此前，这样的技能训练通常要用几个月，需要先搭建专用训练产线，准备海量真实零件，工程师全程监护调整参数。每一次碰撞都要停工更换零件，机器人要反复试错数十万次，堪称“奢侈”的综合成本高得让不少企业望而却步。而如今，在光轮智能构建的“数字平行工厂”中，机器人可以在虚拟空间里同时进行成千上万次并行训练，零件可无限复制，甚至能模拟零件形变、偏差等真实生产中的突发状况，让企业快速提升机器人训练效率的同时，降低训练使用成本十倍以上。
这背后，是光轮智能（北京）科技有限公司（以下简称“光轮智能”）对仿真技术的极致打磨，实现了关键突破。光轮智能致力于以高质量仿真合成数据与物理AI技术驱动具身智能走向现实世界，成为全球物理AI与世界模型数据市场的第一数据基础设施提供商。目前，全球前三的世界模型团队已全部与光轮智能开展合作，国际主要具身智能团队中，亦有超过80%的仿真资产和合成数据来自光轮。
首创自研仿真新范式 构建“数字平行宇宙”
“十五五”规划建议中提出，前瞻布局未来产业，推动具身智能等成为新的经济增长点。预计到2035年，我国具身智能市场规模将突破万亿元。这不是单一赛道的独立成长故事，而是一条横跨“基础设施—技术服务—产品服务—行业应用”全产业链，将引领带动交通物流、工业制造、商业服务等多个应用领域新质生产力的进一步跃升。
然而，要实现这一宏伟蓝图，需要先攻克一个关键环节—专业仿真平台。工业和信息化部《人形机器人创新发展指导意见》明确指出“构建仿真系统和训练环境，加快技术迭代速度，降低创新成本”。面对挑战，光轮智能没有选择简单地“混搭”已有的技术工具，而是从根本上重新设计了整个技术体系，走出了一条独特的技术路径。
光轮智能首创“测量—生成—求解”三位一体技术路线改变了传统仿真的范式。公司运用自主研发的高精度测量设备，精确捕获材料、接触、摩擦等真实物理特性，构建了中国最大的物理属性数据库。这些真实数据不是用来验证理论模型，而是直接驱动物理解算器的设计和优化，实现了数据与模型的双向校准。这种“真实物理对齐”的创新方法，缩小了仿真与真实的差距，让仿真迁移到真实的成功率达到业界领先水平。
不止于此，光轮智能的仿真平台如同一座“数字平行宇宙”，不仅模拟重力、碰撞、摩擦等基础物理现象，更能精确还原材料形变、液体流动、柔性物体操作等复杂交互。在医疗领域的手术机器人训练中，仿真可以模拟人体组织的弹性和脆性；在物流领域的分拣场景中，仿真可以模拟包裹的重量分布和易碎特性。机器人绝大部分的技能都是在这样的虚拟世界中习得的，从简单的抓取动作到复杂的装配任务，每一项能力的获得都离不开仿真环境的支撑。
有了这样的仿真系统和训练环境，具身智能原本漫长的训练周期可压缩到数周甚至更短，成本也降至可承受范围，且训练出的技能能直接部署到多台机器人，实现一次训练、多机复用。
全栈自研仿真 技术攻关的“珠峰”
尽管仿真平台至关重要，但面向具身智能时自研仿真平台的难度远超想象，要构建一个完整的全栈系统与平台，往往存在三方面局限：一是授权成本高、灵活性有限，难以支撑海量并行训练与高频技术迭代；二是核心算法与接口封装较深，对新型机器人形态、本土特色工艺流程、定制化传感器的适配性较差；三是在与本地算力体系、行业场景深度适配时，优化空间受限，难以形成可持续演进的技术积累。
在仿真物理引擎层面，光轮智能完全自研的Solver（物理解算器）支持百万级自由度求解，实现了刚体、柔体、流体、颗粒等多物理场耦合，物理精度达到亚毫米级，更新频率达到千赫兹。更重要的是，这个引擎专门针对机器人任务进行了优化，在接触力计算、抓取模拟、行走稳定性等关键环节都有独特的算法创新。
仿真训练平台的构建同样体现了光轮智能的技术深度。光轮智能自研仿真技术已成功部署于国内云上，提供平台化服务，同时自研的训练内核面向国产CPU（中央处理器）/GPU（图形处理器）/NPU（嵌入式神经网络处理器）深度优化，覆盖从环境并行采样到策略更新的全链路。
