2024年中，一场关于未来十年技术趋势的讨论，让这对清华师兄弟再次站到了同一个起点。
一位是张涛，清华大学车辆工程博士，曾创业、后加入高德，在自动驾驶感知定位领域深耕近十年；另一位是清华大学车辆与运载学院教授李升波，长期从事自动驾驶与智能系统研究，是国内最早推动端到端自动驾驶研究的学者之一。
两人师出同门，却走上了不同的道路。
一个长期扎根产业一线，在互联网和智能汽车行业经历产品、工程和商业化的完整周期；一个坚守科研前沿，持续探索下一代智能技术的方向。
当ChatGPT引发大模型浪潮、特斯拉FSD展现出端到端智能的巨大潜力后，他们共同意识到，一个新的技术周期已经到来。
在经历了关于技术路线、商业场景等问题的长时间讨论后，他们最终将目光投向具身智能，并围绕同一个问题展开：机器人究竟应该如何真正进入真实世界，成为生产力的一部分？
2025年4月，由清华大学车辆与运载学院和人工智能学院联合孵化的具身智能公司光象科技正式成立。
2026年6月10日，这个问题也迎来了一个阶段性答案——光象科技正式发布工业级自进化具身智能机器人Phi-Bot X1。同时，这家成立仅一年的公司已将机器人带入蔚来等头部车企的真实制造场景。
在与机器人前瞻等媒体的交流中，光象科技创始人兼CEO张涛也首次系统分享了其创业思考、技术路线选择，以及对具身智能产业落地的判断。
一、清华师兄弟携手创业，瞄准具身智能下一个十年
在决定创业之前，张涛和李升波其实讨论了很长时间，先要回答“为什么做”这个问题。
张涛提到，2024年中，行业发生的两件事对他们触动很大。一件是大模型的发展。另一件则是特斯拉FSD所展现出的端到端能力。
在他们看来，这背后反映的是一种新的技术范式：通过数据规模、模型规模以及数据驱动的方法获得智能能力，并进一步将这种能力扩展到物理世界。而具身智能则将成为AI能力进入物理世界的重要载体。
在创业筹备阶段，摆在张涛和李升波面前的问题并不少：做自动驾驶还是机器人？做大脑还是本体？To B还是To C？工业还是家庭？
最终，光象科技团队决定进入具身智能赛道。
在张涛看来，如果希望机器人真正形成数据闭环，仅仅做大脑或者仅仅做本体都不够。机器人只有进入真实场景工作，才能持续产生数据；而只有形成数据回流，模型能力才有机会不断提升。
因此，光象科技选择了软硬一体化路线，希望通过机器人部署、数据积累和模型迭代形成持续循环。
二、为什么是工业场景？又为什么是汽车制造？
对于许多具身智能公司来说，家庭场景往往被视为终极目标。但光象科技没有从这里出发，而是选择了选择了一条看似“吃力”，实则“更接近落地”的路。
张涛将具身智能场景拆解为两个维度：环境和任务。环境可以分为标准环境和非标环境；任务则可以分为移动类任务和操作类任务。在这一框架下，自动驾驶、扫地机器人更多属于标准环境下的移动任务；家庭机器人则同时面临复杂环境理解和复杂操作能力两项挑战。
光象科技团队认为，以当前技术发展阶段来看，同时解决两类问题难度过高。相比之下，工业场景拥有更成熟的标准化基础，可以让团队把更多研发资源集中在操作能力突破上。
最终，汽车制造成为第一个切入点。
原因之一在于规模。
汽车是目前全球规模最大的工业产品之一，同时也是复杂度最高、标准化程度最高的制造场景之一。经过长期生产优化，汽车工厂已经形成较成熟的工艺流程和工位体系，这为机器人部署创造了条件。
另一方面，汽车制造对于机器人也提出了更高要求。
无论是生产节拍、作业精度还是稳定性，都远高于许多普通工业场景。张涛将其形容为具身智能的“练兵场”，也是验证和打磨通用能力的重要起点。
目前，除了汽车制造之外，光象科技也已与其他工业企业开展合作探索。
三、首款产品亮相，打造工业级自进化具身智能机器人
围绕真实工业场景需求，光象科技交出了首款产品答卷——Phi-Bot X1。
