經得起觀眾「刁難」，扛得住寧德「檢驗」：WAIC后重新認識蘇度

編輯｜Youli

2026 年的 WAIC 已經落幕，具身智能毫無懸念地成為全場最高頻、最熱鬧的關鍵詞。

但與往年不同，業界的評判標準正發生微妙變化。人們不再滿足于那些在特定布光、固定場景下剪輯出來的炫酷 Demo，轉而回歸最本質的拷問：當機器人走進現實，能不能穩定、可靠地干活？

對這個問題，蘇度科技的回答方式很直接：把展臺變成「開放考場」，讓觀眾隨便考。

在蘇度的生活展區里，最「忙」的往往不是機器人，而是觀眾。有人把隨手拿著的水杯、鑰匙串放上臺面，考機器人「會不會抓」；有人趁機器人夾爪關合前一秒，把目標物體挪開半個身位；還有的小朋友干脆把幾樣東西進行精心組裝刁難，看它如何下手。機器人停頓、重新定位、調整姿態 —— 照樣把東西穩穩拿起、放好。

沒有固定劇本，沒有后期剪輯，也沒有封閉物體集合和「請勿觸摸」的提示牌。生活展區是整個展臺上完全向觀眾開放交互的區域，「出題權」被交到了每一位路過的人手里。觀眾出的難題五花八門，機器人的成功率卻始終保持在高位。

這樣的展區，在今年的 WAIC 現場并不多見。

視頻中片段來自小紅書網友：https://mp.weixin.qq.com/s/Xfu1T0Y

一旁的工業展區，畫風截然不同：這里搭起的是一條鋰電池模組組裝的示例產線，演示的正是面向工業場景、接近真實生產流程的長程復合任務：箱體上料、電芯裝配、除塵掃碼、成品下料，多臺機器人在不同工位之間的協同，整套操作行云流水。

https://mp.weixin.qq.com/s/Xfu1T0YbLxg6z1CqAZhJ_A

如果只看這些動作，很容易將其理解為單純的 Demo 演示，但深入了解后會發現，沒那么簡單。

這個一分為二的展臺，恰好對應著蘇度在這個 7 月同時作答的兩張考卷：生活展區里，觀眾現場出題，考的是開放環境下的泛化；而工業展區里那條電池組裝產線，并不是為展會憑空搭出來的 —— 它示例的，正是蘇度與寧德時代合作產線上的真實流程。

展臺上跑的是「樣題」，真題在展館之外的產線上：那里沒有觀眾的掌聲與寬容，只有工業級的「驗收」標準。

外界第一次認識蘇度，是在今年 4 月。彼時，sudo R1 的開放物體抓取能力給行業留下深刻印象：在開放環境中面對隨機物體，機器人能夠穩定完成抓取。抓取，這是一個足夠基礎、又足夠難的技能。

僅僅 3 個月后，到 WAIC，蘇度已從單一抓取技能，「泛化」出一套覆蓋抓放、插接、裝配、柔性操作、移動操作和多機協作的 10 + 技能體系。

即便在技術迭代日新月異的具身智能行業，這樣的「進化」速度依然驚人。而這背后，指向的是蘇度堅持的通用具身智能范式：用多元全鏈路數據和全棧系統，生成高成功率、可復用、可調度、可擴展的通用技能，并把它們推向真實場景。

過去，外界賦予蘇度的標簽很多 —— 單一抓取技能驚艷、仿真數據路線獨特、科學家創業、成立時間短、融資速度快…… 這些標簽有助于認識蘇度，卻無法勾勒出這家公司的完整輪廓。

為此，趁此次 WAIC，也是蘇度成立一年后首次國內參展之際，機器之心與蘇度科技研發副總裁徐澤祥、商業副總裁張校珩聊了聊，試圖更全面解讀這家公司：為什么兩張維度完全不同的考卷 —— 一張考開放環境下的泛化，一張考工業現場的魯棒性 ——能被同一套系統答好？

第一張考卷：觀眾出題，沒有劇本

展臺開放的幾天里，生活展區的「考題」幾乎沒有重樣的。沒有劇本，也意味著失敗無法被剪掉。幾天里，機器人偶爾也會抓空、放偏 —— 但它會當場重新識別、重新規劃、再試一次，沒有工作人員上前「救場」。對一場 Demo 來說，敢把失敗和恢復的全過程一起亮出來，比一段完美循環的視頻更能說明問題。

「我們敢把生活展區完全開放給觀眾，是因為這些技能本來就是在開放、隨機的條件下訓練和評測出來的。觀眾的『刁難』，不過是把我們內部評測的一部分搬到了臺前。」蘇度科技研發副總裁徐澤祥說道。

