GTC大會現場，三萬名觀眾齊聚主會場，數百萬線上用戶同步觀看，從大模型到機器人，再到Physical AI，所有人都在探討一個核心命題：如何讓AI真正融入現實世界？英偉達CEO黃仁勛在臺上發表演講，而臺下，一家不制造機器人、也不開發大模型的公司，卻在Physical AI的多個關鍵環節中頻繁亮相，成為全場焦點。
這家公司名為光輪智能，是當下備受矚目的具身智能領域獨角獸。在黃仁勛的主題演講中，多個機器人仿真演示場景——如機器人疊衣服、拉緊皮帶等，均采用了光輪的技術。其展臺位于入口核心位置，緊鄰三星、美光等存儲芯片巨頭，以及Together AI、Lambda等AI基礎設施領域的重要玩家，開幕當天便被觀眾圍得水泄不通。
從主舞臺到產品展區，再到主題演講環節，光輪智能的身影無處不在，Physical AI的討論熱度持續攀升。其合作網絡覆蓋廣泛，從大模型公司到基礎設施企業，從具身智能團隊到車企，甚至包括“AI教母”李飛飛創立的世界模型公司World Labs。行業逐漸意識到，在Physical AI領域，提供數據與仿真基礎設施的光輪智能，已成為生態中不可替代的關鍵角色。
過去幾年，GTC的焦點始終停留在大模型與機器人本體上。從ChatGPT引發的生成式AI浪潮，到人形機器人的集中亮相，技術討論多圍繞模型智能程度與機器人功能展開。然而，今年的GTC風向轉變，黃仁勛宣布，以Blackwell和下一代Rubin為代表的新一代AI計算平臺，將在2025至2027年間創造約1萬億美元的收入機會，Physical AI首次成為與生成式AI平起平坐的核心主題。
AI的發展正邁入第三階段——Physical AI。此前，AI通過感知理解世界，通過生成創造內容，如今需從“理解”轉向“行動”，走出屏幕，進入現實場景。但讓機器人在真實環境中反復試錯成本高昂且風險巨大，例如訓練人形工廠擰螺絲的機器人，無法承受數千次摔跤的代價。因此，仿真環境成為關鍵：通過數字孿生生成無限場景、測試策略、積累數據，再將訓練好的模型部署到實體機器人上。
這一邏輯下，行業競爭焦點從“模型性能”轉向“基礎設施能力”。高精度物理仿真、規模化數據生成與閉環評測驗證，成為決定技術上限的核心要素。光輪智能構建的正是這樣一套面向Physical AI的數據與仿真基礎設施，其技術已被國際主要具身智能團隊廣泛采用，超過80%的仿真資產與數據均來自光輪。
在GTC現場，光輪智能雖低調卻占據多個關鍵位置。黃仁勛展示的機器人仿真演示中，從手術室輔助機器人精準取物，到多機器人協作訓練場景，背后幾乎均采用光輪的技術。這些系統并非可選工具，而是涉及接觸力學、柔體建模等關鍵環節時，必須依賴光輪提供的真實物理參數體系，才能確保仿真結果遷移至現實世界。
更值得關注的是，光輪智能正從技術使用者轉變為規則制定者。幾天前，該公司宣布加入Newton技術指導委員會（TSC）。Newton是由英偉達、Google DeepMind與Disney Research聯合開發的開源物理仿真引擎，也是Linux Foundation的頂級項目。TSC作為其核心技術決策層，匯聚了Google DeepMind仿真負責人Erik Frey、MuJoCo核心開發者Yuval Tassa等頂尖專家。光輪智能創始人兼CEO謝晨博士作為公司代表加入，與這些行業領袖共同決定Newton的技術方向與標準。
與其他參與者不同，光輪智能的技術覆蓋范圍更全面。英偉達定義計算，DeepMind推動算法，Disney探索極端場景，而光輪智能是唯一同時打通世界建模、數據生成、物理測量、參數校準與評測閉環的公司。其角色類似于CUDA之于AI計算、Linux之于操作系統，正在定義Physical AI時代的基礎設施標準。
GTC現場，光輪智能通過三個展位展示了Physical AI的三大核心命題：World、Behavior與eval。World展區呈現“物理測量工廠”，機械臂在標準化實驗平臺上對不同材質物體施加精確外力，構建與真實世界對齊的仿真環境；Behavior展區聚焦規模化行為數據生產，結合仿真遙操與真人第一視角視頻，形成覆蓋操作路徑、力控變化與決策時機的數據網絡；eval展區則推出RoboFinals評測體系，作為業內首個工業級標準的仿真評測平臺，可衡量機器人基礎模型的真實能力進展。
光輪智能在GTC期間舉辦六場主題演講，系統闡述其構建基礎設施的方法論：從物理真實的仿真環境搭建，到規模化合成數據生產管線，再到工業級評測標準與閉環驗證。通過技術布道，其逐步構建起完整的Physical AI基礎設施敘事，吸引機器人公司創始人、高校教授、開源社區貢獻者與一線工程師等超350人參與其舉辦的行業聚會，進一步彰顯其行業號召力。
Physical AI時代的競爭已從模型層下沉至基礎設施層。即使擁有最先進的大模型，若機器人無法分辨物體材質或控制施力力度，仍無法走出實驗室。仿真精度、數據規模與評測標準，成為決定技術落地能力的關鍵。光輪智能在GTC上的表現，正是這一趨勢的縮影：當一家公司同時出現在核心舞臺、參與技術標準制定、構建完整系統并凝聚生態網絡時，其角色已從參與者升級為行業基礎設施的提供者。
