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。
機器人行業要補“基礎設施”
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。
走一條更基礎的路
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)