俄罗斯推动国际社会认可——苏联人民在二战中遭种族灭绝
全球首个具身数据独角兽光轮智能，， ， ，，，2026 年一季度狂揽 5.5 亿元订单，， ， ，，，刷新具身数据行业纪录，， ， ，，，直接引爆 " 具身数据元年 "。 。。。。。。 。把订单拆开来看，， ， ，，，背后浮现出的并非简单需求，， ， ，，，而是两股力量在今年第一次清晰交汇。 。。。。。。 。一边，， ， ，，，是具身大模子与天下模子对高质量数据、仿真情形和规�；；；；；；；啦獾男枨蠹惺头�；；；；；；；另一边，， ， ，，，则是工业、物流、农业、家电、汽车等工业场景，， ， ，，，最先为机械人在真实天下中的训练、验证与安排投入真金白银。 。。。。。。 。前者推动模子跨过从 " 演示 " 到 " 训练 " 的门槛，， ， ，，，后者则把行业推向另一个更现实的问题：机械人进入真实场景之后，， ， ，，，怎样在一连运行中一直优化。 。。。。。。 。而光轮智能，， ， ，，，恰恰站在这两个需求曲线的交汇点上。 。。。。。。 。它所毗连的，， ， ，，，既是训练机械人的数据，， ， ，，，也是围绕数据睁开的评测和安排的基础设施系统。 。。。。。。 。到了物理 AI 时代，， ， ，，，这恰如一条铺设好的公路。 。。。。。。 。5.5 亿元订单之于光轮智能，， ， ，，，远非终点，， ， ，，，而是走向工业更深处的起点。 。。。。。。 。01、具身大模子，， ， ，，，率先拉动数据需求已往一年，， ， ，，，具身智能领域的竞争，， ， ，，，更多还停留在模子与算法层面。 。。。。。。 。但到了 2026 年，， ， ，，，行业的重心最先悄然前移。 。。。。。。 。越来越多团队发明，， ， ，，，决议模子上限的已不但是参数规模，， ， ，，，数据的主要性迅速抬升。 。。。。。。 。数据的多样性、物理保真度以及闭环迭代能力，， ， ，，，最先成为新的要害变量。 。。。。。。 。于是，， ， ，，，今年被业内视作 "具身数据规�；；；；；；；�"。 。。。。。。 。随着全球头部具身智能团队纷纷抛出百万以致万万小时级的数据收罗目的，， ， ，，，数据迅速成为各家竞逐的基础性战略资源。 。。。。。。 。目今，， ， ，，，无论是天下模子，， ， ，，，照旧 VLA，， ， ，，，都被迅速推向更重大、更真实的使命空间。 。。。。。。 。它们面临的，， ， ，，，不再只是图像与语言明确，， ， ，，，而是要在真实物理天下中完生长时序、多办法的重大使命，， ， ，，，包括物体操作、情形交互，， ， ，，，以及不确定条件下的一连决议与妄想。 。。。。。。 。这一趋势已经在前沿模子上获得验证。 。。。。。。 。以 Generalist AI 的 Gen-1 模子为例，， ， ，，，该模子依托 50 万小时规模的人类视频数据举行模子预训练，， ， ，，，进一步验证了具身智能领域正在泛起的 Scaling Law：当高质量、可规�；；；；；；；氖菀涣┯�，， ， ，，，模子的泛化能力就有机会跨过新的门槛。 。。。。。。 。这也批注，， ， ，，，真实人类视频数据并不是边沿增补，， ， ，，，而正在成为具身预训练阶段最主要的数据泉源之一。 。。。。。。 。不过，， ， ，，，随着机械人逐步迈向更重大使命，， ， ，，，新的行业瓶颈也在展现。 。。。。。。 。人类视频数据虽然解决了具身预训练中的行为先验问题，， ， ，，，却还缺乏以自力支持后续的规�；；；；；；；坝牍婺；；；；；；；啦�。 。。。。。。 。现实上，， ， ，，，目今具身大模子面临的焦点瓶颈，， ， ，，，并不但是 " 缺数据 "，， ， ，，，更准确地说，， ， ，，，是一种结构性的欠缺。 。。。。。。 。一方面，， ， ，，，人类视频数据与仿真合成数据之间，， ， ，，，还没有形成足够有用的互补机制；；；；；；；另一方面，， ， ，，，行业里也少有能够把两类数据真正整合起来，， ， ，，，并一连驱动模子迭代的数据系统，， ， ，，，也就是所谓 " 数据飞轮 "。 