機器人前瞻（公眾號：robot_pro）
作者｜江宇
編輯｜漠影

2024年中，一場關于未來十年技術趨勢的討論，讓這對清華師兄弟再次站到了同一個起點。

一位是張濤，清華大學車輛工程博士，曾創(chuàng)業(yè)、后加入高德，在自動駕駛感知定位領域深耕近十年；另一位是清華大學車輛與運載學院教授李升波，長期從事自動駕駛與智能系統(tǒng)研究，是國內最早推動端到端自動駕駛研究的學者之一。

兩人師出同門，卻走上了不同的道路。

一個長期扎根產(chǎn)業(yè)一線，在互聯(lián)網(wǎng)和智能汽車行業(yè)經(jīng)歷產(chǎn)品、工程和商業(yè)化的完整周期；一個堅守科研前沿，持續(xù)探索下一代智能技術的方向。

當ChatGPT引發(fā)大模型浪潮、特斯拉FSD展現(xiàn)出端到端智能的巨大潛力后，他們共同意識到，一個新的技術周期已經(jīng)到來。

在經(jīng)歷了關于技術路線、商業(yè)場景等問題的長時間討論后，他們最終將目光投向具身智能，并圍繞同一個問題展開：機器人究竟應該如何真正進入真實世界，成為生產(chǎn)力的一部分？

2025年4月，由清華大學車輛與運載學院和人工智能學院聯(lián)合孵化的具身智能公司光象科技正式成立。

2026年6月10日，這個問題也迎來了一個階段性答案——光象科技正式發(fā)布工業(yè)級自進化具身智能機器人Phi-Bot X1。同時，這家成立僅一年的公司已將機器人帶入蔚來等頭部車企的真實制造場景。

在與機器人前瞻等媒體的交流中，光象科技創(chuàng)始人兼CEO張濤也首次系統(tǒng)分享了其創(chuàng)業(yè)思考、技術路線選擇，以及對具身智能產(chǎn)業(yè)落地的判斷。

一、清華師兄弟攜手創(chuàng)業(yè)，瞄準具身智能下一個十年

在決定創(chuàng)業(yè)之前，張濤和李升波其實討論了很長時間，先要回答“為什么做”這個問題。

張濤提到，2024年中，行業(yè)發(fā)生的兩件事對他們觸動很大。一件是大模型的發(fā)展。另一件則是特斯拉FSD所展現(xiàn)出的端到端能力。

在他們看來，這背后反映的是一種新的技術范式：通過數(shù)據(jù)規(guī)模、模型規(guī)模以及數(shù)據(jù)驅動的方法獲得智能能力，并進一步將這種能力擴展到物理世界。而具身智能則將成為AI能力進入物理世界的重要載體。

在創(chuàng)業(yè)籌備階段，擺在張濤和李升波面前的問題并不少：做自動駕駛還是機器人？做大腦還是本體？To B還是To C？工業(yè)還是家庭？

最終，光象科技團隊決定進入具身智能賽道。

在張濤看來，如果希望機器人真正形成數(shù)據(jù)閉環(huán)，僅僅做大腦或者僅僅做本體都不夠。機器人只有進入真實場景工作，才能持續(xù)產(chǎn)生數(shù)據(jù)；而只有形成數(shù)據(jù)回流，模型能力才有機會不斷提升。

因此，光象科技選擇了軟硬一體化路線，希望通過機器人部署、數(shù)據(jù)積累和模型迭代形成持續(xù)循環(huán)。

二、為什么是工業(yè)場景？又為什么是汽車制造？

對于許多具身智能公司來說，家庭場景往往被視為終極目標。但光象科技沒有從這里出發(fā)，而是選擇了選擇了一條看似“吃力”，實則“更接近落地”的路。

張濤將具身智能場景拆解為兩個維度：環(huán)境和任務。環(huán)境可以分為標準環(huán)境和非標環(huán)境；任務則可以分為移動類任務和操作類任務。在這一框架下，自動駕駛、掃地機器人更多屬于標準環(huán)境下的移動任務；家庭機器人則同時面臨復雜環(huán)境理解和復雜操作能力兩項挑戰(zhàn)。

光象科技團隊認為，以當前技術發(fā)展階段來看，同時解決兩類問題難度過高。相比之下，工業(yè)場景擁有更成熟的標準化基礎，可以讓團隊把更多研發(fā)資源集中在操作能力突破上。

最終，汽車制造成為第一個切入點。

原因之一在于規(guī)模。

汽車是目前全球規(guī)模最大的工業(yè)產(chǎn)品之一，同時也是復雜度最高、標準化程度最高的制造場景之一。經(jīng)過長期生產(chǎn)優(yōu)化，汽車工廠已經(jīng)形成較成熟的工藝流程和工位體系，這為機器人部署創(chuàng)造了條件。

另一方面，汽車制造對于機器人也提出了更高要求。

無論是生產(chǎn)節(jié)拍、作業(yè)精度還是穩(wěn)定性，都遠高于許多普通工業(yè)場景。張濤將其形容為具身智能的“練兵場”，也是驗證和打磨通用能力的重要起點。

