成立三年 , 这家中国公司缘何与英伟达“同列”

近日，权威行业媒体 The Robot Report 评选全球五大物理 AI（人工智能）基础设施平台，中国公司光轮智能与英伟达、Scale AI（以数据标注和治理为核心的人工智能基础设施公司）、Applied Intuition（美国软件服务企业）、Hugging Face（人工智能开源社区与模型托管平台，近日被英伟达收购）同列榜单。

成立仅三年的中国初创公司，凭什么能坐进国际 " 标准席 "？答案或许就藏在产业逻辑的变化里。机器人的下一场竞争，已从本体转向 " 基础设施 " ——谁建成了数据、仿真、评测、部署的持续学习闭环，谁就有望在机器人时代掌握话语权。

机器人行业要补 " 基础设施 "

8 月的北京，两场机器人盛会，成为观察中国机器人产业的窗口。

做早餐、拧螺丝、拆快递……从 " 能炫技 " 到 " 能干活 "，机器人的 " 大脑 " 与 " 小脑 " 已演化到实用级阶段，产业也来到规模化落地的关键拐点。不过，机器人要成为 " 可靠打工人 "，还要跨过不少关卡，其中一个难题就是——数据缺口。

和语言大模型读互联网文本就能变强不同，机器人必须通过真实的物理交互来学习，比如拿杯子时的力度，这类数据天然稀缺。再看评选出的五大物理 AI（人工智能）基础设施平台，瞄准的就是——为产业提供底层 " 水电煤 " 式的基础设施服务。

入选的五家企业，在物理 AI 技术中，各占一个关键生态位——英伟达代表计算与仿真基座，解决 " 如何大规模训练、模拟物理交互 " 的问题；Scale AI 主攻真实数据生产与质量，解决 " 机器人从哪里获得经验 " 的问题；Hugging Face 等开放生态聚焦开放数据、模型、硬件生态，解决的是 " 不同团队如何复用与接入 " 的问题；Applied Intuition 锚定场景工程与系统验证，解决 " 如何从实验走向可上线系统 " 的问题；光轮智能代表的则是持续学习与部署反馈基础能力，通过数据 - 评测 - 部署，解决机器人 " 如何观察、纠错、迭代，并形成完整闭环，构建持续学习系统 " 的问题。

可以看到，光轮智能是五家企业中唯一聚焦于打造持续学习闭环的企业，更是唯一一家中国企业。中国在物理 AI 基础设施上的实力，开始越来越多地被看见。

就在 2026 世界机器人大会期间，光轮智能发布全球首个十万小时全模态人类行为开源数据集 EgoSuite-Open100K、RoboFinals 中试基地仿真评测基础设施和 RoboStack 真实场景部署与反馈平台。

三项发布共同指向一套具身智能持续学习系统：人类数据提供学习教材，仿真评测检验能力边界，真实部署收集失败样本与人工接管数据，再将反馈带回下一轮数据补采、模型训练和规模化评测。

十万小时数据免费开源，建立标准成为商业化的促进剂

光轮智能此次开源的十万小时全模态人类行为数据集 EgoSuite-Open100K，已经受到业界的广泛好评。

光轮智能联合创始人兼总裁杨海波介绍，当前具身智能行业在采集口径、标注规范、数据格式和时序组织上存在差异，不同设备产生的数据难以组合复用，行业亟需一场 " 数据革命 "。而 EgoSuite-Open100K 的开放，将帮助更多开发者以统一、可复用的数据基础开展模型研究，从而推广具身数据标准，建设开放的具身智能生态、加快行业基础建设。

在具身智能行业被视为宝贵资源的数据，免费向外界开源，对企业来说是否划算？

这笔账，算的不是自家损益，而是看到整个产业底座夯实之后，每一个参与者都是受益者。在杨海波看来，对那些难以承担高昂数据采购成本的开发者而言，这批数据将直接降低他们进入具身智能领域的门槛。与此同时，将数据集开源，也能让行业更好地认识光轮智能所生产数据的质量和价值，从而推动企业收获进一步的商业回报。

此前，行业一直高度依赖定制化的数据，在技术收敛、进入快速发展的阶段后会造成较多的资源浪费。杨海波判断，数据的商业化依赖于标准的统一，有标准才有标品复售，才能最终实现企业的规模化生产和经营。据介绍，光轮智能已服务 30 多家头部模型企业，平均采购需求超过 20 万小时，优质标品数据复售倍数已超过 10 倍。光轮智能所定义的数据标准，已不再是束之高阁的文档，而是成为客户广泛认可的事实标准。

据悉，这十万小时数据在国际人工智能开源社区 Hugging Face 和开源代码托管与协作平台 AtomGit 同步开源中，面向学术研究与商业训练使用，相关项目还将捐赠给开放原子开源基金会孵化。

在开放生态建设方面，光轮智能推出 5 年 100 亿具身智能数据共建计划，包含人类数据、仿真数据与真实部署反馈回流的高价值数据，将围绕开放数据标准、评测驱动的数据闭环、数据与模型协同设计三方面核心工作，推动更多研究机构、模型团队、机器人企业和场景方参与共建。

杨海波表示，光轮智能的目标，是作为物理 AI 的核心基础设施平台，为机器人的持续学习打造一本 " 言传身教百科全书 "，从而加速物理 AI 的落地。

当机器人产业的基础设施不再是可选项、而是必答题，一些中国公司开始做出选择，走一条向行业更基础、更上游延伸的路。

中国是全球最大的机器人生产国和应用市场，但在全球产业分工中长期偏居 " 本体制造与系统集成 " 一端——硬件规模大，而底层操作系统、开源仿真平台和行业测试标准的话语权较弱。物理 AI 基础设施恰恰处于价值链上游的 " 规则制定层 "：它规定数据采集的格式、定义泛化能力的评测基准、设定部署框架的接口规范，进而对产业技术路线的走向产生深远的锁定效应。

一个关键问题摆在面前，当物理 AI 时代来临，中国能否在底层基础设施上拥有话语权，继续身处 " 牌桌 " 中央？

这个问题的答案，正在被书写。

今年 7 月，光轮智能受邀加入 EgoVerse 国际具身人类数据委员会，与 Meta、Scale AI 等国际团队共同构建全球最大规模的人类数据训练体系。这是目前该委员会的唯一中国企业成员。

再往前，今年 5 月，光轮智能受邀加入国际开源物理仿真引擎 Newton 技术指导委员会，推动下一代物理 AI 仿真基础设施的技术治理、生态协同与国际标准演进。同席的，是英伟达、谷歌 DeepMind、迪士尼研究所、丰田研究院四家全球顶尖机构。

此前，物理仿真引擎的底层标准清一色掌握在欧美企业手中，中国公司只能作为跟随者。而今，中国公司的角色已经转变，成为全球物理 AI 底层标准的共同制定者。

当然，进入 " 牌桌 " 并不意味着终局已定，物理 AI 时代的规则体系仍在持续演进。不过，方向已然明确：当全球机器人产业从 " 比谁的 Demo（演示）更炫 " 进入 " 比谁能持续学习、稳定交付 " 的阶段，基础设施的竞争才是真正的主场。一家中国公司出现在这个赛场的核心位置，本身就是一个信号——中国具身智能正在从 " 本体制造大国 " 向 " 标准和规则定义者 " 迈进。