。。。。。。 。其难点在于规�；；；；；；；啦�，， ， ，，，没有统一、可量化的评测标准，， ， ，，，数据就很难有用反哺模子迭代，， ， ，，，所谓闭环也难以真正建设。 。。。。。。 。而光轮智能所做的，， ， ，，，正是把人类视频数据、仿真合成数据与规�；；；；；；；啦饴蛲�，， ， ，，，形成一套可闭环、可量化、可一连迭代的数据基础设施。 。。。。。。 。眼下，， ， ，，，能搭建完整 " 数据飞轮 " 系统的企业仍是少数，， ， ，，，需求正加速向具备系统化供应能力的公司集中。 。。。。。。 。这也诠释了，， ， ，，，为什么光轮智能能在短时间内手握 5.5 亿元订单。 。。。。。。 。02、为什么是光轮智能？ ？？？？风口来了，， ， ，，，并不料味着谁都能接得住。 。。。。。。 。尤其是具身智能这样一个仍处于早期、标准尚未完全统一的工业，， ， ，，，真正能承讨论部需求的，， ， ，，，往往不是声量最大的谁人人，， ， ，，，而是最早把底层能力打磨出来的人。 。。。。。。 。乍看之下，， ， ，，，光轮营业笼罩人类数据、仿真合成数据和仿真评测，， ， ，，，像是同时做几件差别的事。 。。。。。。 。但顺着底层逻辑看，， ， ，，，着实始终只做一件事：构建一套可闭环、可迭代、可规�；；；；；；；木呱硎莼∩枋�。 。。。。。。 。详细而言，， ， ，，，这套系统可以拆解为三个相互支持的条理：天下 World、行为 Behavior、评测 Eval。 。。。。。。 。天下层，， ， ，，，是机械人举行学习、训练与评测的物理天下。 。。。。。。 。它不是通俗的 3D 资产库，， ， ，，，也不是偏展示性的游戏式场景，， ， ，，，而是一个在物理纪律上尽可能贴近现实的仿真情形：物体可以被抓取，， ， ，，，门有阻尼和磁吸，， ， ，，，布料会形变，， ， ，，，线缆能够弯折并遭受作用力。 。。。。。。 。行为层，， ， ，，，认真一连生产行为数据。 。。。。。。 。既有大规模拟真合成数据，， ， ，，，也有来自真实天下的人类第一视角视频、遥操作轨迹和其他真实验为先验。 。。。。。。 。前者解决规模问题，， ， ，，，后者提供约束与校准，， ， ，，，二者配合组成模子学习的基础。 。。。。。。 。评测层，， ， ，，，是整套系统里易被忽视却愈发要害的一环。 。。。。。。 。具身智能的真正难点不是做出一个 Demo，， ， ，，，而是稳固地判断模子能力是否真正获得提升。 。。。。。。 。没有统一、可复现、可并行、可量化的评测系统，， ， ，，，数据很难有用指导训练，， ， ，，，模子也难以一连迭代。 。。。。。。 。这三层并非简朴并列，， ， ，，，而是组成了一个一连运转的飞轮：天下层提供情形，， ， ，，，行为层天生数据并拓展使命漫衍，， ， ，，，评测层一连袒露模子短板，， ， ，，，再反向决议下一轮数据收罗、天生与笼罩的重点。 。。。。。。 。由此，， ， ，，，数据、仿真与评测形成一个一连运转的系统。 。。。。。。 。再往下看，， ， ，，，这套闭环之以是能够建设，， ， ，，，更要害的支持来自 " 求解—丈量—天生 " 三位一体全栈自研仿真手艺底座。 。。。。。。 。丈量真实天下的物理属性，， ， ，，，天生可复用、可扩展的 SimReady 天下，， ， ，，，随后借助自研 solver 与仿真能力，， ， ，，，在虚拟情形中跑出物理上可信、行为上可执行的效果。 。。。。。。 。也正因此，， ， ，，，光轮智能承接的，， ， ，，，已不是零星的数据采购需求，， ， ，，，而是逐渐清晰的基础设施型需求。 。。。。。。 。这是光轮智能一直在强调的焦点区别：它想做的，， ， ，，，不是一家数据工厂，， ， ，，，而是一台数据引擎。 。。。。。。 。