做到 99% + 的任务可靠性和成功率，具身智能公司就没有泡沫。

文丨江思远

韩铮第一次创业时，曾经在苏昊斯坦福宿舍的地板上陆续睡过一年多。

那是 2011 年前后，韩铮去美国湾区拜访客户，当时他在做智能硬件创业，苏昊则在斯坦福读博士，研究方向从 ImageNet 转向 3D 深度学习。两人是北航实验班前后级同学，也都曾在微软亚洲研究院读博。

他们经常聊到 3D 重建，以及未来和 3D 相关的最宏大的叙事会是什么，一个隐约的答案是机器人。但那个时候的技术想象离真实产业还很遥远。

十多年后，具身智能成为一门显学。

人形机器人的主要任务变成科研、跳舞；工业机器人展示的则是抓取、叠衣服、打乒乓球等。机器人不缺表演机会，难的是换了物体、换了光照、换了工位，物品的重量、摩擦、形变和摆放方式也变化后，机器人还能否多次稳定完成任务。

没有一致性，机器人进入真实世界的置信度就会存疑。韩铮和苏昊于 2025 年联合创立的苏度科技，想尝试回答、解决这个问题。

公司成立一年，估值很快达到 200 亿元，同时也被推到聚光灯下。外界率先关注到的是创始人的背景：苏昊回国后，成为复旦大学浩清特聘教授、通用物理智能研究院首任院长，此前曾在 UC San Diego 任计算机科学系终身副教授；韩铮作为他多年好友，则是一名两次成功退出的创业者。

更引起外界关注的，是苏度选择的技术路线和阶段成果。

今年上半年，在 CVPR 学术会议线下展示中，苏度的机器人在开放环境下随机抓取物品引起业内人士关注，原因在于抓取的物品都是从现场研究者和观众手上拿到的。学术会议布展时间一般很短，团队很难有机会提前针对现场物体采集真机数据、做后训练。

韩铮说，CVPR 后外界开始质疑 “是不是提前训练过”，等到线下测试打消一部分疑问后，新的质疑变成：sim-to-real （从仿真训练迁移到真实机器人）是否只能做抓取，能不能做更复杂的柔性操作、长程任务和移动操作。

近日，上海 WAIC （世界人工智能大会）期间，苏度最新展示了机器人移动操作、双手协作、柔性操作、精密组装等 10 余个技能。尤其移动操作，成为苏度展台一大看点。

左右滑动查看

苏度科技联合创始人兼 CEO 韩铮告诉我们，很多机器人演示中，机器人往往先移动到一个固定位置，然后停下、再用上肢完成抓取或操作，但真实场景很难给机器人这样的条件。

苏度科技的一位投资人告诉我们，苏度从 1 个技能到 10 个只花了 3 个月，这背后是基础技能被复用、组合和迁移，能力扩展速度正在发生变化。

苏度没有把自己定义成一家单纯的机器人公司，而是一家以物理智能为底座、用虚实融合和软硬一体做通用操作能力的具身智能公司。

每家具身公司都在定义自己的软件、硬件闭环，韩铮也向我们系统解释了苏度对具身智能的理解，以及机器人要进入真实世界，通用泛化能力从哪里来？

机器人没有自己的 “互联网数据”

大语言模型的进展，让很多人习惯用 Scaling Law 来理解 AI。模型变大，数据变多，算力增加，能力随之涌现。但这个逻辑落到机器人上会遇到一个基础问题：机器人没有自己的 “互联网数据”。

大语言模型训练时，互联网上已经有海量文本、图像、代码和视频，很多信息在人类过去几十年的生产和交流中已经沉淀下来。

机器人面对的是另一种世界。抓取一个杯子时，除了识别物体本身，还要学会如何接近、抓住杯子、感知重量、处理摩擦、避开碰撞，在不同环境中调整动作策略。

韩铮在采访中告诉我们，机器人数据最难的部分，是预测世界上典型物体组合出来的环境、光照，以及人对这些物体操作之后会发生什么。

这不只是理解图像和语言之间的关系，还是形变、材料、空间、时间延迟和状态变化。关键是，这些数据没有现成的 “物理世界互联网”。

自动驾驶早年也遇到这个问题，但特斯拉这类车企可以先卖出大量车辆，再不断回收数据，迭代模型。但机器人很难照搬这条路径：产品形态还没完全收敛，也没有足够爆点的功能，硬件还无法大规模进入真实世界，物理交互数据也无从回传。

