亿欧 6 月 23 日消息，光轮智能完成新一轮 10 亿元战略融资，投资方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基金，以及巨人网络、宇信科技、宝通科技、中科产投、量图智策等产业资本及财务投资机构；老股东建投投资、三七互娱、森马投资等继续跟投。

本轮融资将主要用于持续加大物理 AI 数据与评测基础设施核心技术研发投入，进一步完善面向机器人学习、能力评测与真实场景落地的产品体系，扩大高质量人类行为数据、仿真合成数据与工业级评测能力建设，并与产业伙伴共同推进开放生态建设。

这是光轮智能近期第二笔融资。此前5 月 22 日，光轮智能宣布完成新一轮融资，由蚂蚁集团领投，建投投资、大湾区共同家园基金、森马方道基金、山东孚弘（工业富联参与管理产业基金）、芯能投资、临芯投资等知名国资、产业以及财务机构共同参与；同时，三七互娱、国方创新、道禾长期投资、鼎石资管等老股东超额跟投。

光轮智能致力于为物理 AI 构建数据与仿真基础设施，面向具身智能、世界模型与产业场景提供高质量数据生成、仿真训练与评测验证等服务。

宏观来看，如果说 GPU 与 CUDA 定义了大模型时代的算力基础设施，那么光轮智能就是在试图定义物理 AI 时代的数据与仿真基础设施。

与大模型相比，具身智能显然更加复杂，要理解人在真实物理环境中如何操作物体、完成任务、处理异常，并在复杂的力、碰撞、接触和形变中不断提升能力。这种对物理世界的 " 认知 "，需要海量、多模态、高保真的物理交互数据作为燃料。

现实很 " 骨感 "，截至 2026 年初，全球高质量真实物理交互数据总量仅约 50 万小时，业内普遍认为，训练通用具身模型至少需要千万小时级数据，供需缺口极大，导致数据成为稀缺资源。

据亿欧了解，光轮智能并非简单的 " 卖数据 "，而是构建了一套贯穿训练、评测与部署反馈的完整基础设施体系。

外层由 EgoSuite、RoboFinals 和 RoboStack 构成。其中，EgoSuite 对应数据，面向人类行为数据，沉淀高质量、规模化、跨本体的人类操作经验；RoboFinals 对应评测，主要面向工业级规模化评测；RoboStack 是连接真实部署反馈。三者构成机器人持续学习的价值链闭环。

内核是自研的物理 AI 仿真基础设施 SimFoundry，主要解决解决底层问题：如何把真实世界规模化转化为机器人能够学习、训练和验证的仿真世界。

依托 " 求解—测量—生成 " 三位一体全栈自研仿真平台，SimFoundry 将真实世界中的物理属性、场景分布和任务经验，转化为可执行、可训练、可评测的仿真资产与场景，支撑数据生成、训练验证和评测迭代。

整体上看，EgoSuite 提供真实经验，RoboFinals 验证模型能力，RoboStack 回流部署反馈，SimFoundry 则作为底层仿真基础设施，支撑数据生成、评测验证和真实反馈的持续迭代。

值得一提的是，光轮智能的技术优势在商业层面已得到充分验证，在人类视频数据、仿真合成数据和工业级仿真评测三个关键维度，形成了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。

并且，光轮智能优质数据已实现最高 10 倍复售率，数据质量稳定，对数据的定义能力较强，客户认可度较高。

公开信息显示，2026 年一季度光轮智能拿到了 5.5 亿元订单。

在短短一个月左右，光轮智能连续官宣完成两轮融资，折射出具身智能产业正在形成新的行业共识：当机器人从实验室演示走向真实产业场景，数据与评测基础设施作为核心底座，正在成为行业新的焦点。

业内普遍认为，2026 年成为 " 具身智能数据规模化元年 "，不仅是光轮智能，无问智科、弈人科技、海天瑞声、数据堂等也在开展相关业务。

同时，互联网巨头同样盯上了这块 " 肥肉 "，京东发布具身智能数据全链路基础设施，计划发动 60 万人众包采集，目标两年内积累 1000 万小时人类真实场景视频数据；百度推出了具身智能数据超市（Beta 版），搭建层级化、可扩展的数据标签体系；阿里则以资本 + 生态双线布局，接连战略投资头部机器人企业。

在这场混战中，光轮智能选择了一条差异化路径，不做单纯的数据采集商，而是定位于物理 AI 数据与评测基础设施的平台型公司。

随着具身智能进入规模化发展阶段，产业发展不再只取决于单一模型或单一机器人本体，而是取决于谁能持续提供高质量数据、可信仿真环境、规模化测试评价能力和标准化基础设施。

光轮智能的投资价值，就在于把分散的数据、仿真和评测能力连接成可持续迭代的系统，使机器人能够在真实与仿真之间不断学习、验证和优化。