光轮智能杨海波：2026年或将成为具身智能数据规模化元年

8 月 19 日至 23 日，2026 世界机器人大会（WRC 2026）期间，光轮智能举办的全球首个十万小时全模态人类数据集EgoSuite-Open100K开源发布会。

发布会现场，光轮智能联合创始人兼总裁杨海波表示，大模型的快速发展证明，2026年或将成为具身智能数据规模化元年，人工智能正在进入以数据为中心的新阶段。

“AI需要走出屏幕，跟世界交互。”杨海波表示，与主要依赖互联网文本、图像和视频的数字智能不同，具身智能必须进一步处理物理世界中的空间、动作、接触和反馈。

光轮智能成立于2023年，早期主要利用合成仿真数据服务自动驾驶行业。随着具身智能需求在2023年末至2024年逐渐升温，公司开始将能力延伸至机器人领域，目前重点布局数据、评测和部署三个环节。

在数据层面，光轮智能主要关注人类视频数据与合成仿真数据。与高度绑定特定机器人本体的真机数据相比，这两类数据可以在更大范围内覆盖物理环境、物体状态与人类操作经验，有机会成为具身模型预训练阶段的通用数据来源。

杨海波认为，具身数据不能只看规模，还必须同时考虑质量和多样性。一段数据是否有价值，不取决于采集设备有多昂贵，也不取决于数据文件有多大，而取决于它能否帮助模型形成新的能力，或者改善真实任务中的表现。

基于此，评测也成为数据体系中的关键环节之一。光轮智能正在通过仿真环境构建可重复、可量化、可比较和可追溯的评测系统，以识别模型在不同任务、环境和干扰条件下的能力边界。

模型评测并不是终点，它是一个重新学习的起点。”杨海波表示，评测发现模型的能力短板后，系统需要进一步生成或补充具有针对性的数据，再用于模型训练和优化，由此形成“评测—数据—训练—再评测”的持续迭代过程。

在部署环节，光轮智能并不直接开发机器人本体或基础模型，而是从现有模型和硬件中选择适合具体场景的组合，完成后训练、测试和落地。机器人进入真实环境后产生的运行数据和失败案例，重新回到数据体系，成为下一轮模型迭代的依据。

在这一闭环中，仿真并非只是降低数据采集成本的工具，也是连接数据生成、模型评测和规模化训练的技术底座。同时，仿真环境还需还原碰撞、摩擦、柔性物体和复杂接触等物理过程。例如，机器人打开冰箱门时，仿真系统不仅要生成视觉画面，还要还原门体阻力、机械结构和受力变化。

杨海波认为，国内具身智能产业对海外仿真平台的依赖具有较强的隐蔽性。芯片依赖通常容易被察觉，但许多机器人团队从数据生成、模型训练到评测验证，都建立在海外仿真引擎和软件工具链之上。光轮智能因此正在投入自研仿真平台，并参与相关国际技术协作和标准建设。

不过，基础设施要真正形成产业价值，仅有技术能力还不够，还需要将数据转化为可以重复交付的标准产品。光轮智能披露，近三个月已服务30多家头部模型和具身智能企业，单个项目交付规模超过20万小时，其中相当一部分采用了标准化数据产品。

杨海波判断，具身智能的数据需求正在进入快速扩张阶段。随着行业从小规模验证转向基础模型训练，客户需求已从过去的数百、数千小时，增长至十万、百万小时级别。光轮智能提出未来五年生产100亿小时数据，来源将包括人类视频、合成仿真和真实部署回流。

但在杨海波看来，真正重要的是建立一套持续运转的数据飞轮，数据推动模型进化，评测识别能力短板，部署产生真实反馈，反馈再指导下一轮数据生产。当这一闭环能够规模化运行时，具身智能数据才能成为机器人持续学习和产业化落地的基础设施。

会上，光轮智能围绕人类数据、规模化仿真评测和真实部署发布阶段性成果，发布了全球首个十万小时级全模态人类行为开源数据集EgoSuite-Open100K、RoboFinals中试基地仿真评测基础设施和RoboStack真实场景部署与反馈平台。

