蘇度 WAIC 首秀：從1到10+技能躍遷，探索通用機器人 Scaling 路徑

# 蘇度 WAIC 首秀：從1到10+技能躍遷，探索通用機器人 Scaling 路徑

2026年世界人工智能大會（WAIC）的具身智能展區依舊是全場人氣最高的區域之一。各家機器人爭相展示做咖啡、拍照、跳舞等炫技互動，但蘇度科技的展臺前卻呈現出截然不同的氛圍。幾台機器人靜靜地站在工作臺前，執行著看似平凡的任務：抓取物品、雙手配合用布料包裹物件、將零件精準插入對應孔位。這些動作不追求視覺衝擊力，但在穩定性、成功率和泛化性上表現極為出色。 這並非蘇度科技首次驚豔業界。今年4月，該公司首次公開全棧自研具身智能平台「#sudo R1」，在一段長達60分鐘的演示影片中，機器人連續抓取百餘件從未見過的物體，包括透明玻璃杯、反光金屬件、柔軟布料、不規則形狀玩具等，成功率接近100%。到了6月，在2026年ICRA、CVPR等國際會議現場，蘇度首次向全球公開展示這套系統，面對現場觀眾隨機擺放的物品，機器人依然維持極高的抓取成功率。 成立僅一年，蘇度便獲得200億元估值。這背後除了市場對具身智能未來的期待，更與其紮實的技術團隊密切相關。創始人蘇昊是其中最受關注的人物。作為復旦大學浩清特聘教授、通用物理智能研究院首任院長，他曾主導創建ShapeNet數據集與PointNet網絡，這兩項基礎工作深刻影響了三維視覺領域的發展；隨後在加州大學聖地亞哥分校任教期間，他持續推動SAPIEN、ManiSkill等機器人仿真平台建設。其Google Scholar引用量超過15萬次，長期研究軌跡橫跨三維視覺、空間理解到機器人學習等關鍵技術方向。 與此同時，蘇度也集結了具身智能產業化所需的工程與產品人才。聯合創始人兼CEO韓錚擁有微軟亞洲研究院與AI創業經驗；研發副總裁、算法負責人徐澤祥曾任Adobe Research研究科學家，長期專注3D生成、空間智能與基礎模型。從三維視覺、機器人仿真，到多模態模型與機器人系統，蘇度正在搭建一套面向通用物理智能的完整技術體系。 ## 三個月技能從1到10+，具身行業黑馬崛起

精準放置、柔性物體操作、雙手協同、移動抓取、自主導航……蘇度這次在WAIC展臺上同時亮相十餘項技能，應用場景從生活居家橫跨到工業產線，從單臂操作延伸到多機協作。從1到10+，這樣的進化速度本身就極具話題性。 蘇度科技研發副總裁、硬件負責人陳潤澤在現場接受採訪時表示，蘇度將機器人在物理世界中的基礎能力單元定義為「原子能力」。這個概念背後，反映的是蘇度對機器人學習路徑的獨特理解：未來機器人的能力增長，不應依賴工程師針對每一個任務重新訓練，而應該像人類學習一樣，透過不斷積累基礎能力，逐漸獲得處理複雜任務的能力。 蘇昊在7月17日WAIC主論壇演講中指出，物理智能真正缺乏的，並不是更多孤立的任務演示，而是「把散落的知識聚合起來」，形成對物理世界的系統理解。他進一步說明，物理世界的知識存在不同層級，其中越接近操作的一層，越難透過觀察獲得，「知道要做什麼，和手真能做到，是兩回事。」這也是機器人與大語言模型之間最根本的挑戰差異。 人類學習騎車、做飯、使用工具，並不是記住一套套固定流程，而是在成長過程中逐步掌握平衡、抓握、施力、協調等基礎能力。正是這些能力的積累，讓人面對陌生任務時也能快速組合既有經驗解決問題。蘇度希望構建的，正是這樣一套能力積累體系：從原子能力出發，逐漸組合成複雜技能，最終支撐長程任務。 舉例來說，一個禮盒包裝任務看似只是一個完整流程，但拆解之後，實際上包含物體識別、抓取、姿態調整、精細放置、雙手協同、接觸控制等多個基礎能力。而這些能力並不會只服務於包裝這一個場景，它們同樣可以遷移到裝配、整理、搬運等不同任務中。蘇昊在演講中說：「物理智能的使命，是把人還給人。」在這條路徑上，機器人需要積累的不只是更多動作，而是理解、操作和改變物理世界的能力。 ## 能力如積木般組合，經驗在仿真中積累

