蘇度科技 WAIC 首亮相：現實是機器人的終點，不是訓練的邊界

做到 99% + 的任務可靠性和成功率，具身智能公司就沒有泡沫。

文丨江思遠

韓錚第一次創業時，曾經在蘇昊斯坦福宿舍的地板上陸續睡過一年多。

那是 2011 年前后，韓錚去美國灣區拜訪客戶，當時他在做智能硬件創業，蘇昊則在斯坦福讀博士，研究方向從 ImageNet 轉向 3D 深度學習。兩人是北航實驗班前后級同學，也都曾在微軟亞洲研究院讀博。

他們經常聊到 3D 重建，以及未來和 3D 相關的最宏大的敘事會是什么，一個隱約的答案是機器人。但那個時候的技術想象離真實產業還很遙遠。

十多年后，具身智能成為一門顯學。

人形機器人的主要任務變成科研、跳舞；工業機器人展示的則是抓取、疊衣服、打乒乓球等。機器人不缺表演機會，難的是換了物體、換了光照、換了工位，物品的重量、摩擦、形變和擺放方式也變化后，機器人還能否多次穩定完成任務。

沒有一致性，機器人進入真實世界的置信度就會存疑。韓錚和蘇昊于 2025 年聯合創立的蘇度科技，想嘗試回答、解決這個問題。

公司成立一年，估值很快達到 200 億元，同時也被推到聚光燈下。外界率先關注到的是創始人的背景：蘇昊回國后，成為復旦大學浩清特聘教授、通用物理智能研究院首任院長，此前曾在 UC San Diego 任計算機科學系終身副教授；韓錚作為他多年好友，則是一名兩次成功退出的創業者。

更引起外界關注的，是蘇度選擇的技術路線和階段成果。

今年上半年，在 CVPR 學術會議線下展示中，蘇度的機器人在開放環境下隨機抓取物品引起業內人士關注，原因在于抓取的物品都是從現場研究者和觀眾手上拿到的。學術會議布展時間一般很短，團隊很難有機會提前針對現場物體采集真機數據、做后訓練。

韓錚說，CVPR 后外界開始質疑 “是不是提前訓練過”，等到線下測試打消一部分疑問后，新的質疑變成：sim-to-real （從仿真訓練遷移到真實機器人）是否只能做抓取，能不能做更復雜的柔性操作、長程任務和移動操作。

近日，上海 WAIC （世界人工智能大會）期間，蘇度最新展示了機器人移動操作、雙手協作、柔性操作、精密組裝等 10 余個技能。尤其移動操作，成為蘇度展臺一大看點。

蘇度科技聯合創始人兼 CEO 韓錚告訴我們，很多機器人演示中，機器人往往先移動到一個固定位置，然后停下、再用上肢完成抓取或操作，但真實場景很難給機器人這樣的條件。

蘇度科技的一位投資人告訴我們，蘇度從 1 個技能到 10 個只花了 3 個月，這背后是基礎技能被復用、組合和遷移，能力擴展速度正在發生變化。

蘇度沒有把自己定義成一家單純的機器人公司，而是一家以物理智能為底座、用虛實融合和軟硬一體做通用操作能力的具身智能公司。

每家具身公司都在定義自己的軟件、硬件閉環，韓錚也向我們系統解釋了蘇度對具身智能的理解，以及機器人要進入真實世界，通用泛化能力從哪里來？

機器人沒有自己的 “互聯網數據”

大語言模型的進展，讓很多人習慣用 Scaling Law 來理解 AI。模型變大，數據變多，算力增加，能力隨之涌現。但這個邏輯落到機器人上會遇到一個基礎問題：機器人沒有自己的 “互聯網數據”。

大語言模型訓練時，互聯網上已經有海量文本、圖像、代碼和視頻，很多信息在人類過去幾十年的生產和交流中已經沉淀下來。

機器人面對的是另一種世界。抓取一個杯子時，除了識別物體本身，還要學會如何接近、抓住杯子、感知重量、處理摩擦、避開碰撞，在不同環境中調整動作策略。

韓錚在采訪中告訴我們，機器人數據最難的部分，是預測世界上典型物體組合出來的環境、光照，以及人對這些物體操作之后會發生什么。

這不只是理解圖像和語言之間的關系，還是形變、材料、空間、時間延遲和狀態變化。關鍵是，這些數據沒有現成的 “物理世界互聯網”。

自動駕駛早年也遇到這個問題，但特斯拉這類車企可以先賣出大量車輛，再不斷回收數據，迭代模型。但機器人很難照搬這條路徑：產品形態還沒完全收斂，也沒有足夠爆點的功能，硬件還無法大規模進入真實世界，物理交互數據也無從回傳。

