作者 | 铅笔道 松格编辑 | 铅笔道 黄小贵封面图丨光轮智能官方公众号

最近，一家成立仅仅三年的公司，融资10亿元，估值突破10亿美元。

它就是光轮智能，是具身数据领域的第一家独角兽企业。

人形机器人要落地，车要实现自动驾驶，需要用海量数据来训练。获得这些数据，有两种方式：一，在真实世界中采集；二，用AI模拟真实物理世界“造数据”。

光轮智能走的是第二条路。

真实数据采集量太大、太费钱，而大量具身智能、自动驾驶企业又嗷嗷待哺。

光轮智能就通过仿真环境，帮助这些企业获取数据。

另一家具身数据准独角兽公司——跨维智能——创始人贾奎，曾经告诉铅笔道，“如果具身智能的核心数据问题彻底解决，优秀公司的估值或能达到大模型公司的10倍。”

- 01 -自动驾驶被ChatGPT启发

光轮智能创始人谢晨，1987年出生，2005年考入北京大学物理系。本科毕业后，他去美国哥伦比亚大学数量金融博士学位。

博士毕业后，谢晨进入英伟达，从事自动驾驶芯片和仿真平台相关研发。

他逐渐注意到一个行业难题：自动驾驶要落地，仿真测试非常关键。

但当时很多仿真系统仍依赖人工建模。工程师需要手工搭建道路、车辆和交通环境。效率不高，成本却不低。一些复杂情况也很难覆盖，比如暴雪天气、复杂交通冲突或突发事故。

如果这些场景没有被测试到，自动驾驶系统在真实道路上就可能遇到风险。

后来，他又加入美国自动驾驶公司Cruise，负责仿真系统研发。几年下来，他对自动驾驶仿真的技术路线和行业做法有了比较系统的了解。

2019年，谢晨回国加入蔚来，负责自动驾驶仿真体系建设。

国内的道路环境与海外差别很大。交通密度更高，路况也更复杂，很多国外方案很难直接照搬。

因此，他参与从零搭建蔚来的仿真测试体系，把此前的技术经验，与中国真实交通环境重新结合起来。

谢晨一直关注一个问题：如何让AI更好地进入真实世界。

2022年ChatGPT问世。2023年，生成式AI在全球快速落地。谢晨注意到一个技术机会：如果用AI自动生成仿真场景，再合成训练数据，或许能缓解物理世界AI长期存在的数据不足问题。

这个方向和他多年来的研究经历正好契合，于是他决定创业。

2023年，他从蔚来离职，与技术伙伴杨海波一起，在北京中关村成立了光轮智能。

创业初期，公司只有不到十个人。几个月后，团队推出了第一代仿真生成平台。系统可以通过AI自动生成大量驾驶场景，并把这些场景用于训练自动驾驶和机器人模型。这样既能提高效率，也能补充一些现实中不容易收集到的场景。

- 02 -数据饥渴下的新机会

2026年，被不少业内人士称为具身智能的量产元年，但数据不足成为行业最大瓶颈。

过去多年，具身智能大多停留在实验室阶段。机器人一旦更换环境，就可能无法正常工作。其中一个重要原因，是缺乏足够的具身数据。

训练机器人通常需要大量真实交互数据，动辄上万甚至几十万条。但实地采集成本很高，一次采集往往要十几万元，还会受到场地和环境限制，很多长尾场景几乎无法系统收集。一些极端或少见的场景，也很难通过人工方式收集。

仿真数据有几个明显优势。

相比真实采集的数据，它的结构更清晰，精度更高，也更容易控制。因此在很多训练任务中，投入产出比更高。

在具身智能领域，训练机器人需要两类模型：一类负责理解和决策，一类负责动作控制。两类模型都需要大量数据。其中，负责动作控制的部分，对高保真的仿真数据依赖更大。

世界模型同样需要大量训练数据，很多复杂场景在现实中很难反复采集，只能通过仿真方式生成。

仿真数据要发挥作用，关键问题是让虚拟数据尽量接近真实世界。

因此，其难点不在生成数据，而在数据是否接近真实。光轮智能创业初期主要解决的就是这个问题。

光轮智能用了半年多时间，做出一套技术体系，叫做“Real2Sim2Real + RealismValidation”。

它可以减少虚拟环境与现实世界之间的误差。同时，他们建立了自动驾驶和机器人训练用的场景资产库，可以模拟不同道路、交通和操作环境。

在一座“生成”的城市，街道、红绿灯、车辆和行人，都是算法一点点搭出来的。

每一秒，系统都会生成新的驾驶场景：暴雨的夜晚、突然急刹的前车、横穿马路的行人……各种情况不断出现。自动驾驶系统就在这样的环境里反复练习，不断进化。

光轮智能还做了柔性物体仿真，比如衣服、线缆这类容易变形的物体。这样，机械臂可以在虚拟环境中训练叠衣服、插线缆等任务。

这套系统把机器人的开发周期从传统的3-6个月缩短到2-3周，综合训练成本降低90%以上。

一些自动驾驶公司和具身智能公司开始使用这类仿真数据，用于模型训练和系统测试。

英伟达、谷歌、比亚迪、吉利，以及智元机器人、银河通用机器人等，都是光轮智能客户或合作伙伴。

企业通常按照数据量、评测服务或定制方案付费。使用仿真数据，可以减少大量真实场景采集工作，也能缩短机器人开发周期。

光轮智能称，过去一年，公司营收实现了10倍增长。而今年仅第一季度的营收，就有望超过去年全年总额。

- 03 -海内外仿真数据赛道同步爆发

仿真数据行业，已经跑出了能赚钱的公司，叫Applied Intuition。

Applied Intuition2017年成立，做的是自动驾驶仿真平台。

它能把很多真实道路上很难遇到、但又必须测试的情况，在电脑里快速模拟出来。

公司提供的是一整套工具。从操作系统、自动驾驶软件栈，到仿真平台，再到生成式 Copilot，都包含在内。

目前，全球前20大车企中，有18家都在使用 Applied Intuition 的产品。它正在成为自动驾驶研发的重要基础设施。2024 年，它的年经常性收入达到4.15亿美元。

去年6月，Applied Intuition 宣布完成了 6 亿美元的 F 轮融资，估值飙升至 150 亿美元，比上一轮翻倍。

国内仿真数据赛道也在快速跟进。

除了光轮智能，魔法原子在今年3月完成 5 亿元融资，布局仿真平台、数据服务、算法、算力等上下游环节。

2025 年至今，跨维智能也完成数亿元 A1&A2 轮融资，专注仿真数据与 Sim2Real 技术落地。

RoboScience、松应科技等以物理仿真、合成数据为核心的企业，也接连完成亿元级融资。

关键是，仿真数据也开始真正进入产业。

比如跨维智能，把仿真数据用在工业检测、机器人训练等场景。

实体企业也开始参与进来。新希望用仿真数据训练农业机器人，用来巡检、喂料；奥克斯则用仿真数据优化家电装配流程。

仿真数据不再只是实验室里的技术，而是越来越深地进入真实产业。

本文不构成任何投资建议。

       原文标题 : 北大85后，创业仅三年，又融了10亿