在具身智能賽道爆發(fā)式增長的背景下，訓(xùn)練數(shù)據(jù)短缺成為制約行業(yè)發(fā)展的關(guān)鍵瓶頸。光輪智能憑借AI仿真合成數(shù)據(jù)服務(wù)，迅速成為這一領(lǐng)域的“賣水人”，為全球超過80%的主流具身智能團(tuán)隊提供仿真資產(chǎn)與數(shù)據(jù)支持，世界模型和多模態(tài)模型團(tuán)隊也紛紛成為其客戶。這家成立于2023年的公司，通過精準(zhǔn)填補(bǔ)市場缺口，在競爭激烈的AI領(lǐng)域占據(jù)了一席之地。

具身智能的火爆直接推動了數(shù)據(jù)需求的指數(shù)級增長。光輪智能聯(lián)合創(chuàng)始人楊海波指出，具身智能對數(shù)據(jù)的需求量至少是自動駕駛的1000倍。自動駕駛本質(zhì)是“防碰撞的視覺游戲”，而具身智能需要與物理世界深度交互，例如開冰箱門時感受磁吸阻尼的力，這種復(fù)雜的物理交互維度大幅增加了數(shù)據(jù)需求。自動駕駛有現(xiàn)成的數(shù)據(jù)回傳體系，而具身智能則處于從零開始的階段，應(yīng)用場景的廣泛性也進(jìn)一步推高了數(shù)據(jù)需求。

面對真實世界數(shù)據(jù)獲取成本高、效率低且存在安全風(fēng)險的問題，仿真合成數(shù)據(jù)成為唯一可行的規(guī)模化解決方案。楊海波強(qiáng)調(diào)，仿真并非事后跟隨行業(yè)趨勢的選擇，而是光輪智能自成立之初便確立的核心技術(shù)方向。公司通過全棧自研的“求解—測量—生成”三位一體技術(shù)路線，解決了線纜插拔等工業(yè)級難題。例如，在線纜仿真中，團(tuán)隊會精準(zhǔn)測量線纜的彎曲剛度、扭曲特性、重量分布，以及插拔過程中的阻力曲線、拔出所需力度等真實物理參數(shù)，確保仿真數(shù)據(jù)與物理世界的高度一致。

高質(zhì)量數(shù)據(jù)的產(chǎn)出是訓(xùn)練過程中的核心挑戰(zhàn)。楊海波表示，數(shù)據(jù)底層質(zhì)量必須真正對齊物理世界，合成數(shù)據(jù)需要與真實數(shù)據(jù)直接競爭。具身模型的演進(jìn)會不斷改變對數(shù)據(jù)的需求規(guī)范，數(shù)據(jù)提供方必須具備算法理解能力，從模型和算法的角度去理解數(shù)據(jù)需求。光輪智能通過與頭部客戶共創(chuàng)，在0到1的階段將仿真與真實世界的誤差壓到最小，積累了大量寶貴經(jīng)驗，形成了兼顧質(zhì)量和規(guī)模的供給能力。

在定價策略上，光輪智能采用按小時計價的方式，具體價格根據(jù)場景難度、任務(wù)復(fù)雜度和訓(xùn)練規(guī)模調(diào)整。楊海波指出，公司希望定價方式清晰透明，因為客戶會將仿真和評測能力納入長期研發(fā)規(guī)劃。隨著高質(zhì)量數(shù)據(jù)的稀缺性日益凸顯，一旦解決了客戶“有無”的核心問題，價格就不再是關(guān)鍵，數(shù)據(jù)提供方將具備更強(qiáng)的定價能力。

盡管仿真數(shù)據(jù)在供給規(guī)模上比真機(jī)數(shù)據(jù)跨2到3個數(shù)量級，但“仿真與真實之間的差異”仍是行業(yè)面臨的挑戰(zhàn)。楊海波坦言，仿真中摩擦力參數(shù)預(yù)估偏大可能導(dǎo)致機(jī)器人在真實世界中抓不起物體。為應(yīng)對這一風(fēng)險，光輪智能從源頭保證數(shù)據(jù)真實性，通過實際測量獲取物理參數(shù)，確保測量誤差在1%以內(nèi)；在訓(xùn)練時引入對抗性擾動，讓模型學(xué)會應(yīng)對不確定性；并與頭部客戶持續(xù)迭代，利用真實測試結(jié)果修正問題。公司采用“仿真為主、真實為輔”的方案，99%的訓(xùn)練用仿真數(shù)據(jù)完成，剩下1%用真實數(shù)據(jù)微調(diào)，既保證效率又確保安全。

當(dāng)被問及未來競爭策略時，楊海波表示，核心是提升多樣復(fù)雜場景的生成能力。這需要在資產(chǎn)層面實現(xiàn)“看得見和摸得實”，在場景層面高度還原動態(tài)變化和光照遮擋等情況，在任務(wù)層面設(shè)計裝配公差控制、異常情況處理等多樣化任務(wù)。他強(qiáng)調(diào)，人形機(jī)器人的難點不在于外形，而在于全身物理協(xié)同，這需要依賴復(fù)雜多樣的物理信息才能實現(xiàn)。

目前，光輪智能的技術(shù)已廣泛應(yīng)用于醫(yī)療、農(nóng)業(yè)和工業(yè)等領(lǐng)域。在醫(yī)療場景中，公司能夠仿真臟器的物理特性；在農(nóng)業(yè)場景中，模擬采摘任務(wù)的力學(xué)反饋；在工業(yè)場景中，解決線纜操作等復(fù)雜問題。楊海波認(rèn)為，物理AI一定會從工具階段走向基礎(chǔ)產(chǎn)業(yè)階段，未來機(jī)器人和智能體將像今天的手機(jī)、汽車一樣普及，而可靠的數(shù)據(jù)支撐將依賴于基于仿真的科學(xué)能力。光輪智能的目標(biāo)是打造物理AI時代的數(shù)據(jù)基礎(chǔ)設(shè)施，為中國物理AI賽道的長期競爭貢獻(xiàn)一套可復(fù)用、可持續(xù)演進(jìn)的底座能力。