Reconfiguración de la valoración, la infraestructura de datos y evaluación se convierte en el centro de valoración de la industria de inteligencia corporal.
Autor｜Zhou Yue
Editor｜Li Zi
La lógica del mercado de inteligencia corporal está cambiando.
En los últimos dos años, la industria ha hablado sobre la inteligencia corporal, centrándose principalmente en modelos y sujetos: ¿quién tiene el 'cerebro' más fuerte, quién tiene un robot humanoide más parecido a un humano, quién tiene movimientos más precisos? Estos constituyen la manifestación más intuitiva de la capacidad de la inteligencia corporal.
Esto está en línea con la lógica de evolución de las industrias emergentes. Cada ciclo tecnológico que comienza, las primeras empresas en estar bajo el foco son a menudo las más cercanas a los usuarios y las más imaginativas. Al igual que en los primeros días de la conducción autónoma, el mercado inicialmente se centró en vehículos completos y Robotaxi; al inicio de la explosión de modelos grandes, el capital se centró primero en modelos y empresas de aplicaciones. En la fase inicial de la inteligencia corporal, los modelos y los sujetos obtuvieron altas valoraciones, que también es un resultado natural del desarrollo industrial.
Sin embargo, cuando la industria tecnológica pasa de 'laboratorio' a 'escalabilidad', la lógica de precios del mercado tiende a converger hacia posiciones más fundamentales.
La conducción autónoma ha dado lugar a Scale AI, que respalda el sistema de producción de datos; en la era de los grandes modelos, la verdadera posición central de la industria la ocupa NVIDIA, que proporciona la infraestructura de potencia de cálculo. Cuanto más se acerca la tecnología a la implementación a gran escala, más depende la industria de la infraestructura básica que pueda respaldar la iteración continua de toda la industria.
Al entrar en 2026, la inteligencia corporal también ha llegado a este punto de inflexión: la capacidad de la IA física para lograr una implementación escalable ya no depende únicamente de los parámetros del modelo, la forma del sujeto o la capacidad puntual, sino de quién puede proporcionar datos y evaluaciones de infraestructura que respalden el aprendizaje continuo y la retroalimentación del robot.
El mercado de capitales está captando este señal de manera aguda y comenzando a reevaluar el sector de infraestructura de inteligencia corporal.
Recientemente, Guangle Intelligent anunció la finalización de una nueva ronda de financiamiento. Esta ronda fue liderada por Ant Group; instituciones de inversión estatales, industriales y financieras de renombre, como Jian Investment, el Fondo Común de la Gran Área de la Bahía, Senma Fangdao Fund, Shandong Fuhong (que participa en la gestión del fondo industrial), Xineng Investment y Linxin Investment, también participaron; al mismo tiempo, antiguos accionistas como 37 Interactive Entertainment, Guofang Innovation, Daohua Long-term Investment y Dingstone Asset Management también realizaron inversiones adicionales.
Después de completar esta ronda de financiamiento, la valoración de Guangle Intelligent superó los 2 mil millones de dólares, duplicando su valoración en solo dos meses. Esta cifra no solo rompe el récord de valoración en el campo de infraestructura de datos y evaluación de inteligencia corporal a nivel mundial, sino que también reconfigura el panorama de valoración de la infraestructura de datos y evaluación de IA física.
Desde la perspectiva de '甲子光年', la infraestructura de datos y evaluación de inteligencia corporal está convirtiéndose en el nuevo foco de valoración de la industria.
Guangle Intelligent está en el corazón del foco industrial.
1. El año de escalabilidad de los datos corporales,
La infraestructura de datos y evaluación se ha convertido en el nuevo centro de valor.
En la era de los modelos de lenguaje grandes, la infraestructura más crucial de la industria de IA es la potencia de cálculo. GPU, CUDA, clústeres de entrenamiento, servicios de inferencia e infraestructura en la nube han respaldado la rápida explosión de la IA en la última década.
