点击关注
已关注公众号
2026年一季度，成立仅三年的光轮智能，单季拿下5.5亿元订单，刷新全球具身数据行业纪录；紧接着完成10亿元A++及A+++轮融资，估值突破10亿美元，成为全球首个具身数据独角兽。
在大模型算力军备竞赛、人形机器人扎堆亮相的当下，这家不造机器人、不做终端硬件的公司，凭什么拿到真金白银的订单、吸引产业资本重仓？答案藏在一句话里：物理AI时代，算力是电网，模型是大脑，而具身数据，是决定机器人能否走进现实的水电煤。
这不是概念炒作，是技术、场景、资本三重共振下，一个硬核科技公司从0到1、再到行业标准制定者的真实故事。
三年七轮，从天使到独角兽，产业资本用脚投票
光轮智能的融资曲线，几乎是硬科技创业的教科书级范本。
2023年1月公司成立，当年即完成天使轮融资；2024年Pre-A、Pre-A +轮连续落地，经纬创投、奇绩创坛、北京市人工智能产业基金等头部机构入局；2025 年A轮再获数亿元，东方富海、三七互娱等加注；2026年3月，10亿元A++及 A+++轮融资尘埃落定，新希望集团、奥克斯等产业资本重磅入场，财务资本同步加持。
三年完成七轮融资，老股东持续加码，新股东快速跟进，核心逻辑只有一个：具身数据不是可选服务，是物理AI的刚需基础设施。
本轮融资用途清晰且聚焦：自研物理仿真引擎迭代、工业级评测体系升级、全球交付与本地化部署能力建设。没有盲目扩张，全部投向技术底座与商业化闭环，这也是资本愿意长期陪伴的关键。
更具说服力的是订单结构：5.5亿元并非来自单一客户，而是具身大模型团队与工业、物流、农业、汽车等实体产业的双向爆发。模型端需要数据喂出泛化能力，产业端需要数据支撑机器人落地，光轮智能恰好站在两条需求曲线的交点上。
02
一家硬科技公司的上限，往往由创始人的认知与履历决定。光轮智能的团队，是典型的技术深耕 + 产业落地双强组合。
创始人、CEO谢晨，1987年生，北大物理本科、哥伦比亚大学数量金融博士，是国际公认的仿真技术领军者。职业生涯堪称 “仿真技术全球巡礼”：
·英伟达自动驾驶仿真负责人，深度参与芯片与仿真平台协同研发；
·美国自动驾驶独角兽Cruise仿真负责人，搭建大规模仿真测试体系；
·蔚来自动驾驶仿真负责人，从零搭建适配中国复杂路况的仿真系统。
无论是自动驾驶还是具身智能，AI落地物理世界的最大瓶颈，从来不是模型参数，而是高质量、可规模化、可闭环迭代的数据。
联合创始人杨海波，原美团事务总监、标准化委员会负责人，负责战略与商业化落地；首席科学家赵昊，清华智能产业研究院助理教授，曾主导研发全球首个开源模块化自动驾驶仿真器MARS。
团队核心成员来自英伟达、达摩院、蚂蚁集团等顶尖机构，平均拥有十年以上仿真、AI、机器人研发经验。他们不是追风口的创业者，而是在仿真赛道深耕十年、等待行业爆发的 “长期主义者”。
2022年ChatGPT问世，生成式AI与仿真技术的结合点清晰浮现；2023年，谢晨果断创业，瞄准具身数据这一空白赛道，三年时间，把技术判断变成行业现实。
外界看光轮，是数据公司、仿真公司；但拆解技术底层会发现，它做的是物理AI时代的操作系统级基础设施，核心壁垒是全栈自研、不可替代的技术体系。
1. 核心技术路线：三位一体底座+三层飞轮闭环
光轮没有走“采购第三方引擎+简单数据加工”的捷径，而是从底层重构，打造“求解 — 测量 — 生成” 三位一体全栈自研仿真技术，这是全球唯一的技术路线。
·求解：自研多物理场求解器，支持刚体、柔体、流体、线缆、布料等复杂物理交互，高吞吐、稳定并行，输出轨迹、接触力等真实物理真值，解决传统仿真“假、飘、不准”的痛点；
·测量：全自动物理测量工厂，精准标定材料、摩擦、接触等参数，构建可复用物理属性库，通过虚实对标确保数字世界与现实世界一致性；
·生成：将物理属性规模化注入场景，生成可交互、可训练、可评测SimReady数字资产，实现场景无限扩展、数据批量生产。
在此底座上，搭建世界 — 行为 — 评测三层飞轮，形成自我强化的闭环：
·世界层：不是游戏化3D场景，是物理规律高度还原的数字平行世界，门有阻尼、布料会形变、线缆能受力，机器人在里面学习，等同于在现实中训练；
·行为层：双路径数据生产 —— 仿真合成数据解决规模问题，人类第一视角视频数据（EgoSuite）提供真实行为先验，累计交付超150万小时高质量人类数据，覆盖25000+环境、10万+任务；
·评测层：推出工业级评测平台RoboFinals，填补行业无统一评测标准的空白，覆盖数十个行业、万余个Real2Sim2Real场景，让模型能力可量化、可复现、可对比。
