离开展台，具身智能在工厂车间寻找新工位

光象科技，正在推动一个可以被验证的规模化的商业具身落地案例。

作者丨齐铖湧

编辑丨董子博

具身智能赛道上，资本的情绪正在发生变化。

过去两年，翻跟头的Demo能换来融资，马拉松的名次能换来估值。但到了2026年下半年，越来越多投资人开始质疑：

“还要多久，机器人才能真正从实验室走到生产车间？”

AI科技评论在近期的产业调研中发现，在行业隐秘角落，具身智能“寒冬论”开始蔓延，这背后，一部分原因来自技术领域，具身还没找到一条大模型Scaling的路径；另一部分在于离钱最近、对风险极度厌恶的制造业工厂里，机器人试错成本太高。数字世界里，大模型写错代码，“重新生成”的成本为零。工厂里机械臂撞到工件，代价是生产线停线和合同违约金。

“寒冬论是动态的。如果大家维持现状不改变，寒冬确实可能在一两年内到来。但如果在寒冬来临之前，行业里能升起一把火，寒冬就没那么可怕。”光象科技创始人兼CEO张涛对AI科技评论表示。

这把“火”，指的是第一个被验证可以规模化、并创造真实商业价值的具身落地案例。

作为由清华大学车辆与运载学院和人工智能学院联合孵化的企业，光象科技成为我们观察“具身如何穿越周期”的一个产业样本。

01

流水线不需要“像人”，

只需要“好用”

如果把具身智能行业比作一个考场，行业里很多公司给出的考题是“动作展示”，而工厂考的却是“生产力”。

过去两年，行业的焦点大多集中在机器人的“下肢”，双足人形被视为终极形态。然而，当我们把视线拉回真实的汽车制造车间，会发现那里的空间逼仄，对节拍和精度的要求极度苛刻。

这也解释了为什么许多务实的机器人公司，在切入工业场景时，首先做的是对物理形态（本体）的妥协。以光象科技的工业级自进化具身智能机器人 Phi-Bot X1 为例，它并没有采用吸睛的人形，而是长成了一副高度适应工业约束的模样。

为了解决狭窄工位“能不能到”的问题，它采用了四舵轮全向底盘设计，可以像个老司机一样在有限空间里“侧方停车”；为了兼顾高低位的操作，它配备了工业级升降腰。更核心的是分寸感，在工厂里，拿扳手、插线束需要的力度截然不同。通过27个自由度的全关节力控双臂，机器人不仅要知道碰到了什么，还得知道该用多大力气。

制造业里，实战往往比参数重要。

在2026年ATC上海国际汽车技术及零部件展览会上，一台Phi-Bot X1机器人被放在了蔚来汽车的焊接上下料场景中。机器人需要在毫米级的动态位置精度下，完成抓取、翻转、精准对孔。最终，它连续运行了3天，累计21.5小时作业，交出了零失误、零中断的答卷。

让机器人去适应工厂，而不是让工厂花巨资去改造产线适应机器人。这也是为什么在行业普遍面临落地难的今天，少数掌握了这套“工业妥协”逻辑的具身智能公司，能迅速进入头部车厂的真实产线，开启严苛的真机验证阶段。

