在具身智能领域，光轮智能（北京）科技有限公司正成为行业焦点。今年3月，该公司宣布完成总额达10亿元的融资，一举成为全球首个在具身数据领域崭露头角的独角兽企业，这一消息引发了广泛关注。
具身智能的发展离不开海量数据的支撑。光轮智能副总裁廉和指出，与自动驾驶相比，具身智能对数据量级的需求要高出3个数量级。从表演场景到专业领域，再到通用型应用，每一个阶段的跨越都伴随着数据量级的显著提升。为了满足这一需求，具身智能训练数据被划分为三层架构。
最底层是人类数据，这类数据无需依赖机器人本体。除了互联网上的各类视频资源，部分企业还会通过真人第一人称视角在实景中进行采集。中间层是仿真合成数据，它具有可复现、可泛化和可规模化的优势，能够高效地扩大数据规模。这两层数据构成了机器人预训练数据的主体，属于通用型“本体无关数据”，可以适配各类机器人本体。
最上层是实体本体数据，这类数据与机器人本体直接相关。它需要在真实环境中采集，或者通过遥操在仿真模拟环境中采集。虽然真实度最高，但采集成本也最为昂贵，主要用于模型最后的精准微调，直接决定着机器人最终的落地效果。在“仿真”层面，光轮智能展现出了强大的技术实力，能够实现多物理场高精度仿真，在虚拟世界里逼真地模拟真实世界的物理规律，如重力、摩擦力、碰撞和形变等。
随着科技大厂纷纷加速布局具身智能领域，技术迭代的速度明显加快。廉和透露，自2025年下半年起，许多大型互联网企业开始在光轮智能大量采购数据，这一趋势在此前并不常见。通常情况下，大厂以3个月为一个迭代周期，经过4 - 8个周期的迭代，模型能力就能达到一定高度。之后，只需完成与不同机器人本体的适配，就可以实现多场景的落地应用。
基于这样的迭代速度，机器人进入工厂和家庭有了更为明确的时间表。廉和认为，从技术层面来看，机器人进入工厂场景仅需两到三年，进入家庭场景也只需三到五年。不过，他也特别强调，“进入家庭”和“进入所有人的家庭”是两个不同的概念，前者的实现无需5 - 10年那么长的时间。
目前，制约机器人性能的因素除了数据瓶颈外，触觉与力的数据缺失也是一个重要方面。廉和表示，此前行业内大多数提供的数据都不包含触觉和力的相关信息，导致机器人缺乏系统性的触觉感知数据体系。但这一现状即将得到改变。今年已有团队在研发触觉方向的模型，光轮智能也在积极布局，预计今年以内就能实现力的数据采集。一旦力相关数据得到补足，机器人的性能将迎来新的提升。
值得一提的是，具身智能大模型具有较强的泛化能力。当预训练数据量足够大时，就不会出现“在一家训练完，换一家无法使用”的情况。廉和介绍，目前机器人已经具备了一定的举一反三的零样本泛化能力。例如，机器人虽然没有开过某种瓶子，但可以通过以往的操作经验，自主思考并解决问题。未来，这种能力还将持续提升。
