当机器人从实验室和展台走向真实场景，产业竞争的焦点正发生改变：不仅要拼硬件本体，也要比拼高质量数据、仿真与规模化评测能力。
日前，专注于为物理AI（Physical AI）构建数据与仿真基础设施的光轮智能（北京）科技有限公司（以下简称“光轮智能”）宣布完成新一轮融资。这家成立于2023年的北京企业，已成为观察我国具身智能产业向纵深发展的一扇窗口。
本轮融资的投资方阵容颇具产业风向标意义：由蚂蚁集团领投，建投投资、大湾区共同家园基金、森马方道基金、山东孚弘（工业富联参与管理产业基金）、芯能投资、临芯投资等国资、产业及财务机构共同参与，三七互娱、国方创新、道禾长期投资、鼎石资管等老股东超额跟投。资金将主要投向物理AI数据与评测基础设施的核心技术，并用于强化规模化交付能力、加快全球市场开拓与生态合作。专家称，国资力量与产业资本纷纷加码，既是对企业阶段性成果的认可，也反映出市场对物理AI数据与评测基础设施长期价值的持续看好。
数据与仿真基础设施成为新的“价值中心”
具身智能被写入国家未来产业重点培育清单后，赛道热度持续走高。随着产业从技术验证迈向规模化放量，“能用、好用”取代“能演示”，成为衡量产品成色的真正标尺，而这背后的关键正是数据。
业内已形成共识——真实世界数据采集效率低、标注成本高、长尾场景稀缺，单纯依靠本体厂商自采数据，难以满足模型训练呈指数级增长的需求。把高质量数据供给、可复现评测体系和持续反馈能力沉淀为产业级基础设施，已成为推动具身智能规模化落地的关键一环。
政策层面的推动同步显现。具身智能首次写入政府工作报告；国家数据局公布的高质量数据集典型案例中，已纳入具身智能领域的百万真机数据集，数据基础设施建设获得国家级主管部门的明确支持。资源配置明显向数据侧倾斜，数据正在被作为长期基础设施加以布局。
数据、评测、部署全闭环夯实物理AI基础设施
光轮智能的实践，为产业把数据“基础设施化”提供了一个有说服力的样本。
据光轮智能介绍，其技术内核是一套“求解—测量—生成”三位一体的全栈自研仿真平台：求解还原力、碰撞、接触与形变，让仿真在物理上可信；测量将材料、摩擦等真实物理属性带入系统；生成则把物理规律规模化扩展为可训练、可评测、可复用的仿真世界。在此之上，光轮智能通过“数据—评测—部署”的闭环：以人类数据校准仿真，以仿真放大人类数据，再由评测和部署反馈牵引下一轮数据生成，使机器人能够在真实与仿真之间不断学习、验证和优化。
规模化交付能力是这套体系价值的直接体现。目前，光轮智能在人类视频数据、仿真合成数据和工业级仿真评测三个维度形成了全球领先的规模化交付能力。其中，人类视频数据体系已覆盖2.5万余个环境节点、10万余种任务类型，累计交付超过150万小时高质量人类数据。市场需求的快速释放，正在持续验证其数据与评测基础设施的价值——2026年第一季度新增订单达5.5亿元；公司还与新希望集团成立合资公司，推动数据、仿真、评测能力与产业场景深度融合，加速形成从技术能力到产业应用的闭环。
数据质量则集中体现在“数据复售率”这一核心指标上，即单位小时数据能被出售给多少个不同客户。光轮智能联合创始人兼总裁杨海波介绍，公司在优质场景的数据复售率已超过10倍。一份高质量数据可以在不同客户、不同模型阶段和不同任务体系中持续流通并产生更高价值，这既印证了数据的稳定性与客户认可度，也成为一季度新增5.5亿元订单的底层支撑之一。
从基础设施到规则层引领国际标准共建
数据与评测正在成为物理AI时代的基础设施，也在逐渐沉淀出行业的共同标准。在这一进程中，光轮智能正从参与者走向引领者。
在国际生态方面，2026年，光轮智能受邀作为核心指导委员，与英伟达、谷歌DeepMind、迪士尼研究院、丰田研究院共同参与开源GPU加速物理引擎Newton的建设，在关键具身仿真技术方向上发挥主导作用，引领下一代物理AI仿真标准；并与英伟达联合推进Isaac Lab-Arena等评测框架，自研仿真平台被Hugging Face官方文档收录，与通义千问、World Labs等世界前沿团队持续开展合作。在自主可控方面，公司与摩尔线程围绕国产算力与仿真展开合作，以国产算力与仿真的深度融合，为具身智能发展夯实自主可控的基础设施。
在标准与测试评价体系层面，光轮智能成为全国首批具身智能行动计划中数据领域唯一民营企业，参与高质量数据集建设，已主导或参编20项国家及行业相关标准，覆盖数据质量、仿真平台与工业高质量数据集等重点领域，并与国家机器人检测和评定中心（总部）就工业级测试评价标准建设达成合作。把分散的数据、仿真和评测能力连接成可持续迭代的系统，正是其价值所在。
从物理AI的数据与评测基础设施建设，到全球具身数据行业标准共建，以光轮智能为代表的一批企业，正持续夯实物理AI的底层能力，推动具身智能在更多产业场景规模化落地，为发展新质生产力、培育未来产业注入新的动能。
