数据短缺是具身智能行业公认的“痛点”配资门户平台配资，由此催生了专门的数据“卖铲人”。3月中旬，具身智能数据服务商光轮智能在完成总额10亿元的两轮融资后，成为新晋“独角兽”。
与此同时，光轮智能的数据业务增势明显。“从25年底到26年初，我们明显感觉到了具身智能数据需求的快速爆发，我觉得百倍于去年的需求。”近日接受南都记者采访时，光轮智能联合创始人、总裁杨海波将2026年定义为具身智能数据规模化的元年。
这一判断的依据在于，具身智能已从Demo演示或单一任务能力，逐步呈现出向各场景落地的趋势。其中，工业制造已在部分场景率先应用，而仓储物流等场景也在持续探索。“机器人规模化进入场景的过程中，数据是重要的支撑要素，单一任务可能是一个千小时级的机会，复杂任务则更多。”杨海波说。
光轮智能业已成立三年多，但和人形机器人本体公司频频炫技“出圈”相比，充当供应商角色的数据服务商鲜少为公众熟知。
与具身智能行业早期通过真机采集数据不同，光轮智能押注仿真合成数据和人类视频数据。这两类数据无需依赖机器人本体，因此也被称为“非本体数据”。 相较于真机数据，非本体数据具有供给规模大、低成本、复用性强的优势。
人类视频数据近期备受关注，与美国具身智能模型公司Generalist于2025年11月发布的一项成果有关。基于27万小时人类操作视频数据进行训练，Generalist推出GEN-0具身基础模型，首次在机器人领域验证了Scaling Law（缩放定律）的存在。27万小时的数据来自全球数千个家庭、仓库和工作场所的各种活动。
“（Generalist的）这个数据集让行业为之一振，大家看到了它的价值，见证了它的效果。”杨海波表示，业界对人类视频数据这类非本体数据的共识度正在提升，真机数据将主要用于具身智能“大脑”训练完成后、机器人部署到具体场景时的对齐和调优。过去，具身智能究竟需要怎样的数据，业内缺乏清晰认知。而一旦新方向确立，下一步需要做的就是不断加大投入。
他介绍，光轮智能通过和场景方合作，采集高价值的人类视频数据，并基于真实世界中的物理信息，在仿真环境中构建可交互的数字平行世界，进一步生成可规模化的具身智能训练数据。真实物理属性的还原是数据质量的关键。例如，拉开微波炉门所需的力度、不同刚度线缆在操作过程中的弯曲形态等细节，都会直接影响机器人对真实世界的理解与泛化能力。
一些传统场景类企业也在关注具身智能数据相关的产业机会，但在数据开发与落地部署等环节仍面临一定门槛，因此更常通过投资或合作的方式参与其中。例如，在光轮智能新完成的一轮融资中，便出现了新希望集团、奥克斯、化合物半导体企业三安光电等产业投资方的身影。
据了解，光轮智能的数据产品，卖给了字节、阿里等大厂，以及一些开发人形机器人本体的公司。杨海波告诉记者，模型厂商在研发具身智能基座模型和世界模型的过程中，对高质量数据存在大规模需求。不同客户对数据的任务类型、场景结构和物理属性等“配方”要求各不相同，作为供应商需要提供定制化的数据解决方案。
据其介绍，数据产品按小时计费，每小时的单价取决于数据的复杂程度与采集难度等因素。
除数据业务之外，光轮智能推出了全球首个工业级具身智能仿真评测平台RoboFinals。杨海波认为，具身智能模型的能力在不断演进，但业内缺乏有效的评测工具，既难以评价模型能力好坏，又难以为模型的进一步改进提供指引。RoboFinals这款评测由100项高难度、高复杂度的任务构成，覆盖居家、商超、工厂等多样化场景。
模型评测业务同样具备商业化潜力。杨海波指出，通过模型评测，具身智能模型厂商可以了解模型的实际能力，识别出模型短板，为后续迭代提供依据。在他看来，这类评测现阶段以发现实际问题为主，长期来看，还可能起到背书的作用。
采写：南都N视频记者 杨柳 发自北京配资门户平台配资
升宏网提示：文章来自网络，不代表本站观点。
