机器人正加速走向真实世界。从实验室到工业现场，从结构化环境到开放空间，物理 AI 对数据规模、物理准确性与训练效率提出了前所未有的要求。

作为 NVIDIA 在机器人仿真与合成数据领域的合作伙伴，光轮智能聚焦物理 AI 领域的核心挑战——机器人数据短缺问题，并基于 NVIDIA 技术栈构建了仿真数据解决方案，为机器人基础模型训练提供高质量数据支持。

物理 AI 的“数据困境”

与依赖互联网海量文本数据进行预训练的大语言模型不同，机器人领域缺乏相应的数据基础设施，这也成为了物理 AI 发展的根本矛盾。

在谢晨博士看来，机器人基础模型的发展面临巨大的数据短缺。与大语言模型不同，现实世界中没有足够的机器人持续采集数据。因此，必须在仿真环境中，通过人类遥操生成足够的数据来训练机器人基础模型。

在 SIGGRAPH 2025，谢晨博士进一步解释了机器人领域面临的数据挑战。在他看来，物理 AI 的数据问题比大语言模型的数据问题大 1000 倍。现实世界中部署的机器人数量远远不足以支撑基础模型所需的数据规模，而合成数据成为突破这一瓶颈的关键路径。

基于 NVIDIA 技术栈的一站式解决方案

为了推动物理 AI 的发展，NVIDIA 持续构建从底层标准、仿真平台到云端基础设施的完整技术体系，为机器人开发者提供统一、可扩展的技术基础。作为 NVIDIA 在机器人仿真与合成数据领域的合作伙伴，光轮智能基于 NVIDIA 技术栈的全面支持及深度技术整合，为机器人开发者打造了一站式平台。通过这一平台，开发者能够获得从场景构建、模型训练、仿真测试到真机部署所需的能力。

光轮智能从 OpenUSD 及其衍生产品出发，创建高质量的 SimReady 资产，并让用户能够轻松搜索、验证和使用这些资产。OpenUSD 能够完整描述物理属性，这使其成为物理 AI 仿真资产的理想基础。比如，光轮智能提供了大量物理精确的厨房场景，针对希望在厨房环境部署机器人的客户需求，构建了各种不同类型的厨房布局，冰箱门的铰链、抽屉的摩擦系数等物理细节都经过精确建模，确保机器人在仿真中习得的“手感”能够迁移到真实世界。

此外，在数据采集方面，光轮智能通过 NVIDIA Isaac Sim 构建了人类遥操（human-in-the-loop）解决方案，让人类操作员在仿真环境中演示操作，采集合成数据用于模型训练。云端基础设施方面，NVIDIA Omniverse Cloud 为光轮智能的仿真云平台提供支持，让开发者能够在云端进行大规模仿真。

这一完整的技术方案正在加速多个行业的应用落地。光轮智能已为医疗手术机器人、智能制造产线、自动化化学实验室、智慧农业采摘等多个垂直领域提供数据支持。

以仿真为加速器

共同推动机器人产业演进

光轮智能致力于以仿真推动机器人行业的加速发展，这与 NVIDIA 的技术路径不谋而合。

随着物理 AI 时代的到来，NVIDIA 将通过开放标准、仿真平台与加速计算技术，赋能光轮智能等行业生态伙伴一起，共同推动机器人产业的规模化落地。