A diferencia de esto, la Ley de Escalabilidad de la IA física no solo ocurre en parámetros y potencia de cálculo. Se está trasladando gradualmente de la escalabilidad de parámetros a la escalabilidad de datos, entornos y retroalimentación. Los robots necesitan aprender del mundo físico, necesitan manejar fuerzas, contactos, deformaciones, fracasos y retroalimentación, lo que es mucho más complejo que solo texto e imagen. Más importante aún, el mundo físico real no puede cometer errores infinitos ni reiniciarse en cualquier momento.
Por lo tanto, para que la inteligencia corporal realmente ingrese a la fase de escalabilidad, la cuestión central ya no es solo 'quién construye primero un robot', sino quién puede proporcionar datos que sean escalables y de alta calidad, y que puedan ser evaluados y validados de manera continua.
A mediados de 2025, la capacidad del modelo de la empresa Generalist en inteligencia corporal rompió la Ley de Escalabilidad de Datos Corporales y la llevó al primer plano. Por primera vez, valida para la industria que la transición de la capacidad del modelo robótico no solo proviene de modelos más grandes, sino también de un suministro continuo de datos de alta calidad. Lo que se revela detrás de esto es la necesidad sistemática de infraestructura de datos fundamentales después de que la inteligencia corporal entra en la era de preentrenamiento.
Guangle Intelligent ya había completado un diseño prospectivo antes de que el mercado reconociera esta norma. Exploraciones de modelos avanzados como Generalist también cuentan con el respaldo de su infraestructura fundamental. Cuando Generalist definió claramente la dirección de la industria, Guangle Intelligent se convirtió naturalmente en la primera empresa en asumir la demanda y en impulsar a la industria hacia la fase de escalabilidad.
Al entrar en 2026, este juicio comenzó a pasar del progreso del modelo hacia la validación comercial. En el primer trimestre de este año, los nuevos pedidos de Guangle Intelligent alcanzaron los 5.5 mil millones de yuanes, superando los ingresos de todo el año pasado y rompiendo récords en la industria de datos corporales, acelerando así la llegada del 'año de la escalabilidad de los datos corporales'.
Estos pedidos reflejan dos necesidades críticas del mercado nacional e internacional: una es que los equipos de modelos grandes y modelos del mundo de inteligencia corporal ingresen a la fase de entrenamiento, iteración y evaluación continuos; la otra son los escenarios industriales, logísticos, agrícolas, electrodomésticos y automotrices reales, que comienzan a invertir dinero real en el entrenamiento, validación y despliegue de robots. Guangle Intelligent se encuentra justo en la intersección de estas dos curvas de demanda.
En este momento, Guangle Intelligent ha construido un ciclo cerrado completo: puede generar servicios de entrenamiento de datos humanos y sintéticos de alta calidad, así como llevar a cabo evaluaciones de simulación a gran escala centradas en el escenario y proporcionar retroalimentación real basada en el despliegue. En la era de la IA física, el entrenamiento de modelos, la validación de evaluaciones y el despliegue industrial dependen de la misma infraestructura para el aprendizaje e iteración continuos.
Esta también es la lógica fundamental por la que Guangle Intelligent ha sido reevaluada por el mercado. La razón por la que NVIDIA ha sido repetidamente reevaluada en la era de los grandes modelos no es solo por el hardware de GPU en sí, sino porque la base de cálculo compuesta por GPU, CUDA y clústeres de entrenamiento se ha convertido en una necesidad crítica para la expansión de toda la industria. Al entrar en la era de la IA física, una lógica similar está migrando: los modelos y los sujetos deben mejorar continuamente, por lo que deben tener un suministro de datos escalables, un sistema de evaluación reproducible y una infraestructura de retroalimentación real. Y Guangle Intelligent está proporcionando esa infraestructura de ciclo cerrado para datos y evaluación de IA física. Desde este punto de vista, la inversión liderada por Ant Group, junto con múltiples fondos estatales, de la industria y antiguos accionistas, no solo es un reconocimiento a Guangle Intelligent, sino también una señal clara de que el capital industrial está comenzando a reevaluar el valor a largo plazo de la infraestructura de IA física.
2. Ciclo cerrado completo de humanos, simulación y despliegue:
Guangle Intelligent ha convertido los datos y la evaluación de IA física en una infraestructura.
