光轮智能完成10亿元融资,成为全球首个具身数据独角兽,构建物理AI新基础设施

AI 正从数字世界走向物理世界。

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,以及建投华科、国方创新、道禾长期投资、清新资本等财务投资机构。

本轮融资完成后,光轮智能成为全球首个具身数据领域的独角兽企业。资金将重点投入于物理仿真引擎持续研发、规模化模型评测体系升级与全球交付及本地部署能力建设,进一步巩固其在物理 AI 数据与仿真基础设施领域的领先地位。

01 物理 AI 时代:新的基础设施正在形成

过去十年,算力定义了 AI 的基础设施。GPU 集群撑起深度学习,大模型在数字世界中迅速涌现。

而今天,AI 正在经历一次更深刻的跃迁:从数字世界走向物理世界。

光轮智能完成10亿元融资,成为全球首个具身数据独角兽,构建物理AI新基础设施

机器人开始进入真实环境,真正的瓶颈不再只是硬件,而是数据规模化能力。具身智能数据元年已至,其数据需求正呈指数级增长。在这个阶段,新的基础设施正在形成:不再只是算力,而是数据与仿真基础设施。光轮智能,正是这一新基础设施的构建者。

02 三层架构:具身数据与仿真的规模化引擎

在产品上,光轮智能已经建立了具身规模化数据与仿真引擎。其以世界(World)、行为(Behavior)、评测(Eval)三层架构为核心,覆盖从物理真实仿真、规模化数据生产到模型能力评测的完整链路。

  • 世界层(World):光轮智能围绕求解、测量、生成三位一体的全栈自研技术架构,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,以及大规模非刚体资产生产能力,形成从物理真实到数据规模化的完整自研闭环。
  • 行为层(Behavior):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(EgoSuite)两大路径,实现具身数据的规模化生产。其数据解决方案已在全球范围内规模化交付,产能持续领跑行业,为具身基础模型提供高频可扩展的数据燃料。
  • 评测层(Eval):光轮智能推出业内首个难度足够高、具备工业级标准、并支持前沿大模型的仿真评测平台 RoboFinals,确立了具身智能评测的行业标准,推动行业评测生态规模化落地。

光轮智能完成10亿元融资,成为全球首个具身数据独角兽,构建物理AI新基础设施

这三层架构构成了一个自我强化的数据飞轮:真实世界的物理测量与 EgoSuite 人类视频数据持续输入仿真,确保物理真实;物理精确的仿真再驱动 RoboFinals 完成规模化评测,评测洞察反哺下一步的数据采集方向。飞轮每转一圈,仿真更精准、数据更有效、评测更深入。光轮智能由此掌握了数据主动权,打造了具身智能从训练到评测的完整数据与仿真基础设施。

03 商业爆发:三项国际交付冠军

在商业化层面,光轮智能已经在三个关键领域实现全球交付领先:

  • 仿真合成数据
  • 仿真评测
  • 人类视频数据

光轮智能成为全球唯一同时覆盖这三项能力并实现规模化交付的企业。在收入增长层面,其 2025 年全年营收实现 10 倍增长,2026 年第一季度单季预计收入超过 2025 年全年总和。

其合作伙伴涵盖英伟达、谷歌、Figure AI、1X Technologies、字节、阿里、智元机器人、银河通用机器人、丰田、博世、比亚迪、吉利等大模型、机器人及行业头部团队。全球前五的世界模型团队均已与光轮展开合作,同时,国际主要具身智能团队中超过 80% 的仿真资产与仿真合成数据来自光轮智能。本轮融资引入的产业场景方,将光轮的具身数据生产与物理测量能力延伸至更广泛的真实应用场景,拓展了具身数据与仿真资产的来源边界。

在生态建设层面,光轮智能也正在推动行业基础设施建设:

  • 作为核心共建方与 NVIDIA 联合开源 Isaac Lab-Arena 基准框架。
  • 联合 World Labs 共建从环境生成到规模化评测的通用流水线。
  • 携手通义千问基于 RoboFinals-100 构建可复现、可诊断的工业级评测闭环,共同推动具身智能评测行业基座的建立。
  • 其自研的 LeIsaac 仿真工作流已被全球最大 AI 开源社区 Hugging Face 官方文档纳入,成为全球开发者的仿真工具选择之一。

