編輯部 整理自 MEET2026量子位 | 公眾號(hào) QbitAI

從大模型智能的“語(yǔ)言世界”邁向具身智能的“物理世界”，仿真正在成為連接落地的底層基礎(chǔ)設(shè)施。

在本次量子位MEET2026智能未來(lái)大會(huì)上，光輪智能聯(lián)合創(chuàng)始人兼總裁楊海波給出了他的觀察：

具身智能的規(guī)模遠(yuǎn)大于文本與視覺模型，因?yàn)閿?shù)據(jù)維度更真實(shí)、更復(fù)雜。

這也就意味著，具身智能時(shí)代的核心，不是算法本身，而是它所依賴的數(shù)據(jù)是否有效、可擴(kuò)展——仿真是唯一能夠解決數(shù)據(jù)問題的方案。

在仿真策略的路上，會(huì)遇到仿真不真實(shí)、Sim2Real不可靠等行業(yè)痛點(diǎn)，光輪智能正在通過(guò)自研的一整套“測(cè)量、生成、求解”仿真基礎(chǔ)設(shè)施來(lái)解決這些問題，為具身智能提供數(shù)據(jù)、訓(xùn)練、評(píng)測(cè)的全流程解決方案。

另外楊海波還進(jìn)一步指出，仿真不是孤立的技術(shù)工具，需要以真實(shí)產(chǎn)業(yè)需求為錨點(diǎn)，通過(guò)應(yīng)用場(chǎng)景構(gòu)建生態(tài)。

其中，具身仿真資產(chǎn)制作是生態(tài)的源頭活水，依托自動(dòng)化物理測(cè)量與生成技術(shù)，產(chǎn)出高物理真實(shí)的規(guī)范化數(shù)據(jù)資產(chǎn)，為具身訓(xùn)練提供核心燃料；大規(guī)模RL訓(xùn)練則通過(guò)并行的虛擬場(chǎng)景讓智能體高效試錯(cuò)學(xué)習(xí)，將數(shù)據(jù)價(jià)值轉(zhuǎn)化為具身實(shí)際技能，同時(shí)反向打磨仿真引擎的算力與精度；具身智能仿真評(píng)測(cè)則以標(biāo)準(zhǔn)化任務(wù)樹立具身行業(yè)訓(xùn)練標(biāo)尺，推動(dòng)數(shù)據(jù)與訓(xùn)練體系持續(xù)迭代。

三者環(huán)環(huán)相扣、互相賦能，讓仿真從技術(shù)突破走向產(chǎn)業(yè)賦能，成為支撐具身智能規(guī)�；l(fā)展的基礎(chǔ)設(shè)施。

在此基礎(chǔ)上，光輪智能建立了全球最大的遙操數(shù)據(jù)采集工廠大規(guī)模RL訓(xùn)練平臺(tái)LW-BenchHub行業(yè)首個(gè)工業(yè)級(jí)機(jī)器人評(píng)測(cè)平臺(tái)RoboFinals，協(xié)同組成全棧仿真平臺(tái)，為具身智能從實(shí)驗(yàn)室走向真實(shí)世界提供關(guān)鍵跳板。

為了完整呈現(xiàn)楊海波的思考，在不改變?cè)獾幕A(chǔ)上，量子位對(duì)演講內(nèi)容進(jìn)行了整理編輯，希望能提供新的視角與洞察。

MEET2026智能未來(lái)大會(huì)是由量子位主辦的行業(yè)峰會(huì)，近30位產(chǎn)業(yè)代表與會(huì)討論。線下參會(huì)觀眾近1500人，線上直播觀眾350萬(wàn)+，獲得了主流媒體的廣泛關(guān)注與報(bào)道。

