春晚舞台上，多家人形机器人集体亮相，让具身智能走进大众视野。当人形机器人加速走向量产、迈入工厂与生活场景，人们不禁有这样的疑问，机器人是否需要“投喂”才能工作？答案是肯定的，只不过“投喂”的是高质量的海量数据，同时还要有尖端仿真技术支撑。这也让提供数据支持的企业迅速成为行业宠儿。
近日，光轮智能完成10亿元A++及A+++轮融资。本轮融资引入多家产业场景方及财务投资机构，包括新希望集团、鼎邦投资（三安光电董事长家族办公室）、奥克斯、鼎石资管等产业投资方，建投华科、国方创新等国资机构，以及道禾长期投资、清新资本等财务投资机构。光轮智能将重点投入物理仿真引擎持续研发、规模化模型评测体系升级、交付与部署能力建设等关键方向，进一步夯实在物理AI数据与仿真基础设施领域的地位。
近年来北京加速布局人工智能与机器人产业，光轮智能的发展历程表明，具身智能数据基础设施正在从前沿技术探索转向规模化产业应用，成为首都科技创新的又一支撑点。
2026具身数据规模化元年
机器人本体越多、应用场景越杂、任务链条越长，所需的数据量就越大。这种增长不是线性的，更接近指数级跃升：一旦规模化落地启动，数据缺口将以几何级数扩大。
就像运动员需要反复训练才能完成高难度动作，机器人的每一个精准抓取、每一次灵巧操作，都需要海量数据的“喂养”。2025年下半年以来，行业实践已经证实：真正推动机器人能力跃升的，不是让机器人反复练习同一个动作，而是让它在更大规模、更多样化的环境中“见世面”。然而，真实世界的数据采集面临成本高、效率低、不可复现的天然瓶颈。数据供给的速度远远跟不上模型迭代的需求。仿真，正在成为破解这一瓶颈的关键钥匙。
在政策层面，工业和信息化部《人形机器人创新发展指导意见》明确提出“构建仿真系统和训练环境”；“十五五”规划建议要求“提升产业链自主可控水平”；具身智能被列为“十五五”前瞻布局的未来产业。行业共识日益清晰，仿真不是辅助手段，而是让机器人的学习第一次成立的前提条件。
2026年，具身数据的规模化元年已经到来。
三层架构，全栈自研仿真内核
光轮智能围绕“仿真—数据—评测”三层架构，构建起覆盖仿真生成、规模化数据生产、模型能力评测的完整技术体系。
在仿真层，光轮智能围绕全球首创的“求解—测量—生成”三位一体全栈自研技术架构，自研求解器支持刚体、柔体、流体等多物理场高精度实时求解，配合首创的物理测量工厂与虚实对标方法论，将真实世界的物理参数精确“搬入”数字空间，让仿真不只是“能看”，更能真正用于训练。这套仿真内核已针对国产芯片深度适配，实现自主可控，有效适配国产算力生态。
在数据层，光轮智能构建了全球最大规模的非本体数据引擎，覆盖仿真合成数据与人类视频数据两大路径，实现具身数据的规模化生产。光轮智能的数据解决方案通过规模化交付，为具身基础模型提供高频可扩展的数据燃料。
在评测层，光轮智能推出业内首个工业级仿真评测平台RoboFinals，基于100项高难度任务构建标准化评测体系。阿里巴巴通义千问已基于该平台，与光轮共同推动工业级评测标准的建立，形成“发现问题—定向补课—持续进步”的闭环机制。
三层能力相互支撑、循环强化：仿真层夯实物理真实与环境基础，数据层推动规模化生成与持续优化，评测层提供系统性反馈并反向牵引能力迭代。随着三层能力在闭环中持续联动，光轮智能的仿真精度、数据质量和评测深度不断提升，整体基础设施能力持续增强。
10倍增长，产业数据金矿正被打开
凭借这一完整能力体系，光轮智能在仿真合成数据、仿真评测、第一人称人类视频数据三个维度均已实现规模化交付，三项交付规模均位居第一。
近日，光轮智能登上央视专题报道，光轮智能联合创始人兼总裁杨海波在接受采访时表示，仿真技术和数据质量好不好，客户是唯一的试金石。他多次提及，光轮不只是交付数据，更具备算法能力，能够与客户共同迭代数据的“配方”。目前，智元机器人、银河通用、字节跳动、阿里巴巴等头部企业，均是光轮智能的客户或合作伙伴，凭借这套全栈自研的仿真技术，光轮智能迅速获得了市场的认可，商业化进展也势如破竹。据悉，光轮智能2025年全年营收实现10倍增长，2026年Q1单季预计收入已超越2025年全年总和。
杨海波说：“我们之所以坚持全栈自研仿真，一方面是当前的仿真软件无法满足需求，我们必须通过全栈自研仿真来保证数据生成和评测能力，另一方面，我们也看到仿真作为技术底座，对于人形机器人发展的关键支撑作用。”
随着具身智能走向实际应用，越来越多产业企业开始关注机器人训练数据的来源。本轮融资中，新希望集团、奥克斯集团、三安光电三大制造业巨头联合入局，覆盖食品加工、家电装配等场景，不仅是投资方，更是光轮技术的实际使用者与产业共建伙伴。
通过第一人称视频采集、物理测量与仿真建模，工厂中长期积累的操作经验和工艺流程正在被转化为机器人可学习的数据资源。光轮智能将重点投入三个方向：与产业方共建第一人称人类视频数据采集能力；深化产业协同物理测量，将真实产线的物理参数精确录入仿真世界；推进仿真到真实的部署验证，让仿真中训练出的技能真正在产线上跑通。
事实上，产业数据的价值远不止于制造业。城市轨道交通的巡检维护、大型商业综合体的物流调度、市政基础设施的智能运维 — 这些高复杂度、高安全要求的真实场景，同样蕴藏着大量尚未被数字化的操作经验。光轮智能的全栈自研仿真内核与第一人称数据采集能力，正在为这些复杂场景提供从物理测量到数据生产的完整转化路径。
随着越来越多产业企业参与合作，北京作为全国人工智能与轨道交通、智慧城市等产业的重要交汇地，有望率先形成"产业场景+具身数据"的协同生态，光轮智能的产业合作网络也正在从制造业向城市运维、交通物流等更广泛场景延伸。真实产业场景正逐渐成为具身智能最重要的数据来源，而光轮智能通过仿真建模、物理测量与数据生产的全栈能力，正在成为连接产业场景与机器人训练的关键桥梁。拥有丰富产业场景的城市和产业，正在成为具身智能时代具有战略价值的“数据源头”。
物理AI时代的数据与仿真基础设施
多家机构预测，2026年人形机器人头部厂商将实现万台级交付，全年销量有望突破10万台。越过这一门槛，训练数据和评测能力的需求将再次呈数量级跃升。
光轮智能的目标，从来不是制造某一款机器人，而是打造物理AI数据与仿真基础设施。正如GPU定义了大模型时代的算力基础设施，在物理AI时代，仿真世界、行为数据与评测体系构成的基础设施同样不可或缺。谁掌握了这套基础设施，谁就掌握了行业迭代的主动权。
具身数据规模化爆发的元年已然到来，而光轮智能已深植于这场变革的根部。从北京出发，以全栈自研、自主可控的物理AI仿真技术为底座，光轮智能正加速推动具身智能从实验室走向千行百业，为人形机器人真正走进真实世界，筑牢技术底座。
文/王岐丰
校检：韩京华 张萌
审核：陶冶
睿迎网提示：文章来自网络，不代表本站观点。