相比之下，， ， ，，，古板数据公司更像数据工厂：客户提需求，， ， ，，，平台交付数据，， ， ，，，项目竣事，， ， ，，，价值也随之终止。 。。。。。。 。光轮构建的则是一连运转的引擎：真实天下的数据与丈量进入系统，， ， ，，，经由仿真天下被放大、重组，， ， ，，，行为数据在其中一连天生；；；；；；；评测系统再把模子的失败模式与能力界线反响回来，， ， ，，，反向驱动下一轮数据收罗、场景天生与使命界说，， ， ，，，最终再服务于真实安排。 。。。。。。 。把这套逻辑看明确，， ， ，，，再去看光轮的订单体现，， ， ，，，谜底着实已经写在效果里。 。。。。。。 。投资界相识到，， ， ，，，按具身数据销售额计，， ， ，，，光轮已位居全球前线，， ， ，，，且已在人类数据、仿真合成数据、仿真评测三大领域拿下国际交付冠军。 。。。。。。 。先看人类数据。 。。。。。。 。光轮搭建起可规�；；；；；；；娜死嗟谝皇咏鞘萁饩黾苹� EgoSuite，， ， ，，，数据节点笼罩 25000 多个情形，， ， ，，，执行凌驾 10 万种使命，， ， ，，，累计交付超 150 万小时高质量人类数据。 。。。。。。 。再看仿真合成数据。 。。。。。。 。光轮已建玉成球交付规模最大的仿真合成数据 AutoDataGen。 。。。。。。 。国际主要具身智能团队中，， ， ，，，凌驾 80% 的仿真资产系统建设在光轮提供的资产与合成数据之上。 。。。。。。 。在仿真评测领域，， ， ，，，光轮推出工业级机械人规�；；；；；；；啦馄教� RoboFinals，， ， ，，，已形成涵盖数十个高价值行业、万余个真实 Real2Sim2Real 场景的评测基础设施。 。。。。。。 。并携手通义千问共建可复现、可诊断的工业级评测闭环，， ， ，，，协力推动具身智能评测行业基座简直立。 。。。。。。 。依附系统化能力一连积累，， ， ，，，光轮智能正以物理 AI 仿真基础设施为支点，， ， ，，，进一步引领国际仿真标准的制订与演进。 。。。。。。 。克日，， ， ，，，光轮已受邀作为焦点指导委员加入开源 GPU 加速物理引擎 Newton，， ， ，，，在要害具身仿真手艺偏向上施展主导作用，， ， ，，，与 NVIDIA, Google DeepMind, Disney Research, Toyota Research Institute 等顶尖机构引领推动下一代开源物理 AI 仿真标准。 。。。。。。 。与此同时，， ， ，，，光轮自研的 LeIsaac 已被 Hugging Face 官方文档接纳为具身仿真的标准框架，， ， ，，，成为全球开发者进入该领域的统一工程范式，， ， ，，，直接界说了大规模� ？？？？⑹导钠鸬阌虢缦�。 。。。。。。 。03、需求爆发后工业端最先接过第二棒若是说具身大模子公司和机械人公司点燃了第一波需求，， ， ，，，那么工业规则在接过第二棒。 。。。。。。 。相比模子团队倾向于让机械人 " 学会 "，， ， ，，，工业客户体贴的是落地：安排、执行、验证、迭代与复制这一整套能力能否真正跑通。 。。。。。。 。这意味着，， ， ，，，当机械人进入工厂、仓储、物流、农业、医院、汽车等真实场景时，， ， ，，，工业侧需要的已不再是局部能力，， ， ，，，而是一整套买通数据、评测与安排的基础设施系统。 。。。。。。 。真实工业场景里，， ， ，，，本就蕴含重大的 " 数据金矿 "。 。。。。。。 。一条产线、一个客栈、一座工厂，， ， ，，，背后沉淀着大宗尚未被开采的物理交互履历：行动怎样完成，， ， ，，，机械人容易在哪些办法失效，， ， ，，，哪些接触力、路径修正和恢复战略更要害，， ， ，，，哪些使命能够标准化，， ， ，，，哪些长尾场景又必需依赖仿真扩展笼罩。 。。。。。。 。问题在于，， ， ，，，已往这些履历大多停留在现场，， ， ，，，难以被结构化，， ， ，，，也难以进一步转化为可复用、可评测、可一连迭代的资产。 