从大模子智能的"话语宇宙"迈向具身智能的"物理宇宙"，仿信得过在成为络续落地的底层基础设施。

在本次量子位 MEET2026 智能将来大会上，光轮智能纠合独创东谈主兼总裁杨海波给出了他的不雅察：

具身智能的限制雄伟于文本与视觉模子，因为数据维度更确切、更复杂。

这也就意味着，具身智能时期的中枢，不是算法自身，而是它所依赖的数据是否灵验、可推广——仿确切独一大要措置数据问题的有策划。

在仿真计谋的路上，会遭遇仿真不确切、Sim2Real 不能靠等行业痛点，光轮智能正在通过自研的一整套"测量、生成、求解"仿真基础设施来措置这些问题，为具身智能提供数据、检会、评测的全历程措置有策划。

△杨海波指出光轮智能深耕合成数据鸿沟

另外杨海波还进一步指出，仿真不是孤单的期间器具，需要以确切产业需求为锚点，通过应用场景构建生态。

其中，具身仿真钞票制作是生态的泉源流水，依托自动化物理测量与生成期间，产出高物理确切的轮番化数据钞票，为具身检会提供中枢燃料；大限制 RL 检会则通过并行的假造场景让智能体高效试错学习，将数据价值升沉为具身实践技巧，同期反向打磨仿真引擎的算力与精度；具身智能仿真评测则以尺度化任务确立具身行业检会标尺，推动数据与检会体系继续迭代。

三者丝丝入扣、彼此赋能，让仿真从期间轻松走向产业赋能，成为撑持具身智能限制化发展的基础设施。

在此基础上，光轮智能建筑了全球最大的遥操数据网络工场、大限制 RL 检会平台 LW-BenchHub和行业首个工业级机器东谈主评测平台 RoboFinals，协同组周全栈仿真平台，为具身智能从实验室走向确切宇宙提供关键跳板。

为了齐备呈现杨海波的想考，在不改换原意的基础上，量子位对演讲内容进行了整理剪辑，但愿能提供新的视角与细察。

MEET2026 智能将来大会是由量子位主理的行业峰会，近 30 位产业代表与会接洽。线下参会不雅众近 1500 东谈主，线上直播不雅众 350 万 +，赢得了主流媒体的平庸关爱与报谈。

中枢不雅点梳理

光轮智能在业界以仿真合成数据被全球所熟知，而撑持这套数据体系的底层是咱们全栈自研的仿真基础设施。这套基础设施亦然将来撑持宇宙模子及物理 AI 落地的关键。

为什么传统仿真的 Sim2Real 老是失效？主要有三方面：物理不够确切、钞票视觉失真、交互活动不准确。

光轮智能全栈自研了"测量、生成、求解"三位一体仿真措置有策划。实践去自动化物理测量确切宇宙，而不再依赖料想和教诲，并在仿真下进行视觉、物理交互、作为等与确切测量对都的生成，从而减轻 Sim2Real gap。

莫得好的生态撑持，仿真平台无法继续发展。真恰恰的仿真平台从来都不是寥落的，而是需要生态构建，需要海量的使用场景来考据和优化，也需要继续的买卖讲演来加强期间插足。

光轮智能从一开动就聚焦于打造仿真鸿沟的"爆品应用"，包括仿真遥操数采、大规师法真强化学习检会平台 LW-BenchHub、为具身前沿模子打造的行业评测尺度 RoboFinals。

以下为杨海波演讲全文：

具身智能与宇宙模子的"数据契机"比大模子及智驾大千倍

和全球共享一下咱们在作念的事情。

光轮智能被全球熟知更多的是仿真合成数据，今天共享的是扶直这套数据体系的底层系统，自研的仿真基础设施。

咱们在这套基础上作念了许多开发和演进，咱们认为这亦然扶直宇宙模子包括物理 AI 落地的关键。

通俗先容一下公司，咱们底层依托仿真鼓吹 AI 进入物理宇宙，公司居品包括干事具身和宇宙模子的仿真合成数据，包括评测和 Sim2Real 的部署。

2023 年确立，买卖化证据比拟快，咱们险些干事了所有这个词具身和宇宙模子的头部客户，包括了英伟达、DeepMind、Figure AI 等好意思国的一些具身和宇宙模子，包括国内字节、阿里，还包括一些场景方，包括 TOYOTA、祯祥，利用咱们的数据，咱们把内容信得过的 Sim2Real 落地到工场当中。

咱们和学术界也有很好的合营，上个月自研的仿真职责流成为 Hugging Face 官方指定的仿真环境。

咱们认为，具身宇宙模子的数据契机将会是诳言语模子的 1000 倍。

原因在于两个维度，起始智驾是视觉游戏，独一的物理交互只好车辆和大地的能源学，而具身与之不同，具身需要已毕力的响应、逻辑电路和阻尼等多维度，数据也愈加复杂，比如说，当我进入家中、拉开雪柜的门，需要已毕有劲的响应，这样就多了一个维度，数据也愈加复杂。

