盖世汽车获悉，光轮智能日前与生数科技达成战略合作。双方将围绕共建通用世界模型的数据标准、高质量世界模型评测体系与世界模型场景落地等关键环节深度协同，加速通用世界模型走向“物理可信、任务可用、真实场景可验证”。
图片来源：光轮智能
具体而言，面向通用世界模型训练与迭代的需求，双方将结合光轮智能在人类视频数据、仿真合成数据领域积累的数据定义、质量体系与最佳实践，与生数科技在世界模型方向的技术积累与多源异构数据吸收能力，共同探索面向世界模型的数据标准与构建方法，推动多源数据高效协同，持续提升世界模型对物理时空、因果逻辑与动态演变过程的建模能力。
围绕世界模型评测体系，双方将基于光轮智能的工业级仿真评测平台 RoboFinals，探索面向世界模型和具身智能模型的评测任务、评测指标和数据质量标准，构建从能力诊断、数据补充到模型优化的持续迭代闭环。
而在推进世界模型持续迭代方面，双方将围绕具身智能与物理AI 应用场景开展联合探索，覆盖数据采集、任务 SOP 转化、仿真评测、真机验证、反馈评估和持续迭代等关键环节。在此过程中，光轮智能将提供仿真场景、评测平台、真机验证和场景交付能力，生数科技则提供通用世界模型在空间理解、物理规律建模与行动结果推演层面的技术能力。
光轮智能致力于为物理 AI 构建数据与评测基础设施，依托首创“求解—测量—生成”三位一体全栈自研仿真平台，提供高质量、规模化的仿真合成数据、工业级仿真评测、人类视频数据与部署反馈能力。
生数科技则致力于构建对数字世界及物理世界的规律进行建模、推理、预测、行动的通用智能框架，以世界行动模型 MotuBrain 为核心，打造将“预测世界”与“驱动行动”统一建模的具身智能通用大脑。
在光轮智能创始人兼 CEO 谢晨看来，进入物理 AI 阶段，数据将成为决定规模化落地的核心基础设施。
但与大语言模型拥有互联网作为天然预训练语料，自动驾驶拥有量产车队与司机行为构成的真实数据闭环不同，物理 AI 面对的不再是文本、图像或道路交通中的视觉预测，而是手与物体、机器人与环境之间的连续物理交互，包括抓取、推动、装配、形变、摩擦、碰撞等复杂过程。基于这一差异，物理 AI 至少需要 10 亿个能够持续产生数据的数据生成器。