04 为物理 AI 构建数据与仿真基础设施

每一次 AI 的范式跃迁,背后都是基础设施的突破。GPU 与 CUDA 定义了深度学习时代的算力基础设施。而在物理 AI 时代,新的基础设施正在形成——物理 AI 的数据与仿真基础设施。

光轮智能创始人谢晨博士表示:

如果说 GPU 与 CUDA 定义了大模型时代的算力基础设施,那么光轮智能正在定义物理 AI 时代的数据与仿真基础设施。

具身数据规模化爆发的时代已经到来。而光轮智能,正致力于打造承载世界构建、数据生产与智能演化的长期基础设施。


关注“鲸栖”小程序,掌握最新AI资讯

本文来自网络搜集,不代表鲸林向海立场,如有侵权,联系删除。转载请注明出处:https://www.itsolotime.com/archives/25429

(0)
上一篇 2026年3月12日 下午4:41
下一篇 2026年3月12日 下午4:49

相关推荐

  • 大英百科起诉OpenAI:ChatGPT被控“四宗罪”,AI版权战火升级

    OpenAI再次面临诉讼。 3月16日,大英百科全书公司及其旗下的韦氏词典,正式对OpenAI提起诉讼。 核心指控是,OpenAI的ChatGPT进行了大规模的版权侵权。 与其他原告相比,大英百科的诉状准备更为充分:它同时针对训练数据抓取、模型记忆输出、RAG实时检索三个环节提出指控,并追加了《兰纳姆法》下的商标侵权主张。 这被认为是AI版权诉讼史上,首次有…

    2026年3月22日
    38000
  • 中美AI差距仅剩2.7%!斯坦福报告揭示全球AI权力版图巨变

    斯坦福大学以人为本人工智能研究所(HAI)近日发布了《2026年人工智能指数报告》。这份长达423页的报告全面评估了全球人工智能的发展态势,揭示出产业格局的深刻变化与能力发展的不均衡性。 报告的核心结论指出:人工智能模型的能力正以前所未有的速度提升,但人类社会在有效衡量、评估和治理这些技术方面的能力,却未能同步跟上。 报告中最引人注目的发现之一是:中美两国顶…

    2026年4月14日
    74900
  • AI教父Hinton与弟子Ilya的Scaling Law之争:数据瓶颈能否被AI自我进化突破?

    我并不认为Scaling Law已经完全结束了 。 正当学生Ilya为Scaling Law“泼下冷水”时,他的老师、AI教父Geoffrey Hinton却发表了上述截然相反的观点。 这一师徒观点的对立,不禁让人回想起两件往事。 一是Ilya几乎从学生时代起就坚信Scaling Law,不仅积极向身边人推介,还将这套理念带入了OpenAI,堪称Scalin…

    2026年1月1日
    39000
  • 神经符号融合:通往AGI的第三条道路,还是技术折衷的“双头怪兽”?

    在人工智能发展的历史长河中,符号主义与连接主义两大范式长期处于对立与交替主导的态势。符号AI曾凭借其严谨的逻辑规则体系,在早期AI研究中占据统治地位;而神经网络则通过数据驱动的学习范式,在深度学习浪潮中实现了颠覆性突破。然而,当大模型展现出惊人能力的同时,其固有的局限性——如幻觉问题、逻辑推理薄弱、可解释性差等——也日益凸显。这促使学界重新审视:单一范式是否…

    2025年12月16日
    50900
  • 突破SNN性能瓶颈:Max-Former揭示频率偏置是核心问题,以高频增强实现精度与能效双提升

    脉冲神经网络(SNN)长期以来被视为实现超低功耗智能计算的希望,但其性能往往落后于传统人工神经网络(ANN)。传统观点认为,SNN中二进制脉冲激活导致的信息损失是性能差距的主要原因。然而,香港科技大学(广州)等单位在NeurIPS 2025发表的研究提出了颠覆性见解:SNN性能不佳的根源并非二进制激活本身,而在于脉冲神经元固有的频率偏置问题。 研究团队通过深…

    2025年11月26日
    30000