榮格工業資源APP
了解工業圈,從榮格工業資源APP開始。
「從汽車制造場景邁向通用機器人」

工業具身智能企業光象科技,已完成種子輪、天使輪及天使+輪多輪融資,累計金額超1億元人民幣,由財務投資機構 IDG 資本、東方富海聯合領投,機器人產業資本埃夫特、零一創投、達泰資本、光源 L2F創業者基金跟投。
據悉,企業融資資金將主要用于公司具身機器人的核心技術研發、產品化推進及商業化交付工作。
光象科技成立于 2025 年 4 月,由前阿里巴巴高德技術總監張濤,與清華大學教授、人工智能領域專家李升波聯合創辦。目前,光象科技已成為全球多家汽車主機廠的具身智能戰略合作方,基于讓“機器人自我學習”的具身模型+讓“具身智能大規模落地”的工具平臺,光象科技希望“幫助汽車、3C等工業制造場景構建通用的工業具身大腦”。
「從汽車制造場景切入,漸進式過渡到通用機器人」
在張濤決定投身具身智能創業的那段時間,行業里有這樣一種聲音——優先進入垂類場景的機器人公司,未來會被直接做通用機器人的公司覆蓋。
但張濤卻秉持另一種觀點,他將工業等垂類場景下的機器人與通用機器人,分別比作自動駕駛界的L2和L4,“如果技術發展足夠快, L4的確可以覆蓋所有L2場景”,但我們認為機器人行業會像自動駕駛一樣經歷一段漫長的發展周期,因此從垂類場景切入,漸進式過渡到全場景通用的機器人是更可行的商業路徑”。
基于這樣的思考,張濤在創業之初,錨定了輪式工業機器人這一方向。
在他看來,工業操作屬于“標準環境+復雜操作,這是目前頗具挑戰性,又能快速落地的場景”。而在工業領域,汽車制造是最典型、市場空間又足夠大的賽道。光象科技曾測算過,僅汽車制造的總裝這一工藝環節實現智能化,就有千億的市場規模,且能快速復制延伸到幾乎全工業制造場景。
選定了應用場景,機器人的形態便也可以隨之確定。之所以決定做輪式機器人,張濤對36氪解釋:“雙足人形機器人的最大優勢,是它克服地形障礙的能力,可在工廠這一標準化環境下,雙足人形機器人的優勢體現不出來,高能耗、定位不精準的缺陷倒有可能被放大。而輪式機器人能耗低、定位更精準,更匹配工廠環境和要求。”
汽車制造機器人,這一市場規模頗具想象力,但要想拿下它的入場券未必容易。
張濤告訴36氪,工業機器人不像春晚舞臺上,那些演示型機器人。演示型機器人,別人更關心的,是它能否完成動作,而工業場景對機器人操作任務的衡量標準,其實是較為嚴苛的。“比如工業機器人要兼顧動作精度、時間節拍、動作的平順性等各項操作指標”。
而且,工業機器人和環境之間是強交互關系,“機器人需要實時感知環境狀態,感知操作對象狀態,實時規劃并執行動作,還要避免在操作過程中發生碰撞”。
這些都給構建操作類模型提出了考驗。
「致力于讓工業具身機器人自我學習、進化」
光象科技的一大應對策略是,“面向工業構建可自學習的智能模型”。
在模型結構方面,光象科技開發了專門面向工業操作的、高平滑神經網絡結構,目的是使機器人能夠實現高精度、高可靠以及高平順性的動作輸出;在模型訓練時,光象科技摒棄了更易實現的模仿學習,采用了更有潛力、但挑戰也更大的強化學習。
張濤表示,模仿學習雖然可以“用少量的數據,快速達到一個看起來不錯的操作效果,例如在簡單的PnP任務上達到90%-95%的成功率”,但它無法在保證工業要求的、接近100%的成功率,也無法同時滿足效率、精度等多維度的性能要求。而這些要求恰恰是保證高質量汽車制造的關鍵。
因此,光象團隊希望通過強化學習的模型訓練方式,讓機器人擁有“可持續進化的自我學習能力”,從而打通一條機器人不斷提升自身性能的技術路徑,最終滿足汽車制造場景對機器人的一系列嚴苛要求。
模型的訓練離不開數據,但在具身智能領域,真機數據稀缺恰又是困擾行業多數玩家的難題。
對此,光象科技提出,提高仿真數據在模型訓練中的比重,并依托高精度場景建模能力,以及工業客戶高精數模資源的優勢,縮小仿真數據與真機數據的gap,從而打通仿真到真機的模型訓練鏈路。
之所以要提高仿真數據的占比,張濤解釋:“如果我們僅僅是為了做一個demo,那我們搭一個假工位,采一些真機數據可能還行,但如果我們未來是為了做落地,那為了達到極高成功率所需要的海量真機數據,可能是我們根本無法承受的。”
GOPS平臺是光象科技為機器人大規模落地做的又一準備。
用張濤的話說,這個平臺,將工業場景的具身智能模型設計、開發、訓練乃至調試,都做了模塊化,它能構建出一個穩定且高效的鏈路,在場景任務明確的前提下,針對任何一個工業場景都能做到高質量的端到端模型開發,從而令企業具備“大規模交付能力”。
當前,光象已和多家汽車企業達成合作,并完成面向真實生產工位的首期POC驗證。面向未來,光象科技提出,在今后3年內,進入至少十家汽車制造廠商,部署上千臺滿足工廠需求的智能機器人。同時,張濤希望讓企業的產品,廣泛應用到其他工業場景的生產制造工位上。
在張濤更長遠的規劃內,光象科技也打算涉足制造之外的其他大型工業、商業場景,通過漸進式路徑邁向通用具身智能。

