（问题）具身智能正加速从实验室走向真实场景，制造、物流、商业服务等领域的需求不断增长。但要完成从“会说”到“会做”的跨越，行业普遍遇到几类瓶颈：数据供给不足、训练成本高、评测标准不统一。真实场景数据采集周期长、成本高，还受到安全与合规限制；复杂物理交互呈现明显的长尾分布，难以用少量真实样本覆盖多任务、多环境的泛化需求。 （原因）具身智能训练不仅需要海量数据，更需要可控、可复现、可规模化的数据生产与验证机制。仅依赖真实数据，很难满足预训练、强化学习以及大规模评测对多样性与覆盖度的要求。同时——真实环境试错代价高——训练迭代还会受到设备损耗、场地条件和安全风险等因素影响。因此，搭建高逼真度仿真环境，并配套合成数据生成与评测体系，成为提升研发效率、降低试错成本、推动技术稳定落地的基础工作。 （影响）鉴于此，建投华科完成对光轮智能的投资，意在通过资本与产业资源协同，补强面向物理世界的人工智能底层能力供给。光轮智能成立于2023年，定位为具身智能等场景提供仿真世界、合成数据、人类视频数据及仿真评测等全栈基础设施。据介绍，公司已服务并与多类大模型企业、机器人本体厂商及头部场景方开展深度合作，并与多支世界模型有关团队建立合作关系。公司已积累超过100万项高精度仿真资产，覆盖多类型复杂物理交互场景，形成“仿真—数据—训练—评测”的闭环能力。业内分析认为，这类基础设施的完善，有助于提升算法迭代效率与模型稳定性，推动具身智能从单点演示走向可复制、可交付的工程化应用。 （对策）下一步，光轮智能计划加大物理仿真引擎研发投入，扩大数据生成能力，升级规模化模型评测体系，并强化全球交付与本地部署能力，提高在不同场景、不同硬件条件下的适配与落地效率。对投资方而言，建投华科表示将持续发挥国有投资机构作用，围绕国家人工智能发展方向，引导更多资源投入关键环节与薄弱领域，推动基础工具、平台能力和产业生态协同发展。 （前景）随着大模型向多模态、强交互方向演进，具身智能的竞争焦点正从单一模型能力转向“数据与工具链能力+场景闭环能力”的系统比拼。仿真平台的逼真度、数据生成的规模与质量、评测指标的科学性与可比性，将直接影响模型训练效率与泛化能力。可以预期，面向物理世界的仿真与数据基础设施将加速走向标准化、模块化与工程化，并与机器人硬件、控制系统及行业场景更紧密耦合，成为产业链中长期投入的重要方向。
从“算力与算法”走向“数据与场景”，具身智能竞争正在进入比拼工程体系与底座能力的新阶段。通过资本引导资源向关键环节集中，有助于补齐短板、提升创新效率。面向未来，只有在仿真可信、数据可控、评测可比的基础上，具身智能才能更稳妥地进入真实世界，在安全与效率之间找到可持续的产业化路径。