36 氪获悉，工业具身智能企业光象科技，已完成种子轮、天使轮及天使 + 轮多轮融资，累计金额超 1 亿元人民币，由财务投资机构 IDG 资本、东方富海联合领投，机器人产业资本埃夫特、零一创投、达泰资本、光源 L2F 创业者基金跟投。
据悉，企业融资资金将主要用于公司具身机器人的核心技术研发、产品化推进及商业化交付工作。
光象科技成立于 2025 年 4 月，由前阿里巴巴高德技术总监张涛，与清华大学教授、人工智能领域专家李升波联合创办。目前，光象科技已成为全球多家汽车主机厂的具身智能战略合作方，基于让"机器人自我学习"的具身模型 + 让"具身智能大规模落地"的工具平台，光象科技希望"帮助汽车、3C 等工业制造场景构建通用的工业具身大脑"。
从汽车制造场景切入，渐进式过渡到通用机器人
在张涛决定投身具身智能创业的那段时间，行业里有这样一种声音——优先进入垂类场景的机器人公司，未来会被直接做通用机器人的公司覆盖。
但张涛却秉持另一种观点，他将工业等垂类场景下的机器人与通用机器人，分别比作自动驾驶界的 L2 和 L4，"如果技术发展足够快， L4 的确可以覆盖所有 L2 场景"，但我们认为机器人行业会像自动驾驶一样经历一段漫长的发展周期，因此从垂类场景切入，渐进式过渡到全场景通用的机器人是更可行的商业路径"。
基于这样的思考，张涛在创业之初，锚定了轮式工业机器人这一方向。
在他看来，工业操作属于"标准环境 + 复杂操作，这是目前颇具挑战性，又能快速落地的场景"。而在工业领域，汽车制造是最典型、市场空间又足够大的赛道。光象科技曾测算过，仅汽车制造的总装这一工艺环节实现智能化，就有千亿的市场规模，且能快速复制延伸到几乎全工业制造场景。
选定了应用场景，机器人的形态便也可以随之确定。
之所以决定做轮式机器人，张涛对 36 氪解释："双足人形机器人的最大优势，是它克服地形障碍的能力，可在工厂这一标准化环境下，双足人形机器人的优势体现不出来，高能耗、定位不精准的缺陷倒有可能被放大。而轮式机器人能耗低、定位更精准，更匹配工厂环境和要求。"
汽车制造机器人，这一市场规模颇具想象力，但要想拿下它的入场券未必容易。
张涛告诉 36 氪，工业机器人不像春晚舞台上，那些演示型机器人。演示型机器人，别人更关心的，是它能否完成动作，而工业场景对机器人操作任务的衡量标准，其实是较为严苛的。"比如工业机器人要兼顾动作精度、时间节拍、动作的平顺性等各项操作指标"。
而且，工业机器人和环境之间是强交互关系，"机器人需要实时感知环境状态，感知操作对象状态，实时规划并执行动作，还要避免在操作过程中发生碰撞"。 这些都给构建操作类模型提出了考验。
致力于让工业具身机器人自我学习、进化
光象科技的一大应对策略是，"面向工业构建可自学习的智能模型"。
在模型结构方面，光象科技开发了专门面向工业操作的、高平滑神经网络结构，目的是使机器人能够实现高精度、高可靠以及高平顺性的动作输出；在模型训练时，光象科技摒弃了更易实现的模仿学习，采用了更有潜力、但挑战也更大的强化学习。
张涛表示，模仿学习虽然可以"用少量的数据，快速达到一个看起来不错的操作效果，例如在简单的 PnP 任务上达到 90%-95% 的成功率"，但它无法在保证工业要求的、接近 100% 的成功率，也无法同时满足效率、精度等多维度的性能要求。而这些要求恰恰是保证高质量汽车制造的关键。
因此，光象团队希望通过强化学习的模型训练方式，让机器人拥有"可持续进化的自我学习能力"，从而打通一条机器人不断提升自身性能的技术路径，最终满足汽车制造场景对机器人的一系列严苛要求。
模型的训练离不开数据，但在具身智能领域，真机数据稀缺恰又是困扰行业多数玩家的难题。
对此，光象科技提出，提高仿真数据在模型训练中的比重，并依托高精度场景建模能力，以及工业客户高精数模资源的优势，缩小仿真数据与真机数据的 gap，从而打通仿真到真机的模型训练链路。
之所以要提高仿真数据的占比，张涛解释："如果我们仅仅是为了做一个 demo，那我们搭一个假工位，采一些真机数据可能还行，但如果我们未来是为了做落地，那为了达到极高成功率所需要的海量真机数据，可能是我们根本无法承受的。"
GOPS 平台是光象科技为机器人大规模落地做的又一准备。
用张涛的话说，这个平台，将工业场景的具身智能模型设计、开发、训练乃至调试，都做了模块化，它能构建出一个稳定且高效的链路，在场景任务明确的前提下，针对任何一个工业场景都能做到高质量的端到端模型开发，从而令企业具备"大规模交付能力"。
当前，光象已和多家汽车企业达成合作，并完成面向真实生产工位的首期 POC 验证。面向未来，光象科技提出，在今后 3 年内，进入至少十家汽车制造厂商，部署上千台满足工厂需求的智能机器人。同时，张涛希望让企业的产品，广泛应用到其他工业场景的生产制造工位上。
在张涛更长远的规划内，光象科技也打算涉足制造之外的其他大型工业、商业场景，通过渐进式路径迈向通用具身智能。
博星优配提示：文章来自网络，不代表本站观点。
