IDG資本領投天使輪，具身智能企業“光象科技”半年融資超 1 億元

來源：獵云網

近日，工業具身智能企業「光象科技」在成立僅半年內迅速完成種子輪、天使輪及天使 + 輪多輪融資，累計金額超 1億元人民幣，融資由頂級財務投資機構 IDG資本、東方富海聯合領投，機器人產業資本埃夫特、零一創投、達泰資本、光源 L2F創業者基金跟投。本輪融資資金將主要用于具身機器人的核心技術研發、產品化推進及商業化交付工作。

光象科技成立于 2025年 4月，由前阿里巴巴高德技術總監張濤與清華大學教授、人工智能領域頂尖專家李升波聯合創辦，是清華大學車輛學院與人工智能學院聯合孵化的具身智能公司。目前，公司已成為全球多家頭部汽車主機廠的具身智能戰略合作方，其基于讓 “機器人自我學習” 的具身模型 + 讓 “具身智能大規模落地” 的具身平臺正幫助汽車、3C等工業制造場景構建通用的工業具身大腦，驅動工業智能化升級。

“清華 + 阿里”，頂尖科研 + 產業落地的具身智能黃金組合

光象科技創始人兼 CEO張濤帶領的產業化團隊均為來自阿里巴巴、騰訊、華為、極智嘉等科技巨頭的技術高管，曾成功主導世界領先的空間感知定位技術在數百萬車載終端量產落地，完成自主移動機器人 5.6萬臺全球交付，并實現高精地圖精益生產 10倍效率提升。

聯合創始人、首席科學家李升波教授是人工智能領域國際知名專家，發表論文 200余篇，引用超 22600次，斬獲國內外學術最佳論文獎 12次，并連續 4年入選愛思唯爾中國高被引學者。其主導研發的強化學習 DSAC系列算法達到國際領先水平（SOTA），并主持開發了國內首個全神經網絡端到端自動駕駛系統（IDrive）。

核心技術團隊 100% 擁有清華、浙大等頂尖高校博士學歷，覆蓋強化學習、視覺感知、最優控制等具身智能全棧技術領域，并斬獲連續三年國際定位大賽冠軍、CVPRIMC挑戰賽金牌、自動駕駛 Argoverse雙數據集榜單冠軍等頂級技術榮譽。

工業具身智能，星辰大海中的最優切入點

在張濤決定投身具身智能創業之初，行業內普遍存在一種聲音——優先進入垂類場景的機器人公司，未來終將被通用機器人公司所覆蓋。但張濤持有截然不同的判斷：他將工業垂類機器人與通用機器人分別類比為自動駕駛的 L2與 L4，認為機器人行業將如自動駕駛一樣經歷漫長的發展周期，從垂類場景切入、漸進式過渡至全場景通用，才是更可行的商業路徑。

基于這一判斷，光象科技錨定了輪式工業機器人方向，聚焦汽車制造場景。張濤認為，工業操作屬于“標準環境 + 復雜操作”，是目前頗具挑戰性、又能快速落地的方向。在工業領域，汽車制造是最典型、市場空間又足夠大的賽道——光象科技測算，僅汽車總裝這一工藝環節實現智能化，便存在千億級市場規模，且可快速復制延伸至幾乎全工業制造場景。

至于機器人的具體形態，張濤的邏輯同樣清晰：雙足人形機器人最大的優勢在于克服地形障礙，但在工廠這一高度標準化的環境中，這一優勢幾乎無從發揮，高能耗與定位不精準的短板反而可能被放大。相比之下，輪式機器人能耗更低、定位更精準，與工廠環境的實際需求高度契合。

讓機器人在工業場景中持續自我學習

面對工業場景對機器人操作精度、時間節拍、平順性等多維度嚴苛要求，光象科技的核心策略是 “面向工業構建可自學習的智能模型”。

在模型結構上，光象科技開發了專門面向工業操作的高平滑神經網絡結構，使機器人能夠實現高精度、高可靠、高平順性的動作輸出。在訓練方式上，公司摒棄了更易實現的模仿學習，采用挑戰更大但潛力更強的強化學習。張濤指出，模仿學習雖可用少量數據快速達到 90%～95% 的成功率，卻無法滿足工業場景接近 100% 成功率的要求，而這恰恰是保證高質量汽車制造的關鍵。

針對具身智能領域真機數據稀缺的行業痛點，光象科技提出提高仿真數據在模型訓練中的比重，依托團隊多年積累的高精度場景建模能力及工業客戶高精數模資源，持續縮小仿真與真機數據之間的差距，打通仿真到真機的完整訓練鏈路。

此外，光象科技還自主研發了 GOPS平臺，將工業場景的具身智能模型設計、開發、訓練乃至調試全面模塊化，構建出穩定高效的端到端模型開發鏈路，使企業具備真正意義上的大規模交付能力。

成立數月，已拿下多家頭部汽車主機廠戰略合作

當前，光象科技已與多家國際知名汽車企業達成深度戰略合作，并順利完成面向真實生產工位的首期 POC驗證。這意味著光象科技的技術方案已經走出實驗室，真正經受住了工業現場的考驗，從理論可行到工程落地，光象用不到一年的時間完成了許多同類企業需要數年才能跨越的關鍵一步。

面向未來，光象科技計劃在未來 3年內進入至少十家汽車制造廠商，部署逾千臺滿足工廠需求的智能機器人，并將產品能力橫向延伸至 3C、重工業等更廣泛的工業制造場景。在其更長遠的戰略藍圖中，工業只是起點而非終點：隨著具身模型能力的持續迭代與 GOPS平臺的規模化復制，光象科技將逐步向大型商業場景延伸，沿著“垂類深耕—工業全覆蓋—通用具身”的漸進式路徑，一步步逼近真正意義上的通用具身智能。