這句話背后，是蘇度的評測習慣：在內部，一項技能要「出師」，先要通過大規模隨機化評測 —— 物體、位姿、光照、背景都會被系統性地打亂。從這個意義上說，觀眾的「刁難」并沒有超綱，它只是這套評測體系的一個公開子集。

觀眾考的是臨場發揮，而臨場發揮的背后，是一整套技能儲備。細看之下，此次 WAIC 上，蘇度展示的 10 + 技能大致可以分成幾類。

• 復雜場景下，完成對不同形態、材質、尺寸和擺放狀態物體的抓取和放置；

• 雙手協作，完成柔性布料打包；

• 亞毫米級精度玩具組裝和裝箱遞送；

https://mp.weixin.qq.com/s/Xfu1T0YbLxg6z1CqAZhJ_A

• 在空間中一邊移動到合適位置，一邊完成抓取、放置或整理動作；

https://mp.weixin.qq.com/s/Xfu1T0YbLxg6z1CqAZhJ_A

• 制造業場景中的精密工業操作，以及多臺機器人跨工位配合，完成鋰電池模組裝配等流程型任務的多機協同等。

不難發現，這些能力差異極大，一邊是雙手疊放柔性布料，另一邊是協同裝配極度剛性的鋰電池模組，而生活展區里的技能，還要在現場經受觀眾的隨機干擾。一個問題隨之出現：短時間內實現數量如此之多、且差異如此巨大、還要扛得住現場「刁難」的動作技能，是否靠團隊逐一「手搓」、一行行寫代碼調出來的？

「完全不是。」

徐澤祥否定了這一猜想，「這 10 + 種技能在短時間內的集體亮相，其實是蘇度底層范式在打通后的『復用』與『量產』。」

他告訴機器之心，4 月 R1 的推出，表面上展示的是抓取這一單點技能，實質上是對一整套系統與范式的初步驗證 —— 從仿真、數據、模型到硬件部署、運控再到評測，初步形成了完整閉環。

選擇「抓取」作為起點，是因為它最基本：無論是裝配、分揀、整理，還是服務類任務，幾乎所有操作都要先從「拿起一個物體」開始。同時，抓取考驗視覺理解、空間定位、接觸判斷、運動控制和泛化能力，這個技能跑通，意味著整條技術鏈路有了首個驗證點。

于是，在 R1 的「抓取」技能充分驗證之后，團隊要做的就是在同一體系下反復驗證：這套已經打通的范式能否復用、擴展、在更多技能上產生效果。

那么，這套被反復驗證的范式究竟是什么？

在蘇度看來，當前具身智能領域最缺的，并不是某一個單點能力，而是一套能夠把完整鏈路打通的系統范式。

機器人要在真實世界中穩定完成任務，不能只依賴一個模型、一種數據、一臺硬件，或一套運動控制算法。真正關鍵的是，仿真、數據、模型、本體、運控、評測和真實部署這些環節，能否被放在同一個系統中協同設計、訓練和迭代。

這也是為什么蘇度一直在強調「全棧」能力。在 Sim-to-Real 路徑下，一個機器人技能的形成，其實從仿真器就已經開始。首先，要在仿真環境中構造任務、物體、空間關系和物理狀態；接著，生成可用于訓練的仿真數據；然后，用這些數據訓練模型；模型訓練完成后，需要部署到真實機器人本體上；部署之后，還要通過運動控制算法完成動作執行；執行結果再進入評測系統，判斷技能是否可靠、是否泛化、失敗原因在哪里；最終，這套能力還要走向真實場景落地…… 而每一環都必須彼此緊緊咬合。

為此，蘇度采用軟硬一體、虛實融合、全棧自研的技術架構，將機器人本體、仿真系統、數據閉環、運動控制、世界模型、操作技能模型和任務 Agent 納入同一個系統中協同設計、訓練、評測和迭代。

核心思路是先形成可泛化、可組合的底層操作能力，再通過技能組合與任務規劃，使機器人在不同場景中具備可部署的任務執行能力。

換句話說，蘇度并不希望每一個任務都從頭定制，而要讓機器人技能從同一條系統鏈路中持續「生成」。

解題：三層技術底座的深度耦合

無論是展臺上的隨機「刁難」，還是產線上的嚴苛環境，能跑通這樣一套極具泛化能力的范式，底層必然需要扎實的系統工程能力。具體來看，支撐蘇度技能高速演進的底座主要有三層：虛實融合的數據鏈路系統，世界模型與強化學習一體化，以及軟硬一體的全棧開發。

