听雨 发自 凹非寺 量子位
GTC 2026比往年更热。主会场座无虚席，线下三万人、线上数百万观众同步观看。从大模型到机器人，再到Physical AI，焦点集中于同一命题：AI如何真正进入现实世界？
AI，如何真正进入现实世界？
黄仁勋进行主题演讲，各路AI公司则在场外展示成果。今年现场，一家既不造机器人也不做大模型的公司却在Physical AI关键环节中反复出现——它正是具身智能独角兽光轮智能。
黄仁勋演示的机器人叠衣、拉紧皮带等仿真demo，技术均源自光轮。其核心展区Booth 1406毗邻三星、美光等芯片巨头，开幕当天展台人头攒动。
本届GTC的主舞台、产品展区和主题演讲中，光轮技术深度渗透。该公司合作网络覆盖大模型公司、AI基础设施企业、具身智能团队及车企，连李飞飞创立的世界模型公司World Labs也与其关联。在Physical AI领域，提供数据与仿真基础设施的光轮智能已成为行业生态不可替代的关键节点。
Physical AI爆发：Infra成为新焦点
过去GTC聚光灯集中于大模型与机器人本体，今年风向明显转变。黄仁勋宣布：2025-2027年，Blackwell及下一代Rubin AI计算平台将创造约1万亿美元规模收入机会，Physical AI首次与生成式AI并列核心主题。
AI发展遵循三步逻辑：
第一步是感知：AI学会看和听；
第二步是生成：大模型实现内容创作；
第三步是Physical AI：AI从理解世界转向进入世界，真正执行物理任务。
实体机器人无法通过现实试错训练，必须依赖仿真环境"先训练、再落地"。这要求在数字孪生中生成无限场景、积累行为数据，再将训练成果迁移至实体。当前竞争焦点已从"最佳模型"转向"最佳训练场"——高精度仿真、规模化数据与闭环评测构成Physical AI的基础设施门槛。
光轮智能构建的正是这套面向Physical AI的数据与仿真基础设施。国际主要具身智能团队中超过80%的仿真资产与数据均采用其技术。
隐形基础设施已经出现
光轮虽不张扬，却占据Physical AI多个关键席位：
黄仁勋展示的机器人demo（如手术室辅助机器人拿取物品、多机器人协同训练场景）均采用其仿真技术。关键接触力学、柔体建模环节必须基于光轮真实的物理参数体系，否则仿真结果无法迁移到现实世界。
更值得关注的是，光轮正从"工具使用者"转型为"规则制定者"。该公司已加入Newton技术指导委员会（TSC）。作为NVIDIA、Google DeepMind、Disney Research联合打造的Linux Foundation顶级开源物理引擎，Newton支撑着GTC舞台上的机器人角色仿真。TSC由行业顶尖专家组成，光轮CEO谢晨博士将参与核心决策，与巨头共同定义物理引擎的技术路线。
区别于NVIDIA（定义计算）、DeepMind（推动算法）等参与者，光轮是唯一打通世界建模、数据生成、物理测量、参数校准与评测闭环的公司。其展台完整呈现Physical AI三大核心模块：
World：通过"物理测量工厂"构建与真实世界对齐的仿真环境，机械臂对物体执行精确力学实验；
Behavior：规模化生产行为数据，融合仿真遥操与第一视角人类视频，捕获操作路径、力控变化等决策细节；
Eval：依托RoboFinals工业级评测体系，衡量机器人基础模型的真实能力。
光轮在GTC举办六场座无虚席的演讲，系统阐释"世界构建-数据生成-能力评测"方法论。首日更举办超350人参与的Physical AI主题聚会，汇聚机器人企业创始人、高校教授及工程师，进一步彰显其行业生态凝聚力。
Physical AI的基础设施正在被定义
LLM时代依赖GPU与数据规模竞争，但Physical AI需突破物理交互瓶颈。若机器人无法精准判断物体属性与受力，再优秀的大模型也难以走出实验室。行业上限取决于仿真的精度、数据的规模与评测的标准。
GTC 2026清晰传递信号：竞争主战场已从"模型层"下沉至"基础设施层"。当一家公司能同时登上主舞台、参与引擎治理、打造完整系统并构建生态网络时，其实质已成为行业基础设施层。随着Physical AI从概念走向产业，光轮智能正在定义决定未来上限的新基础设施范式。这场变革才刚刚开始。