具身数据独角兽崛起：上百家产业方争相合作
具身智能赛道迎来标志性时刻。
投资界消息，具身数据与仿真基础设施企业光轮智能近期完成A++与A+++轮融资，总额达10亿元人民币，正式成为全球首家具身数据领域的独角兽企业。
本轮融资参与者阵容特殊，既有新希望集团、鼎邦投资（三安光电董事长家族办公室）、奥克斯、鼎石资管等产业资本，也有建投华科、国方创新、道禾长期投资、清新资本等市场化机构。
具身智能正处爆发期，但此次融资的关注点不仅是新独角兽诞生，更在于产业资本集体布局新基础设施——具身数据与仿真基础设施。
这看似晦涩，却具有风向标的意义。
过去两年，具身智能赛道资本主要聚焦机器人本体公司与具身大模型团队，前者侧重硬件与规模化交付，后者侧重模型与算法突破。
随着机器人逐步走出实验室，一个基础问题浮现：机器人依赖何种数据训练？
越来越多产业投资人意识到：未来机器人能力的上限，很可能由数据基础设施决定。光轮智能在这轮竞争中率先突围，被视为具身数据基础设施的领跑者。
机器人走向真实世界，数据瓶颈显现
交流中发现，具身智能面临的棘手问题是数据。
目前具身智能的数据来源分三类：仿真合成数据、真实世界机器人数据、人类行为示范数据。
不同团队选择不同路线，有的强调仿真数据规模，有的认为真实世界数据是基础，还有团队用第一人称行为示范数据训练机器人操作策略。
当机器人尝试进入复杂产业场景时，残酷现实显现：
单一数据来源无法支撑具身智能规模化发展。
原因在于：真实世界机器人数据成本高、规模有限；仿真数据存在“现实差距”；人类行为数据虽丰富，但缺乏环境体系与统一评测标准。
这意味着具身智能进入新阶段：
从数据路线竞争转向数据基础设施建设。
如同大模型时代形成算力与数据平台，具身智能也从碎片化数据走向系统化数据基础设施。
未来具身智能产业的关键竞争，不仅是制造机器人和训练模型，还包括：
谁能掌握稳定的数据供给体系。
物理AI的第三层基础设施已出现
风口爆发前，命运的分水岭已悄然形成。
业内认为，物理AI的基础设施版图愈发清晰。
这个金字塔结构中，第一层是算力基础设施，以英伟达GPU为代表，为AI提供动力；
第二层是模型基础设施，包括基础模型、世界模型及具身智能大模型等，是机器人的“大脑”；
最隐秘且稀缺的第三层是数据与仿真基础设施，核心是将复杂真实物理世界转化为机器人可学习的数据。
这正是光轮智能成立之初就锁定的领域。这是一条周期长、投入大、前期不“性感”的基建之路，但商业规律是：越难走的路，越能形成高壁垒。
光轮智能不押注单一数据路线，构建了World（仿真）—Behavior（行为）—Eval（评测）的数据引擎体系。
首先是仿真层。
具身仿真的关键不是画面逼真，而是物理与空间结构的可信度。光轮通过全栈自研技术架构，实现求解、测量、生成三位一体。
自研求解器支持刚体、柔体、流体等多物理场高精度实时求解，将真实物理参数数字化，结合大规模非刚体资产生成能力，形成从物理真实到数据规模化的闭环，在虚拟世界还原真实物理规律。
其次是行为层。
为解决具身智能“数据荒漠”问题，光轮构建全球最大规模非本体数据引擎，覆盖仿真合成数据与人类视频数据，实现真实世界与仿真环境的数据循环。全球超80%头部具身智能团队使用光轮数据训练机器人。
最后是评测层。
数据训练后如何验证效果？去年底，光轮推出业内首个工业级仿真评测平台RoboFinals，覆盖100项核心任务，重点解决电缆、液体等可变形材料交互难题，定义具身智能的能力进步标准。
三层系统协同运转，具身数据基础设施成型，具身数据从一次性项目升级为可持续的基础设施平台。
光轮智能创始人谢晨表示：
“真正的具身数据基础设施不是简单的数据工厂，而是自动化闭环：生成数据、验证能力、理解行为，再反向优化数据。”
三项国际交付冠军背后，商业化曲线显现
市场的认可，是对技术壁垒最直接的证明。
业内人士透露，光轮在仿真合成数据、仿真评测、人类行为数据三个维度实现全球规模化交付，是全球唯一同时覆盖三类具身数据能力并大规模商业交付的企业。