虛實融合的數據鏈路系統

說到數據，首先要打破外界對蘇度的一個誤解：只做仿真數據。

R1 發布后，蘇度在仿真數據上的成功實踐深入人心，也因此被誤讀為「只做仿真」。實則不然，蘇度的數據優勢從不是押注某一種數據，而在于把互聯網視頻數據、真機遙操數據、UMI 數據、Ego-centric 數據和仿真數據進行多元融合，組織成一條虛實融合的數據鏈。仿真提供規模和全模態物理信息，真機數據提供真實世界校準，兩者共同支撐機器人技能從單點能力走向持續擴展……

數據，可謂是具身智能的「第一性」問題。過去兩年多，許多具身智能公司都會將焦點放在模型架構上，但徐澤祥認為，在具身智能領域，如果數據沒有準備好，談架構很容易變成空中樓閣—— 機器人真正需要的不只是視覺和語言數據，還包括 Action Data（動作數據） ，以及關于物理交互的數據。

商業副總裁張校珩分析，當前具身智能領域的五類數據：互聯網視頻數據、真機遙操數據、UMI 數據、Ego-centric 數據和仿真數據，各有優劣 ——

• 互聯網視頻數據：包含豐富的場景語義和任務邏輯，但缺少精細動作、力覺和可執行軌跡；
• 真機遙操數據：相對干凈、信息維度更完整，但成本極高，規模化采集需要大量機器人、場地和人力；
• UMI 數據：降低了采集成本，但信息更集中在末端，面對避障、移動、全身控制等任務時模態并不完整；
• Ego-centric 數據：進一步降低成本，但通常缺少明確的末端與動作信號，需要更復雜的算法來補足；
• 仿真數據：成本低、還能提供全模態信息，但門檻同樣存在 —— 它不是去現實里抓取現成的物理信號，而是在虛擬世界中憑空重建一套符合真實物理法則的系統，技術門檻極高。

「相比其他四類數據，仿真數據的技術門檻是一個純科學和技術問題，不是靠商業模式能搞定的，需要有足夠強的技術團隊，把物理引擎的參數設置、接觸力學模擬、渲染引擎的視覺真實度等都做好，才能把這件事情做成。」張校珩說道。

蘇度決定先啃下仿真這個最難也最具差異化的「硬骨頭」。這也解釋了為什么 R1 階段，蘇度的「仿真數據」路線如此深入人心。

正如徐澤祥總結的：「它向外界證明了，過去很難規模化、很難跨越虛實鴻溝 (Sim2Real gap) 的 仿真數據，已經可以被蘇度用于訓練高泛化操作技能。」

也就是說，蘇度從來沒有「只做仿真」，而是把仿真作為最難的「杠桿」，再通過多元數據融合支撐技能持續擴展。

世界模型與強化學習一體化

數據路線決定模型路線。在具身智能領域，VLA、WAM、VLM、視頻模型等路線往往是討論的焦點，共同價值是把視覺、語言、視頻模型的能力引入機器人系統。

可蘇度的判斷是，底層操作能力不能完全依賴其他模態遷移。因為機器人最終要在真實世界中行動，它真正需要的是 Action Data 和 Physical Data，也就是說，模型要看到動作、接觸、幾何、空間和物理狀態，而這些并不能靠語言或視頻模態自然補齊。

因此，在模型架構的選擇上，蘇度的做法是先判斷具身智能到底需要什么數據，再圍繞這些數據設計模型，也就是「從數據出發，思考整個技術架構」。

正因如此，對于行業內頻頻提出的世界模型概念，蘇度強調其內部的世界模型更應該預測的是 「Next Physical Dynamics」（下一步物理動態），相較于預測下一個像素，蘇度更關注下一步動作在物理交互上是否可行、穩定。

基于此，世界模型與強化學習也不是兩個孤立模塊：世界模型幫助機器人預測物理狀態變化，強化學習則在仿真及真實環境中不斷優化動作策略，兩者共同服務于高成功率和強泛化技能的形成。而兩者深度融合的一體化系統設計，讓模型能夠真正習得可泛化的物理規律，而非記住單一動作。

軟硬一體全棧開發

具身智能從來都不是純軟件問題。機器人本體、傳感器布局、運動控制、仿真環境和模型訓練彼此影響。尤其是在 Sim-to-Real 路徑下，往往橫亙著高精度的鴻溝，如果仿真中的機器人行為與真實本體存在偏差，模型從虛擬環境遷移到真實世界時，就會遇到更多不確定性。