三层架构不是简单叠加，而是循环驱动：评测暴露模型短板，反向指导数据采集与场景生成，数据再优化模型，形成持续迭代的数据飞轮。这也是光轮区别于传统数据工厂的核心：它不是交付一批数据，而是提供一台持续运转的数据引擎。
2. 技术壁垒：从工具到标准，定义行业开发范式
技术实力的终极证明，是成为行业标准。
·作为核心指导委员加入开源GPU加速物理引擎Newton，与NVIDIA、Google DeepMind、丰田研究院等引领下一代物理AI仿真标准；
·自研框架LeIsaac被Hugging Face官方文档采纳为具身仿真标准框架，成为全球开发者的统一工程范式；
·国际主要具身智能团队中，超80%的仿真资产体系建立在光轮的技术之上，全球前三的世界模型公司全部为其客户。
这些不是宣传话术，是技术硬实力的直接体现：在具身数据领域，光轮已经从参与者，变成规则制定者。
技术好不好，最终看落地。
光轮的5.5亿订单，不是实验室订单，是真实产业场景的付费验证，覆盖模型训练、工业制造、物流仓储、智慧农业、汽车生产等全场景。
1. 具身大模型：喂出世界模型的 “数据燃料”
全球头部具身智能团队纷纷提出百万、千万小时数据采集目标，传统数据方式根本无法满足。光轮的AutoDataGen仿真合成数据系统，实现数据规模化量产，配合EgoSuite人类数据，为Gen-1等前沿模型提供训练支撑，验证 “数据规模与质量决定模型泛化能力” 的Scaling Law。
2. 工业制造：让机器人学会复杂操作
汽车工厂、家电产线中，机器人需要完成线缆插拔、零部件装配、物料搬运等复杂任务，传统真机试错成本高、周期长。光轮搭建数字孪生产线，机器人在仿真中完成千万次练习，把技能验证周期从3-6个月压缩到2-3周，成本降低90%以上，落地后故障率大幅下降。
目前，上百家场景方企业与光轮推进合作，周度新增接洽企业达数十家，需求从模型端彻底蔓延到产业端。
3. 产业协同：与巨头共建生态
·携手通义千问共建工业级评测闭环，推动具身智能评测基座落地；
·与NVIDIA深度合作，定义仿真资产物理与工程标准；
·服务新希望、奥克斯等产业投资方，把农业、家电场景的物理经验转化为机器人可学习的数据资产。
目前，上百家场景方企业与光轮推进合作，周度新增接洽企业达数十家，需求从模型端彻底蔓延到产业端。
站在2026年这个“具身数据规模化元年”的节点，回看光轮的崛起，不是偶然，是技术、时机、团队三重契合的必然。
1. 踩中行业核心矛盾：从 “炫技” 到 “落地”，数据成决胜关键
过去几年，具身智能比拼模型参数、机器人演示效果，停留在 “能做” 的阶段；2026年，行业进入“做得稳、规模化、可复制”的落地期，数据的多样性、物理保真度、闭环迭代能力，取代参数规模，成为决定模型上限的核心。
光轮提前三年布局，精准解决 “缺数据、缺仿真、缺评测” 的结构性短缺，踩中行业最大痛点。
2. 拒绝伪需求：做基础设施，不做边角服务
很多数据公司做零散标注、简单合成，属于 “体力活”，没有壁垒；光轮从一开始就定位物理AI基础设施，打通数据、仿真、评测全链路，提供不可替代的底层能力。
就像算力时代的英伟达、云计算时代的AWS，光轮要做的是物理AI时代的“水电煤”提供商，而非外包服务商。
3. 技术与商业闭环：用自研壁垒构建护城河
具身数据的门槛，看似是数据规模，实则是物理仿真的精度与评测体系的权威性。光轮全栈自研求解器、测量工厂、生成系统，不依赖第三方技术，形成 “别人抄不走、学不会” 的壁垒。
同时，订单从模型端延伸到产业端，商业化闭环跑通，实现 “技术越先进、场景越丰富、数据越优质、客户越多” 的正向循环。
4. 长期价值：物理 AI 的终局，是数据驱动的持续进化
机器人不是一次性产品，是需要持续学习、持续优化的智能体。进入工厂、家庭、仓库后，如何在运行中迭代能力？答案只有一个：数据闭环。
光轮搭建的，不仅是训练数据平台，更是机器人全生命周期的进化引擎。这也是产业资本愿意重仓的原因：它抓住的不是短期风口，是物理 AI 的长期终局。
3个月5.5亿订单、10亿融资、全球首个具身数据独角兽，这些标签很耀眼，但对光轮来说，只是走向产业深处的起点。
当人形机器人从展台走向产线，当具身智能从实验室走进千家万户，决定行业天花板的，不再是谁的机器人更会跳舞，而是谁能提供稳定、可靠、可规模化、可闭环迭代的数据基础设施。
光轮智能用三年时间，证明了一件事：在物理AI时代，数据不是附属品，是核心生产力；做数据基础设施，比做机器人更具长期价值。
接下来的竞赛，不再是单点技术比拼，而是全栈能力、场景覆盖、标准制定的综合较量。而光轮，已经站在了起跑线的最前方。
往期推荐
融资10亿!上海国资重仓AMD前员工
吴夏青是谁？为什么离职英伟达创业？
点赞鼓励一下
图片来源：网络
本文不作为投资建议