文章核心观点 - 具身智能的发展正从大模型的“语言世界”迈向“物理世界”，而仿真正成为连接两者并实现落地的底层基础设施[1] - 具身智能的市场规模和数据机会远大于文本、视觉模型及智能驾驶，其数据维度更真实、复杂，潜在规模是大语言模型的1000倍[2][10][14] - 具身智能时代的核心挑战在于数据，仿真是解决数据问题的唯一可行方案，其关键在于解决仿真真实性（Sim2Real）的行业痛点[3] - 光轮智能通过自研“测量、生成、求解”三位一体的全栈仿真基础设施，为具身智能提供数据、训练、评测的全流程解决方案，旨在成为支撑产业规模化发展的基础[3][6][12] 行业趋势与市场机会 - 具身智能的数据机会预计是大语言模型的1000倍，源于其需要处理力反馈、逻辑电路、阻尼等多维复杂物理交互，远超智能驾驶（主要是视觉和车辆动力学）的数据复杂度[10][14] - 具身智能的预训练数据需求巨大，因为缺乏“本体在跑”的真实数据，而真机数据采集面临成本高昂、易损坏、场景单一和“Real2Real”差距等挑战[17][18] - 传统仿真方法因物理不真实、资产视觉失真、交互行为不准确三大问题，导致仿真与真实世界差异巨大，部署成功率从理论100%降至5%[15][19][20] 光轮智能的仿真技术解决方案 - 公司自研了“测量、生成、求解”三位一体的仿真基础设施，以解决Sim2Real的可靠性问题[3][15] - **测量**：通过自研设备实现自动化物理测量，建造“虚实对标物理测量工厂”，不再依赖猜测和经验[21][24] - **生成**：核心是生成系统，确保资产、场景、力的反馈与真实世界100%对齐，覆盖钢体、铰链、流体、可形变物体等，并主导制定了行业规范LW-Ready[23][24][25] - **求解**：自研了全栈GPU Solver，支持百万级自由度的实时求解，实现多物理场耦合，物理精度达亚毫米级，更新频率达千赫兹[23][36][38] 仿真应用与生态构建 - 公司认为仿真平台的成功离不开生态支撑，因此聚焦打造“爆品应用”来验证和优化平台[15][39] - **仿真遥操数据采集工厂**：建立了全球最大的遥操数据采集工厂，运用6D鼠标、AR、VR等多种采集方式，并配备自动化质检与标注[6][40] - **大规模RL训练平台（LW-BenchHub）**：可在高仿真环境中运行成千上万的并行仿真实例，进行24小时不间断训练，并能自动生成极端、长尾场景以增强机器人鲁棒性[6][42][44] - **工业级机器人评测平台（RoboFinals）**：行业首个针对前沿机器人模型的工业级评测平台，包含一百项涵盖家居、工厂、零售等真实场景的任务，已成为全球使用频次最高的仿真应用之一[6][45] 公司业务与客户进展 - 公司成立于2023年，商业化进展迅速，已服务全球具身智能和世界模型领域的头部客户[12] - 客户包括英伟达、DeepMind、Figure AI等国际公司，以及国内字节、阿里等科技企业，还包括丰田、吉利等场景应用方[12] - 公司与学术界合作紧密，其自研仿真工作流已成为Hugging Face官方指定的仿真环境[13] - 公司通过仿真技术帮助客户将机器人本体真正地Sim2Real落地到实际工厂中[12]

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]