光象科技半年融资超 1 亿元， IDG资本领投天使轮｜融资速递

光象科技近日宣布，在不到半年时间内，接连完成种子轮、天使轮及天使+轮多轮融资，累计金额超1亿元人民币。本轮融资由IDG资本、东方富海联合领投，埃夫特、零一创投等多家产业资本跟投。公司由前阿里高德技术总监张涛与清华大学教授李升波联合创办，旨在通过具身模型与工具平台，助力汽车、3C等工业场景构建通用的“工业具身大脑”。

商业路径：从汽车场景切入，渐进式发展

针对业界普遍关注的通用机器人路径问题，光象科技提出了明确的商业化思路。张涛将垂类场景下的机器人比作自动驾驶的L2级，将通用机器人比作L4级。他认为，尽管L4技术最终能覆盖L2场景，但机器人行业将如自动驾驶一般经历漫长的周期，因此从垂类场景切入、渐进式过渡至全场景通用，是更具可行性的商业路径。

基于这一判断，光象科技选择从汽车制造场景切入。在张涛看来，汽车制造具有标准环境但操作复杂、市场空间巨大且能快速复制延伸的特点。仅汽车总装环节的智能化，就存在千亿级市场规模。

在机器人形态选择上，光象科技选择了轮式机器人。张涛解释称，在工厂这一标准化环境下，双足人形机器人克服地形障碍的优势难以体现，反而会暴露高能耗、定位不精准的缺陷；相比之下，轮式机器人能耗低、定位更精准，更契合工厂环境与操作要求。此外，工业场景对机器人的严苛要求——如动作精度、时间节拍、动作平顺性以及与环境的强交互能力，都对操作类模型的构建提出了巨大考验。

技术核心：强化学习驱动自我进化

为了满足工业级近乎100%的成功率要求，光象科技在技术路线上摒弃了易于实现的模仿学习，转而采用潜力更大但挑战更强的强化学习。

张涛指出，模仿学习虽能用少量数据快速达到看似不错的效果（如简单PnP任务90%-95%的成功率），但无法同时满足工业要求的高精度、高效率及多维度性能指标，因此无法胜任高质量的汽车制造任务。光象团队希望通过强化学习，赋予机器人“可持续进化的自我学习能力”，打通一条不断提升性能的技术路径。

为了解决强化学习所需海量真机数据成本高昂的问题，光象科技提出了提高仿真数据在模型训练中占比的策略。依托高精度场景建模能力及工业客户高精数模资源，团队致力于缩小仿真数据与真机数据的差距，打通仿真到真机的模型训练链路。

落地应用：模块化平台与规模化交付

为了实现具身智能的大规模落地，光象科技开发了具身智能工具平台。该平台将工业场景的具身智能模型设计、开发、训练及调试进行了模块化处理，构建了稳定高效的链路。在场景任务明确的前提下，该平台能针对任意工业场景实现高质量的端到端模型开发，从而让企业具备“大规模交付能力”。

目前，光象科技已与多家汽车企业达成合作，并完成了面向真实生产工位的首期POC验证。展望未来，公司计划在三年内进入至少十家汽车制造厂商，部署上千台满足工厂需求的智能机器人，并逐步将产品应用拓展至其他工业制造场景。