機器人能力想要持續增長，首先要解決數據問題。這也是具身智能與大語言模型最根本的差異之一。語言模型的能力增長，很大程度上得益於互聯網中已經存在的大規模文本數據；但機器人面對的是一個連續變化的物理世界，一個看似簡單的抓取動作，背後不僅包含視覺信息，還涉及物體質量、摩擦力、接觸狀態、運動軌跡以及環境約束等大量隱變量。 目前業界對於機器人數據路線仍未形成共識。有人押注第一視角視頻數據，認為人類日常操作的視頻蘊含豐富的物理交互信息；有人採集人手數據，試圖讓機器人模仿人類手部的精細動作；也有人堅持遙操作，讓人類直接控制機器人完成動作，採集真機數據。蘇度則選擇了一條不同的路線：讓機器人首先在仿真世界中積累經驗。 長期以來，sim-to-real（仿真到現實）一直是機器人領域的核心難題。仿真環境能快速生成大量訓練數據，但真實世界中存在大量難以完全建模的不確定因素，例如物體材質的細微差異、摩擦力變化、接觸過程中的力反饋，以及現實環境中的隨機擾動，都可能導致仿真中有效的策略在真實機器人上失效。關鍵在於，如何構建足夠接近真實世界規律的仿真數據。 這正是蘇度團隊長期積累的方向。蘇昊本科畢業於北京航空航天大學，後在史丹佛大學攻讀計算機科學博士。博士期間他主導創建ShapeNet數據集和PointNet網絡，推動三維視覺發展；此後在加州大學聖地亞哥分校任教期間，又持續投入機器人仿真與評測體系建設，主導研發SAPIEN、ManiSkill等機器人學習平台。這些工作的重要價值之一，在於探索如何讓機器在數字環境中學習更接近現實世界的物理規律。 蘇度並沒有簡單調用現有仿真工具生成數據，而是重新構建一套屬於自己的、面向機器人學習的數據生產體系。在技術團隊看來，仿真最大的價值，是能提供現實世界難以複製的成長環境。一名熟練工人並不只是透過反覆練習某一條生產線動作成長起來的，他在成長過程中早就接觸過大量物體、環境和任務，逐漸形成對世界的理解。機器人也需要類似的過程。 透過仿真環境，團隊可以讓機器人接觸大量不同種類的物體、不同光照條件、不同材質屬性以及不同任務組合，讓模型提前建立對物理世界的基礎認知。蘇度技術團隊介紹，一個物體包含無數屬性，但真正決定機器人能否完成任務的，往往只是其中一些關鍵變量，例如物體是否容易抓取，可能更多取決於重量分佈、摩擦特性和幾何結構，而不是表面紋理等視覺細節。透過大量實驗，團隊希望找到這些影響機器人行為的關鍵因素，並將其融入仿真環境。 目前，蘇度已經建立完整的數據生成管線，每天能生成百萬級規模的數據。擁有強大的仿真引擎，並不意味著蘇度排斥其他數據來源。陳潤澤介紹，蘇度目前採用的是「仿真訓練 + 真機輔助」的虛實融合路線：以大規模仿真數據為基底，讓機器人掌握底層能力；同時結合精細真機數據，進一步提升模型可靠性及真實環境適應性。這種虛實融合的路線，讓機器人既有仿真裡練出的「見識」，也有真機上磨出的「手感」。當底層原子技能在仿真中被大量練習、快速驗證後，就能像積木一樣組合複用，快速遷移到新的任務場景——這正是蘇度能在短時間內擴展技能的根本原因。 ## 硬件，正在成為算法的延伸

