非常荣幸参加本次活动，也非常荣幸和大家分享一下就是上周我们刚接待了北京市市长的参观调研，也对我们有很多殷切的一些期望，今天我也非常荣幸代表北京的企业来和大家分享一下我们在AI的具身智能在物理AI方面的一些认识。我接着院士刚才提到的AI方面的论证和认知，今天汇报主要是关于数据和评测相关的应用。
首先我给大家会抛出我们两个观点，首先第一个就是在具身智能和物理AI这方面，数据现在是最大的卡口。这个是我的一个观点，因为大家知道在大语言模型阶段，上一个十年更多的是可能是算力，大家知道英伟达的股价涨成这样了，咱们国内也有一些非常好的算力公司。在下一个阶段，在物理AI阶段，我们认为数据非常有可能会是其中一个非常大的一个卡口。因为相应的一些数据基础设施，之前是可以通过互联网、通过一些汽车数据获得，在物理AI阶段相应的数据是比较难获得的。所以这里有一个数据，是我们认为在物理AI阶段我们所需要的数据的量可能会是自动驾驶的一千倍乃至以上，这边大家可以看到，大语言模型数据实际上很多可以从互联网上获取，自动驾驶模型也可以从汽车，我们数百万的汽车回环来获取。但是，从具身智能和物理AI角度，我们现在几乎是没有万级以上的部署在实际生活场景、工作场景中的机器人。同时，我们的机器人也需要完成更多超过自动驾驶更多的这种工作和要求。自动驾驶实际上是一个视觉的游戏，它更多的是一个汽车和地面的一个运动学的物理，但是机器人需要去拧杯子、需要去洗碗、需要拿握的一些运输的物体，所以它对于数据的要求会天然的就会增多，同时刚才提到了，实际上现在是没有已经存量的真机数据。
和大家汇报第二个我们的观点，就是仿真我们认为已经成为了国家级的基础能力。怎么讲？在之前的工业时代，大家知道航天、汽车方方面面的一些场景中，实际上有非常多的仿真的需求。我之前也是在航天工作，那么在很早的时候一个仿真非常贵，几十万、上百万的逻辑。我觉得在工业仿真领域更多的市场是被外国的企业所占据。那么到了物理AI时代实际上对仿真的要求更高，后面我也会从数据和评测两个角度和大家做一个汇报。所以这样的话就是我们怎么样去抓住仿真这个手段，打造我们中国的仿真的基础能力。这个就是一个非常关键的一个点。后面大家可以看到，我认为从数据的角度来看，仿真合成数据会是我们跑通Scaling Law的必须，那么这边有一个三角形，有一个数据金字塔，上面的是真实数据，中间是大量的仿真合成数据，底层是人类视频数据，三类数据都非常的重要，但是又都是不可或缺的。有幸和大家汇报，光轮智能在仿真合成数据和人类视频数据这两个领域我们都是做到了全球的交付量第一。
大家可以看到，这个就是光轮智能的一个仿真合成数据的一个场景，这个是一个机器人在操作一个运动。同时可以做多场景泛化。在改变它的背景、不同的资产情况下也会有不同的这种数据出来。刚才说的是数据，那么从测评的角度我们认为仿真测评是具身规模化测评唯一解，就是真机测评又贵、又不可控又有风险，那么通过仿真测评可以实现可复现、物理准确、闭环方方面面的一些好处。这边也和大家汇报，光轮智能发布了全球首个工业级的仿真测评平台，来评价全国前5的世界模型，我们可以做到工业级、规模化、99%的物理真实。我们与全球的顶级的赛事、全球顶级合作伙伴一起合作，包括国家机器人的检测评定中心、阿里千问、英伟达等等一些相应的合作伙伴。这一页和大家汇报我们的一些底层技术，就是我们做了一个三位一体的全栈自研的仿真，通过自研求解器、真实的物理测量，大量的生成来实现一个物理真实的仿真。这一页和大家荣幸汇报，下一代的物理仿真引擎Newton是在今年3月份我们也受邀代表中国参与到Newton技术指导委员会当中，作为中国的唯一代表。左边是老黄在他的GTC大会上演示我们的相应数据。
这一页做一个总结，光轮智能我们是立志打造物理AI的数据和评测的基础设施，我们也是全球首个具身的数据独角兽企业，我们能够实现支持具身大模型公司和本体公司实现成本革命，然后全球前5的具身大模型团队和我们都有合作，80%的具身团队的仿真合成数据和仿真资产都是来源于我们，所以我们实现了三项交付第一。在两项数据和一项评测上实现了全球的交付第一，我们的合作伙伴都是全球头部的一些企业。这边做一个总结，光轮智能前面做了一些探索，非常认可孙院士的观点，具身智能这个行业还是处于非常前期、非常早期的阶段，我们只是现在做了一些小小的成绩，我们认为叫做一花不是春，独木难成林，所以我们也希望和京津冀三地的一些企业、机构一起合作，包括比如说我们的上下游的一些企业，像头显、灵巧手、传感器这些上下游的企业，包括场景企业，我们很多传统工业场景、生活场景、超市场景都是非常好的数据的来源以及后续做机器人部署的非常好的一些路径。所以我们也希望可以和大家做一些合作，同时大模型公司和本体公司也是我们很好的一些合作伙伴，希望后续和大家一起和我们中国企业一起来打造中国自己的具身智能这块的高点，谢谢大家！
