GTC大会现场，三万名观众齐聚主会场，数百万线上用户同步观看，从大模型到机器人，再到Physical AI，所有人都在探讨一个核心命题：如何让AI真正融入现实世界？英伟达CEO黄仁勋在台上发表演讲，而台下，一家不制造机器人、也不开发大模型的公司，却在Physical AI的多个关键环节中频繁亮相，成为全场焦点。
这家公司名为光轮智能，是当下备受瞩目的具身智能领域独角兽。在黄仁勋的主题演讲中，多个机器人仿真演示场景——如机器人叠衣服、拉紧皮带等，均采用了光轮的技术。其展台位于入口核心位置，紧邻三星、美光等存储芯片巨头，以及Together AI、Lambda等AI基础设施领域的重要玩家，开幕当天便被观众围得水泄不通。
从主舞台到产品展区，再到主题演讲环节，光轮智能的身影无处不在，Physical AI的讨论热度持续攀升。其合作网络覆盖广泛，从大模型公司到基础设施企业，从具身智能团队到车企，甚至包括“AI教母”李飞飞创立的世界模型公司World Labs。行业逐渐意识到，在Physical AI领域，提供数据与仿真基础设施的光轮智能，已成为生态中不可替代的关键角色。
过去几年，GTC的焦点始终停留在大模型与机器人本体上。从ChatGPT引发的生成式AI浪潮，到人形机器人的集中亮相，技术讨论多围绕模型智能程度与机器人功能展开。然而，今年的GTC风向转变，黄仁勋宣布，以Blackwell和下一代Rubin为代表的新一代AI计算平台，将在2025至2027年间创造约1万亿美元的收入机会，Physical AI首次成为与生成式AI平起平坐的核心主题。
AI的发展正迈入第三阶段——Physical AI。此前，AI通过感知理解世界，通过生成创造内容，如今需从“理解”转向“行动”，走出屏幕，进入现实场景。但让机器人在真实环境中反复试错成本高昂且风险巨大，例如训练人形工厂拧螺丝的机器人，无法承受数千次摔跤的代价。因此，仿真环境成为关键：通过数字孪生生成无限场景、测试策略、积累数据，再将训练好的模型部署到实体机器人上。
这一逻辑下，行业竞争焦点从“模型性能”转向“基础设施能力”。高精度物理仿真、规模化数据生成与闭环评测验证，成为决定技术上限的核心要素。光轮智能构建的正是这样一套面向Physical AI的数据与仿真基础设施，其技术已被国际主要具身智能团队广泛采用，超过80%的仿真资产与数据均来自光轮。
在GTC现场，光轮智能虽低调却占据多个关键位置。黄仁勋展示的机器人仿真演示中，从手术室辅助机器人精准取物，到多机器人协作训练场景，背后几乎均采用光轮的技术。这些系统并非可选工具，而是涉及接触力学、柔体建模等关键环节时，必须依赖光轮提供的真实物理参数体系，才能确保仿真结果迁移至现实世界。
更值得关注的是，光轮智能正从技术使用者转变为规则制定者。几天前，该公司宣布加入Newton技术指导委员会（TSC）。Newton是由英伟达、Google DeepMind与Disney Research联合开发的开源物理仿真引擎，也是Linux Foundation的顶级项目。TSC作为其核心技术决策层，汇聚了Google DeepMind仿真负责人Erik Frey、MuJoCo核心开发者Yuval Tassa等顶尖专家。光轮智能创始人兼CEO谢晨博士作为公司代表加入，与这些行业领袖共同决定Newton的技术方向与标准。
与其他参与者不同，光轮智能的技术覆盖范围更全面。英伟达定义计算，DeepMind推动算法，Disney探索极端场景，而光轮智能是唯一同时打通世界建模、数据生成、物理测量、参数校准与评测闭环的公司。其角色类似于CUDA之于AI计算、Linux之于操作系统，正在定义Physical AI时代的基础设施标准。
GTC现场，光轮智能通过三个展位展示了Physical AI的三大核心命题：World、Behavior与eval。World展区呈现“物理测量工厂”，机械臂在标准化实验平台上对不同材质物体施加精确外力，构建与真实世界对齐的仿真环境；Behavior展区聚焦规模化行为数据生产，结合仿真遥操与真人第一视角视频，形成覆盖操作路径、力控变化与决策时机的数据网络；eval展区则推出RoboFinals评测体系，作为业内首个工业级标准的仿真评测平台，可衡量机器人基础模型的真实能力进展。
光轮智能在GTC期间举办六场主题演讲，系统阐述其构建基础设施的方法论：从物理真实的仿真环境搭建，到规模化合成数据生产管线，再到工业级评测标准与闭环验证。通过技术布道，其逐步构建起完整的Physical AI基础设施叙事，吸引机器人公司创始人、高校教授、开源社区贡献者与一线工程师等超350人参与其举办的行业聚会，进一步彰显其行业号召力。
Physical AI时代的竞争已从模型层下沉至基础设施层。即使拥有最先进的大模型，若机器人无法分辨物体材质或控制施力力度，仍无法走出实验室。仿真精度、数据规模与评测标准，成为决定技术落地能力的关键。光轮智能在GTC上的表现，正是这一趋势的缩影：当一家公司同时出现在核心舞台、参与技术标准制定、构建完整系统并凝聚生态网络时，其角色已从参与者升级为行业基础设施的提供者。
