【ZiDongHua 之“金融滋东化”标注关键词：光轮智能 蚂蚁集团 具身智能 】
 
　　蚂蚁集团领投新一轮融资，光轮智能继续引领全球具身数据基础设施
 
　　近日，光轮智能完成新一轮融资。本轮由蚂蚁集团领投，建投投资、大湾区共同家园基金、森马方道基金、山东孚弘（工业富联参与管理产业基金）、芯能投资、临芯投资等知名国资、产业以及财务机构共同参与；同时，三七互娱、国方创新、道禾长期投资、鼎石资管等老股东超额跟投。本轮融资将主要用于物理 AI 的数据与评测基础设施相关核心技术投入，持续加强规模化交付能力建设，并加快全球市场开拓与生态合作。
 
　　光轮智能致力于为物理 AI 构建数据与仿真基础设施，持续面向具身智能、世界模型与产业场景提供高质量数据生成、仿真训练与评测验证等关键能力。本轮融资，既是资本市场对光轮智能技术路线与商业进展的认可，也体现出产业界对物理 AI 基础设施长期价值的持续看好。
 
　　具身数据规模化元年
 
　　数据与评测基础设施成为新的价值中心
 
　　此次，产业资本和国资力量纷纷加码光轮智能，既是对光轮智能阶段性成果的认可，也反映出市场对物理 AI 数据与评测基础设施长期价值的持续看好。随着具身智能从技术验证走向规模化落地，行业对高质量数据供给、可复现评测体系和持续反馈能力的需求正在快速提升，物理 AI 的数据与评测基础设施正成为支撑产业发展的关键环节。
 
　　光轮智能在这一方向上已形成系统能力，持续服务具身大模型、世界模型及真实产业场景中的训练、评测与部署需求。此次产业资本的加入，将进一步强化光轮在技术、场景与生态侧的协同能力，推动高质量具身数据、仿真训练、模型评测与产业落地形成更高效的闭环，加速物理 AI 基础设施能力走向规模化应用。
 
　　人类、仿真、部署全闭环
 
　　构建数据与评测基础设施
 
　　光轮智能构建的是一套贯穿训练、评测与部署反馈的物理 AI 数据与评测基础设施。其内核来自“求解—测量—生成”三位一体全栈自研仿真平台：求解负责在虚拟环境中还原力、碰撞、接触和形变，让仿真在物理上可信；测量负责把材料、接触、摩擦、形变等真实物理属性带入系统；生成则把这些物理规律规模化扩展为可训练、可评测、可复用的仿真世界。
 
　　在这一技术内核之上，人类视频数据提供真实世界的人类行为与任务经验；仿真则将这些经验规模化扩展为仿真合成数据；评测判断模型能力边界，并指出下一轮数据需求；真实部署把模型带回产业现场，产生新的失败、反馈和任务约束；这些反馈再回流，推动下一轮数据生成、仿真扩展、评测迭代和真实部署。这套内核与外循环共同指向一个结果：更高质量的数据与评测能力。
 
 
　　光轮智能已在人类视频数据、仿真合成数据和工业级仿真评测三个关键维度形成全球第一的规模化交付能力。其中，人类视频数据与仿真合成数据相互增强：人类视频数据为仿真系统提供真实场景、任务与操作轨迹先验的规模化积累，提升仿真的真实性与可靠性；仿真合成数据则将这些真实经验在不同物体、材质、布局和任务条件下进一步泛化扩展，形成更大规模、更丰富分布的训练数据。由此，光轮智能逐步构建起以人类数据校准仿真、以仿真放大人类数据的协同闭环，进一步提升对具身模型训练、泛化与落地的支撑能力。
 
　　
 
　　目前，光轮智能的人类视频数据体系已覆盖 25,000+ 环境节点、100,000+ 任务种类，累计交付超 150 万小时高质量人类数据。相关能力的持续突破，也正加速转化为商业成果：2026 年第一季度新增订单达 5.5 亿元。与此同时，光轮智能与新希望集团成立合资公司，推动数据、仿真、评测能力与产业场景深度融合，加速形成从技术能力到产业应用的闭环。
 
