具身智能赛道迎来一个标志性时刻。
投资界获悉，具身数据与仿真基础设施公司光轮智能近日完成 A++ 与 A+++ 轮融资，总额达 10 亿元人民币。至此，光轮正式迈入独角兽行列，成为全球首家具身数据领域的独角兽企业。
细看下来，本轮融资由多家产业场景方与财务机构共同参与，阵容颇为罕见——不仅包括新希望集团、鼎邦投资（三安光电董事长家族办公室）、奥克斯、鼎石资管等产业资本，也吸引了建投华科、国方创新、道禾长期投资、清新资本等市场化机构同步加码。
眼下，具身智能经历着爆发，但这笔融资最引起我们兴趣的，并不仅仅是"又一家独角兽"诞生，而是产业资本开始集体押注一层新的基础设施——具身数据与仿真基础设施。
乍看晦涩，却极具风向标意味。
过去两年，具身智能赛道的资本焦点主要集中在机器人本体公司与具身大模型团队——前者强调硬件能力与规模化交付，后者强调模型能力与算法突破。
但随着机器人逐渐走出实验室，一个更基础的问题开始浮现：机器人究竟依赖什么样的数据进行训练？
越来越多产业投资人开始意识到：未来机器人能力的上限，很可能由数据基础设施决定。在这一轮基础设施竞争中，光轮智能已经率先跑出，被不少业内人士视为具身数据基础设施的领跑者。
当机器人走向真实世界
数据瓶颈浮现
交流下来，具身智能一个棘手的问题摆在眼前：数据。
目前，具身智能领域的数据来源大致可以分为三类：仿真合成数据、真实世界机器人数据与人类行为示范数据。
不同团队往往押注其中一条路线。分歧在于，有团队强调仿真数据的规模优势，也有团队认为真实世界数据才是机器人能力的基础，还有一些团队开始通过第一人称行为示范数据来训练机器人操作策略。
当机器人真正尝试走出实验室、迈向复杂的产业深水区时，一个残酷的现实浮出水面：
单一的数据来源，根本撑不起具身智能的规模化野心。
背后原因并不复杂：真实世界机器人数据成本高、规模有限；仿真数据始终存在"现实差距"；人类行为数据虽然丰富，但缺乏环境体系与统一评测标准。
这意味着，具身智能正在进入一个新的阶段：
从数据路线竞争，走向数据基础设施建设。
就像大模型时代最终形成了算力平台与数据平台一样，具身智能也正在从碎片化数据，走向系统化的数据基础设施。
换句话说，未来具身智能产业的关键竞争，不仅是谁造机器人、谁训练模型，还包括：
谁能够掌握稳定的数据供给体系。
物理 AI 的第三层基础设施已经出现
命运的分水岭，往往在风口真正爆发前就已悄然划定。
在业内看来，一张关于物理 AI 的基础设施版图正变得前所未有地清晰。
这个宏大的金字塔结构里，第一层，是算力基础设施。以英伟达 GPU 为代表的算力平台，为 AI 提供轰鸣的引擎；
第二层，是模型基础设施，由基础模型、世界模型以及具身智能大模型等构成，它们是机器人的大脑；
而眼下最隐秘、最为稀缺的第三层，则是数据与仿真基础设施。其核心使命是将复杂的真实物理世界转化为机器人可以学习的数据。
这恰恰是光轮智能从成立第一天起就笃定杀入的腹地。毫无疑问，这是一条周期更长、投入更重、前期甚至极不性感的基建之路。但商业世界的铁律向来如此：越是难走的窄门，越能铸就日后难以逾越的护城河。
在这条窄门里，光轮智能并不押注单一数据路线，而是构建了一套World（仿真）— Behavior（行为）— Eval（评测）的数据引擎体系。
首先是仿真层。
具身仿真的致命陷阱，并非画面不够逼真，而是物理与空间结构的可信度。光轮的答案，是围绕求解、测量、生成三位一体的全栈自研技术架构。
其中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，并将真实物理参数系统数字化，配合大规模非刚体资产生成能力，形成从物理真实到数据规模化的完整自研闭环。简单来说，光轮智能在虚拟世界里还原真实世界的物理规律。
其次是行为层。
为了跨越具身智能的"数据荒漠"，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，使真实世界与仿真环境形成持续的数据循环。据了解，全球超过 80% 的头部具身智能团队都在用光轮的数据"喂"自己的机器人。
最后是评测层。
数据喂下去了，怎么证明训练有用？去年年底，光轮推出了业内首个工业级仿真评测平台 RoboFinals。覆盖了 100 项核心任务，重点直击电缆、液体等可变形材料的交互难题。某种意义上，RoboFinals 在定义具身智能中什么才算真正的能力进步。
当这三层系统协同运转时，具身数据基础设施才算成型。而具身数据也从一次性项目，演进为可持续运转的基础设施平台。
正如光轮智能创始人谢晨所说：
"真正的具身数据基础设施不是简单的数据工厂，而是一个自动化闭环：生成数据、验证能力、理解行为，再反向优化数据。"
三项国际交付冠军背后
已跑出商业化曲线
市场的真金白银，往往是对技术壁垒最诚实的投票。
据业内人士透露，光轮目前已在仿真合成数据、仿真评测、人类行为数据三个维度均实现全球规模化交付，被认为是目前全球唯一同时覆盖三类具身数据能力并实现大规模商业交付的企业。
