光象科技宣佈累計完成數億元人民幣天使輪融資，押注物理原生基座模型

重點摘要

• 光象科技於 2026 年 7 月 4 日披露累計完成數億元人民幣天使輪融資，資金將投入物理原生基座模型研發與具身智慧機器人商業化。
• 公司明確區隔於主流 VLA 與視覺世界模型路線，主張強化學習應作為能力增長引擎，並推出 Phi-Bot X1 在工業場景驗證毫米級動態操作精度。
• 業界對技術路線存在分歧，光象科技批評 VLA 僅為感知動作對映器，而小鵬等企業則採取 VLA 與世界模型雙軌協同策略，顯示具身智慧基座模型尚未形成單一標準。

光象科技於 2026 年 7 月 4 日正式宣佈累計完成數億元人民幣天使輪融資。這筆資金將重點投入物理原生基座模型的研發迭代，並推進具身智慧機器人產品的商業化交付。本次融資由珠海科技產業集團、興證資本、松禾資本、順禧基金、慕華科創、See Fund、億宸資本及上市公司行雲科技等財務與產業投資機構參與，老股東零一創投與 L2F 光源創業者基金也持續跟投。光象科技由清華大學車輛與運載學院和人工智慧學院聯合孵化，其創始人兼 CEO 張濤曾主導空間感知定位技術在數百萬車載終端的量產落地，團隊成員來自阿里巴巴、騰訊、華為、庫卡、極智嘉等科技與機器人企業。聯合創始人李升波教授則是強化學習與自動駕駛領域的國際知名專家，已發表論文逾 250 篇，引用次數超 3 萬次，連續 5 年入選愛思唯爾中國高被引學者。核心技術團隊 100% 持有清華、浙大等頂尖高校博士學位，覆蓋機器人設計、強化學習、端到端模型等具身智慧全棧領域。

為何否定 VLA 與視覺世界模型的主流路線？

在具身智慧領域，VLA（視覺-語言-動作）模型與基於影片預測的世界模型是熱門技術方向。然而，光象科技強烈質疑這兩條路線。張濤表示，真正的物理原生智慧是在與物理世界的感知、互動、反饋、探索與約束中自主湧現的能力，物理原生基座模型必須以物理互動為首要原則。光象科技認為 VLA 路線本質上是感知與動作的對映器，針對特定任務微調後雖能完成固定動作，卻難以在物理互動中生長出通用的操作能力。同時，公司指出影片預測式世界模型因影象無法刻畫質量、慣量、摩擦、形變與接觸等物理屬性，難以支撐通用泛化的動作生成。這種觀點將強化學習視為物理智慧的核心驅動力，而非行為微調工具，並稱這是與行業主流路線的根本區別。

這種技術立場與業界其他玩家的選擇形成鮮明對比。在 CVPR 2026 首屆具身智慧基座模型部署研討會上，Tesla、Waymo、NVIDIA 等物理 AI 第一梯隊悉數到場，受邀登臺的唯一中國企業是小鵬汽車。小鵬通用智慧中心負責人劉先明在會上表示，小鵬物理世界基座模型既是第二代 VLA、也是世界模型，二者雙軌協同，拒絕非此即彼的路線之爭。這顯示出業界對如何構建具身智慧基座模型仍有不同見解，光象科技選擇了一條更激進、強調物理本質的技術路徑。

三位一體技術體系如何支撐物理原生智慧？

為了實現物理原生智慧，光象科技推出「三位一體」技術體系，包含強化學習演算法矩陣 Phi-RL Matrix、物理資料資產 Phi-Space，以及通用物理智慧開發平臺 Phi-Arch。Phi-RL Matrix 作為演算法核心，旨在透過強化學習讓機器人從物理互動中學習通用技能；Phi-Space 則負責積累真實物理世界的資料資產，為模型訓練提供高質量輸入；Phi-Arch 作為開發平臺，降低物理智慧模型的部署門檻。這種架構試圖解決傳統方法中資料與演算法脫節、模擬與真實環境差距大的問題。

