WAIC直击：光象科技首谈物理原生智能，重新定义机器人的“物理观”

7月18日，2026 世界人工智能大会举办Future Tech•物理跃迁与硬核基座初创路演，光象科技创始人兼CEO张涛登台，首次公开系统阐述“物理原生智能”技术路径，并披露工业级自进化具身智能机器人Phi-Bot X1在汽车产线的落地进展。

过去几年，物理AI技术快速迭代，但不同路线仍面临显著瓶颈。主流的VLA（视觉-语言-动作）范式高度依赖真机数据做模型拟合与动作映射，泛化能力受限。因此，行业开始探索世界模型，通过对物理世界的状态转移进行预测，再结合逆运动学解算来生成泛化动作。

光象科技选择了一条差异化的技术路径，不满足于让模型预测世界“变成什么样”，更要让模型理解世界“为什么这样变”。通过类人的物理交互方式，让模型建立起对物理世界的原生理解与泛化行为能力，直接从感知与行动的闭环中习得物理因果。

如何构建能理解物理因果的模型？需要回归到人类学习的本源，人类对物理世界的理解和行为能力仅约10%-20%来自视觉观察与模仿，绝大部分源自真实世界的感知交互与试错反馈。让智能在与环境的持续交互中涌现，从物理反馈中理解因果，从而支持更加通用和鲁棒的行为——这正是物理原生模型的核心思路。

围绕这一技术路线，光象科技构建了一套完整的物理原生智能生成体系，实现模型自我进化。在物理原生模型的架构之外，打造了数据(Phi-Space)、算法（Phi-Algorithm）、平台（Phi-Arch）三位一体的技术体系，以支撑模型迭代。

数据层对真实物理世界的采集和原子级的复刻，采用大模型的方式生成多样化且高保真度的物理世界场景，在确保几何与物理一致性的前提下，通过并行交互生成海量数据，实现训练数据的指数级扩增。

算法层采用以强化学习为主的训练范式，构建了覆盖仿真训练、真机迁移到世界模型迭代的完整算法矩阵，持续提升模型在不同阶段的性能表现。

平台层打造物理智能开发平台，支持数据生成、模型高性能训练以及面向真实场景的高效部署，部署后大规模回收真实场景数据，沉淀为高价值资产，形成驱动物理智能的数据飞轮，并以“试错-反馈-迭代-进化”的循环方式，持续提升模型性能。

具身智能要产生生产力价值，不仅需要强大的“大脑”，更需要与之匹配的“身体”。基于对实际工业场景的深度分析，光象科技于今年6月正式发布了工业级自进化具身智能机器人Phi-Bot X1。其设计充分匹配工业制造的严苛要求，兼顾高精度、大范围工作空间覆盖、稳定性与灵活性、适应生产节拍的敏捷效率，以及人机协同场景下的安全性。同时，Phi-Bot X1具备“一机多能”的特性，可通过快速更换末端执行器，结合通用具身大脑、泛化技能库与物理智能开发平台，在不同工业场景中快速应用。相比传统工业机器人长周期集成，部署效率提升可达10倍。

基于物理原生模型及本体，光象科技已与国际头部汽车制造商达成合作，将机器人部署至生产制造一线，覆盖大尺度、大表面质检及焊接上下料等复杂工位，实现了高效、高精度、高平稳的运行表现。其中，在汽车客户的焊接上下料工位，Phi-Bot X1实现了工件的随机抓取，并以毫米级以及0.3°以内的姿态精度完成双孔放置，与生产环境的协同控制，成功融入生产系统中产生商业价值。目前，上述工位已完成产线验证，并面向真实产线持续落地。

汽车制造只是起点，光象科技将物理原生智能进一步拓展到更广泛的制造领域，甚至面向全行业、全场景，为第四次工业革命提供无限生产力。物理世界的智能涌现，才刚刚开始。