具体来看，合成数据领域，光轮已建成全球交付规模最大的仿真合成数据 Pipeline。
通过覆盖海量物体、场景与物理属性组合，为机器人模型训练提供高多样性的世界数据，全球主要具身智能团队的仿真资产体系中，超过 80% 建立在光轮提供的资产与合成数据之上，这使其成为当前具身 AI 训练生态中最重要的数据来源之一。
在仿真评测领域，光轮推出工业级机器人评测平台 RoboFinals，并携手英伟达联合开源发布 Isaac Lab-Arena 具身评测基准框架，逐步确立具身 AI 领域的标准化评测体系；联合通义千问共建可复现、可诊断的工业级评测闭环，合力推动具身智能评测行业基座的确立。
在人类视频数据领域，光轮已经建立起全球规模最大的具身行为数据网络之一。
目前，其数据节点系统已覆盖全球7 个国家、2500+ 个不同环境，执行 50000 多种多样化任务，每周稳定生成超 50000 小时具身行为数据，累计交付超 100 万小时高质量人类行为数据。
翻开客户名册，堪称一场全球 AI 的"全明星赛"——不仅深度覆盖了英伟达、DeepMind、字节跳动、阿里等全球顶尖大模型公司，也囊括了 Figure AI、1X、智元机器人、银河通用等头部机器人团队，以及 Toyota、Bosch、比亚迪、吉利等产业巨头，全球前五的世界模型团队均已悉数入局。在不少具身 AI 团队内部，光轮已经成为训练流程中的"默认基础设施"。
涌入的订单形成了近乎陡峭的增长曲线。
据了解，光轮智能 2025 年的营收预期将是 2024 年的 10 倍，而2026 年仅 Q1 的单季预计收入，就将超过去年全年。多位投资人指出，光轮已经率先建立起具身数据领域的规模壁垒。
在很多业内人士看来，这不仅证明了其商业模式的健康度，也标志着具身数据基础设施已经进入真实产业需求阶段。
一个超级产业机会
真实场景正在成为数据金矿
一场更为波澜壮阔的产业变局，正在发生。
据投资界了解，目前已有上百家产业企业正在与光轮接触或推进合作，涉及制造业、农业、物流、家电、汽车等多个领域。一些产业企业甚至提前锁定未来的数据生成能力，希望在机器人规模化部署前获得数据优势。业内人士表示，具身数据网络具有明显的网络效应——越早接入真实场景的产业节点，未来在机器人时代获得的数据优势就越大。
合作方式也在不断扩展，例如：
• 产业场景数据生成中心
• 具身仿真评测中心
• 机器人真实场景落地中心
一位长期关注具身智能的投资人如此形容这一变化：
"过去大家抢的是机器人公司，现在很多产业方开始抢的是数据入口。"
在一些产业投资人看来，这一轮窗口期可能不会太久。一旦具身数据基础设施的核心节点被占据，后来者将很难再进入核心网络。
更关键的是，产业企业的角色正在发生根本转变。在这套体系中，产业企业不仅是应用方，更可能成为具身数据网络中的"原生数据节点"。对很多产业企业而言，这是第一次以"数据节点"的身份参与下一代 AI 基础设施建设。有产业人士甚至判断，这可能成为未来企业参与 AI 基础设施分配红利的入口。
底层的逻辑被彻底重写了。
过去百年，工厂的价值是流水线末端的产品，农场的价值归宿是秋天的收成。但在具身智能的叙事里，真实的产业场景本身，正在发生一场"点石成金"的质变。
拧紧一颗螺丝时微妙的力控曲线、机械臂抓取饲料袋瞬间的摩擦反馈、晶圆传送带上极不易察觉的微振动……这些随着机器停转就彻底消散的生产细节，如今都成了具身大模型理解真实世界的绝佳"原生教材"，有着可被提取、结构化、无限复用的庞大资产价值。
换句话说，每一个寻常的产业场景，都是一座尚未被开采的数据金矿。谁先掌握这些场景数据，谁就可能在未来机器人产业链中占据更有利的位置。
2026 年是"具身数据规模化落地元年"。随着头部机器人厂商的交付野心，正从"百台级"的实验室验证跨向"万台级"部署，本体越多，场景越杂，大模型对高质量训练数据的渴求，正以指数级的速度暴力拉升。
这也正是光轮智能正在落子的终局图景：野心绝不仅是服务机器人本体公司，而是要将千行百业的物理场景，悉数编织进一张物理 AI 数据网络中。
想象空间就此打开——从轰鸣的重工制造到无声的智能仓储，从广袤的无人农业到精密的医疗手术……当越来越多真实的物理世界被接入这张无形的大网，产业竞争的底座已然被悄然重塑。
未来的终极较量，早已不再是比拼谁能造出炫酷机器人，而是看谁能率先掌握那把连接真实物理场景与底层模型训练的钥匙。
正如投资人判断，如果未来机器人产业真的迎来爆发，那么今天谁能率先进入具身数据网络，谁就可能在下一轮产业格局中占据关键位置。而光轮智能，悄然站在这一基础设施的中心位置。
大水冲开旧河道。一场属于物理 AI 时代崭新战争，开始了。
本文来源投资界，作者：王露，原文：https://news.pedaily.cn/202603/561678.shtml
【本文为投资界原创，网页转载须在文首注明来源投资界（微信公众号 ID：PEdaily2012）及作者名字。微信转载，须在微信原文评论区联系授权。违规转载必究责。】
盛达优配提示：文章来自网络，不代表本站观点。