另一方面，从预检会数据角度来说具身有许多契机，诳言语模子包括智驾在内，其实预检会数据都是现有的，诳言语模子消费几十年来互联网上千里淀的数据，自动驾驶也需要不停地传回数据。

刻下全球作念的预检会更多的是对数据的收罗、处理、加工、标注、筛选等，但具身是莫得内容在跑的，这里有巨大的预检会需求。

真机数据还靠近着老本上流、易坏、东谈主力珍重等问题，终点是它的场景比拟单一，我曾经屡次提过，它存在 Real2Real 的差距，比如咱们自主搭建的"确切厨房"场景，和现实宇宙的厨房在细节和形式上仍有很大差距。现实里大都长尾情况在搭建场景中往往缺失，这些差距很难补都。

要措置这一切，咱们认为依靠仿确切一个灵验的概念。

至于为什么往常的仿真会失效呢？我以为主淌若三个方面。

第一个是物理不够确切，物理的表面模子包括参数，都靠料想或者教诲，力的所有这个词也不准确，视觉莫得作念到浪掷确切，比如材质、纹理、光照，要不终点浩瀚形成工程化难度，要不无法扶直视觉的需求。

另外一个则是交互不准确，举个例子，当咱们进入房间翻开灯的同期，既要听到声息有响动又要看到灯光亮起来。再比如开雪柜门，作为也不是"物理上把门推开"这样通俗，而是要克服门边磁吸的吸附力身手翻开——这种交互关联如果没建对，仿真就会偏差很大。

这样下来，就导致仿真和确切宇宙之间存在巨大的各别，从而影响确切环境的部署，获胜率也从表面上的 100% 降至 5%。

那么如何措置这个问题呢？

光轮智能自研"测量、生成、求解"三位一体的仿真平台

咱们自研了一套"测量、生成、求解"三位一体措置有策划，建造了一座"虚实对标物理测量工场"，而不再依赖料想和教诲。

咱们自研的中枢是一整套生成系统，包括钞票、场景、力的对都，当中需要和确切宇宙 100% 对都，举例力的响应、力的大小等，判辨用的是全自研 GPU 的 Solver，它确保生成获胜后， Sim2Real 大要浪掷确切。

前边提到传统仿真依赖料想和教诲，咱们自研测量开发，已毕自动化物理测量，确切对标物理宇宙打造仿真工场。

测量之后则是生成，当中最关键的是钞票和场景，需要同期兴奋视觉确切和物理确切，并障翳钢体、搭钮、流体、可形变物体等，其中流体会像蛋糕奶油或水同样逐步流下来，可形变物体如线缆，障翳了工业、居家等各式场景。

咱们在全球范围内界说了这部分的行业尺度，主流的厂商都在 follow 咱们的轮番，这个轮番叫 LW-Ready，不仅是物理上的 Ready，也包括干事遥操的 Ready，和 RL 的 Ready。

往常这方面很叨唠，全球在仿真顶用 X 代表横如故 Y 代表横都不一致，刻下光轮和调和轮番了商场。

以下是咱们仿真的几个案例：

第一个是工业的门，第二个是医疗场景下的脏器，其脆度、柔度要相宜确切宇宙，第三个是腊肠，不仅不错视觉看到，还不错从不同的角度切开它，而况这个力也对应确切宇宙的散布。

终末一个是草莓，这是干事于咱们的农业客户，仿真下不错用相应的力把草莓摘下来，力大了就拽断，力小了就拽不下来，澈底对都确切宇宙的轮番。

这是线缆，线缆是一个圣杯级的贫寒，不错看到曲度变化插拔接口的后果，不同力度都能已毕准确的仿真，这帮咱们赢得许多工业级客户，刚才说起的进入场景的客户，许多也都看到了咱们在线缆上的一个紧要轻松。

这是厨房场景，跟着卷帘拉动，卷帘会跟着确切变化动弹，同期不仅卷帘自身变化，窗外光影也会跟着卷帘变化而变化，相宜确切宇宙光影。

先容完仿真场景之后，咱们先容高保真的力学仿真，因为要具备相宜确切宇宙的钞票和场景，就需要在仿真下已毕准确的力学生成。

咱们的钞票场景是彩色电影，其他仿真器是口角电视机，无法已毕咱们的钞票场景，因此咱们在力学上作念了许多职责，确保已毕钞票的后果。

通过力学参数联想保证磁吸、阻尼、开门等职责，同期保证力学概念属性的对标。利用不同参数的调试，让门对应不同的力完成开合。

生成仿真场景之后，需要在场景内构建准确的机器东谈主基础模子，身手信得过在仿真宇宙中网络数据、检会。而想要构建准确的机器东谈主基础模子，参数辨识必不能少。

参数辨识，等于指有了钞票场景和力的生成后，仿真的机器东谈主跟物理宇宙的机器东谈主对都包括扫尾器参数、钢度、阻尼、物理属性、摩擦模子、质地散布，还包括推论器特征、速率、力矩，以实时序对都、扫尾频率、系统延时等等，都要和确切宇宙进行对都。

