光象科技完成数亿元天使轮融资，布局物理原生基座模型

背景

当前主流具身智能技术路线面临根本性局限：VLA（视觉-语言-动作）路线本质上只是感知与动作的映射器，虽能完成固定动作，却无法在物理交互中生长出通用操作能力；视频预测式世界模型聚焦于像素级环境预测，但无法理解质量、惯量、摩擦、形变与接触等物理因果属性，难以支撑通用泛化的动作生成。行业亟需一种真正以物理交互为首要原则、能够在真实环境中自主涌现通用智能的技术范式。

在此背景下，光象科技提出了“物理原生智能”概念，并围绕其自主研发的物理原生基座模型完成累计数亿元天使轮融资，加速从研发到工业场景落地的进程。

核心内容

光象科技近日宣布完成累计数亿元天使轮融资，最新一轮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务与产业投资方深度参与，老股东零一创投、L2F光源创业者基金持续加注。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。

光象科技创始人兼CEO张涛表示，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，必须依托以物理交互为首要原则的基座模型。公司自主研发的物理原生基座模型，通过自建的高保真、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，让模型在物理环境中充分交互，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，从而涌现出对物理规律的通识理解，实现真正通用泛化的行为能力。

核心团队具备从基础研究到大规模交付的完整能力闭环：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；产业化团队来自阿里巴巴、腾讯、华为、库卡、极智嘉等科技与机器人巨头；联合创始人李升波教授是强化学习与自动驾驶国际知名专家，发表论文250余篇、引用超30000次；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、端到端模型等全栈领域。

光象科技构建了一套“三位一体”物理原生智能生成体系：

• 算法层：全球领先的具身强化学习算法矩阵Phi-RL Matrix，定位为物理智能的能力增长引擎而非行为微调工具，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。
• 数据层：高保真物理数据资产Phi-Space，基于自研核心三维建模算法和物理建模技术，实现对真实工业场景几何结构与物理属性的高保真复刻，并采用生成式模型实现场景规模指数级扩增。
• 平台层：物理智能开发平台Phi-Arch，让每一次模型构建和终端部署转化为可复用、可迁移的系统性积累，在迭代中持续强化通用能力并沉淀数据资产，驱动物理AI的规模化演进。

公司近期正式发布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。X1采用四舵轮全向底盘、升降腰设计（垂直方向覆盖0至2.5米，远端1.2米）、全关节力控双臂，仅依靠本体感知能力即可在动态复杂环境中完成高精度连续作业定位。在2026 ATC展会上，X1连续三天运行21.5小时，完成焊接上下料全流程作业，零失误零中断；上料环节双孔同时对准的动态操作精度控制在毫米级、角度0.3°以内，动态环境连续工作成功率100%，并与产线自动化设备实时协同。

目前光象科技已与多家国内外头部汽车企业达成商业合作，未来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、电子及更广泛泛工业场景。

关键要点

• 光象科技累计完成数亿元天使轮融资，最新一轮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深度参与。
• 资金用途：重点投入物理原生基座模型研发迭代，并推进具身智能机器人商业化交付。
• 核心技术路线：物理原生智能，以物理交互为首要原则，通过强化学习在真实物理环境中自主涌现通用操作能力。
• 三位一体技术体系：Phi-RL Matrix强化学习算法矩阵、Phi-Space高保真物理数据资产、Phi-Arch通用物理智能开发平台。
• 核心团队背景：CEO张涛具数百万车载终端量产经验；联合创始人李升波为强化学习与自动驾驶领域国际知名专家（论文250余篇，引用>30000次）；全团队博士学历来自清华、浙大等顶尖高校。
• 产品验证成果：Phi-Bot X1在2026 ATC展会上连续运行21.5小时，焊接上下料零失误零中断；双孔对准精度毫米级、角度0.3°以内，动态环境连续工作成功率100%；部署周期压缩至周级甚至天级。
• 商业化进展：已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。
• 未来规划：从汽车制造延伸至3C、电子及更广泛的泛工业场景。

意义与影响

光象科技的物理原生智能路线，从根本上区别于当前主流的VLA和视频预测式世界模型，将强化学习从行为微调工具提升为物理智能的能力增长引擎。这一范式突破有望解决具身智能在物理交互中缺乏通用性与泛化能力的核心瓶颈，为行业提供一条可规模化、可自进化的技术路径。

从产业应用看，Phi-Bot X1在汽车产线焊接上下料场景中展示的毫米级精度、零失误连续运行以及周级部署周期，验证了物理原生基座模型在真实工业环境中的实用价值。这不仅降低了具身智能机器人的部署门槛，也为汽车制造等高端制造业提供了有望替代传统固定产线自动化设备的灵活方案。

从生态构建看，光象科技“三位一体”体系中的Phi-Arch开发平台，将每次模型构建与部署转化为可复用的系统性积累，有助于形成数据-算法-场景的正向飞轮，驱动物理智能从单一场景向多行业、多任务快速迁移。随着光象科技从汽车制造向3C、电子等泛工业场景拓展，物理原生智能有望成为通用具身智能商业化落地的重要基石。