从硬件配置来看，Phi-Bot X1搭载由3D激光雷达、RGBD深度相机、双目相机和超声波雷达组成的感知系统，定位精度达到10毫米，末端重复定位精度达到0.05毫米。
移动部分采用四舵轮全向底盘，可实现横移、斜向移动和原地转向等动作。为了覆盖更多工位，其升降腰结构可将作业范围扩展至0至2.5米。机器人拥有27个自由度和全关节力控双臂，并支持1分钟快速换电。
在任务层面，依托可更换末端执行器、泛化技能库和高效真机后训练能力，Phi-Bot X1能够完成质检、上料、分拣、拧紧、粘贴、插接等多种工业任务。
相比传统工业自动化方案动辄数月的集成周期，该机器人部署周期可缩短至周级甚至天级。
目前，团队已经在多个汽车制造场景进行验证。
在移动质检场景中，机器人能够完成覆盖式车身表面检测，实现100%检测覆盖率。相比非协同检测方式，整体效率提升51%；相较人工工位，节拍可缩短25%至45%。
在焊接上料场景中，机器人能够完成抓取、移动、翻转、精准对孔和放置等工序。在双孔同时对准任务中，其动态位置精度达到毫米级，角度控制精度达到0.3°以内。
今年4月完成整机集成后，Phi-Bot X1很快进入真实产线工位场景验证。在2026 ATC展会现场，机器人连续完成21.5小时上下料作业，期间未出现中断，成功率100%。
目前，光象科技已与蔚来等多家头部车企开展合作探索，并持续推进机器人进入真实汽车工位。与展示型机器人不同，Phi-Bot X1从设计之初便围绕真实工业任务展开，目标是直接进入产线创造价值。
四、强化学习、自进化与产业共建，一家工业具身创企的长期布局
除了机器人本体，光象科技对技术路线的选择也比较明确：机器人进入工厂只是第一步，真正重要的是如何持续成长。
当前具身智能行业主流方案大多基于模仿学习，通过大量示范数据训练模型。而光象科技则将强化学习视为未来的重要方向。
张涛认为，如果具身智能最终需要覆盖数百甚至上千种任务，仅依靠人工采集示范数据，很难支撑模型持续扩展。相比之下，强化学习能够通过试错和反馈不断优化策略，更有机会提升泛化能力。
围绕这一思路，光象科技围绕仿真强化学习、真机强化学习和世界模型强化学习持续布局。
为此，光象科技构建了三位一体的技术体系：
- Phi-RL Matrix：覆盖DSAC、DACER等自研强化学习算法矩阵。
- Phi-Space：基于3D空间物理资产建模和高保真仿真的高效数据体系。
- Phi-Arch：覆盖从数据生成到模型部署全流程的物理智能开发平台。
在团队看来，机器人进入工厂并不是终点。更重要的是让机器人持续工作，并从真实任务中不断积累数据。这些数据会被用于模型训练，再反过来提升机器人能力，并扩展到更多场景和任务。
同时，光象科技将车企等客户视为场景合作伙伴。张涛称，合作通常分为几个阶段：首先，共同筛选高价值、易规模化的工位需求；其次，在实验室和真实产线进行迭代验证；最后，在正式产线上协同作业，评估效果。
对于未来的工业现场，张涛的判断是：自动化设备、具身智能机器人和人工将协同工作，三者的比例可能是60%-70%的自动化设备，30%的具身智能机器人，再加10%的人。机器人的价值在于其在复杂操作、柔性生产和泛化能力上的独特优势。
结语：当机器人真正走进产线之后
过去两年，具身智能行业展示了越来越多令人印象深刻的能力。本体越来越灵活，运动能力持续提升，模型能力也在快速进步。
与此同时，行业也在寻找另一个问题的答案：机器人什么时候能够真正成为生产力。
对于这个问题，不同企业给出了不同选择。有人从家庭切入，有人从服务场景切入，也有人选择进入工业现场。
光象科技选择的是后一条路。从汽车制造出发，让机器人先在真实工位完成真实任务，再通过持续的数据积累和模型迭代不断提升能力。
这条路并不轻松，却能够让技术、场景与商业价值形成更紧密的连接。而这，或许正是具身智能迈向规模化落地的重要一步。
热门跟贴