近日，權威行業媒體The Robot Report評選全球五大物理AI（人工智慧）基礎設施平台，中國公司光輪智能與輝達、Scale AI（以資料標註和治理為核心的人工智慧基礎設施公司）、Applied Intuition（美國軟體服務企業）、Hugging Face（人工智慧開源社區與模型託管平台，近日被輝達收購）同列榜單。

成立僅三年的中國初創公司，憑什麼能坐進國際“標準席”？答案或許就藏在產業邏輯的變化裡。機器人的下一場競爭，已從本體轉向“基礎設施”——誰建成了資料、模擬、評測、部署的持續學習閉環，誰就有望在機器人時代掌握話語權。

8月的北京，兩場機器人盛會，成為觀察中國機器人產業的窗口。

做早餐、擰螺絲、拆快遞……從“能炫技”到“能幹活”，機器人的“大腦”與“小腦”已演化到實用級階段，產業也來到規模化落地的關鍵拐點。不過，機器人要成為“可靠打工人”，還要跨過不少關卡，其中一個難題就是——資料缺口。

和語言大模型讀網際網路文字就能變強不同，機器人必須通過真實的物理互動來學習，比如拿杯子時的力度，這類資料天然稀缺。再看評選出的五大物理AI（人工智慧）基礎設施平台，瞄準的就是——為產業提供底層“水電煤”式的基礎設施服務。

入選的五家企業，在物理AI技術中，各佔一個關鍵生態位——輝達代表計算與模擬基座，解決“如何大規模訓練、模擬物理互動”的問題；Scale AI主攻真實資料生產與質量，解決“機器人從那裡獲得經驗”的問題；Hugging Face等開放生態聚焦開放資料、模型、硬體生態，解決的是“不同團隊如何復用與接入”的問題；Applied Intuition錨定場景工程與系統驗證，解決“如何從實驗走向可上線系統”的問題；光輪智能代表的則是持續學習與部署反饋基礎能力，通過資料-評測-部署，解決機器人“如何觀察、糾錯、迭代，並形成完整閉環，建構持續學習系統”的問題。

可以看到，光輪智能是五家企業中唯一聚焦於打造持續學習閉環的企業，更是唯一一家中國企業。中國在物理AI基礎設施上的實力，開始越來越多地被看見。

就在2026世界機器人大會期間，光輪智能發佈全球首個十萬小時全模態人類行為開源資料集EgoSuite-Open100K、RoboFinals中試基地模擬評測基礎設施和RoboStack真實場景部署與反饋平台。

三項發佈共同指向一套具身智能持續學習系統：人類資料提供學習教材，模擬評測檢驗能力邊界，真實部署收集失敗樣本與人工接管資料，再將反饋帶回下一輪資料補采、模型訓練和規模化評測。

十萬小時資料免費開源，建立標準成為商業化的促進劑

光輪智能此次開放原始碼的十萬小時全模態人類行為資料集EgoSuite-Open100K，已經受到業界的廣泛好評。

光輪智能聯合創始人兼總裁楊海波介紹，當前具身智能行業在採集口徑、標註規範、資料格式和時序組織上存在差異，不同裝置產生的資料難以組合復用，行業亟需一場“資料革命”。而EgoSuite-Open100K的開放，將幫助更多開發者以統一、可復用的資料基礎開展模型研究，從而推廣具身資料標準，建設開放的具身智能生態、加快行業基礎建設。

在具身智能行業被視為寶貴資源的資料，免費向外界開源，對企業來說是否划算？

這筆帳，算的不是自家損益，而是看到整個產業底座夯實之後，每一個參與者都是受益者。在楊海波看來，對那些難以承擔高昂資料採購成本的開發者而言，這批資料將直接降低他們進入具身智能領域的門檻。與此同時，將資料集開源，也能讓行業更好地認識光輪智能所生產資料的質量和價值，從而推動企業收穫進一步的商業回報。

此前，行業一直高度依賴定製化的資料，在技術收斂、進入快速發展的階段後會造成較多的資源浪費。楊海波判斷，資料的商業化依賴於標準的統一，有標準才有標品復售，才能最終實現企業的規模化生產和經營。據介紹，光輪智能已服務30多家頭部模型企業，平均採購需求超過 20萬小時，優質標品資料復售倍數已超過10倍。光輪智能所定義的資料標準，已不再是束之高閣的文件，而是成為客戶廣泛認可的事實標準。

