為何有 20 億人民幣正湧入具身人工智慧的數據與模擬基礎設施?
廣倫智能已累計獲得 20 億人民幣融資,投資者普遍認同,可擴展的模擬與數據評估——而不僅僅是模型——才是實體人工智慧部署的戰略瓶頸。

機器人產業的資金流向正從硬體原型,轉移至讓這些原型發揮實用價值的「無形架構」。 2026年6月期間,總部位於北京的實體AI基礎設施公司「廣倫智能」在兩週內接連完成總額達10億人民幣的融資輪次。此舉使該公司累計融資額達到20億人民幣,並鞏固其作為首家專注於具身數據與模擬領域的獨角獸企業地位。
這組投資陣容揭示了市場對技術堆疊中這一層級的戰略重視。投資方包括中關村科學城基金、四川發展科技創新基金及山東發展科技創新風險投資等國家引導基金,以及新希望集團和巨人網絡[1]等產業資本。 此投資陣容的組成顯示,數據與模擬已不再僅被視為軟體工具,而是被視為推動實體人工智慧轉型的重要國家基礎設施。
物理人工智慧的戰略瓶頸
實體人工智慧的下一個瓶頸並非晶片或基礎模型。主要的限制在於數據、模擬與評估基礎設施。
在類人型機器人熱潮的早期階段,資金主要流向那些能證明機器人能夠行走、保持平衡並執行基本任務的公司。隨著產業試圖從示範階段邁向部署階段,根本問題也隨之改變。 在受控的實驗室環境中運作的機器人,所需的訓練數據僅為在工廠車間或物流中心等充滿不可預測變數的環境中導航的機器人所需數據的一小部分。
廣倫智能執行長楊海波指出,具身數據的規模化法則現已廣受認可
在頂尖開發團隊之中 [1]。若僅依賴實體機器人來收集真實世界數據,其速度過慢、成本過高且風險過大,難以滿足通用實體人工智慧所需的龐大訓練量。 解決方案在於合成數據生成與高保真模擬,在實體機器人實際嘗試執行任務之前,可透過此方式安全且迅速地進行數百萬次迭代。從驗證到規模化的轉變
市場對這類基礎設施的需求正迅速擴大。過去幾年,機器人團隊僅需數百或數千小時的數據即可驗證基本能力。到了 2026 年,來自世界模型開發者與機器人公司的需求已飆升至數十萬甚至數百萬小時的數據 [1]。
這種規模需求從根本上改變了數據供應商的商業模式。高品質的具身數據正逐漸成為一種具有高轉售價值的基礎設施資產。 單一涵蓋特定工業環境或複雜操作任務的綜合資料集,可服務於處於模型開發不同階段的多個客戶。廣倫智能報告指出,其2026年第一季新訂單金額達5.5億人民幣,反映出這場從實驗性資料蒐集到工業規模資料消耗的轉型[1]。
部署的真正限制
模擬軟體與物理引擎歷來由西方科技公司主導。隨著物理人工智慧成為產業競爭力的核心支柱,依賴外部模擬平台已成為中國機器人開發者的戰略弱點。
建立安全、可重複且可擴展的虛擬環境的能力,其重要性不亞於執行運算的半導體硬體。若缺乏穩健的國產模擬
以及評估生態系統,從原型到廣泛工業部署的過渡將會停滯。更深層的訊號
對廣倫智能的大規模資本注入,預示著實體人工智慧領域正趨於成熟。投資者正沿著價值鏈向上移動,並意識到那些為人工智慧機器人「淘金熱」提供「鏟子和鎚子」的企業,或許能創造最持久的價值。
隨著產業邁向商業化,焦點正從機器人的實體能力,轉移至機器人學習的虛擬環境。那些掌控訓練數據、模擬物理模型以及標準化評估指標的組織,最終將決定實體人工智慧融入全球經濟的步伐。
資料來源:












