清华系公司一年获车厂订单，具身智能落地真实产线

背景

过去两年，具身智能（Embodied AI）行业的焦点主要集中在人形机器人的动作展示上，如跑马拉松、跳舞或参与春晚表演。然而，对于制造业而言，真正的痛点并非机器人的“表演能力”，而是其能否在复杂的工业环境中稳定、高效地工作。

光象科技（Phantom Robotics）作为一家由清华大学车辆与运载学院和人工智能学院联合孵化的初创公司，成立仅一年多便切入这一领域。不同于行业普遍采用的双足人形路线，光象科技选择从工业现场的真实需求出发，旨在解决“机器人何时能进工厂干活”这一核心问题。近期，该公司发布了工业级自进化具身智能机器人 Phi-Bot X1，并在蔚来汽车的焊接上下料场景中完成了连续3天、累计21.5小时的零失误作业，展示了从模型导入到真实部署仅需一周的工程落地速度。

核心内容

光象科技的核心逻辑在于将具身智能从“动作展示”转向“生产力创造”。其发布的 Phi-Bot X1 并非单纯追求形态像人，而是专注于满足汽车制造等工业场景对高精度、高节拍、高可靠性和高安全性的严苛要求。

1. 硬件设计与工业适配 Phi-Bot X1 采用四舵轮全向底盘，支持横向蟹行、斜向移动和原地回转，能够适应汽车工厂狭窄的工位空间，无需预留额外转向空间。其配备工业级升降腰结构，工作范围覆盖0～2.5米，结合27个自由度的全关节力控双臂，实现了工业级的柔顺控制。通过1kHz的协同控制和实时力反馈，机器人能够感知接触力并调整力度，具备工业操作所需的“分寸感”。

在感知层面，X1 集成了3D激光雷达、RGBD深度相机、双目相机和超声波雷达，实现了10mm的定位精度和0.05mm的末端重复定位精度。这种高集成度的感知配置使得机器人能够独立适应工厂环境，降低了工厂智能化升级中改造基础设施的成本。此外，X1 支持更换末端执行器以完成质检、上料、分拣等多种任务，并具备双电池自主换电能力。

2. 底层技术体系：自进化物理智能 光象科技认为，机器人行业真正难复制的是其学习能力和物理智能体系，而非硬件本身。为此，公司构建了基于强化学习、世界模型和数据飞轮的技术底座：

• Phi-RL Matrix（强化学习算法矩阵）： 针对传统VLA（视觉语言模型）路线在未见任务中容易失效的问题，光象押注让机器人理解物理规律。该矩阵包含四种互补算法：DSAC负责精度，DACER负责环境适配与成功率，MVP负责动作平顺，RACS负责运行安全。
• Phi-Space（数据生成与训练平台）： 为了解决真机试错成本高的问题，光象利用高保真场景建模和生成式规模化扩增技术，构建了一个机器人“训练营”。机器人在仿真环境中通过自主探索形成“物理直觉”和“肌肉记忆”，从而在部署到真实工厂前已完成大量训练。
• Phi-Arch（全链路开发平台）： 该平台贯通了数据生成、模型训练、参数优化和部署上线全过程，形成了从对象建模到控制器集成的完整闭环。这使得模型的开发、部署与迭代效率显著提升，目前部署时间已缩短至一周，未来计划进一步缩短至以天为单位。

3. 数据飞轮与自进化 光象定义了一种“自进化机器人”模式：机器人在工作中产生数据，数据用于训练模型，优化后的模型再反馈给机器人，使其在真实任务中持续学习和进化。Phi-Bot X1 只是这一体系的终端体现，其背后的核心壁垒是这套不断成长的物理智能体系。

4. 团队与战略路径 光象科技拥有浓厚的“清华基因”和自动驾驶技术迁移优势。创始人张涛曾主导长城汽车量产自动驾驶系统的定位感知技术，联合创始人李升波教授是早期端到端自动驾驶系统 iDrive 的研发者。这种在空间感知、多传感器融合及自动驾驶领域的深厚积累，为具身智能的工程化落地提供了关键支持。

在战略上，光象选择汽车制造作为首个落地场景，因为其流程标准、任务复杂且具备规模复制潜力。未来，其能力将迁移至汽车零部件、工程机械、3C电子等领域，长期规划则是从工业场景延伸至商业服务，最终进入家庭场景。

关键要点

• 产品发布与验证： 光象科技发布 Phi-Bot X1 工业级具身智能机器人，在蔚来汽车产线完成连续21.5小时零失误作业，从模型导入到部署仅需一周。
• 差异化路线： 摒弃热门的双足人形路线，采用四舵轮全向底盘和升降腰结构，专注于解决工厂狭窄空间移动、高精度抓取及力控柔顺等实际生产力问题。
• 技术壁垒： 构建了包含 Phi-RL Matrix（强化学习算法）、Phi-Space（仿真数据训练）和 Phi-Arch（全链路开发平台）的自进化物理智能体系，强调机器人对物理规律的理解而非简单的模仿学习。
• 工程化优势： 依托清华大学在自动驾驶、空间感知领域的技术积累，团队具备强大的工程落地能力，解决了具身智能从实验室到产线“最后一公里”的部署难题。
• 商业模式： 通过“数据飞轮”实现机器人的持续自进化，初期聚焦汽车制造等标准化程度高的工业场景，未来计划向更广泛的制造业及商业/家庭服务场景扩展。

意义与影响

光象科技的实践标志着具身智能行业正在从“炫技”阶段迈向“实用”阶段。其意义主要体现在以下几个方面：

1. 重新定义具身智能的价值锚点： 行业关注点正从“机器人像不像人”转向“机器人能否像工人一样高效干活”。光象科技证明了具身智能的核心价值在于创造实际生产力，而非单纯的动作复杂度。
2. 验证了“仿真到现实”的可行性： 通过 Phi-Space 和 Phi-Arch 平台，光象展示了如何利用仿真数据加速真机训练，有效降低了大规模部署的成本和时间门槛，为具身智能的规模化落地提供了可复制的技术路径。
3. 推动了技术迁移与融合： 光象的成功体现了自动驾驶领域积累的空间感知、强化学习和世界模型技术在具身智能领域的迁移价值，表明不同AI子领域之间的技术边界正在模糊，工程经验的复用成为关键竞争力。
4. 加速工业智能化升级： 通过提供无需大规模改造工厂基础设施的机器人解决方案，光象科技降低了制造业智能化升级的门槛，有助于推动汽车、3C、工程机械等多个行业的自动化进程，预示着工业具身智能即将进入规模化落地的前夜。