張濤創(chuàng)業(yè)前在阿里干了多年技術，最熟悉的場景是車里的導航屏幕。2025年4月，他帶著同一批搞空間感知的老同事，轉身鉆進了工廠車間——不是去做高精地圖，而是讓機器人學會自己擰螺絲。

這家叫光象科技的具身智能公司，半年內連拿三輪融資，總金額過億。投資方名單里既有IDG、東方富海這樣的財務機構，也有埃夫特這樣的機器人產業(yè)資本。錢要花在三件事上：讓機器人自我學習的模型、讓智能大規(guī)模落地的平臺，以及真正的商業(yè)化交付。

張濤的合伙人李升波是清華教授，發(fā)論文200多篇，引用兩萬多次，連續(xù)四年入選愛思唯爾高被引學者。他主導的DSAC強化學習算法，現(xiàn)在是光象的技術底座之一。核心技術團隊全員博士，來自清華、浙大，拿過國際定位大賽三連冠。

但光象真正有意思的是它的路線選擇。行業(yè)里一直有個爭論：先做垂類場景的機器人公司，會不會最后被通用機器人一鍋端？張濤的答案是：不會，因為自動駕駛已經演示過一遍了。

他把工業(yè)垂類機器人比作L2輔助駕駛，通用機器人比作L4無人駕駛——兩者不是替代關系，而是漸進演進。直接從L4跳過去，技術難度和商業(yè)風險都太高；從工廠這種標準環(huán)境切入，逐步積累能力，才是更務實的路徑。

具體到產品形態(tài)，光象沒做人形。雙足機器人的優(yōu)勢是越障，但工廠地面平整得像機場跑道，這個優(yōu)勢毫無用武之地，高能耗和定位漂移反而成了包袱。輪式方案能耗低、定位準，和工業(yè)場景的實際需求嚴絲合縫。

訓練方式上，光象選了更難的那條路。模仿學習用少量數據就能做到90%成功率，但汽車制造要的是接近100%。他們押注強化學習，同時大幅提高仿真數據占比，靠高精度場景建模能力彌合仿真與真機的差距。

自研的GOPS平臺把模型設計、訓練、調試全流程模塊化，解決的是大規(guī)模交付的問題——這是很多技術型創(chuàng)業(yè)公司卡住的環(huán)節(jié)。

目前光象已通過頭部車企總裝線的POC驗證。從實驗室到工廠工位，他們用了不到一年。計劃三年內進入十家以上汽車廠商，部署超千臺機器人，再橫向擴展到3C、重工業(yè)。