La verdadera barrera de Guangle Intelligent no radica en haber apostado por una única línea de datos, sino en que desde el principio se ha posicionado como la infraestructura de IA física.
Este es un sistema de infraestructura de datos y evaluación de IA física que abarca entrenamiento, evaluación y retroalimentación del despliegue. Su capacidad central está compuesta por un núcleo de simulación integral de autodesarrollo, datos de video humano y retroalimentación de despliegue real.
Primero, es la simulación.
La capacidad más fundamental de Guangle Intelligent proviene de su plataforma de simulación integral autodesarrollada de 'solución-medición-generación'. La solución se encarga de restaurar fuerzas, colisiones, contactos y deformaciones en un entorno virtual, haciendo que la simulación sea físicamente creíble; la medición introduce propiedades físicas reales como materiales, contactos, fricción y deformaciones en el sistema; y la generación expande estas leyes físicas a un mundo de simulación que es entrenable, evaluable y reutilizable.
Esta también es la técnica nuclear de la infraestructura de datos y evaluación de Guangle Intelligent.
En este sistema, la simulación es el centro que conecta la generación de datos, el entrenamiento de modelos y la evaluación de capacidades: por un lado, expone los límites de capacidad del modelo en diferentes tareas, entornos e interacciones físicas a través de la evaluación de simulación. La evaluación no solo determina si el modelo realmente ha avanzado, sino que también determina cómo debería evolucionar la próxima ronda de datos y entrenamiento; por otro lado, expande la experiencia del mundo real en grandes volúmenes de datos entrenables. Por un lado, determina los límites de capacidad del modelo a través de la evaluación de simulación y define inversamente la próxima ronda de necesidades de datos; por otro lado, genera datos sintéticos de simulación que provienen de tareas humanas, teleoperación y escenarios reales, ampliándolos automáticamente bajo múltiples escenarios, perturbaciones y parámetros físicos.
En segundo lugar, son los datos de video humano.
Para que los robots ingresen al mundo real, primero necesitan comprender cómo los humanos actúan en entornos reales: cómo abrir puertas, agarrar, organizar, ensamblar, cómo descomponer pasos, manejar excepciones y corregir acciones en tareas complejas. Los datos de video humano proporcionan no solo muestras estáticas, sino experiencias operativas, estructuras de tareas y conocimientos previos de comportamiento en el mundo real.
En el pasado, era fácil para el exterior entender a Guangle Intelligent como una empresa de simulación, pero eso no es completo. En realidad, Guangle Intelligent ha convertido los datos humanos y la simulación en una infraestructura de ciclo cerrado, y su volumen de entrega de datos humanos es el primero en el mundo. Su producto de datos de video humano cubre más de 25,000 nodos de entorno, más de 100,000 tipos de tareas, y ha entregado más de 1.5 millones de horas de datos humanos de alta calidad. Para los equipos de modelos, estos datos no solo permiten que los modelos 'vean el mundo', sino que también permiten que los modelos comprendan cómo los humanos completan tareas en el mundo físico.
Una vez más, se trata del retroceso de la retroalimentación del despliegue real.
La IA física debe volver al campo de la industria.
El despliegue en el escenario no es el final fuera del ciclo, sino la fuente de retroalimentación más importante dentro del ciclo. El despliegue real expondrá nuevas distribuciones de tareas, nuevos modos de falla y nuevas restricciones de escenario, y esta retroalimentación regresará a los sistemas de datos, simulación y evaluación, convirtiéndose en la base para la próxima ronda de entrenamiento y diagnóstico de capacidades.
Por lo tanto, lo que forma Guangle es un conjunto de infraestructura de datos y evaluación de IA física en evolución continua.
El núcleo de simulación garantiza la credibilidad física, los datos humanos proporcionan experiencias reales, la evaluación de simulación determina los límites de capacidad, y la retroalimentación del despliegue trae de vuelta problemas reales. Los tres no son simplemente paralelos, sino que están en el mismo sistema, funcionando continuamente en ciclo, calibrándose y mejorando. Es decir, los datos humanos, la evaluación de simulación y la retroalimentación del despliegue constituyen el ciclo externo; mientras que la 'solución-medición-generación' en la simulación es el núcleo técnico que permite que este ciclo funcione de manera continua.
