Guanglun Intelligence（光轮智能）

北京的具身智能仿真与合成数据"数据工厂"——为机器人提供物理求解器训练场；全球首家具身数据独角兽 [5]。

1. 核心产品 / 服务

光轮智能（Lightwheel AI，北京海淀，2023 年 1 月成立）是一家物理 AI 仿真与合成数据基础设施公司——不造机器人。它运营一座"数字平行工厂"，机器人和具身智能公司可以在其自研的物理求解器和仿真栈上并行训练模型数千次 [4][6]。

产品分三层：

• 仿真——高精度多物理场求解器，可复现 −40°C 到 1,000°C 以上的条件，以及从光滑玻璃到崎岖矿区地形的各类表面 [4][6]。
• 数据——合成数据引擎加人类视频数据引擎，被称为全球最大的非本体数据引擎；公司称超过 80% 的头部具身智能团队使用其仿真资产和合成数据 [4][5]。
• 评测——RoboFinals，号称全球首个工业级机器人仿真评测平台 [6]。

其 LeIsaac 仿真工作流已收录进 Hugging Face 官方文档，并与 西门子 合作推出 SimFoundry、RoboFinals 和 RoboStack，面向工业具身仿真 [6][7]。

2. 目标用户与痛点

• 具身智能 / 机器人公司——报道中的客户/合作方包括字节跳动、阿里巴巴、AGIBOT、银河通用（Galbot）、NVIDIA、Google、Figure AI、1X、丰田、博世、比亚迪和吉利 [4][6]。
• 向机器人领域迁移的自动驾驶相关及工业企业。

解决的痛点：机器人数据稀缺且昂贵——公司认为具身智能所需数据量至少是自动驾驶的 1,000 倍。光轮称通过合成仿真，可将机器人开发周期从 3–6 个月缩短至 2–3 周，训练成本降低 90% 以上 [4][6]。

3. 竞争格局

光轮的差异化在于：专为具身智能提供厂商中立的合成数据 + 评测基础设施，而不是模型或硬件供应商 [6]。

4. 独立观察

• 与 Mercor 的类比是范畴错误——而这恰恰是关键。 初步类比曾将光轮智能比作 mercor（人类专家劳动），但事实表明它提供的是合成仿真数据而非人工劳动，正确的对标对象是 NVIDIA Isaac 和 scale-ai 的合成数据业务。这种混淆本身就说明"具身数据基础设施"是多么新的品类 [3][4]。
• "全球首家具身数据独角兽"是一笔"卖铲子"的押注。 约 10 亿元的 A++/A+++ 轮使光轮成为首家纯粹的具身数据独角兽，印证了具身智能的瓶颈在数据而非模型（1,000 倍数据需求缺口）[5][6]。
• 合成数据与真实数据的分野。 光轮以合成数据为先的路线，与 galaxea 的 1 亿小时真实世界数据策略正好相反；无论谁胜出，两者都把数据规模视为护城河。与西门子的合作表明，光轮的目标客户也包括纯机器人之外的工业买家 [4][7]。

5. 财务 / 融资

• 成立：2023 年 1 月，北京海淀 [4]。
• 融资：A++ 与 A+++ 轮合计约 10 亿元人民币，使其成为全球首家具身数据独角兽；投资方包括新希望集团、鼎邦创新、奥克斯集团、Capstone、JIC 投资和国方创新 [5][6]。
• 收入：据报道，2025 年收入增长约 10 倍，2026 年一季度收入预计将超过 2025 全年 [6]。

6. 团队与关系

• 创始人 / CEO：谢晨——曾任 NVIDIA、Cruise 和蔚来的自动驾驶仿真负责人 [4][6]。
• 总裁 / 联合创始人：杨海波 [6]。
• 合作方：西门子（工业仿真）、Hugging Face（LeIsaac 文档）[6][7]。
• 客户 / 同行：galaxea、agibot、figure-ai 等具身团队；NVIDIA、Google、丰田、博世、比亚迪、吉利 [4][6]。