行業里常見的路徑是遙控操作、動作捕捉和真機采集。韓錚認為，這些路徑各自都有合理性，但學術界和工業界最大區別是可靠性。

“機器人模型從學術界走向工業界，最終要在關鍵任務上逼近 99% + 的成功率。如果做不到，實驗室里再多 fancy demo，偶爾成功，在某個場景下成功率很低，然后不斷補數據，還是很難進入商業化。” 韓錚說。

在蘇度看來，機器人的能力泛化前提，是高可靠的任務執行成功率。依賴遙操、動捕和真機采集數據，成本會很高，規模也很難支撐通用操作能力的形成。

蘇度選擇了以仿真為主的機器人世界重建。韓錚進一步向我們解釋，蘇度并非完全不使用真機數據，事實上也在持續研發和迭代自身的數據采集技術。

不同的是，它希望依托自研的大規模仿真數據系統，形成以大規模仿真數據為主、少量真機數據為輔，并將虛擬數據與真實數據有效融合的訓練方式，從而降低對大規模真機數據采集的依賴。

韓錚說，蘇度首個機器人大模型在預訓練時，幾乎沒有用真機數據。模型部署后，機器會直接嘗試抓取物體，如果失敗就再試一次，后期有少量的真機強化學習。韓錚認為，仿真不是繞開真實世界，而是試圖用更低成本制造足夠多的物理經驗。

這條路線之所以在蘇度這里成立，和蘇昊的長期積累有關。

蘇昊過去十多年一直在 3D 視覺、空間智能、結構化數據集、仿真器和機器人學習等方向上工作；加之生成式模型的出現，則讓更大規模、更豐富的虛擬環境構建變得更可想象。

蘇度希望，機器人先在虛擬世界里大規模訓練，形成可泛化的通用操作能力，再把這種能力帶回真實世界。

蘇度押注的，不是更逼真的世界，而是能訓練機器人的世界

大模型之后，很多研究者開始把注意力從語言、圖像轉向空間、物理和行動，也就是物理 AI，其中重要的技術路徑是世界模型。但什么是世界模型，行業里沒有形成統一定義。

最近，李飛飛與 World Labs 團隊近期關于世界模型的文章里，提供了一種更清晰的拆法：世界模型可以按照功能分成三類，渲染器、模擬器和規劃器。

渲染器輸出的是觀察信息，關心畫面是否足夠真實，能不能生成一個可以觀看、可以漫游的世界；模擬器輸出的是世界狀態，關心幾何、物理和動力學是否忠實于現實；規劃器輸出的是行動，關心智能體在給定觀察和目標后，下一步應該怎么做。

韓錚在采訪中告訴我們，很多 3D 生成或視頻生成路線其實本質上還是渲染器，可以生成視覺上合理的世界。它主要采用的是 3D 高斯的表征方法，能對物體的表征進行渲染，但物體和背景 “糊成一坨”。它對于導航類任務比如掃地機器人、自動駕駛都有用。

但韓錚判斷，如果是讓機器人去對物體進行接觸、交互，僅靠 3D 高斯一類表征很難支撐。一個杯子在畫面里像杯子，和機器人能否穩定抓起它、移動它、把它放到另一個位置，是兩件事。

機器人需要的是另一層信息：物體能不能被分割，表面摩擦如何，碰撞之后狀態如何變化，內部結構、部件關系、動力學約束是否存在。

而蘇昊過去多年研究的核心是，可交互的 3D 表征。除了讓機器 “看見” 三維世界，還要讓機器理解物體可以被碰撞、接觸、推動、抓取和裝配。

蘇度對 “通用智能” 有自己的理解，認為通用物理智可以被拆成上下兩層。

上層更接近大模型公司熟悉的能力，包括大語言模型 LLM、視覺語言模型 VLM、agent 和任務規劃。它負責理解指令、拆解步驟、調用外部知識。比如在家庭場景里，一個機器人要做飯，可能需要理解菜譜、商品庫存、外賣平臺、用戶偏好；在工業場景里，它可能需要理解工藝流程和客戶系統。

但機器人真正進入真實世界，還需要另一層能力：它要把一個任務拆解后的動作，穩定地執行出來。這是蘇度目前更關注的是底層能力。

韓錚說，通用智能的底層要解決的是機器人基礎操作能力，比如抓取、放置、精準組裝、插孔、開門、按按鈕、擰螺絲等。上層模型的反應可以慢一點，可以調用外部知識，也可以放在云端或邊側；但底層操作模型必須在端側高速閉環。機器人每一次觀察、移動、接觸之后，策略都會被快速重新調整。

