光轮智能杨海波：具身智能要落地 数据和评测需求缺口巨大

7月17日—20日，2026世界人工智能大会（WAIC 2026）在上海举行，光轮智能携物理AI数据与评测基础设施整体亮相，集中展示了数据、评测、落地部署与反馈构成的持续学习闭环，并分享了公司在国际标准共建、开放生态协同及产业基础设施建设方面的最新进展。

光轮智能成立于2023年，是全球具身数据独角兽企业，主要提供人类视频数据和仿真合成数据，专做机器人持续学习所需的“数据—仿真—评测—部署”底层基础设施，其业务面向物理AI、具身智能、自动驾驶等领域。在仿真领域和数据领域，光轮智能目前是唯一一家同时参与具身仿真与数据两大国际标准共建的中国企业。

在接受记者采访时，光轮智能联合创始人兼总裁杨海波用一个比喻解释了光轮智能的定位：“本体就像身体，模型像婴儿的大脑。怎么让这个婴儿变成成年人，并去到各个场景下工作？就是不断给它喂养数据，不断评测它。我们就像在构建一个学校，给模型提供教育、知识，再给它考试，我们的定位是物理AI的数据和评测的基础设施。”

杨海波表示，人形机器人进入场景，最缺乏的就是该场景下的数据和评测能力。“不可能让一台机器人在真实场景里先学习半年，没有这个条件。”他解释，仿真的价值在于先在虚拟环境里学习和评测，解决99%的问题，最后1%再到真实场景去解决。“光轮智能数据仿真评测的基础能力，支撑的就是最后一道部署。”

据杨海波介绍，相比于真机采集的方式，仿真合成数据优势在于规模化供给、效率极高；可秒级切换场景、物体、环境参数，具备较强的多样性；整体成本低。总体而言，可以解决真机采集无法满足的海量、多元数据需求，是支撑具身智能规模化落地的核心数据供给方式。

在本届WAIC上，光轮智能展出了围绕“数据—评测—部署反馈”构建的物理AI持续学习系统。SimFoundry是底层仿真基础设施，EgoSuite提供人类经验，RoboFinals衡量能力边界，RoboStack连接部署反馈，这四者共同形成Real2Sim2Real持续学习闭环。

在具身智能领域，什么样的数据才是有效数据？杨海波总结了三个标准：高质量、大规模、多样性。他举了一个例子：“比如我们服务过一个行业的头部客户，要求一个人在一个场景下、一项任务只能采一条数据——成年男人的手怎么拿、老人的手怎么拿、孩子的手怎么拿，要求寻找人的生理属性和动作习惯的多样性。”杨海波进一步指出，数据供给和数据有效是两码事，有效的前提是数据商自己能评测自己的数据，而客户的多次买单是最终的试金石。

随着具身智能开始集体走向场景落地，数据缺口难题愈发显著，机器人落地最核心的缺口是适配场景的海量训练数据与标准化评测工具。杨海波透露，今年具身智能领域的数据与评测需求比去年的需求高出百倍甚至千倍，去年还是几百几千小时的数据规模，今年已经进入百万小时级别。“2026年是具身智能数据规模化的元年，因为今年具身就要从demo走向落地部署。”

杨海波也坦言，当前具身数据供需缺口巨大，未来短期内很难达成供需平衡。具身智能整体数据需求体量是自动驾驶的1000倍以上，对标特斯拉的百万台车辆数据采集终端，具身行业想要满足需求，需要十亿级数据生成终端，当前供给能力和长期需求存在巨大差距。虽然光轮智能的数据供给能力呈指数级增长，但依旧无法以一己之力匹配全行业长期的海量需求。

2026年第一季度，光轮智能获得5.5亿元订单。杨海波表示，他更关注的核心是提升客户复购、推进数据复售、打通完整数据商业闭环，这也是光轮智能今年将重点推进的三大商业经营方向。未来三年，光轮智能规划在三方面推进业务，一是推动国际标准落地，向国内市场输出最高规格训练数据；二是推动国内标准建设，推动行业数据共享共用，减少重复采集造成的资源浪费；三是持续强化全栈仿真、数据自闭环能力。