具身新星苏度科技 WAIC 首秀：仿真路线落地工业产线

成立仅 14 个月、估值达人民币 200 亿元的具身智能公司苏度科技，在 2025 世界人工智能大会（WAIC）上完成国内大型展会首秀。现场同时跑着四组 Demo，覆盖精密装配、柔性打包、移动操作以及与宁德时代联合开发的电池模组产线四项任务，全部围绕同一个核心命题：仿真训练出的模型，能不能在真实世界干活？联合创始人兼 CEO 韩铮给出的回答是：能，且内部标准是 99%+ 成功率。展台现场少见地允许观众自带物体「盲测」，从抓骰子到抓手机来者不拒。

四组 Demo：拉开能力光谱

此次亮相最具分量的压轴环节，是现场复刻的电池模组产线——四台同型号机器人分守不同工位，依次完成上料、电芯装配、扫码、下料全流程。苏度将此前的 Picking 单点能力，扩展为十余项可迁移的底层技能，并基于已有技能库的自主组合，像搭积木一样打通长程任务编排。

其余三组 Demo 分别指向具身操作的不同维度：

• 精密装配：双手协作，亚毫米级精度完成模具组装，依赖指尖力觉反馈在接触中实时微调；
• 柔性打包：布料随形，双手协同，应对无固定形状带来的高不确定性；
• 移动操作：边走边抓，感知—决策—执行端到端闭环，覆盖开柜门、上下料等大范围空间任务。

值得注意的是，展会上多数机器人演示仅用单臂，而苏度的精密装配与柔性打包均采用双手协作。双手场景下，一只手的动作会立即改变另一只手的约束条件与可行空间，模型必须依据真实反馈持续协同，是对泛化能力的主动亮剑。

虚实融合：以仿真为基座的数据路线

苏度的技术主线是仿真。他们构建了一套虚实融合的数据链路系统：以大规模虚拟仿真数据为主体，融合少量真实采集数据，在数据效率与泛化精度之间找到平衡。先在预训练阶段用仿真数据构建泛化性强的基座模型，再在交付阶段结合客户少量示教数据微调。

在 CVPR 亮相时，Zero-shot 抓取成功率约为 98%，但客户验收标准为 99%+。这 1% 的鸿沟仅靠仿真难以逾越，必须补上真机数据微调。围绕仿真，苏度搭建了完整的全栈技术体系，并在底层模型中系统性地实现了「世界模型与强化学习一体化」：模型不再只是拟合输入输出映射，而是在有几何结构、空间关系、接触力学的环境中通过实践学习可迁移的物理规律。

第四类世界模型：执行层的几何预测

在专访中，韩铮提出了一个独立于既有分类的框架。李飞飞曾将世界模型分为渲染、模拟与规划三类，但韩铮认为这三类并不能覆盖具身大脑的全部任务：纯 2D 视频生成主要解决渲染问题，3D 生成主要解决模拟问题，二者几何精度不足，无法直接用于接触密集型操作；规划类世界模型则处于更上层，负责高层推理。要将这些高层推理落地，需要的是下层的执行模型。

由此，苏度提出第四类世界模型——极致颗粒度的渲染与仿真，对环境与物体形成高精度几何理解与预测，涵盖材质属性、表面摩擦系数、几何约束、动力学约束以及接触后的状态变化。这一世界模型承担训练数据生成、任务定义、策略训练中的监督与评估等多重职能，与仿真器（底层基础设施）之间并非替代关系，而是不同层次的技术栈。

长期主义：逆向运行的一次次交卷

苏度团队对长期投入并不陌生。联合创始人、董事长兼 CTO 苏昊瞄准这一方向已超过十年，早期还参与过 ImageNet 等大型基础性项目。韩铮认为，真正的框架突破背后需要大量难以发表论文的基础性工作，对承受强论文压力的研究组和急于验证商业模式的创业公司而言并不友好。

这种逆向选择与主流打法形成鲜明差异：业内越来越多 Omni 方向的工作涌现，但真正把仿真当作基座而非辅助工具的仍是少数派。然而，成立仅 14 个月即获人民币 200 亿元估值，持续获得投资人押注，也说明这条路线正在被市场重新审视。