據悉，這十萬小時資料在國際人工智慧開源社區Hugging Face和開放原始碼託管與協作平台AtomGit同步開源中，面向學術研究與商業訓練使用，相關項目還將捐贈給開放原子開源基金會孵化。

在開放生態建設方面，光輪智能推出5年100億具身智能資料共建計畫，包含人類資料、模擬資料與真實部署反饋回流的高價值資料，將圍繞開放資料標準、評測驅動的資料閉環、資料與模型協同設計三方面核心工作，推動更多研究機構、模型團隊、機器人企業和場景方參與共建。

楊海波表示，光輪智能的目標，是作為物理AI的核心基礎設施平台，為機器人的持續學習打造一本“言傳身教百科全書”，從而加速物理AI的落地。

當機器人產業的基礎設施不再是可選項、而是必答題，一些中國公司開始做出選擇，走一條向行業更基礎、更上游延伸的路。

中國是全球最大的機器人生產國和應用市場，但在全球產業分工中長期偏居“本體製造與系統整合”一端——硬體規模大，而底層作業系統、開源模擬平台和行業測試標準的話語權較弱。物理AI基礎設施恰恰處於價值鏈上游的“規則制定層”：它規定資料採集的格式、定義泛化能力的評測基準、設定部署框架的介面規範，進而對產業技術路線的走向產生深遠的鎖定效應。

一個關鍵問題擺在面前，當物理AI時代來臨，中國能否在底層基礎設施上擁有話語權，繼續身處“牌桌”中央？

這個問題的答案，正在被書寫。

今年7月，光輪智能受邀加入EgoVerse國際具身人類資料委員會，與Meta、Scale AI等國際團隊共同建構全球最大規模的人類資料訓練體系。這是目前該委員會的唯一中國企業成員。

再往前，今年5月，光輪智能受邀加入國際開源物理模擬引擎Newton技術指導委員會，推動下一代物理AI模擬基礎設施的技術治理、生態協同與國際標準演進。同席的，是輝達、GoogleDeepMind、迪士尼研究所、豐田研究院四家全球頂尖機構。

此前，物理模擬引擎的底層標準清一色掌握在歐美企業手中，中國公司只能作為跟隨者。而今，中國公司的角色已經轉變，成為全球物理AI底層標準的共同制定者。

當然，進入“牌桌”並不意味著終局已定，物理AI時代的規則體系仍在持續演進。不過，方向已然明確：當全球機器人產業從“比誰的Demo（演示）更炫”進入“比誰能持續學習、穩定交付”的階段，基礎設施的競爭才是真正的主場。一家中國公司出現在這個賽場的核心位置，本身就是一個訊號——中國具身智能正在從“本體製造大國”向“標準和規則定義者”邁進。 (長安街知事)

共築中國國產具身智能模擬底座

近日，摩爾線程與光輪智能達成戰略合作。雙方將依託摩爾線程全功能GPU與誇娥（KUAE）智算叢集，結合光輪智能“求解—測量—生成”三位一體全端自研模擬平台，聯合打造高置信度模擬資料合成方案，以中國國產算力與模擬演算法的深度融合，為具身智能發展夯實自主可控的基礎設施。

本次合作直擊具身智能行業的核心痛點：真機資料採集長期面臨物理資料稀缺、成本高昂、場景覆蓋不足、複雜物理過程難以穩定復現等難題。為跨越資料鴻溝，高品質模擬合成資料成為關鍵路徑，但其規模化生產又面臨渲染量指數級爆炸的算力瓶頸。以典型操作任務為例，單條軌跡泛化後渲染量可達4.8萬幀（如圖2），數百條軌跡即達數百萬幀規模，傳統算力難以支撐。這類海量並行渲染與複雜物理模擬任務，對GPU的AI計算、圖形渲染、物理模擬等全功能能力提出剛性要求，硬體級光線追蹤更是確保合成資料物理真實度的關鍵。

圖1：合成資料示例，一條機械臂任務的執行軌跡中，包含了5個視覺相機機位的畫面渲染，用於機器人的視覺模擬資料生成。

圖2：4種裝修風格，4個燈光環境，形成16組渲染結果。每一組渲染配有5個機位，每個機位有600幀畫面需要渲染。最終，單條軌跡的渲染總量達4.8萬幀。

中國國產算力 × 模擬演算法，建構具身智能合成資料平台

為系統性應對上述挑戰，摩爾線程與光輪智能充分發揮各自優勢，通過中國國產GPU算力底座與自研模擬合成技術的深度協同，共同建構起“真實軌跡→模擬建模→資料擴增”的完整中國國產化閉環，不僅攻克了柔性體抓取物理模擬等技術難關，更讓海量、高置信度合成資料的規模化“量產”成為現實。

