编辑部 整理自 MEET2026 量子位 | 公众号 QbitAI 从大模型智能的"语言世界"迈向具身智能的"物理世界"，仿真正在成为连接落地的底层基础设施。 在本次量子位MEET2026智能未来大会上，光轮智能联合创始人兼总裁 杨海波 给出了他的观察： 具身智能的规模远大于文本与视觉模型，因为数据维度更真实、更复杂。 这也就意味着，具身智能时代的核心，不是算法本身，而是它所依赖的数据是否有效、可扩展——仿真是唯一能够解决数据问题的方案。 在仿真策略的路上，会遇到仿真不真实、Sim2Real不可靠等行业痛点， 光轮智能正在通过自研的一整套"测量、生成、求解"仿真基础设施来 解决这些问题 ，为具身智能提供数据、训练、评测的全流程解决方案。 △ 杨海波指出光轮智能深耕合成数据领域 另外杨海波还进一步指出， 仿真不是孤立的技术工具，需要以真实产业需求为锚点，通过应用场景构建生态。 其中， 具身仿真资产制作是生态的源头活水 ，依托自动化物理测量与生成技术，产出高物理真实的规范化数据资产，为具身训练提供核心燃 料； 大规模RL训练则通过并行的虚拟场景让智能体高效试错学习，将数据价值转化为具身实际技能 ，同时反向打磨仿真 ...

公司融资与市场地位 - 光轮智能完成数亿元A轮及A+轮融资，投资方包括东方富海、三七互娱等机构，老股东辰韬资本持续加注 [2] - 融资资金将用于规模化交付能力建设、技术研发投入和高水平人才引入 [2] - 公司年营收突破亿元，订单需求持续指数型增长，客户覆盖英伟达、谷歌、Figure AI、比亚迪、吉利等国内外顶尖企业 [2] - 公司定位为全球Physical AI与世界模型数据市场的第一数据基础设施提供商 [23] Physical AI的行业机遇与数据瓶颈 - 英伟达CEO黄仁勋指出Physical AI已是数十亿美元业务，正应对数万亿美元机会，是公司下一个增长引擎 [3] - 机器人基础模型开发存在巨大的数据短缺问题，现实世界中缺乏足够多的机器人部署来收集数据 [7][9] - 世界模型的发展同样面临数据瓶颈，需要大量高质量多模态数据来理解物理世界的因果关系和物体交互 [9] - 英伟达机器人产品线经理Spencer Huang强调模拟（Simulation）是解决数据不足的关键答案，可将20年学习压缩到几小时 [12] 光轮智能的技术解决方案 - 公司通过仿真环境生成高质量合成数据，为机器人开发者提供一站式合成数据与仿真解决方案 [13] - 平台深度整合英伟达Isaac Sim、Omniverse Cloud及OpenUSD等技术栈，提供物理精确的SimReady资产库 [16] - 仿真细节精确建模，如冰箱门铰链阻尼、抽屉摩擦系数、桌布形变特性，确保技能可迁移至真实世界 [16] - 应用场景已覆盖医疗手术机器人、智能制造产线、自动化化学实验室、智慧农业采摘等多个垂直领域 [19] 与英伟达的深度生态合作 - 光轮智能创始人在融资后受邀登上英伟达官方YouTube频道，访谈内容被推送至其全球社交媒体平台 [6] - 过去一个月双方高频互动，包括与英伟达产品营销总监的直播及在GTC DC大会主旨演讲中被展示 [20] - 公司在技术层面为英伟达GR00T、Cosmos等模型提供合成数据支持，是Omniverse和Isaac Sim平台SimReady资产生态的核心贡献者 [20] - 双方共同开发Isaac Lab-Arena测试框架和Newton物理引擎应用，体现了紧密的生态协作关系 [20] 行业愿景与发展规划 - 仿真被视为机器人行业的加速器，有望加速规模达50万亿美元的产业发展 [21] - 公司下一步将重点建设规模化交付能力，以匹配高速增长的客户及市场需求 [23]

公司融资与市场地位 - 光轮智能完成数亿元A轮和A+轮融资，投资方包括东方富海、九派资本等机构投资者以及三七互娱、琥珀资本等产业方，老股东辰韬资本持续加注[2][3] - 公司是全球唯一专注仿真合成数据的技术公司，也是全球首家将生成式AI融入仿真技术的公司，年营收已突破亿元[3][47] - 创始人谢晨是圈内声名卓著的大佬，曾担任英伟达、Cruise及蔚来的仿真负责人[3] 行业趋势与风口 - AI浪潮正从信息领域扩散至物理现实，行业注意力集中到世界模型和具身智能，它们是打通AI与物理世界之间壁垒的关键路径[6][9] - 物理AI是黄仁勋在2025年年初点燃的风向，风口拐点正在不断被证明[4][5] - 行业训练范式转向数据驱动，进入"数据决定性能"阶段，仿真合成数据从"补充资源"推至"基础要素"[26][54] 仿真合成数据的技术价值 - 仿真合成数据结构更清晰、精度更高、可控性更强，ROI更高，是满足具身智能和世界模型所需数据的最佳方案[14][22] - 训练世界模型和具身智能模型需要规模化、结构化、可控性强的多模态交互过程数据，仿真合成数据具备这些特点[10][14] - 世界模型对数据需求量级更大，追求泛化与物理预测，仿真合成数据能极大提升模型的物理理解和预测能力[18][21] 光轮智能的技术与生态优势 - 公司深度参与英伟达仿真系统底层共建，是Newton物理引擎早期验证者和开发合作者，参与SimReady仿真数据资产标准制定及Isaac Lab Arena策略评估平台核心建设[33] - 光轮智能的仿真合成数据能力已被嵌入世界模型训练标准流程，在底层引擎、数据标准、评测平台三个维度形成不可替代角色[34] - 公司与英伟达、谷歌、阿里、字节等大模型公司，Figure AI、1X Technology等机器人本体公司，以及Toyota、BOSCH、比亚迪、吉利等行业公司合作，客户覆盖全球前三的世界模型[45] 业务模式与服务能力 - 光轮智能提供全生命周期服务，在预训练阶段提供合成数据和人类视频数据，后训练阶段提供高质量仿真合成数据并支持强化学习精调，测试阶段提供仿真平台服务和评估标准[42] - 公司提供数据、平台、评测全流程服务，形成端到端闭环，区别于上一代数据供应商[43] - 国际主要具身团队的仿真资产和合成数据有80%以上来自光轮，公司收入远超去年10倍，已过亿元[45][50] 融资用途与战略定位 - 融资主要目的是扩大供给，强化规模化交付能力，引领具身智能的拐点性变革[52][53] - 公司目标构建物理AI的数据基础设施，成为行业"共用数据底座"，借先发优势做长远打算[57][59] - 行业数据观正从"被采购的资源"转向"可服务的平台"，光轮智能掌握新一代智能体系的底层资源[61][62]