目前已与多家车厂推进明确的商业化合同和订单。
今年被称为具身智能数据大年，张涛提到，公司采用融合方案，目前数据主要是仿真合成数据和遥操数据相结合。他认为，如果只是完成演示，真机采数或许足够；但如果要支撑大规模工业落地，单纯依赖真机数据的成本过高，因此公司提高了高保真仿真数据在训练中的比重，再通过真机后训练和现场反馈持续修正模型。
对于具身机器人将取代人的论调，张涛在会上强调，具身机器人并不是去简单替代工业自动化设备，更不是简单替代所有工人，而是去填补那些需要更高柔性、更强泛化能力、过去自动化方案不容易覆盖的工位空白。未来工厂的形态，在张涛看来，更可能是自动化设备、具身机器人和人长期协同，而不是任何一方“一统天下”。
而针对行业内“几年内人形机器人就能大规模进入家庭”的乐观判断，张涛并不认可。他把这种说法类比为十多年前自动驾驶行业对 L4 落地节奏的高估。在他看来，家庭场景同时要求复杂环境理解和复杂操作能力，难度远高于工业场景，因此光象的路线会先从工业走向更广泛的商业，再逐步走向家庭服务。
AI中国网 https://www.cnaiplus.com
本文网址：
