光象科技CEO张涛：具身智能要解决真实问题

中经记者 曲忠芳 北京报道

当具身智能机器人争相探索真实商业场景时，进入工厂“打工”似乎正在成为一条明确的落地路径，汽车制造、3C、物流仓储等标准化程度较高、作业流程相对清晰的工业场景，自然也就成为具身智能企业集中发力的方向。

那么，具身智能机器人究竟如何进入产线，创造生产力？创立仅一年多、由清华大学车辆与运载学院和人工智能学院联合孵化的光象科技，率先给出了自己的解法。

光象科技日前推出了“工业级自进化具身智能机器人Phi-Bot X1”，主要面向汽车制造等工业场景中的多种复杂工位作业。光象科技创始人兼CEO张涛在接受《中国经营报》记者及其他媒体采访时表示，当前具身智能行业尚不成熟，行业可能有不同的技术路径，而光象科技的目标是让具身智能真正服务于生产力。既然为生产力服务，就一定要解决真实问题，必须做软硬一体化的完整产品。

从工业场景寻找真实落地的路径

记者从现场了解到，光象科技此番推出的X1是一款轮式双臂机器人，专为工业场景设计，核心能力体现在一机多能、快速上岗和自我学习三个方面。简单来说，通过可替换的末端执行器，X1可以完成质检、上料、分拣、拧紧、粘贴、插接、卡接等多种复杂工位作业，从场景导入到验收上线的周期可从传统工业自动化的6个月压缩至周级，甚至天级快速上岗。

张涛以汽车工厂中的移动质检场景举例，X1能“边走边检”，协同控制底盘、腰、臂全身协同，完成覆盖式车身表面检测，相比非协同方式效率可提升51%，较人工工位节拍节省25%—45%的时间。而在焊接上料场景中，X1面向汽车制造中重复度高、枯燥且存在灼伤风险的上料工位，可完成抓取、移动、翻转、精准对孔、放置等长程复杂任务。

为何称X1为“自进化”机器人？张涛解释称，X1基于算法、数据与平台的系统能力，具备从开发部署到真实作业中持续学习和自我进化的能力，机器人可在执行任务过程中持续与真实场景交互，依托自研强化学习算法矩阵在试错和迭代过程中不断优化动作策略，这意味着X1能够持续提升性能上限，形成面向跨工位、跨场景迁移与规模化落地的长期能力。

张涛在接受采访时介绍了光象科技选择工业场景的背后思考逻辑。他表示，具身智能的本质是机器人需要在某个环境中完成某一类任务，由此所有场景都可以划分为两个维度，一个维度是工作环境，既包括工厂、道路等标准环境，也包括家庭等非标准环境；另一个维度则是任务，从AMR自主移动机器人、扫地机器人到自动驾驶做完全移动类的任务，也包括像光象X1机器人做的移动操作类任务。这两个维度可以涵盖具身智能当前的所有场景。

“今天具身智能要找到一条真实可落地的路径，在我们看来，最好的选择是在一个点上做突破，而非多点开花。而从一个点上突破，意味着要重点突破复杂的操作能力，工业是典型的场景。”张涛指出，“如果直接进入家庭场景，具身智能机器人既要做非常复杂的任务、操作，又要认知和理解各种各样的环境，当所有因素交织在一起后，事情就会变得极难。”

如何让机器人真正成为生产力

光象科技方面介绍，该公司围绕汽车制造中的上下料、质检等典型高价值工位完成真实场景验证，已经与国内外多家汽车企业达成商业合作。张涛指出，汽车是目前规模最大、复杂程度最高的工业品之一，汽车产线经过长期生产优化，具备较好的一致性和标准化基础，因此，光象科技将汽车制造作为第一个切入场景。事实上，汽车制造对品控、节拍和效率要求严格，这也使其成为检验具身智能机器人能力的“练兵场”，如果机器人能够满足汽车产线的需求，那后续再向3C电子、工程机械、轨道车辆等制造场景迁移就会更顺理成章。

在采访中，张涛向记者提到了具身智能机器人的成本下降空间。他指出，工业场景用的具身机器人和人形机器人等产品从核心零部件来讲并没有本质的区别，主要成本投入都是电机、减速器、驱动器等。其中不同的一点，强调运动能力的人形机器人往往采用行星减速器结构，工业级机器人则较多采用谐波减速器方案，在规模效应作用下，不同规模量级的机器人会在成本下降的曲率上呈现差异。不过整体来看，随着具身智能行业产业链的发展与上下游供应链的成熟，无论是工业级产品，还是消费级产品，成本下降都是必然趋势。

需要指出的是，具身智能机器人进入工厂，成为“AI工人”仍处于早期阶段。张涛坦言，当前很多机器人的可靠性还没有达到工业级标准，真实产线与实验室不同，温度、光照、人员流动、前后工序衔接以及与既有设备协同，都会影响机器人长期运行效果。对企业而言，单次演示成功并不等于真正落地，更重要的是持续无故障运行能力、可维护性、成本优化和规模复制能力。就光象科技而言，“我们会从产品设计选型到整体品控的各个维度把关，同时我们也在建立一套质量体系——从零部件的选型测试、整机测试方案，到面向客户交付等，各个维度都会考虑可靠性，只是产业链的成熟仍需要时间。”张涛说道。

（编辑：张靖超 审核：李正豪 校对：燕郁霞）