行业里常见的路径是遥控操作、动作捕捉和真机采集。韩铮认为，这些路径各自都有合理性，但学术界和工业界最大区别是可靠性。

“机器人模型从学术界走向工业界，最终要在关键任务上逼近 99% + 的成功率。如果做不到，实验室里再多 fancy demo，偶尔成功，在某个场景下成功率很低，然后不断补数据，还是很难进入商业化。” 韩铮说。

在苏度看来，机器人的能力泛化前提，是高可靠的任务执行成功率。依赖遥操、动捕和真机采集数据，成本会很高，规模也很难支撑通用操作能力的形成。

苏度选择了以仿真为主的机器人世界重建。韩铮进一步向我们解释，苏度并非完全不使用真机数据，事实上也在持续研发和迭代自身的数据采集技术。

不同的是，它希望依托自研的大规模仿真数据系统，形成以大规模仿真数据为主、少量真机数据为辅，并将虚拟数据与真实数据有效融合的训练方式，从而降低对大规模真机数据采集的依赖。

韩铮说，苏度首个机器人大模型在预训练时，几乎没有用真机数据。模型部署后，机器会直接尝试抓取物体，如果失败就再试一次，后期有少量的真机强化学习。韩铮认为，仿真不是绕开真实世界，而是试图用更低成本制造足够多的物理经验。

这条路线之所以在苏度这里成立，和苏昊的长期积累有关。

苏昊过去十多年一直在 3D 视觉、空间智能、结构化数据集、仿真器和机器人学习等方向上工作；加之生成式模型的出现，则让更大规模、更丰富的虚拟环境构建变得更可想象。

苏度希望，机器人先在虚拟世界里大规模训练，形成可泛化的通用操作能力，再把这种能力带回真实世界。

苏度押注的，不是更逼真的世界，而是能训练机器人的世界

大模型之后，很多研究者开始把注意力从语言、图像转向空间、物理和行动，也就是物理 AI，其中重要的技术路径是世界模型。但什么是世界模型，行业里没有形成统一定义。

最近，李飞飞与 World Labs 团队近期关于世界模型的文章里，提供了一种更清晰的拆法：世界模型可以按照功能分成三类，渲染器、模拟器和规划器。

渲染器输出的是观察信息，关心画面是否足够真实，能不能生成一个可以观看、可以漫游的世界；模拟器输出的是世界状态，关心几何、物理和动力学是否忠实于现实；规划器输出的是行动，关心智能体在给定观察和目标后，下一步应该怎么做。

韩铮在采访中告诉我们，很多 3D 生成或视频生成路线其实本质上还是渲染器，可以生成视觉上合理的世界。它主要采用的是 3D 高斯的表征方法，能对物体的表征进行渲染，但物体和背景 “糊成一坨”。它对于导航类任务比如扫地机器人、自动驾驶都有用。

但韩铮判断，如果是让机器人去对物体进行接触、交互，仅靠 3D 高斯一类表征很难支撑。一个杯子在画面里像杯子，和机器人能否稳定抓起它、移动它、把它放到另一个位置，是两件事。

机器人需要的是另一层信息：物体能不能被分割，表面摩擦如何，碰撞之后状态如何变化，内部结构、部件关系、动力学约束是否存在。

而苏昊过去多年研究的核心是，可交互的 3D 表征。除了让机器 “看见” 三维世界，还要让机器理解物体可以被碰撞、接触、推动、抓取和装配。

苏度对 “通用智能” 有自己的理解，认为通用物理智可以被拆成上下两层。

上层更接近大模型公司熟悉的能力，包括大语言模型 LLM、视觉语言模型 VLM、agent 和任务规划。它负责理解指令、拆解步骤、调用外部知识。比如在家庭场景里，一个机器人要做饭，可能需要理解菜谱、商品库存、外卖平台、用户偏好；在工业场景里，它可能需要理解工艺流程和客户系统。

但机器人真正进入真实世界，还需要另一层能力：它要把一个任务拆解后的动作，稳定地执行出来。这是苏度目前更关注的是底层能力。

韩铮说，通用智能的底层要解决的是机器人基础操作能力，比如抓取、放置、精准组装、插孔、开门、按按钮、拧螺丝等。上层模型的反应可以慢一点，可以调用外部知识，也可以放在云端或边侧；但底层操作模型必须在端侧高速闭环。机器人每一次观察、移动、接触之后，策略都会被快速重新调整。