蘇度堅持軟硬一體全棧開發，自研機器人本體，核心原因也在這里。

在徐澤祥看來，如果機器人硬件來自外部，真實本體的結構、控制特性、執行誤差和動態行為都會成為系統里的「黑箱」—— 仿真中訓練出的策略，即使在虛擬環境里表現很好，也很難保證遷移到真實機器人后仍然保持一致行為。

為此，蘇度做硬件，要保證造出來的硬件「能仿」，也要保證仿真里的機器人與真實機器人行為一致。換句話說，仿真環境中的本體參數、運動邊界、控制響應和真實機器人之間，需要盡可能一一對應。只有這樣，模型在仿真里學到的結論，才有機會在真實場景中復現、遷移和繼續迭代。

換句話說，蘇度的軟硬一體并不是簡單同時做硬件和軟件，核心是讓本體、仿真、模型和運控形成閉環：真實機器人能夠被準確仿真，仿真結論能夠遷移到真機，真機反饋又能反過來校準仿真和模型。

第二張考卷：寧德產線的「檢驗」

如果說生活展區的考題來自觀眾的即興發揮，那么工業展區那條電池組裝示例產線，對應的則是一張更嚴苛的考卷 ——同樣的流程，在展臺上跑是「隨堂測驗」，在寧德時代的產線上跑，才是真正的大考。

技術范式最終要進入真實場景。目前，蘇度正在制造業、零售商超、餐飲門店等多個真實場景中推進通用具身智能的落地驗證。

制造業是其中最關鍵的場景之一。蘇度已與寧德時代推進多工位合作，一次性覆蓋產線中多個具有代表性的操作任務。這是該客戶體系內首次以同一具身智能平臺驗證「一機多能」的合作案例。而 WAIC 工業展區里演示的那條電池組裝示例產線，正是這一合作的縮影 —— 觀眾在展館里看到的流程，正在真實產線上接受檢驗。

與展臺不同，產線上的「干擾」不來自觀眾的好奇心，而來自真實生產環境本身：來料位姿的隨機變化、不同批次工件的公差、現場光照與反光、連續運行的節拍壓力…… 這些變量不會配合演示，也不會給機器人「再來一次」的機會。

如何理解「一機多能」？

它是指同一臺機器人系統可面向不同工位進行快速開發與適配 —— 這正是理解蘇度商業化邏輯的關鍵。

傳統工業機器人可以通過換夾具、換程序完成不同任務，但每個工位仍需專門配置。一旦任務、產品、產線有了變化后，往往需要重新調試、部署，甚至重新設計方案。而蘇度的「一機多能」是用同一套底層技能體系覆蓋多個工位、多類任務。客戶可以基于這些通用技能疊加自己的業務邏輯，完成裝配、插接、整理、檢測等不同流程。

張校珩從ROI 角度解釋了這件事。工業客戶不會只為 Demo 買單，機器人能否規模化進入產線，最終要看經濟賬，如果一臺高成本機器人只能替代一個工位，客戶很難大規模采購。只有當一套系統能夠覆蓋多個工位，機器人價格被多個任務分攤，規模化采購才有機會成立。所以，「一機多能」的價值不在于機器人會做更多動作，而在于一套系統能否覆蓋多個工位，讓客戶真正算得過來 ROI。

而從客戶視角來看，「一機多能」的好處不僅在成本上，還在于數據安全上。

常規情況下，如果機器人方案高度依賴場景現場 Post-Training，廠商需要進入客戶產線采集數據、調試流程，那么客戶的工藝順序、商品細節，甚至供應鏈信息等都將被暴露，客戶難免擔心。而蘇度的做法是「通用技能與客戶工藝解耦、工藝不出廠」。

也就是說，蘇度提供抓取、放置、插接、移動等通用技能，而客戶掌握具體的工藝流程與業務邏輯，通過技能調用完成產線任務。讓客戶在「工藝不出廠」的前提下調用機器人能力。

蘇度透露，目前項目首個工位已成功完成 POC 驗證，且工業抓放達 99.5% 以上的高成功率。而對一條真實產線來說，POC 只是拿到「準考證」—— 真正的「驗收」，是此后每一天的穩定運行。

而除了制造業，蘇度也在零售商超和餐飲門店等場景中推進驗證。

在零售商超場景，蘇度正與全球領先零售企業規劃技術方案，在盤點、補貨、貨架巡檢等任務中探索應用，核心價值在于驗證一套能力在首批門店驗證后，客戶可基于同一平臺跨區域、跨門店快速自主復制，極大降低邊際部署成本。

