光象科技成立于2025年4月，由前高德技术总监张涛与清华大学教授李升波联合创办，半年内完成超1亿元融资（IDG资本、东方富海领投，埃夫特等产业资本跟投）。公司押注轮式底盘+强化学习路线，首发产品Phi-Bot X1已获蔚来订单，在2026年ATC展会上完成连续3天/21.5小时零失误作业。其核心壁垒不是硬件（27自由度力控双臂可追），而是「Phi-RL Matrix」算法矩阵和「Phi-Arch」全链路开发平台，将部署时间压缩到一周。清华官方直接持股，团队自带自动驾驶领域的技术迁移经验。

光象科技选择强化学习（RL）而非更主流的VLA模仿学习路线。模仿学习像「照猫画虎」，依赖海量人工示范数据（500小时遥操作数据成本超2万美元），且换一个场景就失效——杯子从红色变蓝色，VLA模型成功率下降62%。而RL在仿真环境中自主试错，清华DSAC系列算法通过「值分布」建模解决了传统RL的过估计问题，让机器人在虚拟训练场里自己练出物理直觉，再迁移到真实产线。代价是构建高保真仿真环境的门槛极高，赛目科技与博世合资宣称仿真与现实一致性达90%以上，但行业普遍Sim-to-Real仍有30-40%的性能衰减。

2025年全球人形机器人新品中轮式底盘占比超80%，出货量近1.8万台。双足派认为「通用性」需要类人形态，但现实是：蔚来工厂内，双足机器人Walker S单臂仅7个自由度，能耗高、速度慢；而光象X1的四舵轮全向底盘能在狭窄工位蟹行，27个力控自由度完成质检、上下料。MIT研究显示轮式方案效率高出47%，成本不足双足关节的1/5。双足的优势——楼梯、斜坡等非结构化地形——在标准化工厂里基本用不上。

光象规划「先工业→再商业服务→最后进入家庭」，创始人张涛认为家庭场景产品形态尚无标准答案。当下能看到的关键变量是：汽车总装环节智能化市场规模已超千亿，X1从模型导入到部署只需一周，复制到10家工厂只是时间问题。但进入商业服务前要攻克两大难关：一是长期可靠性（21.5小时零失误只是起点，工业场景要求MTBF数千小时）；二是成本（轮式方案目前仍需配备多传感器，单台成本距商业可承受尚远）。家庭场景的拐点，可能要等工业场景跑通数据飞轮、硬件成本降到消费级水平。

在资本狂潮中，前车之鉴值得警惕。达闼机器人巅峰估值223亿元、融资超50亿，却在2024-2025年因欠薪、裁员、诉讼而崩塌。深层原因不是技术不行，而是商业化严重脱节——产品售价20-40万、C端打不开，B端年营收仅6亿，撑不起200亿估值。同时铺6条产品线资源极度分散，股权结构含67家股东、治理失衡。当下具身赛道的独角兽们（估值百亿级已有7家），发展逻辑与之高度相似：融资驱动、缺乏自我造血。光象选择紧贴工业真实需求、只做轮式机器人，这条路是否能避开达闼的命运？