Los datos de video humano proporcionan experiencias de comportamiento humano y tareas del mundo real; la simulación expande estas experiencias a datos sintéticos a gran escala; la evaluación determina los límites de capacidad del modelo y señala la próxima ronda de necesidades de datos; el despliegue real lleva el modelo de regreso al campo industrial, generando nuevos fracasos, retroalimentación y restricciones de tareas; estos retrocesos luego fluyen de nuevo, impulsando la próxima ronda de generación de datos, expansión de simulaciones, iteraciones de evaluación y despliegues reales. Este núcleo y el ciclo externo apuntan a un resultado: datos y capacidades de evaluación de mayor calidad.
Para los clientes principales, elegir Guangle Intelligent no es solo porque puede entregar datos de alta calidad, sino porque estos datos provienen de un conjunto de infraestructura que se valida y mejora continuamente. La calidad de los datos, los estándares de evaluación y el ciclo de retroalimentación se están convirtiendo en nuevos recursos clave en la era de la IA física. Lo que Guangle Intelligent está haciendo es transformar estas capacidades fundamentales de una entrega por proyecto a una infraestructura que puede ser llamada repetidamente, evolucionando continuamente y respaldando la iteración de toda la industria. El objetivo final del ciclo cerrado de Guangle Intelligent de humanos, simulación y despliegue no es cantidad, sino calidad; no es una entrega única, sino una infraestructura de IA física de mayor calidad y evolución continua.
3. Desde la infraestructura hasta el nivel de reglas:
Guangle Intelligent está definiendo los estándares internacionales de datos, simulación y evaluación de IA física.
Cuando los datos, la simulación y la capacidad de evaluación sean reutilizados con alta frecuencia por las partes de la industria, sus métodos, interfaces y sistemas de evaluación comenzarán a sedimentarse como estándares comunes de la industria.
Si la infraestructura resuelve si 'la industria puede funcionar', entonces los estándares resuelven si 'la industria puede avanzar más lejos sobre la misma base de orden'. La próxima fase de competencia en inteligencia corporal está evolucionando de la salida de capacidades técnicas puntuales a la definición de estándares del ecosistema industrial.
Para que la IA física logre escalabilidad industrial, la industria debe responder a una serie de preguntas fundamentales: ¿cómo definir datos de alta calidad? ¿cómo definir simulaciones de alta calidad? ¿cómo definir evaluaciones de alta calidad? ¿cómo deberían ser entrenados, validados y desplegados los modelos, y cómo debería la retroalimentación del despliegue volver a entrar en el sistema de entrenamiento para mejorar continuamente?
Quien pueda participar profundamente en la definición de estas cuestiones, tendrá más oportunidades de ocupar un lugar clave en la evolución de la industria en la próxima etapa. Y Guangle Intelligent está participando en la construcción de estos estándares fundamentales desde tres dimensiones.
Primero, estándares de calidad de datos.
Para los equipos de modelos líderes, lo realmente clave no es 'más datos', sino datos de alta calidad escalables, solo los datos de alta calidad pueden traducirse continuamente en mejoras en la capacidad del modelo.
Para Guangle Intelligent, los datos de alta calidad no dependen de la simple recopilación, sino que se forman en su 'sistema de ciclos internos y externos': la capa externa está formada por datos humanos, evaluación de simulaciones y retroalimentación del despliegue, mientras que la capa interna está formada por la plataforma de simulación autodesarrollada de 'solución-medición-generación' en un enfoque de pila completa, por lo que la calidad de los datos no solo depende de la recopilación única o la verificación manual, sino que puede ser continuamente validada y mejorada en la generación, entrenamiento, evaluación, despliegue y retroalimentación.
