在具身智能領域，光輪智能（北京）科技有限公司正成為行業焦點。今年3月，該公司宣布完成總額達10億元的融資，一舉成為全球首個在具身數據領域嶄露頭角的獨角獸企業，這一消息引發了廣泛關注。

具身智能的發展離不開海量數據的支撐。光輪智能副總裁廉和指出，與自動駕駛相比，具身智能對數據量級的需求要高出3個數量級。從表演場景到專業領域，再到通用型應用，每一個階段的跨越都伴隨著數據量級的顯著提升。為了滿足這一需求，具身智能訓練數據被劃分為三層架構。

最底層是人類數據，這類數據無需依賴機器人本體。除了互聯網上的各類視頻資源，部分企業還會通過真人第一人稱視角在實景中進行采集。中間層是仿真合成數據，它具有可復現、可泛化和可規模化的優勢，能夠高效地擴大數據規模。這兩層數據構成了機器人預訓練數據的主體，屬于通用型“本體無關數據”，可以適配各類機器人本體。

最上層是實體本體數據，這類數據與機器人本體直接相關。它需要在真實環境中采集，或者通過遙操在仿真模擬環境中采集。雖然真實度最高，但采集成本也最為昂貴，主要用于模型最后的精準微調，直接決定著機器人最終的落地效果。在“仿真”層面，光輪智能展現出了強大的技術實力，能夠實現多物理場高精度仿真，在虛擬世界里逼真地模擬真實世界的物理規律，如重力、摩擦力、碰撞和形變等。

隨著科技大廠紛紛加速布局具身智能領域，技術迭代的速度明顯加快。廉和透露，自2025年下半年起，許多大型互聯網企業開始在光輪智能大量采購數據，這一趨勢在此前并不常見。通常情況下，大廠以3個月為一個迭代周期，經過4 - 8個周期的迭代，模型能力就能達到一定高度。之后，只需完成與不同機器人本體的適配，就可以實現多場景的落地應用。

基于這樣的迭代速度，機器人進入工廠和家庭有了更為明確的時間表。廉和認為，從技術層面來看，機器人進入工廠場景僅需兩到三年，進入家庭場景也只需三到五年。不過，他也特別強調，“進入家庭”和“進入所有人的家庭”是兩個不同的概念，前者的實現無需5 - 10年那么長的時間。

目前，制約機器人性能的因素除了數據瓶頸外，觸覺與力的數據缺失也是一個重要方面。廉和表示，此前行業內大多數提供的數據都不包含觸覺和力的相關信息，導致機器人缺乏系統性的觸覺感知數據體系。但這一現狀即將得到改變。今年已有團隊在研發觸覺方向的模型，光輪智能也在積極布局，預計今年以內就能實現力的數據采集。一旦力相關數據得到補足，機器人的性能將迎來新的提升。

值得一提的是，具身智能大模型具有較強的泛化能力。當預訓練數據量足夠大時，就不會出現“在一家訓練完，換一家無法使用”的情況。廉和介紹，目前機器人已經具備了一定的舉一反三的零樣本泛化能力。例如，機器人雖然沒有開過某種瓶子，但可以通過以往的操作經驗，自主思考并解決問題。未來，這種能力還將持續提升。