会后，杨海波与「明亮公司」等多家机构，围绕具身智能数据需求、仿真数据与真实数据的关系、数据评测与标准化、世界模型、国产算力适配及开源生态等话题进行交流。以下为「明亮公司」整理的对话内容精编：

#01 具身智能数据需求进入规模化增长阶段

Q1：过去一年，具身智能企业对数据的需求发生了哪些明显变化？这种变化反映出行业正在进入怎样的发展阶段？

杨海波：今年客户对数据的需求出现了明显增长，需求量相比去年普遍增长了100倍到1000倍。去年，客户提出的需求通常只有几百小时或几千小时；今年，很多客户的需求已经达到十万小时、几十万小时，甚至百万小时级别。

这背后反映出行业发展阶段的变化。过去，很多企业主要进行小规模模型验证；现在，越来越多企业开始训练具身智能基础模型，数据需求因此迅速扩大。我认为，2026年可能是具身智能数据规模化的元年。整个行业正在从小规模数据验证，转向真正的数据规模化训练。

Q2：随着世界模型成为具身智能领域的重要技术方向，客户需要的数据类型和数据结构发生了哪些变化？世界模型对数据规模和多模态能力提出了哪些新要求？

杨海波：世界模型正在显著扩大具身智能对数据的需求。过去，很多模型主要使用图像和语言数据。世界模型需要理解空间结构、物体状态、动作后果以及环境变化，因此会引入更多视频、3D、运动、触觉和声音等多模态数据。世界模型不仅要理解当前发生了什么，还要预测采取一个动作之后，物理世界会发生怎样的变化。这要求数据能够呈现连续的物理过程，并建立动作和结果之间的关系。

因此，世界模型带来的数据需求不是线性增加，而可能是指数级增长。数据的模态会更加丰富，任务分布会更加复杂，对时间连续性和物理一致性的要求也会更高。具身智能的数据Scaling Law已经开始显现。随着模型能力提升，行业对数据规模、质量和多样性的要求还会继续上升。

Q3：当前行业主要采用真机采集、人类视频和仿真数据等不同数据路线。如何看待这几类数据各自的价值？未来是否会形成某一种占主导地位的路线？

杨海波：不同类型的数据都有自己的价值，不能简单判断哪一种数据最好。

具身智能数据可以看作一个金字塔。底层是规模最大的通用数据，包括互联网视频、人类视频和仿真数据；越靠近上层，数据与具体本体、具体任务和具体场景的联系越紧密，采集成本也越高。

仿真数据适合快速扩大规模、覆盖极端情况和补充长尾场景；人类视频包含大量真实世界知识和人类操作经验；真机数据能够帮助模型与具体机器人及物理环境完成最后的对齐。

最终使用哪种数据、各种数据采用什么比例，需要根据模型架构、训练阶段和任务目标决定。未来真正有效的方案，一定是多种数据结合，而不是依赖单一路线。

Q4：光轮智能从什么时候开始系统布局人类视频数据？人类视频对于机器人学习真实世界知识具有哪些价值，又存在哪些局限？如何保证这类数据真正具有训练价值？

杨海波：我们大约从一年前开始系统布局人类视频数据。在具身智能领域，人类视频数据的价值非常重要。人类已经在真实世界中积累了大量操作经验，如何把这些经验转化为机器人能够学习的数据，是行业需要解决的问题。