02

纯VLA走不通，算力税变重，

世界模型太贵

身体素质过关了，决定机器人能否处理非结构化复杂任务的，是那颗“大脑”。

目前落地最快的是VLA路线。它本质是模仿学习，给机器人喂海量的人类操作视频，让它建立“看到什么画面，就做什么动作”的映射。

但AI科技评论多方了解，实际产线上，这套“照猫画虎”的逻辑完全处于碰壁状态。

不少车间负责人提到，当前被关系户送进车间的“纯VLA路线机器人”非常鸡肋，换个光照、换个物料摆放角度，泛化能力便迅速失效。

有具身算法的从业者告诉我们，因为模仿学习教给机器人的只是标准答案，机器人从未理解“我做这个动作，会导致什么物理后果”。

为了让机器人拥有物理常识，今年上半年，具身行业开始流行“世界模型”的概念。

从Yann LeCun的摇旗呐喊，到英伟达发布Cosmos，行业共识逐渐形成：机器人动手之前，得先在脑子里预测一下“如果我这么做，世界会发生什么变化”。

但共识之下，光象实验室首席科学家吕尧告诉我们，这背后藏着一个极易被忽略的工程悖论，成本。

目前主流的世界模型多基于视频生成。如果一台机器人在产线上每执行一个动作，都要先在系统里用自回归模型渲染一段高保真的“未来预测视频”，那算力消耗将是灾难性的。当部署规模从一台变成一百台，这笔沉重的“算力税”足以吞噬掉工厂引入机器人的所有成本红利。

如何在拥有“预测能力”的同时，又不被算力拖垮？光象科技8月联合清华大学李升波教授课题组发布的第一代物理原生世界模型 Phi-WM 1.0 ActEffect，提供了一种极其灵巧的工程解法，吕尧是这个模型的核心开发者。

ActEffect它并没有在像素层死磕，而是把预测搬到了“隐空间”里。打个比方，传统的视频生成像是在脑海里放一部高清电影；而 ActEffect 更像是一场“思想实验”，它一方面不重新渲染背景、光线等无关紧要的像素信息，另一方面关注物理世界客观存在的状态转移规律。

在训练阶段，模型会像一个陪审团，一次性提出“不假思索、粗糙、精细”三种不同的动作方案，并在脑海中推演它们的后果。它必须明白好动作的后果为什么好，坏动作为什么坏，从而真正学到状态转移的物理规律。

最精妙的一跃发生在部署阶段。

当这台机器人在实验室里完成了成千上万次这种“预测-比较”的训练后，沉重的世界模型就会被直接移出推理链路，它对物理规律的理解已经被“蒸馏”到了极轻量的策略权重中。当它真正站在流水线上时，凭借的是肌肉记忆，不需要每次动手前再做冗长的推演。

把复杂的计算留在实验室，把轻巧的推理交给产线。光象的这种设计，是目前行业内将世界模型推向真机部署时，最具现实意义的妥协与创新。

根据光象科技公布的实验数据，ActEffect在LIBERO基准上达到98.8%的平均成功率，在加入光照、背景、布局扰动的LIBERO-PLUS上达到80.3%。更值得注意的是消融实验的结果：去掉“后果反馈”机制后，LIBERO成绩从98.8%跌至97.0%。差距不大，但在接近饱和的基准上，这1.8个百分点的衰减指向了一个事实：后果反馈提供的不是锦上添花，而是可验证的增量。

当然，Benchmark终究是Benchmark。从仿真基准到真实产线的迁移，仍然需要时间来验证。但至少在机制设计上，ActEffect回应了一个真问题：世界模型如果不能在成本上成立，它在工程上就不成立。

03

机器人进工厂前要

“学会失败，算平账本”

如果说模型架构决定了机器人的上限，那么数据和工程化部署能力，则决定了To B生意的底线。

过去几年，行业迷信“更多的数据=更强的智能”。但这只说对了一半。人类示范视频永远是一条成功的单行道，它记录不了“如果我偏了5毫米，零件会怎么掉落”。而机器人恰恰需要海量的这种“反事实”对比数据，才能真正建立物理直觉。

在真实产线上故意制造失败去采集数据，代价极其高昂。因此，真正拉开具身智能公司差距的，是谁能构建一套高保真的仿真体系，让机器人在虚拟环境里低成本地“摔倒上万次”，带着经验进入工厂。

而这又引出了另一个极为现实的商业问题：部署效率。

过去，机器人进入一个新工位，往往需要重新采集数据、驻场训练数月。如果每增加一个工位，成本都跟着线性增长，那么卖机器人就沦为了一门算不过账的“外包定制”生意。真正的规模化，必须体现在部署效率的指数级提升上。

这也是务实的具身智能公司目前死磕的方向。通过打通从对象建模、环境转换、模型训练到代码部署的全栈闭环，光象科技已经将一个典型工位的部署时间压缩到了一周左右。未来的目标更是按“天”计算。只有当同样的智能可以低成本、快速地在不同工位和工厂间穿梭，具身智能才算真正变成了“产品”。