核心觀點(diǎn)梳理

• 光輪智能在業(yè)界以仿真合成數(shù)據(jù)被大家所熟知，而支撐這套數(shù)據(jù)體系的底層是我們?nèi)珬Ｗ匝械姆抡婊A(chǔ)設(shè)施。這套基礎(chǔ)設(shè)施也是未來(lái)支撐世界模型及物理AI落地的關(guān)鍵。
• 為什么傳統(tǒng)仿真的Sim2Real總是失效？主要有三方面：物理不夠真實(shí)、資產(chǎn)視覺失真、交互行為不準(zhǔn)確。
• 光輪智能全棧自研了“測(cè)量、生成、求解”三位一體仿真解決方案。實(shí)際去自動(dòng)化物理測(cè)量真實(shí)世界，而不再依賴猜測(cè)和經(jīng)驗(yàn)，并在仿真下進(jìn)行視覺、物理交互、動(dòng)作等與真實(shí)測(cè)量對(duì)齊的生成，從而縮小Sim2Real gap。
• 沒有好的生態(tài)支撐，仿真平臺(tái)無(wú)法持續(xù)發(fā)展。真正好的仿真平臺(tái)從來(lái)都不是獨(dú)立的，而是需要生態(tài)構(gòu)建，需要海量的使用場(chǎng)景來(lái)驗(yàn)證和優(yōu)化，也需要持續(xù)的商業(yè)回報(bào)來(lái)加強(qiáng)技術(shù)投入。
• 光輪智能從一開始就聚焦于打造仿真領(lǐng)域的“爆品應(yīng)用”，包括仿真遙操數(shù)采、大規(guī)模仿真強(qiáng)化學(xué)習(xí)訓(xùn)練平臺(tái)LW-BenchHub、為具身前沿模型打造的行業(yè)評(píng)測(cè)標(biāo)準(zhǔn)RoboFinals。

以下為楊海波演講全文：

具身智能與世界模型的“數(shù)據(jù)機(jī)會(huì)”比大模型及智駕大千倍

和大家分享一下我們?cè)谧龅氖虑椤?/p>

光輪智能被大家熟知更多的是仿真合成數(shù)據(jù)，今天分享的是支持這套數(shù)據(jù)體系的底層系統(tǒng)，自研的仿真基礎(chǔ)設(shè)施。

我們?cè)谶@套基礎(chǔ)上做了很多開發(fā)和演進(jìn)，我們認(rèn)為這也是支持世界模型包括物理AI落地的關(guān)鍵。

簡(jiǎn)單介紹一下公司，我們底層依托仿真推進(jìn)AI進(jìn)入物理世界，公司產(chǎn)品包括服務(wù)具身和世界模型的仿真合成數(shù)據(jù)，包括評(píng)測(cè)和Sim2Real的部署。

2023年成立，商業(yè)化進(jìn)展比較快，我們幾乎服務(wù)了所有具身和世界模型的頭部客戶，包括了英偉達(dá)、DeepMind、Figure AI等美國(guó)的一些具身和世界模型，包括國(guó)內(nèi)字節(jié)、阿里，還包括一些場(chǎng)景方，包括TOYOTA、吉利，利用我們的數(shù)據(jù)，我們把本體真正的Sim2Real落地到工廠當(dāng)中。

我們和學(xué)術(shù)界也有很好的合作，上個(gè)月自研的仿真工作流成為Hugging Face官方指定的仿真環(huán)境。

我們認(rèn)為，具身世界模型的數(shù)據(jù)機(jī)會(huì)將會(huì)是大語(yǔ)言模型的1000倍。

原因在于兩個(gè)維度，首先智駕是視覺游戲，唯一的物理交互只有車輛和地面的動(dòng)力學(xué)，而具身與之不同，具身需要實(shí)現(xiàn)力的反饋、邏輯電路和阻尼等多維度，數(shù)據(jù)也更加復(fù)雜，比如說(shuō)，當(dāng)我進(jìn)入家中、拉開冰箱的門，需要實(shí)現(xiàn)有力的反饋，這樣就多了一個(gè)維度，數(shù)據(jù)也更加復(fù)雜。

另一方面，從預(yù)訓(xùn)練數(shù)據(jù)角度來(lái)說(shuō)具身有很多機(jī)會(huì)，大語(yǔ)言模型包括智駕在內(nèi)，其實(shí)預(yù)訓(xùn)練數(shù)據(jù)都是現(xiàn)存的，大語(yǔ)言模型消耗幾十年來(lái)互聯(lián)網(wǎng)上沉淀的數(shù)據(jù)，自動(dòng)駕駛也需要不斷地傳回?cái)?shù)據(jù)。

目前大家做的預(yù)訓(xùn)練更多的是對(duì)數(shù)據(jù)的收集、處理、加工、標(biāo)注、篩選等，但具身是沒有本體在跑的，這里有巨大的預(yù)訓(xùn)練需求。

真機(jī)數(shù)據(jù)還面臨著成本高昂、易壞、人力維護(hù)等問題，特別是它的場(chǎng)景比較單一，我也曾多次提過(guò)，它存在Real2Real的差距，比如我們自主搭建的“真實(shí)廚房”場(chǎng)景，和現(xiàn)實(shí)世界的廚房在細(xì)節(jié)和形態(tài)上仍有很大差距。現(xiàn)實(shí)里大量長(zhǎng)尾情況在搭建場(chǎng)景中往往缺失，這些差距很難補(bǔ)齊。