只好这些参数辨识准确了，仿真机器东谈主和确切机器东谈主在接到疏通的扫尾信号之后身手产生一致的活动和作为，包括轨迹、时序和能源等，弥合 Sim2Real Gap，确保在仿真中检会的计谋能可靠地迁徙到确切硬件上，减少部署失败率。

这里 Demo 左边是莫得对都的情况，暗影是仿真后果，右边是对都的。

自研仿真的终末一步是求解，这是仿真的腹黑，需要掌握深度的算计物理、数值分析、刚体能源学、构兵力学、拘谨求解等多个鸿沟的学问，还需要千万级解放度实时求解，确保数值相识性和算计着力的均衡，每个设施都充满挑战。

咱们的 Solver 是全栈自研的 GPU Solver，不错扶直百万级解放度的求解，已毕刚体、流体、球体多物理场的耦合，物理精度达到亚毫米级，更新频率达到千赫兹。

咱们这套引擎还能扶直对机器东谈主任务进行优化，在构兵力算计、持取模子、行走相识性等关键设施都有特有的算法鼎新，确保不错干事到具身的需求。

生态撑持和买卖化加快落地，RoboFinals 成为率先的模子评测尺度，继续推动仿真平台发展壮大

在攻克许多期间贫寒后，咱们明晰意识到莫得好的生态撑持，仿真平台就无法继续发展，就像安卓生态的发展离不开微信、好意思团、滴滴这些 APP。

仿真平台之间不是寥落的，需要进行生态构建，需要海量的使用场景考据优化，也需要继续的买卖讲演加强期间插足。

往常许多企业没能作念好仿真，其中一个原因等于莫得找到爆款应用撑持继续演进，咱们从 Day 1 就开动联想这种生态上的爆款应用，第一个是仿真遥操数据，第二个是大限制的 RL 检会，第三个等于具身的仿真评测。

第一个应用是咱们全球最大的仿真遥操网络工场，同期咱们在东南亚也有基地，咱们自研的这套框架和硬件，包含不同网络面目，包括 6D 鼠标、AR、VR 等，掌握自动化质检、标注以确保数据的质地。

关于这样一套干事国表里最顶级客户的产线，无论是宇宙模子公司如故具身公司，全球最介意和关爱的如故物理交互确切宇宙的底层联想。

第二个应用是大限制 RL 系统平台 LW-BenchHub，不错在高仿真环境中开展大限制 RL 检会，同期运行千千万万的并行仿确切例。

每个实例都会尝试不同的持取计谋和力控参数，假造设施中的零件也不错无尽复制，即使出现碰撞，也不会形成任何亏损，机器东谈主还能 24 小时不拒绝职责，这都是真机环境中无法已毕的，

检会平台上还不错自动生成极点、长尾的场景，包括位置偏差、名义污渍、隐微形变，都不错增强机器东谈主的鲁棒性。

第三个是咱们刚刚发布的 RoboFinals。

现阶段全球顶尖的 AI Lab 都在靠近疏通的窘境：模子如故特等所有这个词学术基准，无法信得过评估它们的确切才略，估量期间与前沿水平的差距。

而这套 RoboFinals 波及一百项工业级任务，涵盖家居、工场、零卖等确切场景，扶直跨机器东谈主、跨仿真器的和谐评测，为行业提供尺度化度量器具。

刻下 RoboFinals 评测平台如故成为全球使用频次最高的仿真应用之一，这亦然业内首个针对前沿机器东谈主模子的工业级平台，终点传神，其中各项场景任务都是基于确切需求完成的联想，还有大都的泛化过程确保场景浪掷各类。

以上等于公司全栈仿真平台先容，咱们但愿自研的这套仿真平台不错把复杂的物理宇宙概述成不错使用的职责才略，本质上是构建一个数字平行的天地，让更多团队不错元气心灵蚁集在内欢喜者任务联想上。

而作念好仿真，一直都是实验室职责退换为行业基础设施的必经过程。

将来咱们但愿和高下贱伙伴，包括算力、宇宙模子公司、具身公司以及百行万企应用方协同，把自研的仿真底座打磨得更稳、更准和更易用，用塌实的才略扶直具身产业的永久发展，驱动机器东谈主迈向通用的东谈主工智能时期，谢谢全球！

一键三连「点赞」「转发」「禁绝心」

宽待在驳倒区留住你的想法！

—  完  —

� � 点亮星标 � �

科技前沿证据逐日见