光轮智能再获10亿融资，剑指数据英伟达
光轮智能在30天内连续完成两轮大额融资，节奏极为紧凑。
AI科技评论独家获悉，光轮智能近日宣布完成新一轮10亿元战略融资。
本轮投资方阵容包括中关村科学城基金、四川发展科创基金、山东发展科创投等政府背景基金，以及巨人网络、宇信科技、宝通科技、中科产投、量图智策、天钺资本等产业与财务机构；老股东建投投资、三七互娱、森马投资等继续跟投。
5月末，光轮智能刚宣布完成一轮融资，蚂蚁集团领投，建投投资、大湾区共同家园基金等参投。短短一个月内两轮融资，反映了市场对具身智能的热度，更关键是资本对物理AI数据与评测基础设施的重新估值。
物理AI需要新的基础设施接口
在大模型时代，英伟达通过GPU、CUDA、开发者工具链与云端算力，打造了一套完整的基础设施接口。模型训练、开发、部署和生态协作均运行在同一套底层系统之上。
这正是英伟达成为AI基础设施公司的核心——它并非单纯销售显卡，而是将底层能力转化为全行业可调用的技术接口。
物理AI时代，类似的基础设施迁移正在上演。机器人需面对真实世界的物体、接触、受力、材料、反馈及长时序任务，它不仅要解决“如何看懂世界”，更要解决“如何在真实世界中持续学习”。
因此，机器人时代所需的基础设施，除算力外，还需一套连接真实经验、仿真训练、规模化评测与部署反馈的持续学习系统。
从这个视角审视，“数据的英伟达”必须是一家能定义机器人学习接口的基础设施企业。它需连接真实世界的数据生成，构建可训练、可评测的仿真环境，通过工业级评测界定模型能力边界，再让真实部署中的失败与反馈回流至下一轮数据生产与训练。坦白说，当前市场上此类基础设施公司极为稀缺。
光轮智能正在做的，正是支撑机器人持续学习的数据与评测基础设施。
真实场景成为数据入口，地方共建物理AI基础设施
以往地方发展机器人产业，多围绕本体企业、整机制造、应用示范与产业园区布局。但进入物理AI阶段，真实产业场景本身正转化为“数据金矿”。
不过，这些场景不会自动转变为训练数据或评测标准。它们必须通过采集、结构化、仿真转化、任务定义、评测验证与部署反馈流程，才能成为可复用的数据与评测基础设施。
地方国资深度参与本轮融资，正是看准了这一趋势。北京、山东、四川等地产业场景丰富，光轮智能可协助地方将这些真实场景转化为可训练、可评测、可复用的数据与标准体系。
简言之，地方资本投资的并非单个项目，而是将地方产业场景转化为物理AI基础设施资产的系统能力。
构建物理AI数据与评测基础设施
物理AI要真正进入真实世界，必须有一套能持续运转、持续验证、持续反馈的基础设施闭环。
英伟达的基础设施是“算力—工具链—开发者—应用”的连接系统，而光轮智能构建的是“真实经验—仿真世界—能力评测—部署反馈”的机器人学习系统。
光轮智能的产品体系围绕两个闭环展开：一是覆盖数据供给、规模化评测与真实部署反馈的价值链闭环；二是从真实世界到仿真世界、再回到真实部署的Real2Sim2Real闭环。
从外层看，EgoSuite、RoboFinals和RoboStack分别对应数据、评测与部署反馈。
•EgoSuite沉淀高质量、大规模、跨本体的人类行为数据。它记录的不仅是简单动作，而是人类在真实世界中的观察、操作、纠错与长程任务经验，是机器人获取可规模化行为经验的入口。
•RoboFinals提供工业级规模化评测。通过标准化任务、可复现环境与可比较指标，它判断机器人模型学会了什么、能力边界在哪、失败模式是什么，并反向定义下一轮数据需求。
•RoboStack连接真实部署反馈。机器人进入工厂、仓库、农业、物流等产业现场后，会持续遭遇新的任务分布、异常情况、失败样本与现场约束；这些反馈被重新带回数据、仿真与评测系统，成为下一轮学习的起点。
支撑这套外层系统的，是光轮自研的物理AI仿真基础设施SimFoundry，核心功能是将真实世界规模化为机器人能够学习、训练和验证的仿真环境。
其背后是光轮“求解—测量—生成”三位一体全栈自研仿真平台。通过物理求解还原真实世界中的接触、摩擦、形变及力学反馈，通过真实测量将关键物理参数引入仿真，再通过生成能力将真实世界转化为可执行、可训练、可评测的仿真场景。
据了解，光轮智能已在人类视频数据、仿真合成数据与工业级仿真评测三个关键维度形成全球第一的规模化交付能力，是全球唯一同时覆盖三类能力并实现规模化交付的企业。
光轮智能构建物理AI开放生态
基础设施的价值，最终通过生态释放。英伟达通过CUDA、开发者工具链与云端算力生态，将芯片、模型、开发者和应用整合进同一套基础设施接口。光轮智能则通过推进开放生态，让数据与评测基础设施接入更多生产端、算力端、模型端与场景端。
在人类数据侧，光轮智能与PICO、舞肌等硬件伙伴协同，推动头显、灵巧手、触觉手套、传感器等设备进入标准化采集体系，让真实世界经验规模化进入EgoSuite。
在云与算力侧，光轮智能与阿里云、摩尔线程等伙伴合作，支撑仿真训练、数据生成与规模化评测在云端及算力集群上高效运行。
在模型侧，光轮智能与生数科技等团队协同，推动生成世界从“视觉真实”走向“物理可信、任务可用、真实场景可验证”。
在产业场景侧，光轮智能与新希望、宝通科技等伙伴合作，将真实任务、真实流程与真实反馈转化为可复用的数据。
在标准侧，光轮智能与国家机器人检测与评定中心（总部）共同推进“真实+仿真”评测闭环，并作为唯一中国企业加入国际开源物理仿真引擎Newton技术指导委员会（TSC），与英伟达、谷歌DeepMind、迪士尼研究院、丰田研究院四家顶尖机构共同推动下一代开源物理AI仿真标准建设。
这意味着，光轮智能的开放生态已形成面向物理AI的完整接口体系：硬件生态负责采集高质量数据，云与算力生态支撑基础设施规模化运行，模型团队验证物理可信世界，产业场景生态提供真实任务与反馈，标准体系则让机器人能力能够被统一检测、比较和验证。
物理AI正处在基础设施接口形成的窗口期，被重新定价的不只是单个产品或技术。那些能将数据、评测、场景与标准连接起来的基础设施企业，将有机会成为物理AI时代的英伟达。
光轮智能的连续融资与庞大生态“朋友圈”表明，物理AI数据与评测基础设施的价值已从公司层面上升为产业共识。
“数据的英伟达”正在悄然成型。