2024年，杨海波在接受采访时提到，具身智能正试图让机器像人一样去感受、理解并与真实世界互动。但是，AI要从数字领域走向物理世界，却碰到了数据获取难、成本高、效率低的大问题。杨海波指出，物理AI和大语言模型不同，它需要海量且逼真的三维空间和物理交互数据。如果在真实世界中采集这些数据，往往需要花费很高的成本，而且场景受限。不过，他也强调仿真合成数据并不能完全取代真实数据，而是为了解决训练规模和质量的问题。这些数据虽然看起来逼真，但关键在于能准确模拟力学规律，比如物体受力、接触、形变、材质和摩擦力等。这种基于物理的科学仿真，能以低成本高效率生成各种场景下的训练数据，支持智能体进行安全高效的试错学习。 光轮智能从创立开始就专注于高精度仿真与合成数据生成。这一前瞻性布局让他们在下半年具身智能需求激增时占据了先机。杨海波透露，具身智能对训练数据的需求比自动驾驶高出千倍以上。目前全球超过80%的主流具身智能团队都在使用光轮智能的服务。面对合成数据赛道的变化，他认为竞争的核心在于物理准确性和实际可用性。光轮智能通过建立全栈技术能力，为客户提供端到端解决方案。 未来随着智能体渗透到更多行业和场景中，对高质量仿真数据的需求只会增加不会减少。杨海波预测仿真数据产业将与芯片、算法模型并列成为智能时代的基础支柱。具身智能的发展正推动仿真合成数据走向前台，成为突破瓶颈、实现规模化应用的核心引擎。以光轮智能为代表的企业正在构建坚实的数据基础设施，为AI训练解决了燃眉之急，也为未来智能体无缝融入物理世界奠定了基础。这条“卖水人”之路展示了中国科技企业在底层技术领域的眼光和积累。