光轮智能解决方案副总裁张建伟表示：“仿真平台不只是训练场，它其实承载着行业的‘家底儿’—每一次对物理世界的参数标定、每一个精心搭建的场景模型、每一套经过反复打磨的评测标准，都是企业实实在在的知识积累。如果这些核心能力不能沉淀为自主研发、循序演进的技术体系，那未来产品想调整方向、开拓新场景，就会处处受制于人。所以，自研仿真底座既是技术必需，也是战略选择。”
“只有把数据生成和训练的全链路抓在自己手里，才能面对算力波动、场景变迁、硬件升级时依然保持迭代的主动权。也只有让仿真平台成为机器人企业真正用得顺手、靠得住的工程基础设施，具身智能的创新才能从一个点上的试验，变成可复制、可扩展、可迭代的产品体系。说到底，自研仿真不是锦上添花，而是我们想要在具身智能这条路上走得远、走得稳，必须打牢的地基。”张建伟补充道。
生态驱动打造行业“爆品应用” 加速产业赋能
在攻克了仿真平台技术难题后，光轮智能没有停下脚步，意识到如果没有生态支撑，仿真平台依然无法持续发展。仿真平台需要海量的使用场景来验证和优化，需要持续的商业回报来支撑巨额的研发投入。过去许多企业的仿真项目之所以失败，很大程度上是因为缺乏“爆品应用”来驱动平台的持续演进。仿真平台就像操作系统，没有“爆品应用”，再好的技术也只能是实验室里的玩具。
在此基础上，光轮智能推出了“具身考场评测平台”，完善了具身智能从数据到模型的闭环。作为业界首个针对前沿机器人基础模型的工业级评测平台，通过100项工业级任务提供标准化能力度量，服务全球领先的大模型团队，助力具身模型快速迭代并衡量实际能力提升。仿真合成数据用于训练，具身考场用于验证，这种“数据生成—模型训练—能力评测”的完整闭环，驱动光轮仿真平台在实战中不断进化，形成了技术创新的正向循环。
以阿里巴巴通义千问团队的合作为例，双方不仅在平台使用层面深度协同，更共同定义了多个工业级场景的任务结构与评测标准，为评测平台的核心能力奠定了基础。通义千问正在使用具身考场对其前沿具身智能模型进行高通量、工业级的能力验证。不同于传统学术基准，具身考场帮助通义千问团队快速定位模型瓶颈、诊断性能短板，并衡量模型实际能力提升。作为全球迭代速度最快的基础模型团队之一，通义千问在实战中不断挑战平台极限，推动具身考场逐步成长为世界模型级别机器人评测的行业标准。
光轮智能的自研仿真技术也获得了国际认可。作为全球最大的AI开源社区、汇聚超百万开发者—Hugging Face下的LeRobot平台一直致力于降低机器人AI研发门槛，但长期以来始终缺乏能兼顾“高保真物理模拟”与“灵活适配多算力架构”的仿真工具。这一行业痛点，被光轮智能的自研技术精准破解。11月26日，光轮智能LeIsaac仿真工作流作为首批官方集成方案被正式纳入Hugging Face LeRobot官方文档，成为官方指定的仿真环境，走进全球百万开发者的工具箱。
光轮智能的技术和效率双重优势正在市场上得到充分验证：公司的仿真合成数据已经成为全球使用频次最高的应用之一，为字节跳动、阿里千问、智元、银河、英伟达、谷歌等顶尖团队提供训练数据支撑。公司近期完成数亿元A轮、A+轮融资，年营收已突破亿元大关，订单需求保持指数级增长态势，整体数据交付时长已达百万小时规模，覆盖了工业、农业、物流、医疗等多个行业。
展望未来，光轮智能的发展路径仍然围绕“自研仿真底座”这条主线展开。光轮智能联合创始人兼总裁杨海波表示：“光轮在国内建有全球最大的仿真遥操基地，这里每周能产出上万小时的高质量数据。技术层面，我们会持续攻克Sim-to-Real（仿真到真实世界）难题，打磨从测量、生成到求解的全栈能力。未来，光轮智能将继续与上下游伙伴，包括算力平台、机器人厂商以及各行各业的应用方长期协同，把自研仿真底座打磨得更稳、更准、更易用，用扎实的工程能力支撑具身智能产业的长期发展。”
2025年，光轮智能将完成核心技术在典型场景的全面验证，服务国内标杆企业；到2027年服务覆盖约1000家企业，形成完整的产业链条；到2030年，光轮智能自研的仿真底座要支撑起万亿级的具身智能市场，让机器人能更低成本、更高效率地走进工厂、医院、家庭，把中国孕育的新质生产力锻造成驱动全球AI发展的力量。
免责声明：市场有风险，选择需谨慎！此文仅供参考，不作买卖依据。