但并不是所有人类视频都具备训练价值。我们需要关注采集视角、动作完整性、环境信息、物体状态以及时序连续性，还需要通过评测判断这些数据是否真正提升了模型效果。

因此，我们不会把数据质量简单等同于设备精度。设备只是采集工具，最终仍然要看数据能否被模型有效利用，能否帮助机器人完成真实任务。

未来，具身智能数据将继续向规模化和多模态方向发展。数据公司不仅需要提供采集能力，还需要具备理解模型、设计数据和验证数据价值的能力。

#02 数据价值取决于模型训练与真实场景验证

Q5：在数据规模快速扩大的情况下，光轮智能如何判断一批具身智能数据的质量？除数据数量以外，还需要重点考察哪些指标？

杨海波：具身智能数据不能只看数量，还要看质量、多样性和数据分布。

在一些真实任务中，可能需要细化到一个人、一个场景、一个任务对应一个数据样本。只有具备足够丰富的任务分布和环境变化，数据才能真正支撑模型泛化。

我们会根据模型需求设计采集方案，同时建立数据筛选、清洗、质量控制和评测体系。数据交付也不仅是简单提供数据文件，还包括数据分布设计、任务设计、质量验证以及后续模型训练支持。

具身智能数据服务将越来越接近一套完整工程体系。采集只是其中一个环节，真正重要的是能否让数据转化为模型能力。

Q6：仿真数据和真实数据之间仍然存在差距。光轮智能如何缩小这种差距，并将不同来源的具身智能数据转化为标准化、可规模复制的产品？

杨海波：在具身智能领域，真正的商业价值最终来自应用。技术能够做到99%，并不意味着产品已经落地。剩下的1%，往往需要依靠真实数据、真实环境和不断反馈形成的闭环来解决。

我们的目标，是建设物理世界的基础设施。一方面，需要利用仿真环境快速生成大规模数据；另一方面，也必须通过真实世界数据完成模型校准和能力验证。

客户真正关心的是，系统能否快速部署、成本是否可控，以及部署过程是否会干扰原有业务。围绕这些需求，我们希望提供一种标准化、可规模复制的数据产品和交付方案。

在数据层面，我们正在推动不同来源数据的标准化。无论数据来自仿真、人类视频、真机采集还是实际部署，只要能够转化为统一的数据格式，就可以用于不同本体和不同场景。

过去，机器人数据往往与特定本体、特定场景紧密绑定。未来，我们希望数据不再依附于某一种机器人，而能够围绕场景和任务形成标准产品，这也是具身智能数据实现规模化应用的重要前提。

Q7：面对不同机器人本体、不同任务场景以及不同模型架构，客户所需的数据组合可能存在较大差异。光轮智能如何处理这些异构数据，并实现跨本体、跨场景的标准化与复用？

杨海波：客户使用的数据通常不是单一类型，而是由仿真数据、真机数据、人类视频及其他多模态数据共同组成。具体采用什么比例，需要根据模型架构、训练阶段和任务目标决定。

不同客户需要的数据组合确实存在差异，我们不会用一个固定比例覆盖所有项目。客户真正关注的是数据是否具备足够的多样性，场景和任务分布是否合理，以及数据规模和质量能否支撑模型能力提升。

我们的工作，是对多源、异构数据进行统一处理和组织，再根据客户的模型和场景需求完成适配。通过统一数据格式、坐标体系、任务定义和质量管理流程，原本依附于特定本体的数据才有可能逐步实现复用。

标准化并不意味着所有客户都使用完全相同的数据，而是建立一套可以对不同数据进行组织、转换、评测和调用的底层体系。这样才能降低不同本体、不同场景和不同模型之间的数据迁移成本。

