科技日报记者 李禾
在今年春晚舞台上，人形机器人完成了从辅助工具到叙事演员的蜕变。当大家为机器人精彩表演喝彩时，很少有人意识到：这些复杂动作的背后，是数据的“投喂”和仿真技术创新。
对此，光轮智能联合创始人兼总裁杨海波表示，人形机器人的数据需求量至少是自动驾驶的1000倍。自动驾驶是通过视觉算法来防止碰撞，而人形机器人不仅需要视觉理解，还得能够理解这个世界的物理信息和动作交互，比如能区别金属和衣服不同的材质，能感受拉开冰箱门时不同的磁吸力、阻尼力。而本届春晚亮相的机器人团队，其舞台动作背后，不可或缺的是光轮智能的数据支撑。
在真实世界里训练和评测机器人，成本高、效率低。以训练机器人装配电池为例，企业需要搭建专用产线、准备海量零件，每次碰撞失败都要停工更换，数月的训练周期和高昂的试错成本令很多企业望而却步。面对真实数据的限制，光轮智能提供了解决方案，即凭借全栈自研的“求解—测量—生成”三位一体仿真技术架构，从自研物理求解器到自动化测量工厂，再到规模化评测平台，形成了完整的自主可控体系；并以这套工程闭环为基础，构建了一个视觉和物理真实的“数字平行世界”，不仅能模拟出重力、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过程。
在这个“数字平行世界”里，具身智能将原本漫长的训练周期压缩到数周甚至更短，成本大幅降低。同时，光轮智能自研训练内核已面向国产CPU/GPU/NPU优化，完全适配国产算力生态。“仿真技术和数据质量好不好，客户是唯一的试金石。”杨海波在采访中多次提及光轮不只是交付数据，更具备算法能力，能与客户共同迭代数据“配方”。
据介绍，目前，全球排名前三的模型团队已全部与光轮智能开展合作，在国际主要具身智能团队中，超过80%的仿真资产和合成数据来自光轮智能。英伟达、智元机器人、银河通用、字节跳动、阿里巴巴等企业，均是光轮智能的客户或合作伙伴。“我们之所以坚持全栈自研仿真，一方面是仿真软件无法满足需求，必须通过全栈自研仿真来保证数据生成和评测能力；另一方面，我们也看到仿真作为技术底座，对于人形机器人发展的关键支撑作用。”杨海波说。
当前，光轮智能的仿真技术领先正在转化为国际行业标准的制定权。比如光轮智能与英伟达共同定义了仿真资产的物理与工程标准，确保仿真资产不是“能看”，而是能用于训练、评测和策略验证；阿里巴巴通义千问采用光轮具身评测平台，共同推动工业级评测标准的建立。杨海波强调仿真数据对具身智能行业的重要性：“我们致力于为行业提供以仿真为中心的物理AI基础设施，让机器人从实验室迈向商业化，真正走进工厂、医院等不同场景。只有把数据生成和训练的全链路抓在自己手里，才能在算力波动、场景变迁、硬件升级时保持迭代主动权。”
网友评论