光輪智能作為全球領先的物理AI資料與模擬基礎設施企業，首創“求解—測量—生成”三位一體全端自研模擬平台，為此次合作提供了核心演算法與模擬資產支撐。

模擬層，光輪自研高精度GPU物理求解器具備可微分、多物理、多材質統一求解，支援剛體、柔體、流體、顆粒等複雜物理過程的高精度即時模擬，並已深度適配摩爾線程MUSA架構，在MTT S5000智算卡上依託全功能GPU原生加速與光線追蹤硬體單元，實現高效穩定運行與高保真渲染。與此同時，光輪依託首創物理測量工廠與虛實對標方法論，將真實世界中的質量、摩擦、接觸、形變等關鍵物理參數引入模擬環境，結合SimReady標準體系，確保模擬資產可驗證、可復用、可規模化，核心物理參數模擬精準度達99%以上，為高置信度合成資料生產提供物理真實基礎。

平台層，建構覆蓋場景建構、任務生成、模擬執行到評測驗證的閉環，形成以RoboFinals為代表的系統化評測能力，結合摩爾線程中國國產GPU算力底座與大規模並行能力，實現位姿、物性、視角與環境條件等維度的高效泛化，推動具身資料從有限採集走向規模化生成。

圖3：模擬機械臂抓取不同質量的柔性物體（抓取物從左往右，質量依次變大）

摩爾線程作為中國稀缺的全功能GPU企業，充分發揮全端通用算力底座優勢。基於自研MUSA架構，其單顆晶片實現同時支援AI計算、圖形渲染、物理模擬、科學計算與超高畫質視訊編解碼的技術突破，為具身智能合成資料生產提供一體化、全鏈路的算力支撐。旗艦級AI訓推一體智算卡MTT S5000，作為中國極少數同時支援硬體級光線追蹤與AI訓推的中國國產GPU，內建獨立的光線追蹤硬體單元（RT Core），可支撐複雜物理場景的即時高保真渲染。基於MTT S5000的誇娥千卡智算叢集，憑藉全精度通用計算能力，為海量合成資料生產提供穩定、高效的算力保障，支撐單一任務即可在位姿、物性、視角與環境條件等維度實現高效泛化，推動具身資料從有限採集走向規模化生成。與此同時，摩爾線程全功能GPU支援光輪自研的物理求解器，實現柔性體動力學、剛體碰撞、流體模擬等複雜物理計算，確保合成資料在物理一致性上達到工業級精度要求。

圖4：使用MTT S5000 RT Core硬體光線追蹤加速渲染，可以獲得 2.7倍的性能提升

圖5：誇娥千卡智算叢集加速合成資料生成

雙方協同建構的具身資料生成中國國產化閉環，既體現了光輪智能在資料與模擬領域的深厚積累，也彰顯了摩爾線程全功能GPU全端計算能力，對資料合成與生產效能的顯著提升。這一實踐標誌著摩爾線程與光輪智能正在攜手打造“具身智能資料生產基礎設施”，以中國國產自主的技術能力支撐起具身智能與機器人訓練的海量資料需求。

共築中國國產物理AI底座，引領具身智能生態邁向自主可控

此次的合作，不僅是技術的強強聯手，更意味著中國國產具身智能基礎設施能力，正從單點突破走向更深層次的協同建設。雙方驗證了中國國產自研物理求解器與中國國產全功能GPU算力底座的深度相容能力，為行業提供了從演算法到晶片全面協同攻關的可複製範本，也為具身智能行業提供了從算力、演算法到資料的全端式價值。

未來，雙方將繼續深化合作，在具身智能評測平台、物理AI高置信度閉環模擬等方向展開進一步探索，推動合作從當前的資料合成階段走向“模擬-訓練-評測”全平台閉環，持續夯實自主可控的中國國產化物理AI基礎設施，加速人工智慧走向物理世界的處理程序。   (芯榜)

彙整鉅亨號中所有使用「光輪智能」關鍵字，所發布的內容 (依照時間排序，最新在前，舊的在後)`

成立三年，這家中國公司緣何與輝達“同列”

摩爾線程 × 光輪智能強強聯手

成立三年，這家中國公司緣何與輝達“同列”

摩爾線程 × 光輪智能 強強聯手

摩爾線程 × 光輪智能強強聯手