世界模型與仿真數據尋求結合點

具身智能領域正面臨一個尖銳矛盾。模型能力迅速超越所有學術基準，卻缺乏準確、可規模化的評估手段。行業現狀是演示視頻精彩紛呈，但實際能力難以量化比較。

光輪智能聯合創始人楊海波指出行業三大困境：學術級基準已跟不上模型進化速度；真機測試成本高、周期長；傳統仿真評測停留在理想化場景。

李飛飛多年前就已認識到這一問題。在斯坦福時期，她推動了 BEHAVIOR 系列研究，旨在為具身智能建立類似 ImageNet 的長期評測工程。2025 年 NeurIPS 會議期間的 BEHAVIOR Challenge 頒獎典禮上，光輪智能 CEO 謝晨的受邀出席，已經傳遞出明確信號：評測正從論文問題演變為工程與基礎設施問題。

這種轉變背后是數據范式的根本變化。中國信通院指出，當前機器人數據訓練范式之爭尚未定論，但合成數據與仿真數據正獲得越來越高的重視。

光輪智能占據著得天獨厚的位置——據行業資深人士透露，國際主要具身團隊的仿真資產和合成數據，超過 80% 來自光輪。作為行業基礎設施提供者，它最適合也最有資格承擔評測角色。

World Labs 與光輪智能的合作基于一個核心理念：Digital Cousin（數字表親）。這個概念由斯坦福 SVL 提出，認為仿真最重要的是物理與空間結構，只要結構可信，細節允許近似。

World Labs 推出的產品 Marble 正是這一思想的代表。這款全球首款商用多模態世界模型，能夠通過文本、圖像或視頻生成高保真的 3D 世界。

更關鍵的是，Marble 生成的是持久、可下載的 3D 環境，顯著減少了場景變形與細節不一致問題。

然而，Marble 走的是可視化世界模型路線，并未內置觸覺、重力等物理參數。若要真正用于機器人訓練與評測，還需要物理引擎以及與真實物理對齊的仿真資產。

這正是光輪智能的專長所在。它為 Marble 構建了一套求解-測量-生成三位一體的仿真技術體系。

這套體系包括自研 GPU 物理求解器、全自動虛實對標物理測量工廠，以及將真實世界物理特性映射為 SimReady 資產與場景的生成能力。在這種技術體系下，仿真不再是簡單的數據生成工具，而是可重復運行、可持續擴展的數據生產系統。

光輪智能的生態位優勢

在具身智能生態中，光輪智能已建立起自己的地位。英偉達 Omniverse 與物理 AI 高級總監 Madison Huang 坦言：“英偉達內部有很多項目需要光輪智能的支持�！�

這家成立僅兩年的公司，客戶名單幾乎涵蓋了 AI 生態中所有需要仿真合成數據的企業：從英偉達、谷歌等大模型公司，到 Figure AI、智元機器人等機器人本體公司，再到豐田、博世、比亞迪等行業巨頭。

去年年底，光輪智能推出了 RoboFinals 評測標準，這是業內首個工業級、可規�；�、真實可信的仿真評測平臺。與此同時，光輪還與英偉達聯合打造了 Isaac Lab Arena，這是英偉達新一代的開源仿真評測框架。這些努力正在改變行業研發流程。據楊海波透露，通過與仿真平臺的結合，企業原本需要 3 到 6 個月的開發周期可縮短至 2-3 周。成本的降低和效率的提升，為具身智能的快速迭代提供了可能。

光輪智能提出的仿真生態概念，正是對這一趨勢的回應。楊海波強調：“做好仿真不只是技術突破，更需要構建起完整的仿真生態。沒有良好的生態支撐，仿真平臺就無法持續發展和迭代�！�

在政策層面，中國國家發展改革委已明確提出支持仿真與真機數據融合技術攻關，推動訓練與中試平臺等基礎設施建設。這表明，仿真與評測作為行業基礎設施的重要性已獲得國家層面的認可。

參考資料：

http://kjt.gxzf.gov.cn/dtxx_59340/kjdt/t27113354.shtml

https://www.zidonghua.com.cn/news/newproduct/81150.html

https://finance.sina.com.cn/tech/csj/2026-01-19/doc-inhhvfrx8043654.shtml