2026年6月10日，成立仅一年的具身智能公司光象科技正式发布其首款工业级自进化机器人Phi-Bot X1，并宣布该机器人已进入蔚来等头部汽车制造商的真实生产场景。这一进展为“机器人如何成为生产力”的问题提供了一个阶段性答案，也折射出中国具身智能创业从实验室走向产线的加速趋势。
光象科技的创始组合颇具看点。CEO张涛是清华大学车辆工程博士，曾创业并加入高德，在自动驾驶感知定位领域有近十年产业经验；联合创始人李升波则是清华大学车辆与运载学院教授，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，却在产业与科研两条路径上各自深耕。2024年中，ChatGPT引发的大模型浪潮与特斯拉FSD展现的端到端智能潜力，让他们共同意识到新的技术周期已至。经过对技术路线和商业场景的反复讨论，他们将方向锁定在具身智能，并于2025年4月正式创办光象科技，公司由清华大学车辆与运载学院和人工智能学院联合孵化。
在场景选择上，光象科技没有直奔许多同行眼中的终极目标——家庭场景，而是切入工业制造，尤其是汽车制造。张涛将具身智能场景按“环境”与“任务”两个维度拆解：家庭场景同时面临复杂环境理解与复杂操作的双重挑战，而工业场景拥有更成熟的标准化基础，可以让团队集中资源突破操作能力。汽车制造作为全球规模最大、标准化程度最高的工业领域之一，其严格的生产节拍、作业精度和稳定性要求，恰好成为打磨机器人通用能力的“练兵场”。
Phi-Bot X1的硬件配置围绕真实工业需求设计。感知系统由3D激光雷达、RGBD深度相机、双目相机和超声波雷达构成，定位精度达到10毫米，末端重复定位精度达0.05毫米。移动部分采用四舵轮全向底盘，支持横移、斜向移动和原地转向；升降腰结构将作业范围扩展至0至2.5米。机器人拥有27个自由度和全关节力控双臂，支持1分钟快速换电。在任务层面，依托可更换末端执行器和泛化技能库，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，其部署周期可缩短至周级甚至天级。
实际验证数据进一步说明了其产线适应能力。在移动质检场景中，机器人实现100%检测覆盖率，相比非协同检测方式整体效率提升51%，相较人工工位节拍缩短25%至45%。在焊接上料场景中，双孔同时对准任务的动态位置精度达毫米级，角度控制精度在0.3°以内。今年4月完成整机集成后，Phi-Bot X1在2026 ATC展会现场连续完成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，机器人已进入真实汽车工位。
技术路线上，光象科技将强化学习视为未来核心方向。当前具身智能行业主流方案多基于模仿学习，依赖大量人工示范数据。张涛认为，若需覆盖数百甚至上千种任务，仅靠人工采集数据难以支撑模型持续扩展，而强化学习通过试错和反馈不断优化策略，更有机会提升泛化能力。为此，公司构建了三位一体的技术体系：自研强化学习算法矩阵Phi-RL Matrix、基于3D空间物理资产建模与高保真仿真的数据体系Phi-Space，以及覆盖从数据生成到模型部署全流程的开发平台Phi-Arch。其目标是通过机器人持续在真实场景工作、积累数据、反哺模型训练，形成自进化的数据闭环。
光象科技将车企等客户定位为场景合作伙伴，合作通常分阶段推进：先共同筛选高价值、易规模化的工位需求，再在实验室和真实产线进行迭代验证，最终在正式产线上协同作业并评估效果。张涛对未来工业现场的判断是，自动化设备、具身智能机器人和人工将协同工作，比例可能为60%-70%的自动化设备、30%的具身智能机器人，再加上10%的人工。机器人的独特价值在于复杂操作、柔性生产和泛化能力。
从更广的产业视角看，光象科技的进展是具身智能赛道从技术演示迈向生产力验证的一个缩影。过去两年，行业在运动能力、模型能力上进步显著，但“何时真正成为生产力”始终是核心命题。选择从汽车制造这一高壁垒、高标准的场景切入，意味着技术、场景与商业价值能够更紧密地连接。这条路并不轻松，但若跑通，将为具身智能的规模化落地提供重要参照。对于关注AI产业的投资者而言，机器人进入头部车企产线不仅是单一公司的里程碑，也预示着AI能力向物理世界渗透的节奏正在加快，相关产业链上下游——从核心零部件到系统集成——都可能迎来新的需求牵引。