光轮智能完成Pre-A+轮数千万融资，用合成数据加速空间智能｜36氪首发
文｜徐蔡钰
编辑｜李勤
近日，光轮智能（北京）科技有限公司（以下称「光轮智能」）完成数千万人民币的Pre-A+轮融资，由北京市人工智能产业投资基金主导，股东经纬创投继续跟投。本轮融资将用于自动驾驶、具身智能在端到端技术路线上的研发升级，进一步商业扩张和加速全球业务扩展。
光轮智能成立于2023年，致力于为企业提供数据及以数据为中心的端到端解决方案。这套方案能够通过合成数据来放大人类示范的效用，同时使用闭环仿真来加速Self-play RL（自我对弈强化学习），从而最终实现Spatial Intelligence（空间智能）。
自成立以来，光轮智能已完成多轮融资，投资人包括SEE Fund无限基金、奇绩创坛、辰韬资本等多家知名创投机构。
公司创始人兼CEO谢晨博士曾在英伟达、Cruise以及蔚来等企业担任自动驾驶仿真负责人，从0-1搭建上述企业的合成数据体系，国际首创将生成式AI融入仿真。
首席科学家赵昊在清华大学智能产业研究院任助理教授，曾主导研发全球首个开源的模块化真实感自动驾驶仿真器MARS。公司组建了一支具有国际顶尖生成式AI、仿真、合成数据研发和落地能力的交叉背景团队。
在研发成果上，光轮智能基于“Real2Sim2Real+Realism Validation”的核心技术栈，提供3D混合渲染、物理真实、高度交互的合成数据与以数据为中心的端到端解决方案。
“仿真技术是实现端到端自动驾驶与具身智能算法落地的关键路径。不同于以服务评测为目的的传统仿真，光轮智能基于以训练为中心的仿真，深度结合生成式AI以及对合成数据真实性和效用性的评测能力，高效生成高质量合成数据，迅速支持高阶量产自动驾驶需求，并已服务国际最顶尖具身智能公司。”光轮智能CEO谢晨表示。
自特斯拉FSD V12自动驾驶系统诞生，国内外掀起自动驾驶端到端技术路线的新风潮。
然而，由于技术架构的变化和对复杂环境的适应性需求，数据成为了提升端到端算法效果的核心。相对应的数据能力，自然已成为新一代自动驾驶算法的竞争主战场。
其中，合成数据能够放大真实数据价值，有效解决数据采集难、标注贵和迭代速度慢等痛点，已经成为特斯拉、OpenAI、英伟达等公司端到端架构下“数据饥渴”困境的高效解决方案。
光轮智能在数据Pre-train（预训练）与Post-train（后训练）阶段均有布局，既能支持基于模仿学习的模型训练，也能通过闭环仿真构建基于Self-play RL（自我对弈强化学习）的训练与评测新范式。
在自动驾驶之外，机器人等具身智能领域的数据短缺情况更加明显。谷歌所用的真实数据来自13台机器人，耗时17个月采集。数据采集成本与效率成为模型能力攀升的瓶颈。
光轮智能提供的合成数据，基于拟真的物理模型与强大的泛化能力而来，与真实数据、互联网数据共同组成模型训练的数据金字塔，服务具身智能算法演进。
今年9月，光轮智能的合成数据解决方案获得了来自博世的全球创新奖。在商业进展方面，也取得了众多突破。
其中，在自动驾驶领域，光轮智能已与多家国内外头部主机厂和Tier 1供应商签约并交付服务，为多个中国自主品牌出海提供数据服务、为Tier 1供应商和自动驾驶公司提供Corner Case（长尾场景）数据，与多家头部主机厂合作加速端到端算法量产落地。
具身智能方面，光轮智能已与美国的具身智能公司Figure AI达成合作。
投资人说
北京市人工智能产业投资基金：数据匮乏是通往AGI的重要瓶颈，光轮智能的独特技术和合成数据解决方案，具有解决数据瓶颈的巨大潜力。光轮团队具备全面的技术积累和落地经验，成立一年多时间，已拿下国内外头部的主机厂、Tier 1、具身智能公司订单，商业化进入快速发展阶段。我们看好光轮作为国内AI基础设施层数据基建领域公司的价值，通过数据助力AI快速发展。
经纬创投管理合伙人王华东：光轮智能积极布局国际市场，具身智能、自动驾驶业务出海和商业扩张迅猛。相较于自动驾驶，具身智能模型训练的Scaling Law更为复杂，VLA模型需要大量训练数据。作为下一代的Scale AI，光轮智能的数据交付专业性与工程化能力在全球市场具备独特的竞争优势。我们相信光轮智能正迅速成为合成数据领域的国际顶尖企业，占据全球领先地位。
