光輪智能楊海波：具身智能數據需求遠超其他賽道，將是自動駕駛或大語言模型的千倍萬倍

專題：服貿會2025中國AIGC創新應用論壇

　　中國國際服務貿易交易會-具身無界：智能機器人創新發展論壇於2025年9月11日在北京舉行。主題為「具身智能+大模型：機器人的進化革命」。光輪智能聯合創始人兼總裁楊海波出席並演講。

　　以下為演講實錄：

　　大家好，我是來自光輪智能的楊海波。我們是一家專注於仿真合成數據技術的公司。和專注於大模型的企業不同，我們的核心目標是幫助AI更好地理解和進入物理世界。目前主要聚焦於具身智能和自動駕駛兩大場景。

　　當前，AI已全面進入以數據為中心的時代。大語言模型、自動駕駛和具身智能都普遍採用端到端架構，模型性能越來越依賴於數據的規模與質量。尤其在具身智能領域，數據需求遠超其他賽道——我們認為，其規模將達到自動駕駛或大語言模型的千倍萬倍。

　　為什麼具身智能對數據的需求如此巨大？第一，應用場景高度多樣。自動駕駛替代的是司機，而具身智能瞄準的是千行百業，從工業操作到家庭服務，對泛化能力要求極高。第二，具身智能強調與物理世界的真實交互，不僅需要視覺感知，更涉及力反饋、物體形變、複雜關節運動等物理屬性。第三，機器人本體形態異構，雙足、輪式、機械臂等不同構型導致數據天然分散、難以標準化。最關鍵的是，目前尚無大規模機器人落地應用，預訓練數據極度匱乏，嚴重製約了具身模型的發展。

　　面對這一現狀，合成數據是推動具身智能規模化發展的關鍵基礎設施。在具身智能的數據金字塔中，其根基由海量非結構化網絡數據組成，頂端則由採集成本高昂的、數量最稀少的真實數據構成，有利於智能體高效且直接地進行知識遷移，而合成數據的加入填補了兩者間的空缺，在採集成本、可泛化性與知識遷移方面擁有明顯優勢。當然，合成數據仍需克服「Sim2Real Gap」——即仿真與現實的差異。但我們認為，Sim2Real不是非此即彼的問題，而是可通過技術不斷縮小差距。

　　高質量的具身合成數據需滿足四個關鍵條件：

　　一是物理交互必須真實。具身智能要求模型能「感受」物理反饋，比如拉開冰箱門時的阻尼力、按下面包機按鈕的觸發反饋，甚至包括線纜、衣物等柔體的實時形變模擬，這些在仿真中需高精度還原。

　　二是人在環的數據生成。AI的進化始終依賴人類認知，無論是大語言模型中採用專家標註，還是端到端自動駕駛訓練中使用五星司機數據，都説明高質量人類專家示範不可或缺。我們通過仿真環境下的遙操作，採集物流、烹飪、分揀等場景中專業人員的操作數據，可以為模型提供可泛化的高階認知。

　　三是場景足夠豐富。足夠豐富的場景多樣性是極其重要的，真實數據採集面臨Real2Real Gap——即單一測試場無法覆蓋真實環境的多樣性。自動駕駛車輛即使在封閉測試場或專業賽道表現優異，也難以直接應對開放道路的挑戰，根源在於真實場景豐富度不足，而對具身智能來説，所需場景的多樣性和複雜性更是指數級增長。因此需要具身合成數據能夠以高效率生成海量差異化場景，構建廣泛且合理的數據分佈，從而提升模型泛化能力。

　　四是通過數據閉環實現有效性驗證。我們不僅生成數據，還通過自研算法對數據效用進行驗證。例如在使用合成數據微調英偉達GR00T模型后，將其部署至真實機器人，驗證其在真實工廠環境中的表現。

　　接下來為大家展示幾個具體的Demo案例：

　　首先是我們的廚房仿真場景。與通常僅注重外觀的仿真不同，我們這個廚房中的很多對象都是柔體或剛柔混合體。例如大家看到的線纜，就同時具備剛體特性和柔體形變效果。我們通過高保真的物理引擎，模擬了包括材質響應、受力形變在內的複雜交互行為。

　　另一個展示的是商超場景。我們通過Real2Sim技術，對像7-Eleven這樣的真實商超環境進行高精度還原和自動泛化，生成大量多樣化、可交互的商品佈局。比如演示中將零食從掛鉤上取下的動作，看似簡單，但在仿真中卻涉及非常複雜的物理碰撞計算。我們不僅要實現視覺上和物理上的真實感，還需高效控制算力消耗，使其具備大規模訓練的應用價值。

　　這正是我們工作的核心——在高度真實的仿真環境中，通過遙操作完成複雜任務的數據採集。該仿真場景我們已經開源，可用於支持各類具身智能的訓練需求。我們支持多種採集設備，包括鼠標、AR/VR設備以及帶力反饋的專業操控裝置，以適應不同複雜度的任務採集。

　　目前，光輪智能已構建涵蓋數據採集、策略訓練、仿真評測到Sim2Real部署的全流程解決方案。我們也與英偉達、Figure、DeepMind等國際頭部企業合作，支持包括GR00T N1在內的多個模型研發與落地，在國內服務最頭部的車企和大廠。此外，我們還開源了部分高質量仿真資產與轉換工具，推動行業共建標準。

　　最終，我們的目標是構建全球最大規模、最高質量、最通用的具身智能數據集——預計超100萬小時，95%以上為仿真數據，並全部通過頭部客户驗證與人工質檢。解決合成數據的問題，是具身智能邁向大規模應用的關鍵一步。

　　合成數據不是簡單的模擬真實，而是以更高效率、更大規模為AI提供物理世界的反饋與認知，是具身智能邁向規模化應用的必經之路。

　　謝謝大家！

　　新浪聲明：所有會議實錄均為現場速記整理，未經演講者審閲，新浪網登載此文出於傳遞更多信息之目的，並不意味着贊同其觀點或證實其描述。

責任編輯：王翔