光輪智能完成Pre-A+輪數千萬融資，用合成數據加速空間智能｜36氪首發

文｜徐蔡鈺

編輯｜李勤

近日，光輪智能（北京）科技有限公司（以下稱「光輪智能」）完成數千萬人民幣的Pre-A+輪融資，由北京市人工智能產業投資基金主導，股東經緯創投繼續跟投。本輪融資將用於自動駕駛、具身智能在端到端技術路線上的研發升級，進一步商業擴張和加速全球業務擴展。

光輪智能成立於2023年，致力於爲企業提供數據及以數據爲中心的端到端解決方案。這套方案能夠通過合成數據來放大人類示範的效用，同時使用閉環仿真來加速Self-play RL（自我對弈強化學習），從而最終實現Spatial Intelligence（空間智能）。

自成立以來，光輪智能已完成多輪融資，投資人包括SEE Fund無限基金、奇績創壇、辰韜資本等多家知名創投機構。

公司創始人兼CEO謝晨博士曾在英偉達、Cruise以及蔚來等企業擔任自動駕駛仿真負責人，從0-1搭建上述企業的合成數據體系，國際首創將生成式AI融入仿真。

首席科學家趙昊在清華大學智能產業研究院任助理教授，曾主導研發全球首個開源的模塊化真實感自動駕駛仿真器MARS。公司組建了一支具有國際頂尖生成式AI、仿真、合成數據研發和落地能力的交叉背景團隊。

在研發成果上，光輪智能基於“Real2Sim2Real+Realism Validation”的核心技術棧，提供3D混合渲染、物理真實、高度交互的合成數據與以數據爲中心的端到端解決方案。

“仿真技術是實現端到端自動駕駛與具身智能算法落地的關鍵路徑。不同於以服務評測爲目的的傳統仿真，光輪智能基於以訓練爲中心的仿真，深度結合生成式AI以及對合成數據真實性和效用性的評測能力，高效生成高質量合成數據，迅速支持高階量產自動駕駛需求，並已服務國際最頂尖具身智能公司。”光輪智能CEO謝晨表示。

自特斯拉FSD V12自動駕駛系統誕生，國內外掀起自動駕駛端到端技術路線的新風潮。

然而，由於技術架構的變化和對複雜環境的適應性需求，數據成爲了提升端到端算法效果的核心。相對應的數據能力，自然已成爲新一代自動駕駛算法的競爭主戰場。

其中，合成數據能夠放大真實數據價值，有效解決數據採集難、標註貴和迭代速度慢等痛點，已經成爲特斯拉、Open AI、英偉達等公司端到端架構下“數據飢渴”困境的高效解決方案。

光輪智能在數據Pre-train（預訓練）與Post-train（後訓練）階段均有佈局，既能支持基於模仿學習的模型訓練，也能通過閉環仿真構建基於Self-play RL（自我對弈強化學習）的訓練與評測新範式。

在自動駕駛之外，機器人等具身智能領域的數據短缺情況更加明顯。谷歌所用的真實數據來自13臺機器人，耗時17個月採集。數據採集成本與效率成爲模型能力攀升的瓶頸。

光輪智能提供的合成數據，基於擬真的物理模型與強大的泛化能力而來，與真實數據、互聯網數據共同組成模型訓練的數據金字塔，服務具身智能算法演進。

今年9月，光輪智能的合成數據解決方案獲得了來自博世的全球創新獎。在商業進展方面，也取得了衆多突破。

其中，在自動駕駛領域，光輪智能已與多家國內外頭部主機廠和Tier 1供應商簽約並交付服務，爲多箇中國自主品牌出海提供數據服務、爲Tier 1供應商和自動駕駛公司提供Corner Case（長尾場景）數據，與多家頭部主機廠合作加速端到端算法量產落地。

具身智能方面，光輪智能已與美國的具身智能公司Figure AI達成合作。

投資人說

北京市人工智能產業投資基金：數據匱乏是通往AGI的重要瓶頸，光輪智能的獨特技術和合成數據解決方案，具有解決數據瓶頸的巨大潛力。光輪團隊具備全面的技術積累和落地經驗，成立一年多時間，已拿下國內外頭部的主機廠、Tier 1、具身智能公司訂單，商業化進入快速發展階段。我們看好光輪作爲國內AI基礎設施層數據基建領域公司的價值，通過數據助力AI快速發展。

經緯創投管理合夥人王華東：光輪智能積極佈局國際市場，具身智能、自動駕駛業務出海和商業擴張迅猛。相較於自動駕駛，具身智能模型訓練的Scaling Law更爲複雜，VLA模型需要大量訓練數據。作爲下一代的Scale AI，光輪智能的數據交付專業性與工程化能力在全球市場具備獨特的競爭優勢。我們相信光輪智能正迅速成爲合成數據領域的國際頂尖企業，佔據全球領先地位。