硬氪：此前多家具身智能公司尝试进入汽车场景未果，行业甚至出现“汽车场景被证伪”的声音，你们为何反向选择聚焦汽车？

张涛：机器人进汽车场景绝非证伪，而是“没准备好”。早期进入汽车场景的公司大多先讲故事再适配产品，对场景工艺缺乏认知。以某国际豪华汽车厂商为例，之前合作的某人形公司采用双足+灵巧手方案做焊接上料，因行走震动导致工件掉落率80%，最终被迫挂载AGV才勉强跑通——这本质是本体设计未匹配场景需求。

汽车制造是工业新技术最早的试验场，PLC、机械臂、AI质检均起源于此，且现有技术能解决的问题早已被自动化覆盖，具身机器人恰恰该做那些“遗留的30%数字化缺口”。

硬氪：汽车场景里，具身机器人的核心切入点是什么？

张涛：不是替代已成熟的90%机械臂工位，而是解决三大类“自动化盲区”：一是职业健康风险场景，如焊接上下料的灼伤风险、高/中/低工位装配对颈椎腰椎的损伤；

二是质量一致性场景，如尾线质检，固定摄像头无法灵活调整角度，AI质检召回率不足；

三是柔性生产场景（如多车型混线时的动态调整需求）。我们的Phi-Bot X1已实现焊接上下料连续21.5小时零失误，移动质检效率较人工提升25%-45%。

硬氪：你们所谓的“物理原生”，和目前主流的VLA、世界模型有什么区别？

张涛：VLA本质是“动作映射”——在预训练VLM后嫁接动作专家，通过拟合人类演示数据学习，换任务、换传感器位置就要重训，泛化性弱。世界模型主要是做像素层面的世界预测，对于背后的物理规律，尤其是世界变化与行为的因果关系认知有限。我们的物理原生模型核心是通过物理交互让机器人自主掌握物理因果规律。

比如，在上下料对孔场景中，不需要采集海量“放歪了怎么调整”的数据，而是让机器人在高保真仿真里并行试错，自主学会“卡住时往哪个方向调整能对齐”。一台显卡可虚拟1000台机器人同步迭代，成本远低于真机采数据。

硬氪：如何看待车企自研机器人？会与你们产生竞争吗？

张涛：车企自研机器人若以“进自己产线”为目标，商业逻辑不成立。一家车企的产线数有限，做出来的方案别的车企也不会用，数据无法跨厂流通。

特斯拉、小鹏做机器人更可能奔向C端家庭场景，与我们的B端工业定位是互补关系。车企的优势在制造与渠道，但具身智能需要技术范式的变革，传统Tier1供应模式很难长出核心算法能力——参考自动驾驶，多数车企自研效果并不理想。

硬氪：光象的硬件是自研吗？未来硬件会成为壁垒吗？

张涛：前期采用“自研设计+外部供应商OEM集成”模式，后续逐步收回核心硬件能力。但长期看，中国供应链成熟后硬件会快速平权。

硬氪：未来会做To C吗？上市计划是什么节奏？

张涛：To C至少3-5年后再考虑。上市有规划，但不是现阶段核心目标，当前重心是打磨产品与场景落地。我们更关注卖出去的机器人有多少在活跃使用，因为只有真实场景的持续反馈，才能形成产品闭环，这才是具身公司的核心竞争力。

硬氪：如何行业当前处于什么阶段？是否存在泡沫？

张涛：2026年是从“看demo”转向“看落地”的拐点。接下来1-2年，落地数据将决定行业走向。当前确实存在“假落地”现象，但最终会回归商业本质。

我们不追求短期高估值，公司2025年4月才正式成立，前期花两三个月泡在车厂调研工艺，让机器人先在产线干起活再来发布产品。具身智能是一个10年、20年的赛道，第一年是否高调并不重要。