韩铮把这种能力类比为智能手机系统里的 SDK 或 API。“底层的技术能力，会像智能手机的 iOS 或安卓上的 SDK、API，会逐渐把一些核心能力放出来。”

不过他也知道，这套底层能力不可能一开始就像成熟软件 API 一样稳定。苏度希望先把抓取、放置、组装、检测等高频基础操作做到足够可靠，再逐步把更多能力释放成可以被组合的底层接口。上层模型可以调用这些能力，工厂也可以按自己的流程手工定义任务。

苏度不只想做一台机器人，也不只是做一个单一场景交付。苏度希望，未来做上层模型、工业垂类应用、研究和开发的人，都可以调用苏度底层操作模型和工具链，把抓取、放置、组装、检测等能力组合成更复杂的任务。

为了支撑这个目标，苏度大力投入基础设施建设。韩铮说，公司目前已经接近万卡级别算力，融资里很大一部分会投向 GPU 和人力成本。他判断，具身智能模型对算力的需求，最终可能会接近多模态模型的水平。

另一项投入是人才密度。苏度核心团队里，很多人毕业于清华大学交叉信息研究院和美国多所高校。有人在韩铮第一次创业时就已经加入，很多人已经连续搭档工作 10 年。韩铮说，过去 10 年里，这些人做的事都围绕今天要做的方向：以仿真为基座，做机器人底层技术模型训练。

从轮式双臂到真实工位

现阶段，苏度科技主要选择轮式双臂机器人来实践他们的具身智能理念。

韩铮告诉我们，苏度当前最核心的目标，是先把机器人在真实世界里的基础操作能力做稳定，包括抓取、放置、移动操作、精密组装和柔性操作等。

相比双足人形，轮式底盘可以先把行走、平衡等变量降下来，让团队把更多算力、数据和工程精力放在 “手” 和 “操作” 上，更好验证移动操作、抓放、组装等基础能力。

这个硬件形态也与苏度早期进入的场景紧密相关。韩铮告诉我们，苏度目前更关注传统自动化难以处理、但具备复用价值的任务，比如柔性生产、精细化操作、多工位迁移，未来可以延展到商超、餐饮、家庭的基础操作能力。

制造业是更接近落地的场景之一。在锂电行业，苏度已经与头部电池企业宁德时代推进多工位合作，首个工位也已经完成 POC（概念验证）。

韩铮告诉我们，苏度和宁德时代合作时，最早关注的是线缆接插一类任务。这类任务难在，很多接触状态并不能完全被视觉看到，机器人需要依靠视触觉传感器，把线缆接头拿起来，再完成组装和接插。

后来，苏度在电池场景里看到更多可拆解的工位。韩铮提到，电池产线里有上百个不同场景，他们更关注精细化操作，而不是搬运料箱、搬箱子这类传统工业机器人也能做的任务。

技术复利，往往是具身智能公司在商业场景时的重要考量。在电池产线，一个型号的电池模组发生变化，电芯可能不同，工艺排列组合也会变化，但底层动作仍然是抓取、精准放置、插入和组装。苏度希望验证的是，同一套基础技能从一个电池型号迁移到另一个型号，并进一步迁移到汽车、3C 或其他组装任务里。

此外，商超和餐饮等场景也接近未来家庭场景的中间形态。商超里有盘点、补货、货架巡检、缺货识别、错放识别等任务；餐饮门店里有整理、取放、传递、清洁和补给。这些高频、可组合、需要迁移的基础操作，都是具身智能公司的机会。

对一家估值快速上升的创业公司来说，收入和订单会成为外界很自然的期待。但韩铮说，苏度 “不太选择做短期营收”。如果没有满足最终端客户对机器人可操作、可部署的要求，中间为了收入去做项目，他们 “接受不了”。

韩铮说，真正健康的订单，应该来自终端客户对机器人可操作、可部署能力的需求，而不是行业内部互相买单，也不是为了短期收入去做展示项目或低价值硬件销售。

韩铮给苏度设定了一些中短期目标：持续把几个基础技能的泛化性做扎实，让开发者能在全球几个地方上手测试和开发。中长期目标，则是在明后年做一定交付，让更多人基于苏度的机器人和底层能力，开发机器人应用、agent 和上层模型。

我们问韩铮，具身智能行业如果一定存在泡沫，苏度怎么确保自己活下来？

他的回答很短：“我们对具身智能模型的定义，就是要求 99% + 的可靠性和成功率。能做到这一点，投入产出比算得过来，具身公司就没有泡沫。”

题图来源：《头号玩家》