AI news

刚成立一年就拿下车厂订单,这家清华系公司把具身智能送进真实产线

By 田晏林0 viewsSource: 量子位
刚成立一年就拿下车厂订单,这家清华系公司把具身智能送进真实产线

过去一年,具身智能行业最热闹的画面是什么?

The full text has not been translated yet. The Chinese original is shown below.

过去一年,具身智能行业最热闹的画面是什么?

机器人跑马拉松、跳舞、翻跟头,甚至在春晚整活。

热闹归热闹,很多制造业老板真正关心的问题其实只有一个:

机器人什么时候能进工厂干活?

毕竟,跑完21公里是一回事,在汽车产线上连续工作、不出错、不掉链子,是另一回事。

作为清华大学少数直接持股的具身公司,成立一年多的光象科技给出一份有点反常识的答案。

前几天,他们正式发布了工业级自进化具身智能机器人Phi-Bot X1。

文章配图

在2026 ATC展会蔚来汽车焊接上下料场景中,X1完成了连续3天、累计21.5小时上下料作业,零失误、零中断。

而且从模型导入到真实部署,只要一周时间就行了!

不得不说,这种工程落地速度,确实多少有点清华系的味道。

文章配图

更关键的是,它没有选择行业最热的双足人形路线,而是从工业现场真实的需求出发,试图打造一种新的智能生产力。

当所有人都在讨论机器人能不能像人时,一个更现实的问题已经摆在面前:

具身智能,究竟该先学会像人一样生活,还是先学会像工人一样干活?

一台为工厂而生的具身智能机器人

今天,如果我们把具身智能行业比作一个考场,很多公司给出的考题是「动作展示」。

光象科技考的,却是生产力。

区别看似不大,本质完全不同。

前者关注机器人能不能完成某个动作,后者关注机器人能不能真正创造价值。

和不少企业先造机器人再寻找场景不同,光象科技思考的是「工厂到底需要什么样的机器人?」

综合调研后,他们发现答案无外乎4点:高精度、高节拍、高可靠、高安全。

文章配图

为此,他们设计的Phi-Bot X1,从诞生开始,就瞄准真实产线。

在移动能力上,X1采用四舵轮全向底盘设计,支持横向蟹行、斜向移动和原地回转。

这是因为汽车工厂里,大量工位空间狭窄,传统设备需要预留转向空间。

而X1可以像「老司机」侧方停车一样,在有限空间内完成精准移动。

文章配图

同时,它配备工业级升降腰结构,工作范围覆盖0~2.5米。

这意味着同一台机器人,可以同时覆盖低位抓取和高位操作。

移动解决的是「能不能到」,操作解决的是「能不能干」。

X1拥有27个自由度,全关节力控双臂,并基于1kHz协同控制和实时力反馈,实现工业级柔顺控制。

文章配图

简单来说,它不仅知道自己在哪里,还知道碰到了什么,以及应该用多大力气。

拿扳手、插线束、搬零件都需要不同力度。

力控,本质上是在教机器人学会工业世界里的「分寸感」。

文章配图

但要成为合格的工厂「打工人」,这样的身体素质显然还不够。

X1搭载了3D激光雷达、RGBD深度相机、双目相机和超声波雷达。

这套感知配置,多少有点把能装的「眼睛」都装上了。

10mm定位精度和0.05mm末端重复定位精度,手眼都能稳稳配合。

文章配图

更重要的是,这些能力都来自机器人本体,不依赖复杂外部改造。

对于制造业来说,这一点非常关键。

很多工厂智能化升级的成本,不是买机器人,而是花在改工厂上了。

光象的思路是,让机器人适应工厂,而不是让工厂去适应机器人。

在任务能力上,X1支持更换末端执行器,可以完成质检、上料、分拣、拧紧、粘贴、插接等多种任务。

同时,双电池的设计,它还能自己给自己换电。

文章配图

参数再好看也只是参数,真正重要的是实战的成绩单。

在移动质检场景中,X1实现车身表面100%检测覆盖率,效率相比非协同方案提升51%。

在焊接上下料场景中,可完成抓取、翻转、精准对孔等复杂任务,动态位置精度达到毫米级。

而在2026ATC上海国际汽车技术及零部件展览会上,它更是连续3天运行,累计21.5小时作业,零失误、零中断,成功率100%。

看来,实验室已经装不下Phi-Bot X1了。

从测试场走向生产线,X1等不及要「上岗」了。

文章配图

Phi-Bot X1背后,是一套自我进化的物理智能体系

如果说Phi-Bot X1是前台,那么强化学习、世界模型、数据飞轮和开发平台,才是光象真正的底层竞争力。

因为机器人行业真正难复制的,从来不是硬件。

机械结构可以买,供应链可以追,参数也会刷新。

但机器人如何学习,才是核心。

目前行业主流路线是VLA,通过视觉语言模型和模仿学习,让机器人快速掌握动作。

问题也很明显,这更像「照猫画虎」。

文章配图

看过的动作可以完成,没见过的任务容易失效。

而真正的智能,不只是记住答案,而是理解规律。

小孩第一次拿杯子会失败,但经过不断尝试,会慢慢理解重力、摩擦力和惯性。下一次换一个陌生杯子,依然知道怎么拿。

这就是举一反三的能力。

光象选择押注的,正是让机器人理解物理世界。

围绕这一目标,光象打造了强化学习算法矩阵「Phi-RL Matrix」。

光象构建了覆盖仿真强化学习、真机强化学习和世界模型强化学习的技术体系。

各种算法形成互补矩阵,各司其职:

  • DSAC(值分布强化学习)负责精度
  • DACER(多模态强化学习)负责环境适配&成功率
  • MVP(均值速度场)负责动作平顺
  • RACS(安全强化学习)负责运行安全