在合成数据领域，光轮建成全球交付规模最大的仿真合成数据Pipeline。
通过覆盖海量物体、场景与物理属性组合，为机器人模型提供高多样性世界数据。全球主要具身智能团队超80%的仿真资产体系基于光轮的资产与合成数据，成为具身AI训练生态的重要数据来源。
在仿真评测领域，光轮推出工业级机器人评测平台RoboFinals，与英伟达联合开源Isaac Lab-Arena具身评测基准框架，逐步建立标准化评测体系；与通义千问共建可复现、可诊断的工业级评测闭环，推动行业基座确立。
在人类视频数据领域，光轮建立全球规模最大的具身行为数据网络之一。
数据节点覆盖全球7个国家、2500+不同环境，执行50000多种任务，每周稳定生成超50000小时具身行为数据，累计交付超100万小时高质量人类行为数据。
客户名单涵盖全球顶尖企业：英伟达、DeepMind、字节跳动、阿里等大模型公司，Figure AI、1X、智元机器人、银河通用等头部机器人团队，以及Toyota、Bosch、比亚迪、吉利等产业巨头，全球前五世界模型团队均已合作。在不少具身AI团队中，光轮成为训练流程的“默认基础设施”。
订单增长形成陡峭曲线。
光轮智能2025年营收预期是2024年的10倍，2026年Q1单季预计收入将超2024年全年。多位投资人指出，光轮已建立具身数据领域的规模壁垒。
业内认为，这既证明商业模式健康，也标志具身数据基础设施进入真实产业需求阶段。
超级产业机会：真实场景成数据金矿
一场产业变局正在发生。
据投资界了解，上百家产业企业正与光轮接触或合作，涉及制造、农业、物流、家电、汽车等领域。部分企业提前锁定未来数据生成能力，希望在机器人规模化部署前获得数据优势。业内称，具身数据网络有明显网络效应——越早接入真实场景，未来数据优势越大。
合作方式不断扩展，例如：
• 产业场景数据生成中心
• 具身仿真评测中心
• 机器人真实场景落地中心
一位关注具身智能的投资人表示：
“过去抢机器人公司，现在产业方抢数据入口。”
产业投资人认为，窗口期可能不长。核心节点被占据后，后来者难进入核心网络。
更关键的是，产业企业角色发生根本转变。在这套体系中，产业企业不仅是应用方，还可能成为具身数据网络的“原生数据节点”。这是企业首次以“数据节点”身份参与下一代AI基础设施建设，可能成为未来分享AI基础设施红利的入口。
底层逻辑被彻底改写。
过去百年，工厂价值是产品，农场价值是收成。但在具身智能时代，真实产业场景正在“点石成金”。
拧紧螺丝的力控曲线、机械臂抓取饲料袋的摩擦反馈、晶圆传送带的微振动……这些曾随机器停转而消散的细节，如今成为具身大模型理解世界的“教材”，具有可提取、结构化、复用的资产价值。
每个寻常产业场景都是待开采的数据金矿。谁先掌握这些数据，谁就可能在未来机器人产业链占据有利位置。
2026年是“具身数据规模化落地元年”。头部机器人厂商正从“百台级”实验室验证迈向“万台级”部署，本体越多、场景越杂，大模型对高质量训练数据的需求指数级增长。
光轮智能的目标不仅是服务机器人本体公司，更是将千行百业的物理场景编织进物理AI数据网络。
想象空间就此打开：从重工制造到智能仓储，从无人农业到医疗手术……越来越多真实物理世界接入这张网络，产业竞争底座被重塑。
未来的较量，不再是比拼炫酷机器人，而是看谁率先掌握连接真实物理场景与模型训练的钥匙。
投资人判断，若机器人产业爆发，今天率先进入具身数据网络的企业，可能在下一轮产业格局中占据关键位置。光轮智能正站在这一基础设施的中心。
大水冲开旧河道，物理AI时代的新战争已打响。
本文来自微信公众号 “投资界”（ID：pedaily2012），作者：王露，36氪经授权发布。
本文仅代表作者观点，版权归原创者所有，如需转载请在文中注明来源及作者名字。
免责声明：本文系转载编辑文章，仅作分享之用。如分享内容、图片侵犯到您的版权或非授权发布，请及时与我们联系进行审核处理或删除，您可以发送材料至邮箱：service@tojoy.com