光象科技累计完成数亿元天使轮融资，布局物理原生基座模型

来源：猎云网

近日，光象科技宣布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、See Fund、亿宸资本、上市公司行云科技等头部财投与头部产投深度参与，老股东零一创投、L2F光源创业者基金等持续加注。据悉，本轮资金将重点投入物理原生基座模型的研发迭代，并推进具身智能机器人产品的商业化交付。

公司是清华大学车辆与运载学院和人工智能学院联合孵化的具身智能公司，具备领先的具身智能算法能力矩阵、高效且极低成本的数据体系以及物理智能开发平台，致力于构建物理原生智能驱动的自进化具身智能体，推动通用具身智能技术的产业化应用。

目前，光象科技已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，并与多家国内外头部汽车企业达成商业合作，率先在汽车行业实现具身智能真实落地。未来，光象科技将以汽车制造为起点，持续打造可复制、可迁移、可规模化部署的自进化具身智能机器人，逐步拓展至3C、电子及更广泛的泛工业场景。

锚定物理原生智能，确立差异化技术路线

当前，主流技术路线要实现物理交互的通用性，尚需突破根本性局限。

VLA路线在视觉语言模型的基础上嫁接动作专家实现任务推理与动作生成，但语义通用性并不等同于物理交互能力，模型本质上是感知与动作的映射器，针对特定任务微调后虽能完成固定动作，却难以在物理交互中生长出通用的操作能力。视频预测式世界模型聚焦于环境观测序列的像素级预测，但预测表象并不等于理解物理因果，图像也不足以刻画质量、惯量、摩擦、形变与接触等物理属性，难以支撑通用泛化的动作生成。

光象科技创始人兼CEO张涛表示，真正的物理原生智能，是在与物理世界的感知、交互、反馈、探索与约束中自主涌现的能力。因此，物理原生基座模型，必须以物理交互为首要原则，能够从物理环境中持续学习世界规律、行为后果与任务约束，具备复杂任务闭环的通用智能。

光象科技自主研发的物理原生基座模型，依托自建的高保真、大规模、可交互物理数据资产和自研的全球顶尖强化学习算法矩阵，通过模型在物理环境的充分交互，学习动力学、接触、约束与守恒等显式物理规律推演，以及随机性、不确定性、长程后果等隐式环境状态推理和物理行为归因，使得模型在持续物理交互中涌现出对物理规律的通识理解，从而实现真正通用泛化的行为能力。

光象科技核心团队在具身智能领域具备从基础研究到大规模交付的完整能力闭环。产业端，创始人兼CEO张涛曾主导空间感知定位技术在数百万车载终端的量产落地，其带领的产业化团队来自阿里巴巴、腾讯、华为、库卡、极智嘉等科技和机器人巨头，具备深厚的系统工程与商业化落地经验。学术端，联合创始人李升波教授是强化学习与自动驾驶领域国际知名专家，发表论文200余篇，引用超22600次，连续4年入选爱思唯尔中国高被引学者。核心技术团队100%拥有清华、浙大等顶尖高校博士学历，覆盖机器人设计、强化学习、端到端模型等具身智能全栈领域。学术研究与产业经验的复合基因，使得光象能够从算法突破、数据构建到量产落地实现全链路贯通，将技术创新切实转化为工业场景可交付的产品。

三位一体，构建物理原生智能技术体系

为支撑物理原生基座模型的研发与进化，光象科技构建了一套由强化学习算法矩阵Phi-RL Matrix、物理数据资产Phi-Space与通用物理智能开发平台Phi-Arch协同构成的“三位一体”物理原生智能生成体系。

在算法层，光象科技将强化学习定位为物理智能的能力增长引擎，而非行为微调工具，这是与行业主流路线的根本分野。公司自主研发的全球领先的具身强化学习算法矩阵Phi-RL Matrix，在任务核心性能、多模态动作策略生成、复杂场景决策与安全等方向均取得全球领先。该算法体系可支持机器人通过试错迭代从物理交互中生长出物理原生智能，并不断提升精度、效率、稳定性和鲁棒性等全维度性能水平。

在数据层，光象科技持续构建高保真物理数据资产Phi-Space，基于自研的核心三维建模算法和物理建模技术，实现对真实工业场景从几何结构到物理属性的高保真复刻，同时采用生成式模型实现场景规模的指数级扩增，为模型进化提供源源不断的数据燃料。

在平台层，光象科技打造了行业独特的物理智能开发平台Phi-Arch。该平台的核心价值在于让每一次模型构建和终端部署都转化为可复用、可迁移的系统性积累，在迭代中持续强化通用能力，同步沉淀数据资产，从而让具身智能机器人在工业场景的部署走向可复制的规模化落地，实现能力越用越强、壁垒越跑越深，从根本上驱动物理AI的规模化演进。

算法、数据、平台三大支柱协同驱动通用物理智能的持续涌现，让具身机器人在真实物理世界中具备可跨场景迁移的通用操作能力。

汽车产线场景验证，展现物理原生智能潜力

光象科技近期正式对外发布了工业级自进化具身智能机器人Phi-Bot X1，并在汽车产线焊接上料真实工位完成验证。这一进展，展现了物理原生智能面向真实工业场景落地的强大潜能。

X1采用四舵轮全向底盘，可灵活适应产线中的狭窄通道、流水线工位，实现边移动边操作的动态作业，同时，具备更好的驻停稳定性，可在作业状态下自主锁定。升降腰设计使X1具备抗倾覆和全身协同能力，在垂直方向工作范围覆盖0至2.5米，远端覆盖1.2米。X1采用全关节力控双臂，从关节到末端构建起实时力感知与力反馈体系，可为机器人与产线人员、设备协同提供安全冗余。依托物理原生智能构建的泛化技能模型，X1仅依靠本体感知能力，可在动态复杂的工业环境中完成高精度连续作业定位，同时强大的泛化能力使部署周期压缩至周级甚至天级。

在2026 ATC展会上，X1连续三天持续运行21.5小时，完成焊接上下料全流程作业，零失误，零中断。在上料环节的双孔同时对准作业中，X1仅依靠本体感知将动态操作精度控制在毫米级，角度精准控制在0.3°以内，动态环境下连续工作成功率100%，并与产线自动化设备实时协同。

X1真机作业的这组数据，意义超越了性能指标本身，它验证了机器人能够像人一样在物理交互中自主提升物理智能水平并泛化应用到真实场景的潜力，这正是物理原生智能的核心方向。

从汽车制造产线出发，光象科技将持续推动物理原生基座模型在更多场景中的应用落地，在持续的真实交互中进化，从工业深水区走向更广阔的物理世界。