在硬體驗證方面，光象科技推出了工業機器人 Phi-Bot X1。該機器人採用四舵輪全向底盤與升降腰設計，垂直方向工作範圍覆蓋 0 至 2.5 米，遠端覆蓋 1.2 米，並配備全關節力控雙臂。在 2026 ATC 展會上，Phi-Bot X1 連續三天持續執行 21.5 小時，完成焊接上下料全流程作業，實現零失誤、零中斷。在雙孔同時對準作業中，X1 僅靠本體感知將動態操作精度控制在毫米級，角度精度控制在 0.3° 以內，動態環境下連續工作成功率達 100%。這些資料展示了其在高精度、高穩定性工業場景中的潛在應用價值。

商業化程序與同賽道競爭格局

光象科技已與多家國內外頭部汽車企業達成商業合作，並在汽車製造上下料、質檢等工位完成真實場景驗證。依託物理原生智慧的泛化技能模型，Phi-Bot X1 的工業場景部署週期可壓縮至週級甚至天級。這意味著相比傳統工業機器人需要漫長程式設計與除錯過程，光象科技的解決方案能更快適應生產線變化。然而，具體的簽約客戶名單、量產售價及計劃量產時間表尚未公開，市場仍待觀察其商業化規模擴張的速度。

市場競爭同樣激烈。戴盟機器人於 2026 年 6 月完成億元 A 輪融資，由匯川產投與中國電信聯合投資，同樣聚焦物理世界模型研發與真實場景資料累積。智源研究院則於 2026 年 6 月 12 日發布悟界·Physis-v0.1，自稱全球首個通用世界基座模型，主張 AI 正規化正從「預測下一個詞元」轉向「預測下一個物理狀態」。這些動態顯示，物理原生智慧與世界模型正成為具身智慧領域的爭奪焦點。光象科技、戴盟機器人、智源研究院以及小鵬等企業，分別代表了不同的技術路線與商業策略。

技術路線之爭將如何演變？

光象科技對 VLA 與視覺世界模型的批評，反映了具身智慧領域深層次的技術焦慮。VLA 模型依賴大量演示資料進行微調，可能在開創性任務或物理約束複雜的場景中表現受限；而基於影象的世界模型則面臨物理屬性表達不足的挑戰。光象科技提出的物理原生基座模型，試圖透過強化學習與物理資料的深度融合，讓機器人具備更強的泛化能力與物理理解。然而，這條路線也面臨資料獲取成本高、訓練難度大等挑戰。

劉先明提出的雙軌協同路線，則提供了一種折衷方案。透過結合 VLA 的任務執行能力與世界模型的環境預測能力，試圖在短期內實現更好的應用效果。這兩種路線孰優孰劣，最終將取決於實際應用場景的驗證結果。對於創業者與工程師而言，理解這些技術差異至關重要。選擇哪條路線，不僅影響產品架構設計，也決定長期競爭力。光象科技的融資成功，顯示資本市場對其技術路線的認可，但技術路線之爭遠未結束。

具身智慧的發展正處於關鍵十字路口。從預測詞元到預測物理狀態，從感知動作對映到物理原生智慧，技術正規化的轉移正在發生。光象科技、小鵬、戴盟機器人等企業的實踐，將共同塑造這一領域的未來格局。對於關注此領域的技術從業者來說，密切追蹤這些技術路線的演變與商業化進展，將有助於掌握產業脈動。物理世界複雜多變，沒有任何單一技術能一勞永逸解決所有問題。未來的贏家，可能是那些能靈活整合多種技術、並在真實場景中快速驗證的團隊。光象科技的「三位一體」體系與 Phi-Bot X1 的工業驗證，為這一領域提供了新的參考座標，但其長期影響力仍需時間檢驗。