清华系具身智能公司光象科技获数亿元天使融资，押注物理原生模型落地汽车产线

据硬氪报道，具身智能公司光象科技近日宣布已完成累计数亿元天使轮融资。最新一轮融资由珠海科技产业集团、兴证资本、松禾资本、顺禧基金、慕华科创、SeeFund、亿宸资本、上市公司行云科技等财务投资与产业投资方参与，老股东零一创投、L2F光源创业者基金继续加注。来源显示，本轮资金将主要用于物理原生基座模型的研发迭代，并推动具身智能机器人在工业场景中的商业化交付，汽车产业将是其重点落地方向。

光象科技成立于2025年4月，由清华大学车辆与运载学院、人工智能学院联合孵化。团队兼具产业工程经验与学术研究背景：创始人兼CEO张涛曾负责高德空间感知引擎，相关技术已量产应用于数百万车载终端；联合创始人李升波教授长期研究强化学习与自动驾驶，公开资料显示其发表论文250余篇、引用超过30000次，并连续5年入选爱思唯尔中国高被引学者。公司其他成员主要来自阿里巴巴、腾讯、华为、库卡、极智嘉等科技与机器人企业。

不走主流VLA路线，强调“物理交互中学习”

在技术路线上，光象科技选择了区别于当前热门VLA（视觉-语言-动作）模型和视频预测式世界模型的方向。张涛向硬氪表示，VLA更像感知到动作的映射器，通常依赖人类演示数据进行模仿，泛化能力存在边界；而视频预测式世界模型更关注像素变化，难以充分表达质量、惯量、摩擦等真实物理属性。

因此，光象科技提出“物理原生基座模型”概念，核心思路不是让机器人单纯学习人类动作，而是让模型在与物理环境持续交互、反馈和试错中形成对世界规律、行为后果与任务约束的理解。对工业机器人而言，这一路线的价值在于：它试图解决复杂产线中“环境变化、零件误差、动作接触、力控协同”等难以靠固定程序穷举的问题。

三位一体技术体系：算法、数据与工程平台协同

为支撑上述路线，光象科技构建了由强化学习算法矩阵Phi-RL Matrix、物理数据资产Phi-Space、通用物理智能开发平台Phi-Arch组成的技术体系。其目标是把仿真、训练、验证、部署打通，并将底层数据、算法和工具沉淀为可复用资产。

• 算法层：Phi-RL Matrix强调机器人在仿真和真实环境中通过大量试错，学习物理世界运行规律，而不是只依靠“看视频学动作”。
• 数据层：Phi-Space通过三维与物理建模复刻真实场景，不仅还原几何形态，也模拟质量、摩擦、形变等属性，并结合生成式模型扩展仿真场景。
• 平台层：Phi-Arch提供仿真、训练、验证、部署的一体化工程体系，帮助模型在迭代中保持稳定，并提升技能迁移到真实场景的效率。

产品已进入汽车产线验证，工业场景成首站

在产品层面，光象科技于2026年6月发布工业级自进化具身智能机器人Phi-Bot X1。来源显示，该机器人面向工业场景设计，采用四舵轮全向底盘，支持主动转向、横向“蟹行”、斜向移动和原地回转，作业时可自主锁止以提升稳定性；其升降腰结构覆盖0至2.5米垂直工作区间。

据张涛介绍，Phi-Bot X1全身具备27个自由度，全关节力控双臂支持1kHz协同控制与实时力反馈，仅依靠本体感知即可实现10mm定位精度与0.05mm末端重复定位精度，并支持1分钟快速换电。硬氪报道还提到，在2026 ATC展会上，Phi-Bot X1连续三天累计运行21.5小时，完成汽车产线焊接上下料全流程作业，期间零失误、零中断；在双孔同时对准作业中，仅依靠本体感知将动态操作精度控制在毫米级，角度控制在0.3°以内，动态环境下连续工作成功率达到100%。

影响与解读：具身智能融资热，正在从演示走向交付

过去一年，具身智能赛道的竞争重点从“机器人能否完成炫技演示”逐步转向“能否在真实工业流程里稳定工作”。汽车制造具备自动化基础好、工序标准化程度高、对柔性化需求强等特点，因此成为具身智能公司验证商业价值的重要场景。光象科技获得产业资本参与，也说明市场正在关注机器人与现有产线的结合能力，而不只是单点算法指标。

从本站观察看，光象科技的看点在于把强化学习、物理仿真和工程平台结合，试图建立可持续迭代的机器人能力底座。挑战同样明显：仿真到现实的迁移、复杂工况下的长期稳定性、与工厂节拍和安全体系的融合，都会决定其商业化速度。若其物理原生模型路线能在更多汽车工序中验证复用能力，具身智能或将更快从实验室和展会走向规模化工业部署。