虽然控制效果的问题解决了,却绕不开强化学习的核心瓶颈:大规模真机试错,成本太高。

文章配图

过去几年,大家都在拼命收集数据。但今天,越来越多企业开始思考如何高效率生产数据。

光象基于高保真场景建模和生成式规模化扩增,提出数据「Phi-Space」。

它更像一座机器人训练营。

在这里,机器人每天都在重复同样的动作训练。

跌倒了再站起来,失败了重新尝试,直到把某个技能练成「肌肉记忆」。

等进入真实工厂时,它已经不再是一个新手。这是强化学习真正发挥价值的地方。

机器人不再依赖人类示范,而是在仿真环境中自主探索,逐步形成自己的「物理直觉」。

算法、数据有了,还不够。

工业客户更关心多久能上线、多久能创造价值。

Phi-Bot X1目前能够在一周时间部署完毕。

这背后,全仰仗光象打造的全链路开发平台「Phi-Arch」。

文章配图

它贯通数据生成、模型训练、参数优化和部署上线全过程。

而且,从对象建模、环境建模、任务转化,到网络构建、优化求解、参数调教、代码部署和控制器集成,「Phi-Arch」能形成完整闭环。

有了这个平台,模型开发、部署与迭代效率明显提升。

据说光象计划将部署时间缩短到以天为单位。

一个持续运转的数据飞轮也就此形成:

机器人工作,产生数据;数据训练模型;模型回到机器人,再继续工作和学习。

这是光象定义的「自进化机器人」。

从这个角度看,Phi-Bot X1只是冰山露出水面的部分。

水面之下,这套不断学习、不断成长的物理智能体系,才是大boss。

工业具身智能,正在进入规模化落地前夜

虽然刚成立一年多,光象已与蔚来等头部车企展开合作。

为什么汽车工厂是光象的第一站?

在光象科技创始人兼CEO张涛看来,汽车制造是具身智能最适合成长的训练场。

因为它足够复杂。冲压、焊装、涂装、总装等环节,包含大量不同任务。

同时,它又足够标准。工艺流程明确,质量要求统一,可以形成规模复制。

对于机器人来说,这是一场高难度考试,但通过之后,机器人获得的不只是一个技能,而是一整套工业世界能力。

文章配图

相比行业之前热衷讨论机器人能不能完成某个动作。

今天,越来越多人开始关注另一个问题:

机器人能不能在100个工位成功100次;能不能从1家工厂复制到10家工厂;能不能从一个任务扩展成一类任务。

汽车产业,恰好提供了这样的验证环境。

文章配图

接下来,这套能力可以进一步迁移到汽车零部件、工程机械、轨道交通、船舶制造、3C电子等更多制造场景。

这些行业虽然不同,但背后都有大量相似的工业任务。

从这个角度看,光象真正想复制的,不是机器人本身,而是机器人的技能。

就像汽车工厂不是光象的终点,工业场景也不是。

张涛规划了一条更长期发展路径:先工业,再商业服务,最后进入家庭。

只不过,进入家庭场景的产品形态,张涛认为目前还没有标准答案。

最终取决于机器人需要为家庭提供什么样的价值。

清华工业基因+AI基因

前几天,我和光象科技的朋友闲聊,发现这家公司有意思的地方,不只是产品,还有团队。

因为它的「含华量」太高了,是清华大学车辆与运载学院和人工智能学院联合孵化的。

这并非简单的履历加分。

具身智能发展到今天,一个越来越明显的趋势正在出现:行业开始从拼模型,进入拼工程阶段。

而这恰恰是光象团队的优势所在。

创始人张涛,就是一个典型例子。

文章配图

他是清华大学博士、米兰理工大学博士后,曾担任阿里巴巴高德地图技术总监和空间感知引擎负责人,长期从事空间感知、多传感器融合等领域研究。

其带领团队研发的定位感知技术,连续三年获得国际定位大赛冠军。

相关成果落地长城汽车量产自动驾驶系统,并在十余家头部车企实现规模应用,累计量产终端达到数百万级。

另一位联合创始人李升波,是清华大学人工智能学院教授,长期从事自动驾驶与具身智能研究。

文章配图

其主导研发的iDrive系统,被认为是国内最早的全神经网络端到端自动驾驶系统之一,已经在广汽、东风、滴滴等企业落地应用。

直观感觉,这家公司自带浓厚的清华自动驾驶基因。

而自动驾驶恰恰是中国最早经历过大模型、强化学习、仿真训练、世界模型等技术验证的行业之一。

今天,当具身智能进入同样的发展阶段时,这些经验开始产生迁移价值。

光象的股东阵容同样颇具产业特色。

埃夫特、L2F、东方富海等产业资本,均参与其中。

某种意义上说,这并不是一家单纯的机器人公司,更像是工业、AI和产业资源共同交汇后的产物。

One more thing

过去两年,具身智能行业最热的关键词是人形机器人。

但未来几年,更重要的关键词或许会变成另一件事:智能生产力。

光象科技正在回答一个「比机器人长什么样」更重要的问题,那就是「机器人如何成为生产工具」。

Phi-Bot X1此时更像一个入口。

一个连接机器人、工业场景和数据闭环的入口。

它让机器人第一次有机会进入真实生产世界,在真实任务中学习,在真实需求中进化。

当然,进入产线之后,挑战才刚刚开始。

毕竟对于工业机器人来说,短暂运行不是难点,长期可靠运行才是。

文章来自于"量子位",作者 "田晏林"。

Related topics

After reading

Join the AINRK community

Read how to join the community and connect with people working in AI.

Community information (opens in a new tab)