目前，除了汽車制造之外，光象科技也已與其他工業(yè)企業(yè)開展合作探索。

三、首款產(chǎn)品亮相，打造工業(yè)級自進化具身智能機器人

圍繞真實工業(yè)場景需求，光象科技交出了首款產(chǎn)品答卷——Phi-Bot X1。

從硬件配置來看，Phi-Bot X1搭載由3D激光雷達、RGBD深度相機、雙目相機和超聲波雷達組成的感知系統(tǒng)，定位精度達到10毫米，末端重復定位精度達到0.05毫米。

移動部分采用四舵輪全向底盤，可實現(xiàn)橫移、斜向移動和原地轉向等動作。為了覆蓋更多工位，其升降腰結構可將作業(yè)范圍擴展至0至2.5米。機器人擁有27個自由度和全關節(jié)力控雙臂，并支持1分鐘快速換電。

在任務層面，依托可更換末端執(zhí)行器、泛化技能庫和高效真機后訓練能力，Phi-Bot X1能夠完成質檢、上料、分揀、擰緊、粘貼、插接等多種工業(yè)任務。

相比傳統(tǒng)工業(yè)自動化方案動輒數(shù)月的集成周期，該機器人部署周期可縮短至周級甚至天級。

目前，團隊已經(jīng)在多個汽車制造場景進行驗證。

在移動質檢場景中，機器人能夠完成覆蓋式車身表面檢測，實現(xiàn)100%檢測覆蓋率。相比非協(xié)同檢測方式，整體效率提升51%；相較人工工位，節(jié)拍可縮短25%至45%。

在焊接上料場景中，機器人能夠完成抓取、移動、翻轉、精準對孔和放置等工序。在雙孔同時對準任務中，其動態(tài)位置精度達到毫米級，角度控制精度達到0.3°以內。

今年4月完成整機集成后，Phi-Bot X1很快進入真實產(chǎn)線工位場景驗證。在2026 ATC展會現(xiàn)場，機器人連續(xù)完成21.5小時上下料作業(yè)，期間未出現(xiàn)中斷，成功率100%。

目前，光象科技已與蔚來等多家頭部車企開展合作探索，并持續(xù)推進機器人進入真實汽車工位。與展示型機器人不同，Phi-Bot X1從設計之初便圍繞真實工業(yè)任務展開，目標是直接進入產(chǎn)線創(chuàng)造價值。

四、強化學習、自進化與產(chǎn)業(yè)共建，一家工業(yè)具身創(chuàng)企的長期布局

除了機器人本體，光象科技對技術路線的選擇也比較明確：機器人進入工廠只是第一步，真正重要的是如何持續(xù)成長。

當前具身智能行業(yè)主流方案大多基于模仿學習，通過大量示范數(shù)據(jù)訓練模型。而光象科技則將強化學習視為未來的重要方向。

張濤認為，如果具身智能最終需要覆蓋數(shù)百甚至上千種任務，僅依靠人工采集示范數(shù)據(jù)，很難支撐模型持續(xù)擴展。相比之下，強化學習能夠通過試錯和反饋不斷優(yōu)化策略，更有機會提升泛化能力。

圍繞這一思路，光象科技圍繞仿真強化學習、真機強化學習和世界模型強化學習持續(xù)布局。

為此，光象科技構建了三位一體的技術體系：

• Phi-RL Matrix：覆蓋DSAC、DACER等自研強化學習算法矩陣。
• Phi-Space：基于3D空間物理資產(chǎn)建模和高保真仿真的高效數(shù)據(jù)體系。
• Phi-Arch：覆蓋從數(shù)據(jù)生成到模型部署全流程的物理智能開發(fā)平臺。

在團隊看來，機器人進入工廠并不是終點。更重要的是讓機器人持續(xù)工作，并從真實任務中不斷積累數(shù)據(jù)。這些數(shù)據(jù)會被用于模型訓練，再反過來提升機器人能力，并擴展到更多場景和任務。

同時，光象科技將車企等客戶視為場景合作伙伴。張濤稱，合作通常分為幾個階段：首先，共同篩選高價值、易規(guī)模化的工位需求；其次，在實驗室和真實產(chǎn)線進行迭代驗證；最后，在正式產(chǎn)線上協(xié)同作業(yè)，評估效果。

對于未來的工業(yè)現(xiàn)場，張濤的判斷是：自動化設備、具身智能機器人和人工將協(xié)同工作，三者的比例可能是60%-70%的自動化設備，30%的具身智能機器人，再加10%的人。機器人的價值在于其在復雜操作、柔性生產(chǎn)和泛化能力上的獨特優(yōu)勢。

結語：當機器人真正走進產(chǎn)線之后

過去兩年，具身智能行業(yè)展示了越來越多令人印象深刻的能力。本體越來越靈活，運動能力持續(xù)提升，模型能力也在快速進步。

與此同時，行業(yè)也在尋找另一個問題的答案：機器人什么時候能夠真正成為生產(chǎn)力。

對于這個問題，不同企業(yè)給出了不同選擇。有人從家庭切入，有人從服務場景切入，也有人選擇進入工業(yè)現(xiàn)場。

光象科技選擇的是后一條路。從汽車制造出發(fā)，讓機器人先在真實工位完成真實任務，再通過持續(xù)的數(shù)據(jù)積累和模型迭代不斷提升能力。

這條路并不輕松，卻能夠讓技術、場景與商業(yè)價值形成更緊密的連接。而這，或許正是具身智能邁向規(guī)?；涞氐闹匾徊?。