要解決這一切，我們認(rèn)為依靠仿真是一個(gè)有效的辦法。

至于為什么過(guò)去的仿真會(huì)失效呢？我覺得主要是三個(gè)方面。

第一個(gè)是物理不夠真實(shí)，物理的理論模型包括參數(shù)，都靠猜測(cè)或者經(jīng)驗(yàn)，力的系數(shù)也不準(zhǔn)確，視覺沒有做到足夠真實(shí)，比如材質(zhì)、紋理、光照，要不特別精細(xì)造成工程化難度，要不無(wú)法支持視覺的需求。

另外一個(gè)則是交互不準(zhǔn)確，舉個(gè)例子，當(dāng)我們進(jìn)入房間打開燈的同時(shí)，既要聽到聲音有響動(dòng)又要看到燈光亮起來(lái)。再比如開冰箱門，動(dòng)作也不是“物理上把門推開”這么簡(jiǎn)單，而是要克服門邊磁吸的吸附力才能打開——這種交互關(guān)系如果沒建對(duì)，仿真就會(huì)偏差很大。

這樣下來(lái)，就導(dǎo)致仿真和真實(shí)世界之間存在巨大的差異，從而影響真實(shí)環(huán)境的部署，成功率也從理論上的100%降至5%。

那么如何解決這個(gè)問題呢？

光輪智能自研“測(cè)量、生成、求解”三位一體的仿真平臺(tái)

我們自研了一套“測(cè)量、生成、求解”三位一體解決方案，建造了一座“虛實(shí)對(duì)標(biāo)物理測(cè)量工廠”，而不再依賴猜測(cè)和經(jīng)驗(yàn)。

自研的核心是一整套生成系統(tǒng)，包括資產(chǎn)、場(chǎng)景、力的對(duì)齊，當(dāng)中需要和真實(shí)世界100%對(duì)齊，例如力的反饋、力的大小等，解析用的是全自研GPU的Solver，它確保生成成功后， Sim2Real能夠足夠真實(shí)。

前面提到傳統(tǒng)仿真依賴猜測(cè)和經(jīng)驗(yàn)，我們自研測(cè)量設(shè)備，實(shí)現(xiàn)自動(dòng)化物理測(cè)量，真實(shí)對(duì)標(biāo)物理世界打造仿真工廠

測(cè)量之后則是生成，當(dāng)中最關(guān)鍵的是資產(chǎn)和場(chǎng)景，需要同時(shí)滿足視覺真實(shí)和物理真實(shí)，并覆蓋鋼體、鉸鏈、流體、可形變物體等，其中流體會(huì)像蛋糕奶油或水一樣緩慢流下來(lái)，可形變物體如線纜，覆蓋了工業(yè)、居家等各種場(chǎng)景。

我們?cè)谌蚍秶鷥?nèi)定義了這部分的行業(yè)標(biāo)準(zhǔn)，主流的廠商都在follow我們的規(guī)范，這個(gè)規(guī)范叫LW-Ready，不僅是物理上的Ready，也包括服務(wù)遙操的Ready，和RL的Ready。

過(guò)去這方面很混亂，大家在仿真中用X代表橫還是Y代表橫都不一致，現(xiàn)在光輪統(tǒng)一和規(guī)范了市場(chǎng)。

以下是我們仿真的幾個(gè)案例：

第一個(gè)是工業(yè)的門，第二個(gè)是醫(yī)療場(chǎng)景下的臟器，其脆度、柔度要符合真實(shí)世界，第三個(gè)是香腸，不僅可以視覺看到，還可以從不同的角度切開它，而且這個(gè)力也對(duì)應(yīng)真實(shí)世界的分布。

最后一個(gè)是草莓，這是服務(wù)于我們的農(nóng)業(yè)客戶，仿真下可以用相應(yīng)的力把草莓摘下來(lái)，力大了就拽斷，力小了就拽不下來(lái)，完全對(duì)齊真實(shí)世界的規(guī)范。

這是線纜，線纜是一個(gè)圣杯級(jí)的難題，可以看到曲度變化插拔接口的效果，不同力度都能實(shí)現(xiàn)準(zhǔn)確的仿真，這幫我們贏得很多工業(yè)級(jí)客戶，剛才提及的進(jìn)入場(chǎng)景的客戶，很多也都看到了我們?cè)诰�纜上的一個(gè)重要突破。

