# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
光轮智能1个月之内的又一笔大额融资。
AI科技评论独家获悉，光轮智能近期再次完成新一轮10亿元战略融资。
本次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、天钺资本等产业以及财务机构；老股东建投投资、三七互娱、森马投资等继续跟投。
据悉这是光轮智能近期完成的又一轮融资。5 月末，光轮智能宣布完成新一轮融资，由蚂蚁集团领投，建投投资、大湾区共同家园基金等多方股东参投。
连续融资背后，不仅是市场对具身智能的持续看好，也说明各类资本正在重估物理 AI 数据与评测基础设施的长期价值。
大模型时代，英伟达围绕 GPU、CUDA、开发者工具链和云端算力形成的一整套基础设施接口。它让模型训练、开发、部署和生态协作都建立在同一套底层系统之上。
这是英伟达成为 AI 时代基础设施公司的关键：它不是只提供一个硬件产品，而是把一种底层能力变成了全行业共同调用的技术接口。
物理 AI 时代，类似的基础设施迁移正在发生。机器人面对真实世界中的物体、接触、受力、材料、反馈和长时序任务，它要解决的不只是“如何看到并理解世界”，更是“如何在真实世界中持续学习”。
机器人时代需要的基础设施，算力之外，还需要有能够连接真实经验、仿真训练、规模化评测和部署反馈的持续学习系统。
这个角度来看，“数据的英伟达”必须是有能力定义机器人学习接口的基础设施公司。它连接真实世界的数据生成、构建可训练、可评测的仿真世界，用工业级评测发现模型能力边界，再把真实部署中的失败和反馈带回下一轮数据生产与训练。但是目前，市场上这样的基础设施公司还很稀缺。
光轮智能在做的，正是支撑机器人持续学习的数据与评测基础设施。
过去地方发展机器人产业，更多围绕本体企业、整机制造、应用示范和产业园区展开。进入物理 AI 阶段，真实产业场景本身正在成为“数据金矿”。
这些场景不会自动变成训练数据，也不会自动形成评测标准。它们需要经过采集、结构化、仿真转化、任务定义、评测验证和部署反馈，才能成为可复用的数据与评测基础设施。
地方国资深度参与本轮融资，正是看到了这一变化。北京、山东、四川等地拥有丰富的产业场景，光轮智能可以帮助地方把真实场景转化为可训练、可评测、可复用的数据和标准体系。
换句话说，地方资本投的不是单个项目，而是把地方产业场景转化为物理 AI 基础设施资产的能力。
物理 AI 真正走向真实世界，需要一套能够持续运转、持续验证、持续反馈的基础设施闭环。
英伟达的基础设施主要是“算力—工具链—开发者—应用”的连接系统，光轮智能构建的则是“真实经验—仿真世界—能力评测—部署反馈”的机器人学习系统。
光轮智能的产品体系围绕两个闭环展开：一是覆盖数据供给、规模化评测与真实部署反馈的价值链闭环；二是从真实世界到仿真世界，再回到真实部署的Real2Sim2Real 闭环。
从外层看，EgoSuite、RoboFinals 和 RoboStack分别对应数据、评测和部署反馈。
•EgoSuite 沉淀高质量、规模化、跨本体的人类行为数据。它记录的不是简单动作，而是人类在真实世界中的观察、操作、纠错和长程任务经验，是机器人获得可规模化行为经验的入口。
•RoboFinals提供工业级规模化评测。通过标准化任务、可复现环境和可比较指标，它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，是光轮自研的物理 AI 仿真基础设施 SimFoundry，主要解决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。
其背后是光轮“求解—测量—生成”三位一体全栈自研仿真平台。通过物理求解还原真实世界中的接触、摩擦、形变和力学反馈，通过真实测量把关键物理参数引入仿真，再通过生成能力将真实世界转化为可执行、可训练、可评测的仿真场景。
据了解，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，是全球唯一同时覆盖三类能力并实现规模化交付的企业。
基础设施的价值，最终要通过生态释放。英伟达通过 CUDA、开发者工具链和云端算力生态，把芯片、模型、开发者和应用组织进同一套基础设施接口。光轮智能则通过推进开放生态，让数据与评测基础设施接入更多生产端、算力端、模型端和场景端。
人类数据侧，光轮智能与 PICO、舞肌等硬件伙伴协同，推动头显、灵巧手、触觉手套、传感器等设备进入标准化采集体系，让真实世界经验规模化进入 EgoSuite。
云与算力侧，光轮智能与阿里云、摩尔线程等伙伴合作，支撑仿真训练、数据生成和规模化评测在云端与算力集群上高效运行。
模型侧，光轮智能与生数科技等团队协同，推动生成世界从“视觉真实”走向“物理可信、任务可用、真实场景可验证”。
产业场景侧，光轮智能与新希望、宝通科技等伙伴合作，将真实任务、真实流程和真实反馈转化为可复用的数据。
标准侧，光轮智能与国家机器人检测与评定中心（总部）共同推进“真实+仿真”评测闭环，并作为唯一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。
这意味着，光轮智能的开放生态已经形成一整套面向物理 AI 的接口体系：硬件生态负责采集高质量数据，云与算力生态支撑基础设施规模化运行，模型团队验证物理可信世界，产业场景生态提供真实任务与反馈，标准体系则让机器人能力能够被统一检测、比较和验证。
物理 AI 处在基础设施接口产生的窗口期，被重新定价的不只是单个产品或单项技术。那些能够把数据、评测、场景和标准连接起来的基础设施企业将有机会成为物理AI时代的英伟达。
光轮智能的连续融资与强大的生态“朋友圈”，说明物理 AI 数据与评测基础设施的价值已经从公司判断成为产业共识。
“数据的英伟达”正在形成。
文章来自于微信公众号 “AI科技评论”，作者 “AI科技评论”