韓錚把這種能力類比為智能手機系統里的 SDK 或 API。“底層的技術能力，會像智能手機的 iOS 或安卓上的 SDK、API，會逐漸把一些核心能力放出來。”

不過他也知道，這套底層能力不可能一開始就像成熟軟件 API 一樣穩定。蘇度希望先把抓取、放置、組裝、檢測等高頻基礎操作做到足夠可靠，再逐步把更多能力釋放成可以被組合的底層接口。上層模型可以調用這些能力，工廠也可以按自己的流程手工定義任務。

蘇度不只想做一臺機器人，也不只是做一個單一場景交付。蘇度希望，未來做上層模型、工業垂類應用、研究和開發的人，都可以調用蘇度底層操作模型和工具鏈，把抓取、放置、組裝、檢測等能力組合成更復雜的任務。

為了支撐這個目標，蘇度大力投入基礎設施建設。韓錚說，公司目前已經接近萬卡級別算力，融資里很大一部分會投向 GPU 和人力成本。他判斷，具身智能模型對算力的需求，最終可能會接近多模態模型的水平。

另一項投入是人才密度。蘇度核心團隊里，很多人畢業于清華大學交叉信息研究院和美國多所高校。有人在韓錚第一次創業時就已經加入，很多人已經連續搭檔工作 10 年。韓錚說，過去 10 年里，這些人做的事都圍繞今天要做的方向：以仿真為基座，做機器人底層技術模型訓練。

從輪式雙臂到真實工位

現階段，蘇度科技主要選擇輪式雙臂機器人來實踐他們的具身智能理念。

韓錚告訴我們，蘇度當前最核心的目標，是先把機器人在真實世界里的基礎操作能力做穩定，包括抓取、放置、移動操作、精密組裝和柔性操作等。

相比雙足人形，輪式底盤可以先把行走、平衡等變量降下來，讓團隊把更多算力、數據和工程精力放在 “手” 和 “操作” 上，更好驗證移動操作、抓放、組裝等基礎能力。

這個硬件形態也與蘇度早期進入的場景緊密相關。韓錚告訴我們，蘇度目前更關注傳統自動化難以處理、但具備復用價值的任務，比如柔性生產、精細化操作、多工位遷移，未來可以延展到商超、餐飲、家庭的基礎操作能力。

制造業是更接近落地的場景之一。在鋰電行業，蘇度已經與頭部電池企業寧德時代推進多工位合作，首個工位也已經完成 POC（概念驗證）。

韓錚告訴我們，蘇度和寧德時代合作時，最早關注的是線纜接插一類任務。這類任務難在，很多接觸狀態并不能完全被視覺看到，機器人需要依靠視觸覺傳感器，把線纜接頭拿起來，再完成組裝和接插。

后來，蘇度在電池場景里看到更多可拆解的工位。韓錚提到，電池產線里有上百個不同場景，他們更關注精細化操作，而不是搬運料箱、搬箱子這類傳統工業機器人也能做的任務。

技術復利，往往是具身智能公司在商業場景時的重要考量。在電池產線，一個型號的電池模組發生變化，電芯可能不同，工藝排列組合也會變化，但底層動作仍然是抓取、精準放置、插入和組裝。蘇度希望驗證的是，同一套基礎技能從一個電池型號遷移到另一個型號，并進一步遷移到汽車、3C 或其他組裝任務里。

此外，商超和餐飲等場景也接近未來家庭場景的中間形態。商超里有盤點、補貨、貨架巡檢、缺貨識別、錯放識別等任務；餐飲門店里有整理、取放、傳遞、清潔和補給。這些高頻、可組合、需要遷移的基礎操作，都是具身智能公司的機會。

對一家估值快速上升的創業公司來說，收入和訂單會成為外界很自然的期待。但韓錚說，蘇度 “不太選擇做短期營收”。如果沒有滿足最終端客戶對機器人可操作、可部署的要求，中間為了收入去做項目，他們 “接受不了”。

韓錚說，真正健康的訂單，應該來自終端客戶對機器人可操作、可部署能力的需求，而不是行業內部互相買單，也不是為了短期收入去做展示項目或低價值硬件銷售。

韓錚給蘇度設定了一些中短期目標：持續把幾個基礎技能的泛化性做扎實，讓開發者能在全球幾個地方上手測試和開發。中長期目標，則是在明后年做一定交付，讓更多人基于蘇度的機器人和底層能力，開發機器人應用、agent 和上層模型。

我們問韓錚，具身智能行業如果一定存在泡沫，蘇度怎么確保自己活下來？

他的回答很短：“我們對具身智能模型的定義，就是要求 99% + 的可靠性和成功率。能做到這一點，投入產出比算得過來，具身公司就沒有泡沫。”

題圖來源：《頭號玩家》