Q8：当前具身智能行业是否需要建立统一的数据标准？数据格式、任务分类、质量评价和数据权属等标准应当如何形成？

杨海波：标准不能仅仅由一家企业制定，而需要产业链上下游共同参与。

现阶段，行业对数据格式、质量评估、任务分类和数据权属等问题尚未形成充分共识。企业可以先通过真实项目总结方法，再逐步推动这些方法转化为行业标准。

标准的形成最终需要经过市场验证。如果一种数据格式、一套评测体系能够被更多模型和更多场景采用，它才有可能成为行业共同标准。

光轮智能也在参与相关技术委员会和产业组织，希望与产业链合作伙伴共同推动具身智能数据基础设施建设。

#03 数据商业化需要形成完整的价值闭环

Q9：具身智能数据本身较为抽象，光轮智能如何衡量一批数据的商业价值？数据对模型能力和真实场景应用的贡献能否被量化？

杨海波：具身智能最终还是要回到模型效果和商业回报

早期，行业缺少统一标准，不同公司对数据质量的定义也不完全一致。因此，必须建立一套覆盖数据、模型和真实任务的评测体系。

例如，一项任务在加入某批数据后，模型成功率提升了多少；机器人执行效率是否提高；进入真实场景后能否稳定运行；部署成本是否下降。这些结果才能真正证明数据的价值。

具身智能数据本身比较抽象，如果没有模型训练和真实场景验证，很难判断一批数据是否有效。数据评测的作用，就是把数据价值转化成可以量化的结果。

未来，数据的定价和交易也需要建立在评测基础之上。只有把数据对模型能力和商业应用的贡献量化，具身智能数据才可能成为真正标准化的商品。

Q10：随着越来越多企业进入具身智能数据领域，光轮智能认为自身最核心的竞争壁垒是什么？这种壁垒如何转化为规模化交付能力？

杨海波：光轮智能从成立之初就坚持全栈发展。我们的能力覆盖仿真环境、数据生成、数据采集、数据处理、数据评测和模型训练等多个环节。

真正把数据做到规模化，并不是简单增加采集设备或者人员，而是要让整个体系实现高度自动化。数据生成效率、处理效率、质量控制和交付周期，最终都会影响商业化能力。

很多客户只需要提出需求，我们就可以提供从数据方案设计到最终交付的完整服务。客户看到的可能只是最终的数据结果，但背后包含大量技术系统和工程流程。

因此，我们认为，数据公司的核心壁垒不是单一数据集，而是持续生成高质量数据并服务模型迭代的完整能力。

Q11：光轮智能已经开放了十万小时级数据。在具身智能产业仍处于早期阶段的情况下，如何平衡开源生态建设与企业商业化之间的关系？

杨海波：开源对具身智能行业非常重要。通过开源，更多开发者可以参与技术验证，行业也可以更快建立基础标准和协作生态。

此前，我们已经开放了十万小时级数据，支持高校、研究机构和开发者开展研究。未来，我们还会继续参与开源社区建设。

但开源和商业化并不矛盾。开源数据通常用于基础研究和通用能力验证，而商业客户往往需要面向特定场景的定制数据、完整质量控制以及持续交付服务。

标准化能够扩大市场规模，商业化则可以支持企业持续投入。我们希望通过开源推动产业基础设施建设，同时通过商业服务形成可持续的发展模式。

Q12：光轮智能已经完成对摩尔线程国产算力平台的适配。在适配过程中进行了哪些底层优化？国产算力平台对构建自主可控的物理AI基础设施具有怎样的意义？

杨海波：从具身智能的数据生成和仿真需求来看，国产算力已经能够支撑一部分应用，但真正实现系统落地，仍然需要完成软硬件协同适配。

光轮智能的数据体系不仅包括仿真数据，也包括多模态数据、人类数据和真机数据。因此，我们需要解决不同软件、不同芯片和不同硬件平台之间的兼容问题。

过去，国内芯片厂商更多关注硬件算力本身，但一套系统真正落地，还需要算法框架、软件工具链和数据平台共同适配。我们与摩尔线程开展适配，并不是简单把软件迁移到国产芯片上，而是需要围绕数据生成、仿真运行和模型训练等工作负载开展底层优化。

具身智能涉及多种技术和硬件，很难由一家公司独立完成。我们与国产算力企业的合作，本质上是一种有组织的协同创新，光轮智能提供数据、算法和场景能力，芯片企业提供底层算力，双方共同完善从芯片、软件到应用的完整链条。

随着具身智能数据规模从千小时走向十万小时、百万小时，算力将成为数据产业规模化的重要基础。国产算力平台的成熟，不仅关系到训练和仿真的成本，也关系到物理AI基础设施能否形成自主可控、稳定可持续的产业体系。