。。。。。。 。而工业端真正需要的，， ， ，，，正是将这些履历转化为机械人能力。 。。。。。。 。于是，， ， ，，，行业讨论的重点，， ， ，，，已经从 " 要不要机械人 "，， ， ，，，转向怎样一连开采并放大场景中的数据价值。 。。。。。。 。这也诠释了，， ， ，，，为什么工业客户越来越需要一套围绕场景睁开的基础设施。 。。。。。。 。先在真实场景中提取高价值数据与约束，， ， ，，，再通过仿真把场景扩展成一个可训练、可笼罩长尾、可规�；；；；；；；啦獾钠叫刑煜�；；；；；；；随后借助评测系统识别哪些能力已经稳固，， ， ，，，哪些能力仍需继续迭代，， ， ，，，最终再把验证过的能力安排回真实场景。 。。。。。。 。放到工业端来看，， ， ，，，天下、行为、评测这三层的意义也变得更详细。 。。。。。。 。天下层对应的是为真实场景建设一个可扩展的数字平行天下，， ， ，，，行为层认真把工业现场的履历转化为可学习的行为数据，， ， ，，，评测层则成为机械人进入真实场景前的能力诊断。 。。。。。。 。落到商业化层面，， ， ，，，转变已然明晰：订单泉源正从具身大模子团队，， ， ，，，进一步扩展到真实工业场景中的客户。 。。。。。。 。据投资界相识，， ， ，，，现在已有上百家场景方企业正与光轮接触或推进合作，， ， ，，，笼罩制造业、农业、物流、家电、汽车等多个领域。 。。。。。。 。与此同时，， ， ，，，周度新增联系企业仍达数十家。 。。。。。。 。真实场景对具身数据基础设施的需求，， ， ，，，已经显着提速。 。。。。。。 。这一趋势也体现在资源层面。 。。。。。。 。就在上个月，， ， ，，，光轮智能完成 10 亿元 A++ 及 A+++ 轮融资，， ， ，，，摘得全球首个具身独角兽桂冠，， ， ，，，引入新希望集团、奥克斯等具备深挚工业资源的战略投资者，， ， ，，，产融协同的名堂起源展现。 。。。。。。 。而光轮智能也在逐步把这套能力落地为标准化、平台化、可规模复制的基础设施。 。。。。。。 。� ？？？？稍ぜ氖�，， ， ，，，未来接入的工业场景越多，， ， ，，，这种能力就越要害。 。。。。。。 。物理 AI 时代，， ， ，，，数据就是 " 水电煤 "回过头看，， ， ，，，这 5.5 亿元订单的意义，， ， ，，，早已不但是金额自己。 。。。。。。 。它更像一个信号。 。。。。。。 。透过光轮智能，， ， ，，，具身智能工业正在显露出新的重心。 。。。。。。 。相比以往行业比拼的是算力和模子，， ， ，，，现在进入物理 AI 时代，， ， ，，，随着机械人一步步走向真实天下，， ， ，，，支持其一连学习、一连迭代、一连安排的底层基础设施，， ， ，，，最先被重新望见。 。。。。。。 。若是说算力是上一轮 AI 竞赛里的 " 电网 "，， ， ，，，模子是机械的大脑，， ， ，，，那么到了物理 AI 时代，， ， ，，，数据更像是 " 水电煤 " ——看不见，， ， ，，，却决议了整套系统能否真正运转起来，， ， ，，，并规�；；；；；；；涞�。 。。。。。。 。沿着这条线往下看，， ， ，，，接下来的竞争焦点也愈加明晰。 。。。。。。 。谁能在真实场景中一连供应数据，， ， ，，，谁能让训练、评测与安排真正形成闭环，， ， ，，，并一连、稳固地为机械提供学习与进化的能力，， ， ，，，谁就更有机会走到前面。 。。。。。。 。而光轮智能，， ， ，，，已经抢得先机。 。。。。。。 。本文泉源投资界，， ， ，，，作者：芦苇，， ， ，，，原文：https://news.pedaily.cn/202604/562896.shtml【本文为投资界原创，， ， ，，，网页转载须在文首注明泉源投资界（微信公众号 ID：PEdaily2012）及作者名字。 。。。。。。 。微信转载，， ， ，，，须在微信原文谈论区联系授权。 。。。。。。 。违规转载必究责。 。。。。。。 。】