04

汽车制造业，

为什么这么受具身公司欢迎？

过去一年，汽车制造业成为Figure、优必选、光象科技不约而同的落地场景选择。甚至，就在最近，小鹏的机器人业务完成独立融资，Iron也进入自家工厂测试，蔚来任少卿的机器人公司浮出水面。

种种迹象表明，汽车制造业和具身落地场景的贴合度非常之高。

据AI科技评论了解，这里的工艺流程足够标准，容错率极低，但又存在大量诸如焊接上下料、移动质检等传统机械臂“瞎子摸象”的工位，这两个正是光象切入的场景。

拿移动质检场景就来举例，汽车表面是连续变化的曲面，需要机器人一边移动底盘，一边协同机械臂，让视觉系统持续覆盖检测位置。这恰好打在了光象科技“自主感知+实时决策”的能力舒适区上，也符合Phi-Bot X1没有采用人形，而是兼顾升降腰结构兼顾高低位，27自由度双臂实现全关节力控的设计，因为它更符合工业约束的形态。

目前，X1目前正处于在蔚来及多家豪华品牌车厂的真实产线正式工位上，进行严苛的真机验证阶段。

拿着技术找场景，是所有技术创业公司的生死大考。

过去，很多机器人的Demo喜欢展示搬运箱子。在张涛看来，这是一道伪命题：“我们之所以不做，是担心做完发现没价值。不是搬箱子没需求，而是几万块的传统自动化设备已经做到了极致，没有必要用昂贵的具身机器人去平替。”

但在光谱的另一端，诸如柔性线束理线、微米级精密对孔等被公认的“地狱级难题”，又超出了当前具身智能的技术边界。

真正有商业化潜力的落点，在于光谱的中间地带：适度非结构化、传统自动化吃不掉，且经济价值明确的场景。

同时，具身行业常常还有另一种声音：本体不赚钱，以后靠卖模型和API赚钱。

张涛认同这个终局，但他觉得当下的阶段不对。“你还没有向客户证明机器人到底能做什么，客户怎么可能相信未来？必须首先建立信任，把产品部署出去解决具体问题，哪怕是小问题。这是第一步的‘1’，之后再叠加能力，客户愿意继续付费，这才是后面的‘0’。没有1，0再多也没用。”

这种“算经济账”的思维，正是制造业客户最看重的。也是凭借这种务实，光象这样的初创公司才能在巨头环伺中，快速切入主流工业的采购名录。

05

具身行业洗牌，

与自动驾驶量产的故事

审视今天具身智能的突围路径，很难不让人联想到自动驾驶的发展史。

自动驾驶行业曾演练过一遍洗牌的剧本，最早倒下的，往往是一开始就高举L4完全无人驾驶大旗，却迟迟找不到真实造血场景的明星公司；而那些从辅助驾驶起步，或者绑定主机厂量产订单切入的公司，则成功穿越了周期。

具身智能正在重演这一幕。

光象科技的核心团队恰好拥有浓厚的自动驾驶量产基因。他们曾亲历过空间感知技术在数百万辆量产车上的规模化落地，主导过早期全神经网络端到端自动驾驶系统的研发。这群被“真实量产”毒打过的人，将同样的直觉带到了具身智能。

他们的路径规划异常清晰：先在容错率低、但标准清晰的工业受限场景中扎根，打磨软硬件闭环；再逐步向更广泛的泛工业和商业服务拓展；最后，当模型对物理规律的理解足够深厚时，自然向跨领域的通用智能演进。

“这个行业足够大，容得下不同的公司。我们更希望做正确的事，而不是仅仅做不一样的事。”

按照计划，今年下半年，行业将会看到光象在车厂真实部署的更多验证成果。

整个具身智能行业都在等待这把火。

当热潮退去，衡量一家具身智能公司价值的标尺，将不再是它在发布会上能做多少个空翻，而是它的机器人，在车厂流水线上的第一万次抓取，是否还能像第一次那样，稳稳当当，毫厘不差。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。