具身智能的产业发展逻辑正在被改写，具身数据独角兽的诞生，引爆了全新的赛道，同时也领物理AI时代找到了核心。
近日，光轮智能完成总额10亿元的A++与A+++轮融资，跻身全球首家具身数据领域独角兽企业，这一事件不仅让具身数据赛道从行业幕后走向资本台前，更标志着产业资本对物理AI基础设施的判断形成全新共识：当机器人走出实验室迈向真实产业场景，具身数据与仿真基础设施，已成为决定具身智能规模化落地的核心关键。这条曾被忽视的基建赛道，正成为物理AI时代的必争之地。
01 资本转向的底层逻辑
过去两年，具身智能赛道的资本布局高度集中在两大方向：一是机器人本体公司，聚焦硬件研发与规模化交付；二是具身大模型团队，主攻算法突破与模型能力提升。
但当机器人从实验室的标准化场景，切入制造业、农业、物流等复杂的产业深水区，一个无法回避的问题浮出水面：单一数据来源，根本支撑不起具身智能的规模化发展需求。
当前具身智能领域的三类核心数据来源，各存在难以突破的短板：真实世界机器人数据采集成本高、场景覆盖有限，且易受环境干扰；仿真合成数据虽能实现规模化生成，却始终存在与真实世界的 “物理鸿沟”，模型训练效果难以迁移；人类行为示范数据虽样本丰富，却缺乏统一的环境体系和能力评测标准，数据的复用性和有效性大打折扣。
正是这一行业痛点，推动资本焦点从单点技术突破转向底层基础设施建设。
本轮光轮智能的融资阵容极具风向标意义，新希望集团、奥克斯、鼎邦投资等产业资本，与建投华科、国方创新等市场化机构共同加码，印证了产业端与资本端的共同判断：未来机器人能力的上限，不再由单一的硬件或模型决定，而是由能提供稳定、高质量、多维度数据的基础设施所定义。
02 物理AI连接真实世界与AI模型的唯一桥梁
在物理AI的基础设施金字塔中，算力与模型基建已形成成熟的产业格局，而具身数据与仿真基础设施，作为最稀缺、最隐秘的第三层，承担着将复杂真实物理世界转化为机器人可学习、可复用数据的核心使命，是连接物理世界与AI模型的唯一桥梁，其技术价值具有不可替代性。
光轮智能从成立之初便聚焦这一领域，其构建的 World（仿真）—Behavior（行为）—Eval（评测）全栈数据引擎体系，成为具身数据基础设施的核心技术范式，从技术层面解决了单一数据路线的缺陷，实现了数据的规模化生成、有效流转与科学验证。
● 仿真层：以物理真实为核心，构建高可信度虚拟世界
-
具身仿真的核心痛点并非视觉逼真度，而是物理与空间结构的可信度，这也是仿真数据向真实场景迁移的关键。光轮智能搭建了求解、测量、生成三位一体的全栈自研技术架构，其自研求解器可实现刚体、柔体、流体等多物理场的高精度实时求解，同时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，形成从物理真实还原到数据规模化生成的完整自研闭环，真正在虚拟世界中复刻了真实世界的物理规律，让仿真数据具备了向真实场景迁移的基础。 -
- ● 行为层：打造全球最大非本体数据引擎，实现数据循环互通
为突破具身智能的 “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，同时覆盖仿真合成数据与人类视频数据两大维度，实现了真实世界与仿真环境的持续数据循环。目前全球超过80%的头部具身智能团队，均采用该引擎提供的数据训练机器人，形成了数据供给与模型训练的正向联动。 -
- ● 评测层：建立工业级评测标准，定义具身智能能力进步标尺
数据训练的有效性，需要科学的评测体系来验证。光轮智能推出业内首个工业级仿真评测平台RoboFinals，覆盖100项核心任务，重点解决电缆、液体等可变形材料的交互难题，填补了具身智能领域缺乏标准化评测的行业空白。 -
-
同时，其与英伟达联合开源发布 Isaac Lab-Arena 具身评测基准框架，与通义千问共建可复现、可诊断的工业级评测闭环，逐步推动具身AI领域标准化评测体系的建立，让具身智能的能力进步有了可量化、可验证的标尺。 -
这三层技术体系的协同运转，形成了 “生成数据 - 验证能力 - 理解行为 - 反向优化数据” 的自动化闭环，让具身数据从一次性的项目化产出，升级为可持续运转的基础设施平台，真正实现了具身数据基础设施的技术落地。
03 商业与产业双重验证