在餐飲門店場景，蘇度與頭部連鎖餐飲品牌推進門店服務機器人項目，在非結構化高頻服務環境中驗證物品整理、清潔、傳遞等多類任務的組合能力，這不僅是商業場景驗證，更是未來走向千家萬戶家庭場景的關鍵技術預演。

通往具身智能 AGI 的路徑哲學：通用是終點，可靠性才是起點

雖然蘇度已經進入了豐富的真實場景，但它有著極其清晰的戰略定力，正如張校珩所言「戰不重要，關鍵在略。」即明確什么不做。

蘇度不希望成為一家傳統意義上的行業方案公司，因為如果每進入一個行業，都重新做一套定制方案，具身智能公司很快會被具體項目吞沒。短期收入可能增長，長期利潤結構和技術復用卻難以成立。

為此，蘇度選擇的是另一條路：從不同行業需求中抽象共性技能。制造業、零售商超、餐飲等場景，看起來差異很大，但底層任務幾乎共享相似能力：抓取、放置、插接、開合、移動、整理、補給……

蘇度要做的，就是先把這些底層技能做到足夠可靠，再通過任務 Agent 和開發者生態持續擴展能力邊界。也就是說，先解決「能不能穩定操作」再解決「能不能組合任務」，最后走向「能不能在開放世界中自主完成目標」。

而這也對應蘇度通往具身智能 AGI 的路徑哲學：「通用是終點，但可靠性才是起點。」

相較于直接「無腦上」端到端大模型、試圖一步跨向通用能力的路線，蘇度更傾向于從底層物理能力出發，采用「漸進式」路線，先將每一個底層基礎技能打磨到絕對可靠，再通過高可靠性技能的疊加，讓通用能力在真實世界的持續反饋中逐步「生長」出來。

看到這，或許很多人會感慨，具身智能無疑是一場極度跨學科的系統戰 ——3D 視覺、空間智能、物理仿真、機器人本體、運動控制、多模態模型、強化學習、世界模型、工程交付和商業場景理解…… 對各個環節的技術和組織都有著非常高的要求。那么，蘇度如何在不到一年的時間進入第一梯隊？

其實關于這一點，可以從以下幾個方面來看。首先是前面提到的全棧系統能力，從仿真器、數據生成、模型訓練，到自研本體、運動控制、評測體系和真實部署，蘇度試圖把完整鏈路納入同一個系統中協同設計。

其次，「技術之戰的背后是人才之戰」，蘇度有著「世界級人才密度」。創始團隊匯聚了多位行業頂尖人物。

蘇度科技聯合創始人、董事長兼 CTO 蘇昊長期深耕 3D 視覺、空間智能、具身智能與世界模型，是全球物理智能方向最具代表性的學者之一，為蘇度確立了從仿真、虛實融合、世界模型到通用操作能力的底層技術路線。

聯合創始人兼 CEO 韓錚兼具 AI 技術背景和連續創業經驗，能夠把前沿技術轉化為產品形態、商業路徑和規模化組織能力，承擔從 0 到 1 再到產業落地的關鍵角色。

研發副總裁徐澤祥則連接 3D 生成、空間智能、神經表征、多模態基礎模型與機器人操作模型，是蘇度打通具身智能核心研發鏈路的重要負責人。

再往深處看，蘇度的壁壘還來自系統 Know-How。比如，如何大規模生成模擬場景并解決Sim2Real gap、軟硬件本體如何極致服務于算法模型、真實場景的反饋如何高效回流訓練系統…… 這些經驗無法通過復制某個模型結構或某篇論文快速獲得。它需要長期實驗、工程迭代和真實客戶場景共同沉淀，而這些硬核經驗，構成了同行短期內無法跨越的鴻溝。

最后，想說的是，在 WAIC 現場，一個繞不開的問題仍在被業界追問：哪一條路線最可能通向具身智能的 AGI？屬于機器人的「ChatGPT 時刻」又將何時到來？

現在給出答案還太早，具身智能仍處在早期階段。端到端大模型、分層技能體系、仿真數據、真機數據、世界模型、強化學習，每一條路線都還在被驗證、交叉、融合…… 但在這個充滿不確定性的周期里，那些愿意把物理世界的通用底座做深做透，把可靠性、可復用性和真實部署放在第一位的團隊，或將真正穿越周期。

而在這條奔向終局的道路上，蘇度先是「抓起了一個物體」，繼而在生活展區接住了觀眾的一道道考題，現在又「拉起了一條產線」。展臺上的考卷已隨觀眾散場而交卷，產線上的考卷，每天都在重考。至于接下來又將攀登哪一座雪山，值得期待。