AI导读：

光轮智能通过全栈自研的仿真技术路线，为具身智能提供了大规模高质量的数据支撑。创始人杨海波表示，仿真数据在具身智能的训练中扮演核心角色，并致力于构建可被学习的物理世界。

以下是对文章内容的精简和整理： 1月以来，光轮智能在AI仿真合成数据领域崭露头角，其创始人杨海波透露，具身智能的数据需求量至少是自动驾驶的1000倍。光轮智能通过全栈自研的“求解—测量—生成”三位一体的仿真技术路线，解决了大规模高质量数据生成的问题，并为具身智能提供了强有力的数据支撑。 在采访中，杨海波还提到，仿真数据在具身智能的训练中扮演着核心角色，是训练体系的基础。他们通过实际测量获取不同材质、不同温度下的物理参数，确保数据真实性，同时引入对抗性扰动，提升模型的鲁棒性。 对于未来，光轮智能致力于构建可被学习的物理世界，提升场景自由度、接触复杂度和稳定性要求。他们希望成为物理AI时代的数据基础设施，支撑机器人和智能体在各行各业的应用。