【ZiDongHua 之“金融滋东化”标注关键词：光轮智能 机器人 具身智能 】
 
　　新一轮 10 亿元融资，光轮智能加速建设物理 AI 数据与评测基础设施
 
 
　　近日，光轮智能完成新一轮 10 亿元战略融资。
 
　　本轮投资方包括中关村科学城基金、四川发展科创基金、山东发展科创投等政府基金，以及巨人网络、宇信科技、宝通科技、中科产投、量图智策等产业资本及财务投资机构；老股东建投投资、三七互娱、森马投资等继续跟投。
 
　　本轮融资将主要用于持续加大物理 AI 数据与评测基础设施核心技术研发投入，进一步完善面向机器人学习、能力评测与真实场景落地的产品体系，扩大高质量人类行为数据、仿真合成数据与工业级评测能力建设，并与产业伙伴共同推进开放生态建设。
 
　　机器人持续学习，需要新的基础设施
 
　　随着具身智能与机器人加速进入真实场景，行业关注的重点正在从模型能力本身，逐步转向机器人如何在真实世界中持续学习。
 
　　真实环境中的任务、物体、材料、操作流程与现场约束持续变化。机器人不仅需要完成任务，更需要在部署过程中不断积累经验、发现问题并持续迭代。
 
　　支撑这一过程的，不仅是模型与算力，更需要一套覆盖数据、仿真、评测与部署反馈的完整基础设施体系——让真实世界经验能够被持续采集、组织、验证与回流，机器人才能在真实环境中不断成长。
 
　　光轮智能长期聚焦的，正是这套面向物理 AI 的数据与评测基础设施。
 
　　构建“数据-评测-部署”闭环和底层仿真基础设施
 
　　围绕机器人持续学习，光轮智能的产品体系形成了一套内外层结构。
 
 
　　从外层看，EgoSuite、RoboFinals 和 RoboStack 分别对应数据、评测和部署反馈，构成机器人持续学习的价值链闭环。
 
　　EgoSuite 面向人类行为数据，沉淀高质量、规模化、跨本体的人类操作经验。它记录的不是简单动作，而是人在真实世界中的观察、操作、纠错和长程任务经验，为机器人提供可规模化学习素材。
 
　　RoboFinals 面向工业级规模化评测，通过标准化任务、可复现环境和可比较指标，判断机器人模型学会了什么、能力边界在哪里、失败模式是什么，并反向定义下一轮数据需求。
 
　　RoboStack 连接真实部署反馈。机器人进入工厂、仓库、农业、物流等产业现场后，会持续遇到新的任务分布、异常情况、失败样本和现场约束；这些反馈被重新带回数据、仿真和评测系统，成为下一轮学习的起点。
 
　　支撑这套外层系统的，是光轮智能自研的物理 AI 仿真基础设施 SimFoundry。
 
　　SimFoundry 解决的是更底层的问题：如何把真实世界规模化转化为机器人能够学习、训练和验证的仿真世界。依托“求解—测量—生成”三位一体全栈自研仿真平台，SimFoundry 将真实世界中的物理属性、场景分布和任务经验，转化为可执行、可训练、可评测的仿真资产与场景，支撑数据生成、训练验证和评测迭代。
 
　　由此，EgoSuite 提供真实经验，RoboFinals 验证模型能力，RoboStack 回流部署反馈，SimFoundry 则作为底层仿真基础设施，支撑数据生成、评测验证和真实反馈的持续迭代。
 
　　这套内外层结构，共同构成了光轮智能面向物理 AI 的数据与评测基础设施。
 
　　光轮智能的技术优势在商业层面得到充分验证：光轮智能已经在人类视频数据、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，是全球WY同时覆盖三类能力并实现规模化交付的企业。
 
　　同时，光轮智能优质数据已实现最高 10 倍复售率。这一指标的意义不只是销售效率提升，而是说明数据、场景与任务已经具备标准化、可调用、可复用的资产属性。
 
　　共建开放的物理AI 基础设施生态
 
　　基础设施的价值，不仅来自技术能力，更来自开放协作。
 
　　围绕物理 AI 数据与评测基础设施建设，光轮智能持续与硬件厂商、云与算力平台、世界模型团队、产业客户及标准机构开展合作，共同推动开放生态建设：
 
　　在人类数据采集领域，光轮智能与 PICO、舞肌科技等伙伴推动开放数据采集体系建设；
 
　　在云与算力领域，与阿里云、摩尔线程等伙伴协同推进数据生成、仿真训练与规模化评测；
 
　　在世界模型领域，与生数科技等团队共同探索真实世界数据与评测体系建设；
 
　　在产业场景领域，与新希望、宝通科技等伙伴推动真实任务与部署反馈进入机器人学习闭环。
 
 
　　标准建设同样是基础设施的重要组成部分。光轮智能作为WY中国企业加入国际开源物理仿真引擎 Newton 技术指导委员会（TSC），与英伟达、谷歌 DeepMind、迪士尼研究院、丰田研究院四家顶尖机构共同推动下一代开源物理 AI 仿真标准建设；在国内，光轮智能也与国家机器人检测与评定中心（总部）共同推进“真实 ＋ 仿真”评测体系建设。
 
　　机器人走向真实世界，不仅需要更强大的模型，也需要支撑其持续学习的数据、仿真、评测与部署反馈体系。
 
　　光轮智能希望与更多生态伙伴共同建设开放的物理 AI 基础设施，让真实世界经验持续转化为机器人能力，加速物理 AI 的产业落地。