具身数据赛道的重要性，并非停留在技术理论层面，而是得到了规模化商业交付与产业落地的双重验证，这也是光轮智能获10亿融资、赛道价值被广泛认可的核心依据。
目前，光轮智能是全球唯一同时覆盖仿真合成数据、仿真评测、人类行为数据三类具身数据能力，并实现大规模商业交付的企业，其技术能力与商业价值已被市场充分验证。
在仿真合成数据领域，光轮智能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超80%的仿真资产体系，均建立在其提供的资产与合成数据之上，成为具身AI训练生态中最重要的数据来源之一。
在人类行为数据领域，其搭建的具身行为数据网络覆盖全球7个国家、2500+不同环境，可执行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，实现了人类行为数据的规模化、标准化采集与输出。
在仿真评测领域，RoboFinals平台已成为行业核心评测工具，与英伟达、通义千问的深度合作，更是推动其评测标准向行业通用标准迈进。
从客户布局来看，光轮智能的服务对象覆盖英伟达、DeepMind、字节跳动、阿里等全球顶尖大模型公司，Figure AI、1X、智元机器人等头部机器人团队，以及丰田、博世、比亚迪、吉利等产业巨头，全球前五的世界模型团队均已与其达成合作，其数据基础设施已成为众多具身AI团队训练流程中的 “默认选择”。
商业增长数据更直接反映了赛道的真实需求：光轮智能2025年营收预期为2024年的10倍，2026年第一季度单季预计收入，将超过2025年全年。这一陡峭的增长曲线，证明具身数据基础设施已脱离实验室阶段，进入真实产业需求的商业化落地阶段，成为能持续创造商业价值的核心资产。
04 产业格局重构
光轮智能的10亿融资，不仅印证了具身数据赛道的技术与商业价值，更加速了整个产业的格局重构，具身数据正成为千行百业布局物理AI时代的核心入口。目前已有上百家来自制造业、农业、物流、家电、汽车等领域的产业企业，与光轮智能接触或推进合作，合作模式涵盖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等多个维度。
产业方的积极入局，背后是真实产业场景的价值重构：在具身智能时代，工厂拧紧螺丝的力控曲线、农业机械抓取饲料袋的摩擦反馈、晶圆传送带的微振动、物流仓储的搬运动作，这些曾随生产过程结束而消失的物理细节，如今都成为具身大模型理解真实世界的 “原生教材”，具备可提取、结构化、无限复用的庞大资产价值。每一个真实的产业场景，都成为一座尚未被挖掘的具身数据金矿。
与此同时，产业企业的角色也发生了根本性转变：在具身数据基础设施体系中，产业企业不再只是机器人技术的应用方，更成为具身数据网络中的 “原生数据节点”，这也是产业企业首次以数据节点的身份，参与下一代AI基础设施的建设，而这一身份，或将成为未来企业分享AI基础设施发展红利的核心入口。
具身数据网络具有显著的网络效应：越早接入真实产业场景的核心节点，越能积累差异化的数据优势，而这种优势在机器人规模化部署阶段，将转化为核心的产业竞争力。业内人士判断，具身数据赛道的窗口期正在收窄，一旦核心产业场景的数据节点被占据，后来者将很难进入核心网络。
2026年被定义为 “具身数据规模化落地元年”，头部机器人厂商的交付目标，正从 “百台级” 的实验室验证，向 “万台级” 的产业规模化部署跨越。机器人本体越多、应用场景越复杂，具身大模型对高质量、多维度、标准化训练数据的需求，便会以指数级速度增长，这也让具身数据赛道的重要性愈发凸显。
光轮智能的布局，早已超越了单纯服务机器人本体公司的范畴，其核心目标是将千行百业的物理场景，悉数编织进一张统一的物理AI数据网络。而这张网络的搭建，正是具身数据赛道的核心价值所在。
从行业发展规律来看，具身数据赛道的崛起，与大模型时代算力平台、数据平台的出现一脉相承。当物理AI成为下一代科技发展的核心浪潮，具身数据与仿真基础设施，将成为像算力、云计算一样的通用型基础设施，其不仅支撑着机器人产业的规模化发展，更在重构整个实体产业的数字化底层逻辑。
光轮智能的10亿融资，只是这场物理 AI 基建战争的开始，而具身数据，已然成为这场战争的核心战场。