Esta capacidad de ciclo cerrado se traduce directamente en un indicador clave en el ámbito comercial: 'tasa de reventa de datos' (es decir, cuántos clientes diferentes pueden comprar los datos de Guangle por cada hora). Un conjunto de datos de alta calidad puede circular continuamente y generar más valor en diferentes clientes, diferentes fases del modelo y diferentes sistemas de tarea. Cuanto más alta sea esta tasa, significa que la calidad de los datos es más estable, la capacidad de Guangle para definir los datos es más fuerte, la calidad es más alta y el nivel de aceptación del cliente también es más alto.
Yang Haibo, cofundador y presidente de Guangle Intelligent, presentó que en los datos de escenarios de alta calidad, la tasa de reventa ya puede superar 10 veces. Este indicador no solo confirma la estabilidad de sus datos y la aceptación del cliente, sino que también es uno de los apoyos fundamentales para los nuevos pedidos de 5.5 mil millones de yuanes en el primer trimestre de 2026.
Segundo, estándares de simulación.
En 2026, Guangle Intelligent aceptó la invitación conjunta de Google Deepmind, NVIDIA y Disney Research para unirse como miembro clave en el desarrollo del motor físico acelerado por GPU de código abierto, Newton. Guangle Intelligent desempeñará un papel dominante en las direcciones clave de la tecnología de simulación de inteligencia corporal, impulsando junto con las cuatro principales instituciones internacionales los estándares de simulación de IA física de próxima generación de código abierto.
La aparición de Newton TSC marca la unificación de la infraestructura de simulación de IA física en todo el mundo. En el pasado, el cálculo paralelo de GPU, la dinámica de contacto de alta precisión, la resolución de mecanismos complejos, el ecosistema de aprendizaje robótico y la verificación industrial de nivel industrial estaban a largo plazo dispersos en diferentes sistemas. Newton integra estas capacidades en una misma arquitectura abierta, definiendo cómo se diseñará, evolucionará y adoptará por parte de desarrolladores globales y escenarios industriales el próximo sistema de simulación.
Entre los cinco principales expertos en simulación de Newton TSC, el Dr. Miles Macklin, el Dr. Yuval Tassa, el Dr. Xie Chen, el Dr. Moritz B?cher y el Dr. Michael Sherman, representan respectivamente los caminos tecnológicos centrales a nivel global como simulación Warp, simulación MuJoCo, definición de SimReady basada en 'trinidad', simulación Kamino y simulación Drake.
La entrada de Guangle Intelligent en Newton significa que ya no es solo un participante en el ecosistema de simulación global, sino que comienza a participar en la co-construcción de las reglas de la próxima generación de infraestructura de simulación de IA física. Al mismo tiempo, en cuanto a la implementación de infraestructura de simulación, Guangle Intelligent también está colaborando con Moore Threads en torno a la potencia de cálculo, la plataforma de simulación y la capacidad de evaluación de datos, creando conjuntamente un方案 de datos sintéticos de simulación autodesarrollado nacional para consolidar la infraestructura controlable y autónoma para el desarrollo de la inteligencia corporal.
Tercero, estándares de evaluación.
En el ecosistema de evaluación, Guangle Intelligent está promoviendo conjuntamente el marco de evaluación Isaac Lab-Arena con NVIDIA; su plataforma de simulación autodesarrollada LeIsaac ha sido incluida en la documentación oficial de Hugging Face; están colaborando continuamente con equipos de vanguardia mundial como Tongyi Qianwen y World Labs en evaluación y generación mundial; el núcleo de estas colaboraciones no es solo co-construir proyectos, sino impulsar las evaluaciones hacia estándares industriales que sean reproducibles, comparables y escalables.
En el ámbito de organizaciones de estándares y sistemas de evaluación, Guangle Intelligent se ha convertido en la única empresa privada en el plan de acción de inteligencia corporal en el país, participando en la construcción de conjuntos de datos de alta calidad y en el perfeccionamiento de la infraestructura de datos de inteligencia corporal, y colaborando con el Comité Nacional de Estándares de China, el Ministerio de Industria y Tecnología de la Información y otros comités de estándares relevantes para promover la construcción del sistema de estándares.