這是廚房場(chǎng)景，隨著卷簾拉動(dòng)，卷簾會(huì)隨著真實(shí)變化轉(zhuǎn)動(dòng)，同時(shí)不僅卷簾本身變化，窗外光影也會(huì)隨著卷簾變化而變化，符合真實(shí)世界光影。

介紹完仿真場(chǎng)景之后，我們介紹高保真的力學(xué)仿真，因?yàn)橐邆浞险鎸?shí)世界的資產(chǎn)和場(chǎng)景，就需要在仿真下實(shí)現(xiàn)準(zhǔn)確的力學(xué)生成

我們的資產(chǎn)場(chǎng)景是彩色電影，其他仿真器是黑白電視機(jī)，無(wú)法實(shí)現(xiàn)我們的資產(chǎn)場(chǎng)景，因此我們?cè)诹W(xué)上做了很多工作，確保實(shí)現(xiàn)資產(chǎn)的效果。

通過(guò)力學(xué)參數(shù)設(shè)計(jì)保證磁吸、阻尼、開門等工作，同時(shí)保證力學(xué)方向?qū)傩缘膶?duì)標(biāo)。利用不同參數(shù)的調(diào)試，讓門對(duì)應(yīng)不同的力完成開合。

生成仿真場(chǎng)景之后，需要在場(chǎng)景內(nèi)構(gòu)建準(zhǔn)確的機(jī)器人基礎(chǔ)模型，才能真正在仿真世界中采集數(shù)據(jù)、訓(xùn)練。而想要構(gòu)建準(zhǔn)確的機(jī)器人基礎(chǔ)模型，參數(shù)辨識(shí)必不可少。

參數(shù)辨識(shí)，就是指有了資產(chǎn)場(chǎng)景和力的生成后，仿真的機(jī)器人跟物理世界的機(jī)器人對(duì)齊包括控制器參數(shù)、鋼度、阻尼、物理屬性、摩擦模型、質(zhì)量分布，還包括執(zhí)行器特征、速度、力矩，以及時(shí)序?qū)R、控制頻率、系統(tǒng)延時(shí)等等，都要和真實(shí)世界進(jìn)行對(duì)齊。

只有這些參數(shù)辨識(shí)準(zhǔn)確了，仿真機(jī)器人和真實(shí)機(jī)器人在接到相同的控制信號(hào)之后才能產(chǎn)生一致的行為和動(dòng)作，包括軌跡、時(shí)序和動(dòng)力等，彌合Sim2Real Gap，確保在仿真中訓(xùn)練的策略能可靠地遷移到真實(shí)硬件上，減少部署失敗率。

這里Demo左邊是沒有對(duì)齊的情況，陰影是仿真效果，右邊是對(duì)齊的。

自研仿真的最后一步是求解，這是仿真的心臟，需要運(yùn)用深度的計(jì)算物理、數(shù)值分析、剛體動(dòng)力學(xué)、接觸力學(xué)、約束求解等多個(gè)領(lǐng)域的知識(shí)，還需要千萬(wàn)級(jí)自由度實(shí)時(shí)求解，確保數(shù)值穩(wěn)定性和計(jì)算效率的平衡，每個(gè)環(huán)節(jié)都充滿挑戰(zhàn)。

我們的Solver是全棧自研的GPU Solver，可以支持百萬(wàn)級(jí)自由度的求解，實(shí)現(xiàn)剛體、流體、球體多物理場(chǎng)的耦合，物理精度達(dá)到亞毫米級(jí)，更新頻率達(dá)到千赫茲。

我們這套引擎還能支持對(duì)機(jī)器人任務(wù)進(jìn)行優(yōu)化，在接觸力計(jì)算、抓取模型、行走穩(wěn)定性等關(guān)鍵環(huán)節(jié)都有獨(dú)特的算法創(chuàng)新，確�？梢苑⻊�(wù)到具身的需求。

生態(tài)支撐和商業(yè)化加速落地，RoboFinals成為領(lǐng)先的模型評(píng)測(cè)標(biāo)準(zhǔn)，持續(xù)推動(dòng)仿真平臺(tái)發(fā)展壯大

在攻克很多技術(shù)難題后，我們清晰認(rèn)識(shí)到?jīng)]有好的生態(tài)支撐，仿真平臺(tái)就無(wú)法持續(xù)發(fā)展，就像安卓生態(tài)的發(fā)展離不開微信、美團(tuán)、滴滴這些APP。

仿真平臺(tái)之間不是獨(dú)立的，需要進(jìn)行生態(tài)構(gòu)建，需要海量的使用場(chǎng)景驗(yàn)證優(yōu)化，也需要持續(xù)的商業(yè)回報(bào)加強(qiáng)技術(shù)投入。

