今天小編分享的互聯網經驗：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，歡迎閲讀。
文｜徐蔡钰
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」）完成數千萬人民币的 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。本輪融資将用于自動駕駛、具身智能在端到端技術路線上的研發更新，進一步商業擴張和加速全球業務擴展。
光輪智能成立于 2023 年，致力于為企業提供數據及以數據為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、辰韬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，國際首創将生成式 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，光輪智能基于 "Real2Sim2Real+Realism Validation" 的核心技術棧，提供 3D 混合渲染、物理真實、高度互動的合成數據與以數據為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。不同于以服務評測為目的的傳統仿真，光輪智能基于以訓練為中心的仿真，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，并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，國内外掀起自動駕駛端到端技術路線的新風潮。
然而，由于技術架構的變化和對復雜環境的适應性需求，數據成為了提升端到端算法效果的核心。相對應的數據能力，自然已成為新一代自動駕駛算法的競争主戰場。
其中，合成數據能夠放大真實數據價值，有效解決數據采集難、标注貴和迭代速度慢等痛點，已經成為特斯拉、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）階段均有布局，既能支持基于模仿學習的模型訓練，也能通過閉環仿真構建基于 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網域的數據短缺情況更加明顯。谷歌所用的真實數據來自 13 台機器人，耗時 17 個月采集。數據采集成本與效率成為模型能力攀升的瓶頸。
光輪智能提供的合成數據，基于拟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，也取得了眾多突破。
其中，在自動駕駛領網域，光輪智能已與多家國内外頭部主機廠和 Tier 1 供應商籤約并交付服務，為多個中國自主品牌出海提供數據服務、為 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。
投資人説
北京市人工智能產業投資基金：數據匮乏是通往 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，已拿下國内外頭部的主機廠、Tier 1、具身智能公司訂單，商業化進入快速發展階段。我們看好光輪作為國内 AI 基礎設施層數據基建領網域公司的價值，通過數據助力 AI 快速發展。
經緯創投管理合夥人王華東：光輪智能積極布局國際市場，具身智能、自動駕駛業務出海和商業擴張迅猛。相較于自動駕駛，具身智能模型訓練的 Scaling Law 更為復雜，VLA 模型需要大量訓練數據。作為下一代的 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争優勢。我們相信光輪智能正迅速成為合成數據領網域的國際頂尖企業，占據全球領先地位。