Hasta ahora, Guangle Intelligent ha liderado o participado en la elaboración de 20 normas nacionales e industriales relevantes, cubriendo áreas clave como la calidad de los datos, plataformas de simulación y conjuntos de datos industriales de alta calidad. Al mismo tiempo, han formado una colaboración con el Centro Nacional de Inspección y Evaluación de Robots (sede) para impulsar conjuntamente la construcción de infraestructura clave de inteligencia corporal y estándares de evaluación de pruebas industriales.
El papel de Guangle está cambiando. No solo entrega datos y evaluaciones a los clientes, sino que también está sedimentando constantemente la calidad de sus datos, la capacidad de simulación, el sistema de evaluación y la experiencia industrial como estándares comunes de la industria.
4. Los datos no son combustible:
Guangle Intelligent quiere construir un sistema educativo para la IA física.
Cuando la inteligencia corporal pasa del laboratorio al mundo real, comienza a surgir una pregunta esencial: ¿cómo deberían aprender realmente los robots?
La adquisición del conocimiento humano es un proceso continuo y de largo plazo. Desde la educación básica, la educación superior hasta el aprendizaje a lo largo de la vida, el individuo no solo necesita absorber conocimientos, sino también experimentar repetidas pruebas, iteraciones y recibir retroalimentación y desafíos externos.
Los robots que comprenden el mundo físico también deben pasar por un proceso así. Esta es precisamente la lógica fundamental de Guangle Intelligent: está construyendo un sistema educativo para que los robots aprendan continuamente. Proporcionando demostraciones reales con datos humanos, ofreciendo un entorno de entrenamiento a través del mundo de la simulación, utilizando el sistema de evaluación para juzgar los límites de capacidad, y luego llevando la nueva retroalimentación de vuelta al siguiente ciclo de entrenamiento.
Esto también explica por qué el fundador y CEO de Guangle Intelligent, Xie Chen, no desea considerar los datos simplemente como combustible.
El combustible es un recurso consumible, lo esencial radica en el suministro, los precios y la eficiencia; la educación es una ingeniería de sistemas, cuya esencia radica en el aprendizaje, la retroalimentación y la evolución. El combustible responde a la pregunta '¿puede funcionar la máquina?', mientras que la educación responde a la pregunta '¿puede el robot formar cognición y evolucionar continuamente?'. Y la capacidad de aprendizaje continuo, al final, decidirá el límite superior a largo plazo de la capacidad del robot.
Es por eso que Guangle Intelligent elige trabajar simultáneamente con datos humanos, evaluación de simulaciones y retroalimentación del despliegue. Porque la verdadera educación debe comenzar con el fin en mente, partiendo del mundo real en el que 'el estudiante' finalmente debe ingresar. Los escenarios industriales reales definen las capacidades que los robots deben poseer en el futuro, y también definen de manera inversa lo que deberían aprender hoy. Guangle presta mucha atención a la calidad, la retroalimentación, la revisión y la mejora continua. Solo así tendrán la capacidad de construir un sistema educativo orientado a la IA física. Esto no solo pone a prueba la capacidad de entrega de la empresa, sino también el respeto por las capacidades técnicas, la garantía de calidad, los mecanismos de retroalimentación y la mejora continua.
Esta es precisamente la razón profunda por la que Guangle Intelligent ha duplicado su valoración en un corto período y ha vuelto a romper el récord de valoración mundial. Durante la última década, NVIDIA ha entrado en el centro de la industria de IA precisamente porque ha definido y respaldado la infraestructura de cálculo de la era de los modelos grandes; mientras que Guangle Intelligent, no solo por su capacidad técnica de producto avanzada y su capacidad de implementación comercial, sino principalmente por haber definido la infraestructura de datos y evaluación de la era de la IA física.
Guangle ha elegido un camino más a largo plazo, más fundamental y más cercano al desenlace de la industria de IA física. Con el inicio del año 2026, el año de escalabilidad de la inteligencia corporal, el centro de valor de la IA física también está pasando de modelos y sujetos hacia datos, evaluación e infraestructura de aprendizaje continuo. Y Guangle Intelligent está ocupando una posición cada vez más central en esta migración de paradigmas industriales.