蘇度展臺的角落還藏著一隻自研靈巧手。這是一隻22自由度的直驅靈巧手，其中大拇指和小拇指各擁有5個自由度，其餘三指各擁有4個自由度。相比傳統夾爪只能完成簡單的開合動作，這隻手希望進一步接近人手在複雜操作中的能力。 蘇度硬件負責人介紹，他們並非簡單複製人手結構，而是針對機器人任務重新設計。例如，人手的大拇指之所以重要，不僅因為它能彎曲，還因為它可以與其他手指形成穩定的對指關係。因此，蘇度為拇指增加了自旋自由度，同時讓小拇指具備更強的內收能力，手指關節還加入外翻設計，讓機器人在夾持物體時能獲得更大的接觸面積，提高穩定性。 一個容易被忽略的細節是，蘇度還在手指末端設計了類似指甲的結構。對人類來說，用指甲捏起紙片、翻動書頁，或從桌面拾起細小物體，是一種幾乎無需思考的動作；但對於機器人而言，柔軟指腹往往難以完成這種精細操作。增加剛性的指甲結構，可以幫助機器人形成更精確的點接觸，從而完成例如捏取細針、扣開易拉罐等精細任務。 在驅動方式上，蘇度選擇了直驅方案。所謂直驅，是指驅動單元直接作用於關節，中間不經過傳統減速器等傳動結構。相比存在機械間隙的傳動方案，直驅能讓控制輸入和關節響應之間更直接，提高系統的力控能力。硬件負責人解釋，直驅最大的價值並不只是提升機械性能，更重要的是讓算法更容易使用。對於機器人而言，控制模型需要理解的是：施加多少力，會產生怎樣的動作。如果中間存在複雜傳動結構，模型面對的是一個經過多層轉換後的結果；而直驅結構能減少這些不確定因素，讓算法對機器人的控制更加精準。 這也是蘇度堅持軟硬件一體化的重要原因。陳潤澤在採訪中提到：「供應商能力很強，但他離需求太遠，沒辦法跟算法同學直接溝通。」在傳統工業機器人時代，硬件和軟件可以相對分離，機器人執行固定動作，系統長期運行。但通用機器人面對的是開放環境，模型、數據和硬件之間需要持續迭代。模型發現某類任務難以完成，可能需要調整控制策略；控制需求變化，又可能反過來影響機械結構設計。因此，蘇度強調「白盒化」——讓機器人系統內部的每一個環節都能被理解、調整和優化。 但這種選擇並不只是為了實現全棧自研。蘇度硬件團隊表示，靈巧手的研發並非希望短期內直接替代工業夾爪進入工廠，而是希望更好地服務軟件算法的訓練和迭代。在蘇度看來，具身智能時代，硬件不再只是執行模型指令的工具，而需要與模型共同進化。從機器人本體、數據採集、模型訓練到最終部署，蘇度都希望保持自主控制，原因在於硬件設計本身會直接影響模型能力。 舉例來說，一個攝像頭應該放置在哪裡、需要幾個視角、機械臂需要多少自由度、靈巧手每個關節如何設計，都不是單純的機械問題，而需要結合算法對於感知、控制和任務執行的需求共同決定。當機器人出現問題時，團隊需要快速判斷：究竟是模型沒有理解任務，控制策略存在不足，還是硬件反饋沒有達到預期。只有掌握從機械結構、傳感器到算法模型的完整鏈路，才能縮短迭代週期。 這種軟硬件協同，在展臺現場展示的雙手精密裝配任務中體現得尤為明顯。表面上看，機器人只是將兩個零件插入對應位置，但背後同時涉及視覺定位、雙臂協調、姿態調整和接觸控制。零件加工誤差、視覺識別誤差、機械運動誤差，以及接觸過程中產生的力反饋，都會影響最終結果。對人類而言，這類操作依靠長期形成的身體經驗完成；而機器人則需要透過硬件、算法和數據共同逼近這種能力。 因此，蘇度所謂的軟硬一體，並不是簡單地把所有模塊掌握在自己手中，而是希望讓機器人的「身體」真正成為智能形成的一部分。目前，蘇度展出的機器人仍主要採用夾爪作為末端執行器，而此次展示的自研靈巧手，也是團隊首次對外公開亮相。據技術團隊介紹，未來蘇度將進一步探索靈巧手在機器人系統中的應用，用更高自由度、更精細的操作能力替代傳統夾爪，從而支持機器人完成更加複雜、開放的任務。 ## 超快的工業落地背後，是99%+的可靠性

