北京
张涛创业前在阿里干了多年技术，最熟悉的场景是车里的导航屏幕。2025年4月，他带着同一批搞空间感知的老同事，转身钻进了工厂车间——不是去做高精地图，而是让机器人学会自己拧螺丝。
这家叫光象科技的具身智能公司，半年内连拿三轮融资，总金额过亿。投资方名单里既有IDG、东方富海这样的财务机构，也有埃夫特这样的机器人产业资本。钱要花在三件事上：让机器人自我学习的模型、让智能大规模落地的平台，以及真正的商业化交付。
张涛的合伙人李升波是清华教授，发论文200多篇，引用两万多次，连续四年入选爱思唯尔高被引学者。他主导的DSAC强化学习算法，现在是光象的技术底座之一。核心技术团队全员博士，来自清华、浙大，拿过国际定位大赛三连冠。
但光象真正有意思的是它的路线选择。行业里一直有个争论：先做垂类场景的机器人公司，会不会最后被通用机器人一锅端？张涛的答案是：不会，因为自动驾驶已经演示过一遍了。
他把工业垂类机器人比作L2辅助驾驶，通用机器人比作L4无人驾驶——两者不是替代关系，而是渐进演进。直接从L4跳过去，技术难度和商业风险都太高；从工厂这种标准环境切入，逐步积累能力，才是更务实的路径。
具体到产品形态，光象没做人形。双足机器人的优势是越障，但工厂地面平整得像机场跑道，这个优势毫无用武之地，高能耗和定位漂移反而成了包袱。轮式方案能耗低、定位准，和工业场景的实际需求严丝合缝。
训练方式上，光象选了更难的那条路。模仿学习用少量数据就能做到90%成功率，但汽车制造要的是接近100%。他们押注强化学习，同时大幅提高仿真数据占比，靠高精度场景建模能力弥合仿真与真机的差距。
自研的GOPS平台把模型设计、训练、调试全流程模块化，解决的是大规模交付的问题——这是很多技术型创业公司卡住的环节。
目前光象已通过头部车企总装线的POC验证。从实验室到工厂工位，他们用了不到一年。计划三年内进入十家以上汽车厂商，部署超千台机器人，再横向扩展到3C、重工业。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