　　从基础设施到规则层
 
　　引领数据、仿真与评测的国际标准共建协同
 
　　物理 AI 要实现产业规模化，行业必须回答一系列底层问题：高质量数据如何流转？可信仿真如何校准真实？评测如何可复现？模型应该如何被训练、验证和部署？部署反馈如何重新进入训练系统？谁能深度参与这些问题的定义，谁就更有机会在下一阶段产业演进中占据关键位置。
 
　　在数据标准层：光轮智能已经形成高质量数据标准，这种闭环能力在商业上直接体现为一个核心指标——“数据复售率”（即单位小时的光轮数据能够出售给多少个不同客户）。一份高质量数据可以在不同客户、不同模型阶段和不同任务体系中持续流通并产生更高价值。这一指标越高，意味着数据质量越稳定，光轮智能对数据的定义能力越强，客户认可度也越高。光轮智能联合创始人兼总裁杨海波介绍，光轮智能在优质场景的数据，复售率已经能够超过10倍。这一指标不仅印证了光轮智能数据的稳定性与客户认可度，也是其2026年一季度新增的5.5亿元订单的底层支撑之一。
 
　　在仿真标准层：2026年，光轮智能接受谷歌 Deepmind 、英伟达和迪士尼研究院的联合邀请，作为核心指导委员加入开源GPU加速物理引擎 Newton ，在关键具身仿真技术方向上发挥主导作用，与英伟达, 谷歌 DeepMind ,迪士尼研究院、 丰田研究院四家国际顶尖机构引领推动下一代开源物理AI仿真标准，标志着光轮智能不再只是全球仿真生态的参与者，而是开始引领下一代物理 AI仿真基础设施的规则共建。
 
　　

 
　　与此同时，在仿真基础设施的落地方面，光轮智能也与摩尔线程围绕算力、仿真平台与数据评测能力展开合作，联合打造国产自研仿真合成数据方案，以国产算力与仿真的深度融合，为具身智能发展夯实自主可控的基础设施。
 
　　在评测标准层：光轮智能与英伟达联合推进 Isaac Lab-Arena 等评测框架建设，自研 LeIsaac 仿真平台被 Hugging Face 官方文档收录；与通义千问、World Labs等世界前沿团队持续开展评测与世界生成方向合作；这些合作的核心，不只是共建项目，而是推动评测走向可复现、可对比、可规模化的行业标准。在标准组织与测试评价体系层面，光轮智能成为全国首批具身智能行动计划中数据领域唯一民企，参与高质量数据集建设、完善具身智能数据基础设施，并联合全国信标委、工信部相关标委会等机构推进标准体系建设。截至目前，光轮智能已主导或参编20项国家及行业相关标准，覆盖数据质量、仿真平台与工业高质量数据集等重点领域。此外，光轮智能还与国家机器人检测和评定中心（总部）达成合作，共同推动具身智能关键基础设施与工业级测试评价标准建设。
 
　　探索物理 AI 教育系统
 
　　推动机器人持续学习与进化
 
　　当具身智能从技术突破走向规模化产业落地，真正关键的，已不只是单项能力突破，而是能否持续打通数据供给、评测反馈、真实部署与标准建设，形成支撑机器人长期学习和持续进化的系统化能力。光轮智能以高速增长的营收与订单、头部客户验证及产业协同落地，加速推动技术价值转化为商业价值。同时，围绕高质量数据、可信仿真与工业级评测持续攻坚，不断夯实物理 AI 数据与评测基础设施建设。
 
　　在此基础上，光轮智能正在构建面向物理 AI 的“教育系统”：以人类视频数据与仿真合成数据提供学习内容，以仿真世界提供可反复试错的训练环境，以评测体系持续反馈模型能力边界，并通过真实部署不断回收新的任务经验。对具身智能而言，数据不再只是一次性交付的资源，而是与评测、仿真和真实反馈共同构成支撑机器人持续学习、持续验证、持续进化的基础设施。
 
　　从数据与评测基础设施建设到全球具身数据行业标准共建，光轮智能将继续夯实物理 AI 数据与评测基础设施建设，推动具身智能在更多产业场景的规模化部署与落地，支撑具身智能领域高质量发展。