GTC 2026：光轮智能定义 Physical AI 基础设施，从工具使用者变为规则制定者

事件概述

在 GTC 2026 大会上，Physical AI（具身人工智能）首次成为与生成式 AI 并列的核心主题。尽管聚光灯常聚焦于大模型与机器人本体，但一家不直接制造机器人或训练大模型的公司——光轮智能（LightWheel Intelligence），却在仿真、数据与评测等关键环节中无处不在，被业界视为该领域的“隐形基础设施”。

核心事实与技术突破

1. 仿真技术成为落地关键

• 底层逻辑转变：让机器人在现实世界中试错成本过高，Physical AI 必须遵循“先仿真训练、再实体落地”的路径。决定行业上限的不再是单一模型能力，而是高精度物理仿真、规模化数据生成与闭环评测验证的基础设施。
• 黄仁勋演示背后的技术：在英伟达 CEO 黄仁勋的主题演讲中，包括机器人叠衣服、拉紧皮带、手术室辅助机器人（Peritas AI）以及 Isaac Lab Arena 多机器人训练场景等多个 Demo，其背后的仿真训练技术均由光轮智能提供。
• 不可替代性：涉及接触力学、柔体建模及材料属性等关键环节时，若无经过真实测量与校准的物理参数体系，仿真结果无法迁移至真实世界。目前，国际主要具身智能团队中超过 80% 的仿真资产与合成数据来自光轮智能。

2. 从“使用者”升级为“规则制定者”

• 加入 Newton TSC：光轮智能创始人兼 CEO 谢晨博士已正式加入 Newton 技术指导委员会（TSC）。Newton 是由 NVIDIA、Google DeepMind 和 Disney Research 联合发起的 Linux Foundation 顶级开源物理仿真引擎。
• 行业话语权：作为 TSC 成员，光轮智能与 Google DeepMind 仿真负责人、MuJoCo 核心开发者等巨头代表平起平坐，共同决定 Newton 的技术演进方向与标准，标志着其从单纯的工具使用者转变为生态规则的制定者。

3. 构建完整的 Physical AI 底座

光轮智能在 GTC 现场展示了覆盖三大核心命题的完整基础设施体系：

• World（世界构建）：建立与真实物理世界对齐的仿真环境。现场展示了“物理测量工厂”，通过机械臂对物体进行按压、拉伸、扭转等标准化实验，获取精确可控的外力数据以校准材质属性。
• Behavior（行为数据）：规模化生产驱动模型训练的行为数据。结合仿真遥操记录与真人第一视角视频，沉淀操作路径、力控变化及决策策略，形成保留人类细节的训练数据集。
• Eval（评测验证）：推出 RoboFinals 评测体系。这是业内首个具备工业级标准、支持前沿大模型的仿真评测平台，用于衡量机器人基础模型的真实能力进展。

行业影响与生态构建

• 竞争主战场下沉：Physical AI 时代的竞争已从“谁有最好的模型”转向“谁有最好的训练场”。光轮智能通过打通世界建模、数据生成、物理测量、参数校准与评测闭环，正在定义该时代的基础设施标准。
• 社区号召力：光轮智能在 GTC 期间举办了六场主题演讲及一场超过 350 人 参与的 Physical AI 聚会，吸引了机器人公司创始人、高校教授及开源社区核心贡献者，逐步构建起围绕其展开的行业生态网络。
• 未来展望：随着 Physical AI 从概念走向工程化，拥有扎实仿真精度、数据规模与评测标准的底层基础设施将成为决定产业上限的关键因素。