具身智能始于数据，数据也因此成为率先兑现商业价值的环节。模型迭代、机器人能力进化与应用场景拓展相互推动，持续催生新的训练数据需求，推动数据成为率先进入规模化商业阶段的环节。

这一需求正在转化为规模化采购。近三个月，光轮智能已服务30多家头部模型企业，企业平均采购需求超过20万小时，其中部分优质标品数据复售倍数超过10倍，有效验证了标品的需求刚性和产业价值。

图为光轮智能联合创始人兼总裁杨海波在WRC发表演讲

在2026世界机器人大会上，物理AI数据与评测基础设施企业光轮智能受邀参加“数据驱动具身智能从采集闭环到产业生态”主题论坛，联合创始人兼总裁杨海波给出了具身智能数据商业化的明确路径：“没有标准不能做标品复售，没有标品复售无法实现规模化。”通过标准能力打造标品数据并实现复售。

与此同时，这个变化也预示着具身领域迎来了一场数据变革——市场需求从定制化走向标品化。这一趋势的变化，不仅对于推动数据市场的标准化和规范化建设具有积极影响，而且对加速具身智能行业的落地具有重大产业意义。

用高质量标品数据打穿数据孤岛

当前，具身智能本体规模化落地仍处于早期探索阶段，但产业逻辑已经清晰：无论大模型厂商、通用具身模型公司还是整机企业，要让机器人从“演示”走向“干活”，都必须先过数据关。物理交互数据的稀缺，使高质量数据供给成为全行业最先爆发真实采购需求的环节。

“只有被多个客户认可的同一类数据，才可以称之为标品，标准的制定也才能真正体现价值。”通过统一采集、标注和交付规范，一份高质量数据能够服务多个模型团队和不同应用场景，从一次性项目投入，逐渐转变为可以持续复用的产业资产。在杨海波看来，只有同时满足高质量、大规模和多样性的具身标品数据，并实现了规模复售，才能为行业实现规模化有效数据供给。

“具身数据要驱动起来，需要标准先行。”杨海波说。过去行业内的数据采集往往由不同企业独立开展，采集设备、标注规则、数据格式和质量要求各不相同。数据即使被生产出来，也很难跨团队、跨模型和跨场景复用，形成一个个数据孤岛，阻碍了数据流通。

论坛上，光轮智能作为核心参编单位参与《高质量数据集具身智能触觉数据采集技术要求》国家标准的启动，推动触觉数据采集、组织和应用形成更加统一的技术规范。这是光轮智能又一次参编国标。截至目前，光轮智能已主导或参与20余项相关标准建设，并持续推动人类行为数据、仿真合成数据及产业评测体系的标准化。

杨海波认为，标准的价值不仅在于制定，更在于落地应用，否则标准就会被束之高阁。为推动标准的落地普及，赋能全行业发展，光轮智能坚持以标准造标品、以标品促流通，依托自研技术体系打造标准化数据产品，实现一份数据多客户复用，标品从而成为行业普遍认可的事实标准，能够大幅降低行业企业的数据使用成本。

标准化建设带来的产业价值，也在商业层面得到印证。目前全球前五的世界模型团队均与光轮达成合作，在仿真合成数据、仿真评测和人类视频数据三个关键领域实现全球交付第一。杨海波介绍，光轮智能将持续打造标品数据，推动行业数据从零散孤岛走向标准化流通。

持续学习系统“让机器人像人一样学习”

机器人的成长离不开高质量数据的喂养，具身智能要想真正落地需要一套可以持续进化的系统。杨海波表示，光轮智能不仅提供包括人类视频数据、仿真合成数据等在内的高质量全栈数据，还是机器人持续学习全链路的建设者。

类似于人类的学习方式，光轮智能将机器人的持续学习归纳为三个相互连接的核心要素：人类的言传身教，仿真中的试错与评价，以及真实工作中的反馈与纠正。

围绕这三个环节，光轮智能正在构建由EgoSuite、SimFoundry、RoboFinals和 RoboStack组成的物理AI持续学习基础设施，形成从真实世界到仿真世界、再回到真实世界的Real2Sim2Real持续学习闭环。

图为光轮智能持续学习基础设施示意图

其中，EgoSuite人类数据平台：将真实世界中的人类行为和任务经验转化为机器人学习的教材；

SimFoundry全栈自研仿真平台：通过“求解—测量—生成”，构建物理真实、可规模化试错的仿真世界；

RoboFinals工业级规模化评测平台：为机器人设计具有挑战性的考题，开展规模化评测，识别能力边界和失败模式；

RoboStack部署与反馈平台：支持模型后训练、强化学习和真机部署，并将真实工作中的失败、异常和纠正反馈带回下一轮数据与模型迭代。

“评测不是机器人学习的终点，而是新一轮迭代的起点。”杨海波特别强调RoboFinals评测能力的重要性。

作为中国企业代表参与全球规则共建

谁能够定义数据如何生产、模型如何验证、能力如何评估，谁就更有机会参与下一代物理AI基础设施的建设。

目前，光轮智能作为同时进入两大国际物理AI标准Newton仿真技术委员会和EgoVerse人类数据委员会的唯一中国企业，分别与英伟达、谷歌DeepMind、迪士尼研究院、丰田研究院等共同参与开源物理仿真技术与生态建设，与斯坦福等高校、研究机构、Meta等企业共同推动人类行为数据在机器人学习中的应用。

图为Newton、EgoVerse两大国际物理AI标准体系

“中国拥有丰富的产业场景和真实世界经验，这为我们参与全球数据标准和产业规则建设提供了基础。”杨海波认为，具身智能产业的发展，需要让中国的场景优势进一步转化为数据优势、标准优势和产业优势。光轮智能为代表的中国企业，已经从标准的跟随者走向规则的共建者。

此外，本届世界机器人大会期间，光轮智能发布全球首个十万小时级全模态人类行为开源数据集EgoSuite-Open100K，并启动人类数据合作伙伴招募计划。数据集覆盖1.5万余个真实场景和1.5万余项任务，包含头部第一视角、头腕双视角、全身位姿等不同数据配置，首批数据样本已通过开源AI社区Hugging Face、国内开源社区AtomGit等平台开放，支持科研和产业应用，相关项目还将捐赠给开放原子开源基金会孵化。

Hugging Face官方账号罕见转发表示支持。新加坡国立大学学者Jiafei Duan评价：开源是（光轮智能）新的护城河。业内人士表示，这个全模态人类行为开源数据集，相当于把具身智能最昂贵的训练数据，第一次摆到所有人都能够到的桌上。

接下来，光轮智能还将在5年内打造100亿小时的高质量标品数据，构建全球最大规模的机器人“言传身教百科全书”。

在杨海波看来，开放、共享、共建的意义，不仅是让更多团队获得一批高质量数据，真正能够推动产业进步的，不是一家公司拥有多少数据，而是整个行业能否共同生产、共享和验证有效经验。

从定义标准到推动标品流通，再到开源人类数据和提出数据共建计划，光轮智能正不断夯实物理AI基础设施的底座。当每一次真实工作都成为下一轮学习的起点，具身智能才能真正走出实验室，迈向千行百业。这条路或许漫长，但光轮智能正通过自己的持续努力，为产业参与者修桥铺路，架设通向物理AI时代的数据与评测基础设施。