光轮智能（GR Intelligence）宣布完成新一轮融资，由蚂蚁集团领投，建投投资、大湾区共同家园基金、芯能投资参投，老股东三七互娱、国方创新超额跟投。公司估值突破20亿美元大关，距离上一轮仅过去两个月，估值翻倍。这家成立于2023年的公司自称物理AI时代的「卖铲人」——当整个行业都在追逐机器人本体和大模型时，它选择了一个更底层也更隐蔽的位置：为机器人持续学习提供数字基础设施。
两个月估值翻倍：蚂蚁集团看中了什么？
今年3月，光轮智能刚刚完成累计10亿元的A++/A+++轮融资，成为全球具身数据领域首家独角兽。仅仅两个月后，蚂蚁集团领投的新一轮即将估值推至20亿美元。这种加速度在当下的一级市场并不常见——资本寒冬中逆势翻倍，说明投资方对具身智能数据基础设施的需求判断已经从「看好赛道」升级为「抢占卡位」。蚂蚁集团的入局尤其值得注意。作为支付宝母公司，蚂蚁近年来在AI基础设施领域频频出手，从大模型到AI Agent均有布局。此次领投一家仿真数据公司，意味着蚂蚁正在将投资触角延伸到物理世界智能的最底层——数据生产。建投投资和大湾区共同家园基金的参与，则暗示着政策层面对具身智能数据基础设施的认可正在加速落地。
「求解—测量—生成」三位一体：技术壁垒还是概念包装？
光轮智能的核心技术是全栈自研仿真平台，采用「求解—测量—生成」三位一体的技术路线。简单来说，它在虚拟环境中精确复现物理交互，实现高保真仿真和大规模数据生成。这套系统已建成覆盖25000+环境节点、100000+任务类型的人类视频数据体系，累计产出超过150万小时高质量数据。数据转售率在优质场景中超过10倍——这意味着同一批数据可以被多个客户反复使用，边际成本趋近于零。从商业模式看，这更接近于一家「数据版权库」而非传统软件公司：前期投入重，但一旦数据飞轮转起来，规模效应极为可观。当然，「全栈自研」四个字在中国科技圈经常被滥用，但光轮智能在技术侧的外部验证确实不弱。它受Google DeepMind、NVIDIA和Disney Research的联合邀请，成为开源GPU加速物理引擎Newton的核心成员，并与NVIDIA共同开发了Isaac Lab-Arena评估框架。自研的LeIsaac仿真平台被Hugging Face官方文档收录——这在中国创业公司中极为罕见。
Q1新签5.5亿元，单季超全年：增长曲线还能持续吗？
最能说明问题的是收入数据。2026年Q1新签订单达到5.5亿元，单季收入超过2025年全年。这种爆发式增长背后，是具身智能行业从概念验证阶段快速进入规模化训练阶段的产业节奏。当人形机器人公司们开始从实验室走向产线，对高质量仿真数据的需求呈指数级增长——而光轮智能恰好卡在了这个供给侧的瓶颈位置。但需要追问的是：这种增长的可持续性有多强？具身智能行业本身仍处于早期，下游客户的商业化进程并不确定。如果机器人公司们的融资节奏放缓，或者技术路线发生切换，上游数据供应商的订单是否会随之波动？数据转售率超过10倍固然亮眼，但也暗示客户群可能高度集中于少数头部玩家。
创始人背景扎实，但「卖铲人」叙事能撑多久？
创始人谢晨（Dr. Xie Chen）拥有北京大学和Columbia University双料博士学位，曾任NVIDIA、Cruise、NIO的自动驾驶仿真负责人，是国际上最早将生成式AI引入仿真领域的开拓者之一。联合创始人兼总裁杨海波（Yang Haibo）负责商业化落地。这个团队配置——技术创始人懂仿真+商业联创懂市场——在中国AI创业公司中属于相对成熟的架构。公司在标准制定领域的参与度也值得关注：主导或参与制定了20项国家和行业标准，是国家具身智能行动计划数据领域唯一入选的民营企业。这种「标准话语权」在中国科技产业中往往意味着政策保护层和行业定价权的双重优势。
20亿美元估值之后，风险也在同步放大
光轮智能的故事无疑具有吸引力：卡位物理AI的数据基础设施层，技术获得全球顶级玩家的背书，收入增长呈指数曲线，政策端拿到了标准制定权。但20亿美元的估值也意味着市场对它的期望已经被拉得极高。具身智能行业整体仍处于「大投入、慢落地」的阶段，下游的人形机器人和工业机器人距离大规模商用还有相当距离。光轮智能作为上游数据供应商，其命运与整个行业的落地节奏深度绑定。此外，当越来越多的机器人公司开始自建仿真能力，或者NVIDIA等平台方亲自下场做数据生成，「卖铲人」的护城河是否足够深？这是一个尚待时间检验的问题。短期内，光轮智能无疑是具身智能赛道中最值得关注的基础设施玩家；但从长期看，它需要证明自己不仅仅是行业周期的受益者，更是不可替代的价值创造者。