過(guò)去很多企業(yè)沒能做好仿真，其中一個(gè)原因就是沒有找到爆款應(yīng)用支撐持續(xù)演進(jìn)，我們從Day 1就開始設(shè)計(jì)這種生態(tài)上的爆款應(yīng)用，第一個(gè)是仿真遙操數(shù)據(jù)，第二個(gè)是大規(guī)模的RL訓(xùn)練，第三個(gè)就是具身的仿真評(píng)測(cè)。

第一個(gè)應(yīng)用是我們?nèi)蜃畲蟮姆抡孢b操采集工廠，同時(shí)我們?cè)跂|南亞也有基地，我們自研的這套框架和硬件，包含不同采集方式，包括6D鼠標(biāo)、AR、VR等，運(yùn)用自動(dòng)化質(zhì)檢、標(biāo)注以確保數(shù)據(jù)的質(zhì)量。

對(duì)于這樣一套服務(wù)國(guó)內(nèi)外最頂級(jí)客戶的產(chǎn)線，無(wú)論是世界模型公司還是具身公司，大家最在意和關(guān)注的還是物理交互真實(shí)世界的底層設(shè)計(jì)。

第二個(gè)應(yīng)用是大規(guī)模RL系統(tǒng)平臺(tái)LW-BenchHub，可以在高仿真環(huán)境中開展大規(guī)模RL訓(xùn)練，同時(shí)運(yùn)行成千上萬(wàn)的并行仿真實(shí)例。

每個(gè)實(shí)例都會(huì)嘗試不同的抓取策略和力控參數(shù)，虛擬環(huán)節(jié)中的零件也可以無(wú)限復(fù)制，即使出現(xiàn)碰撞，也不會(huì)造成任何損失，機(jī)器人還能24小時(shí)不間斷工作，這都是真機(jī)環(huán)境中無(wú)法實(shí)現(xiàn)的，

訓(xùn)練平臺(tái)上還可以自動(dòng)生成極端、長(zhǎng)尾的場(chǎng)景，包括位置偏差、表面污漬、輕微形變，都可以增強(qiáng)機(jī)器人的魯棒性。

第三個(gè)是我們剛剛發(fā)布的RoboFinals。

現(xiàn)階段全球頂尖的AI Lab都在面臨相同的困境：模型已經(jīng)超過(guò)所有學(xué)術(shù)基準(zhǔn)，無(wú)法真正評(píng)估它們的真實(shí)能力，衡量技術(shù)與前沿水平的差距。

而這套R(shí)oboFinals涉及一百項(xiàng)工業(yè)級(jí)任務(wù)，涵蓋家居、工廠、零售等真實(shí)場(chǎng)景，支持跨機(jī)器人、跨仿真器的統(tǒng)一評(píng)測(cè)，為行業(yè)提供標(biāo)準(zhǔn)化度量工具。

目前RoboFinals評(píng)測(cè)平臺(tái)已經(jīng)成為全球使用頻次最高的仿真應(yīng)用之一，這也是業(yè)內(nèi)首個(gè)針對(duì)前沿機(jī)器人模型的工業(yè)級(jí)平臺(tái)，非常逼真，其中各項(xiàng)場(chǎng)景任務(wù)都是基于真實(shí)需求完成的設(shè)計(jì)，還有大量的泛化過(guò)程確保場(chǎng)景足夠多樣。

以上就是公司全棧仿真平臺(tái)介紹，我們希望自研的這套仿真平臺(tái)可以把復(fù)雜的物理世界抽象成可以使用的工作能力，本質(zhì)上是構(gòu)建一個(gè)數(shù)字平行的宇宙，讓更多團(tuán)隊(duì)可以精力集中在本體或者任務(wù)設(shè)計(jì)上。

而做好仿真，一直都是實(shí)驗(yàn)室工作轉(zhuǎn)變?yōu)樾袠I(yè)基礎(chǔ)設(shè)施的必經(jīng)過(guò)程。

未來(lái)我們希望和上下游伙伴，包括算力、世界模型公司、具身公司以及各行各業(yè)應(yīng)用方協(xié)同，把自研的仿真底座打磨得更穩(wěn)、更準(zhǔn)和更易用，用扎實(shí)的能力支持具身產(chǎn)業(yè)的長(zhǎng)期發(fā)展，驅(qū)動(dòng)機(jī)器人邁向通用的人工智能時(shí)代，謝謝大家！