具身智能行业的叙事重心正在从通用人形机器人转向工业产线落地。近日，孵化自清华大学的具身智能公司光象科技联合清华大学李升波教授课题组，发布了物理原生智能（Phi）第一代世界模型Phi-WM 1.0 ActEffect。其首款工业级自进化具身智能机器人Phi-bot X1已在不止一家豪华品牌车厂的真实产线完成产品验证，进入真机部署阶段。
光象科技成立于不到一年半前，孵化自清华大学三个院系，在车辆等工业领域有长期积累，同时具备人工智能前沿技术支撑。其产业化团队来自阿里、腾讯、华为以及库卡、极智嘉等机器人企业，形成学术与产业复合配置。公司创始人兼CEO张涛表示，相比传统工业自动化方案，光象科技的部署效率提升10倍以上；模型进行真机后训练所需数据只需十几到几十个小时、最多不超过100小时；经过验证，Phi-Bot X1在移动质检任务中检测速度比现有生产节拍快20％以上，且无需预先铺设物理设施和固定摄像头。
当前具身智能行业正经历技术路线与产业格局的双重调整。曾被寄予厚望的VLA路线被越来越多团队认为触及天花板，世界模型成为新的行业共识方向。产业侧，多家车企背景的机器人公司接连下场。在刚刚结束的2026世界机器人大会上，从业者的一个共同观察是，绝大多数展台上的机器人底层仍是规则算法；一批成立一两年的公司，硬件来自供应链、算法来自开源，以演示和概念传播为主。行业的注意力正从谁的故事讲得好转向谁的账算得清。
针对车企背景机器人公司下场是否构成竞争的问题，张涛认为，以特斯拉或小鹏为例，其机器人业务的目标并非在自有产线替代工人，而是面向通用化产品的商业化，最终走向家庭服务。如果一台机器人只能用于自己的三四条产线，无法用于其他品牌产线，这件事的价值就有限。因此光象科技与这类公司并不存在直接竞争。光象科技从成立之初就强调生产力价值，关注所做的事情能否推动生产力发展、提升生产效率或生产质量。
关于行业里本体不赚钱、以后靠卖模型和API盈利的声音，张涛认为方向没有错，但问题在于阶段。当前阶段这一逻辑尚不成立，因为还没有向客户证明机器人到底能做什么。他类比自动驾驶：客户买车首先是因为车本身好开、经济，而非因为有自动驾驶；先有车，再叠加自动驾驶价值，客户才可能为升级买单。机器人也一样，第一步是先把机器人卖出去，解决客户某个具体问题，让客户认可并用起来，之后再叠加能力、升级版本，客户愿意为新增能力付费，商业模式才成立。光象科技已经在和客户按这种方式运作：先按约定功能提供机器人，验证能力并真实落地，二期再升级能力，客户继续付费。
在技术路线上，光象实验室首席科学家吕尧表示，具身智能公司必须软硬结合。只做大脑，很难找到真实的行业切入口，也难以快速形成商业闭环让公司先活下来；只做本体，在硬件供应体系中很容易被其他供应商冲击。如果没有从大脑到整机运控再到完整服务闭环的能力，任何一个环节都可能被快速替代。因此光象科技在具身大脑和本体层面均完全自研，打通了全栈开发能力。
在场景选择上，张涛表示，光象科技并非刻意追求与别人不同，而是希望做正确的事。以工厂场景为例，过去很多人做机器人搬运箱子，光象科技不做，是因为行业里已经存在更便宜、更简单、更成熟的方案，没有必要用一台昂贵的机器人去做这件事。选择工业场景时，一定要找具身智能能够发挥价值、并且有可能最大化其价值的地方。同时，这件事一定要具备规模化潜力。综合这几点，光象科技在场景选择上设置了一定门槛，目前并没有把场景铺得特别广。
据张涛介绍，快速上岗是Phi-bot X1的核心卖点之一，优势很大程度上体现在集成部署效率上，目前已经实现相比传统方案提升10倍以上的部署效率，未来有望达到百倍以上。在2026世界机器人大会上，光象科技实际演示了一身多能，通过一套本体和一套模型适配完全不同的异构工位。现场展示的是一个来自新能源汽车主机厂焊接车间的上下料工位，料件、料架和滑台均为工厂产线的真实设备；同一台机器人、同一套模型，还能执行汽车表面的移动质检，现场展示的是两个车门，实际场景中需要对完整整车的所有复杂曲面进行检测，无论车辆停在何处，机器人都要自主识别对象、规划移动轨迹、完成整体检测。
吕尧表示，光象科技有一个面向X1构型的通用基座模型，具备X1构型相关的动力学和世界理解能力。随着Phi-bot X1在产线实际作业中的表现进一步验证，这套从世界模型到工业级本体的全栈方案能否在车厂场景中形成可复制的商业闭环，将成为观察具身智能工业化落地的关键样本。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