在工業場景集中展區，蘇度與寧德時代合作的電池裝配機器人正在運行。四台機器人分佈在不同工位，協同完成鋰電池模組的裝配任務。這不是一場表演，而是已經在寧德時代的鋰電組裝產線上驗證過的方案，抓取成功率達到99.5%以上。 在零售商超場景，蘇度正與全球領先零售企業推進技術方案規劃，探索機器人在盤點、補貨、貨架巡檢、缺貨識別等任務中的應用。在餐飲門店場景，也與頭部連鎖品牌推進服務機器人項目。但蘇度團隊清楚，從Demo到規模化部署，中間隔著一條巨大的鴻溝。陳潤澤說：「可靠性從90%到99%+，背後是一個巨大的宇宙。」

生產線上，一次失敗就可能意味著停線、返工甚至更高的成本。機器人不僅要面對物體擺放位置變化、環境光照變化，還要處理設備狀態變化、人為干擾以及各種此前沒有見過的突發情況。真正決定機器人能否規模化部署的，往往不是平均成功率，而是最後那幾個百分點的長尾能力。 這也是為什麼蘇度把真實部署視作模型訓練的一部分，而不是訓練結束後的結果。每進入一個客戶現場，機器人都會遇到新的環境、新的問題和新的失敗案例，這些數據又會重新進入模型訓練，不斷提升下一次部署的成功率。真實世界，逐漸成為能力增長閉環的一部分。 蘇度提出了一個頗有意思的判斷：家庭機器人和To C，並不是同一個概念。以大疆為例，它面向消費者，但並不是家庭機器人。機器人未來或許會先進入個人消費市場中的部分場景，而真正進入家庭，仍然需要跨越成本、安全、可靠性以及泛化能力等多個門檻。因此，在相當長一段時間內，工業、零售和商業服務依然是具身智能最重要的驗證場。這些場景既能夠產生真實價值，也能夠持續為模型提供反饋，推動機器人不斷獲得新的能力。 蘇度的目標是2027年實現百台級交付，2028年進入千台級規模。但相比這些數字，蘇度高層更關心的是，機器人能力是否能夠隨著部署一起複製。如果每進入一個新客戶，都需要重新採集數據、重新訓練模型、重新開發系統，那麼交付規模再大，本質上仍然是項目制。只有當同一套底層能力能夠快速遷移到不同場景，新場景所需的數據越來越少，機器人行業才真正進入了能力可複製、可擴展的新階段。 ## 機器人競爭，正在進入能力增長時代

蘇度的首次國內公開參展，像是一次宣言。它想驗證的是：如果機器人能夠擁有一批可遷移、可組合的基礎能力，是否能透過不斷疊加，獲取更複雜的能力，進而實現通用泛化？圍繞這個目標，蘇度選擇了一條相對完整的技術路線：用虛實融合的數據體系提升模型泛化能力，用軟硬件協同縮短迭代週期，再透過真實場景不斷驗證模型邊界。 行業共識還未收斂，但未來決定一家機器人公司競爭力的，或許不再是今天展示了多少個Demo，而是半年之後，它是否還能以同樣的速度獲得新的能力，一年之後，這些能力又是否能夠穩定進入真實世界。蘇度科技，正在用它的方式回答這個問題。