成立僅17個月的清華系公司光象科技近日聯合清華大學李升波教授課題組，釋出物理原生智慧（Phi）第一代世界模型Phi-WM 1.0 ActEffect，其首款工業級自進化具身智慧機器人Phi-bot X1已在不止一家豪華品牌車廠的真實產線完成產品驗證，進入真機部署階段。光象科技創始人兼CEO張濤表示，相比傳統工業自動化方案，公司部署效率提升10倍以上；模型進行真機後訓練所需資料僅十幾到幾十個小時、最多不超過100小時；經驗證，Phi-Bot X1在移動質檢任務中檢測速度比現有生產節拍快20%以上，且無需預先鋪設物理設施和固定攝像頭。

光象科技孵化自清華大學三個院系，產業化團隊來自阿里、騰訊、華為以及庫卡、極智嘉等機器人企業。公司選擇汽車製造作為首個落地場景，張濤解釋稱，汽車產線長期升級中已嘗試幾乎所有自動化和智慧化方案，但仍有部分場景未被有效解決，這些正是具身智慧的驗證場；同時車企客戶能清晰計算投入產出，且汽車製造標準化程度高，某一工位案例可較快遷移到其他工廠類似工位，有利於規模化推廣。

在場景選擇上，光象科技刻意避開簡單搬運。張濤認為，行業裡已存在更便宜、更簡單、更成熟的方案，用昂貴機器人搬箱子沒有價值。公司聚焦焊接上下料、移動質檢等傳統方案難以勝任的環節。在今年世界機器人大會（WRC）上，光象演示了一身多能：同一台機器人、同一套模型適配完全不同的異構工位，現場展示的是來自新能源汽車主機廠焊接車間的上下料工位，料件、料架和滑台均為真實產線裝置；同一機器人還能執行汽車表面移動質檢。

技術路線上，光象科技押注物理原生世界模型。光象實驗室首席科學家呂堯指出，純影片預測型方案雖能受益於資料規模法則，但僅靠統計擬合學習輸入輸出對映，缺乏物理規律或結構約束，效能從99%到100%之間的幻覺率問題難以解決。張濤用扔東西類比：傳統方法需要大量資料反覆擬合，而理解牛頓定律、萬有引力等底層物理規律後，換新物體可快速適應。呂堯補充，公司路線更依賴低成本、快速生成的模擬資料，對真機資料需求比傳統模仿方案少很多，綜合成本可能打平甚至更低，算力方面內部驗證處於可覆蓋狀態。

面對小鵬、蔚來等車企背景機器人公司接連下場，張濤認為雙方不存在直接競爭。他判斷，特斯拉或小鵬做機器人並非為了在自家產線替代工人，而是面向通用化產品商業化，最終走向家庭服務；光象科技則從生產力價值出發，做能提升生產效率或質量的事情。對於本體不賺錢、靠賣模型或API的行業聲音，張濤表示方向認可但階段未到，必須先建立信任、把產品部署出去，類比自動駕駛——先有車，再疊加自動駕駛價值，客戶才可能為升級買單。

在資料與模型規模上，呂堯透露公司模型引數為4.6B，當前規模已能覆蓋工業相關能力。他指出，當前具身模型普遍做不大，資料是限制因素之一，資料與引數的匹配比例約為2.7；長遠看基礎模型規模會持續增大，物理世界訊號比語言世界更復雜，實現通用泛在的具身智慧基礎模型，引數量有可能需要超越當前語言模型量級。關於護城河，呂堯認為模擬資料的職能存在很深know-how，強化學習過程與監督學習有本質區別，蒸餾難以復現訓練演算法。

商業化節奏上，張濤表示Phi-bot X1已在多家汽車製造工廠真實產線進行最後應用部署，相信到今年年底會看到這些機器人正式上崗並展現良好效果；模型迭代速度較快，下一個版本可能很快面世。在行業從「誰的故事講得好」轉向「誰的賬算得清」的當下，光象科技能否用產線實際作業表現驗證其部署效率與資料成本優勢，將成為具身智慧進廠敘事的關鍵觀察點。