具身智能路径分野，苏度科技与硅谷竞赛的3D数据之争

在2026年世界人工智能大会（WAIC）上，一家成立不到一年的中国公司苏度科技首次在国内系统性地展示了其具身智能技术。这家由ImageNet核心作者之一苏昊创立的公司，凭借一套独特的软硬件协同设计和Sim-to-Real训练范式，在机器人操作领域取得了显著突破。

据苏度科技联合创始人、董事长苏昊介绍，该公司走了一条与硅谷主流“纯大脑黑盒大模型”不同的技术路线：采用上下分层架构，上层负责任务规划与环境理解，下层则专注于具体物体操作。这种设计使得机器人能够在虚拟环境中经历数百万年的进化，再迁移到现实世界中执行任务。

在WAIC现场，苏度科技展示了10余项技能，包括双手操作、柔性体处理、精密组装和移动抓取等。特别值得一提的是，该公司还展示了一个被视为具身智能下一阶段关键方向的“彩蛋”——边移动边操作的能力。这种能力让机器人在真实世界中操作物体时，能够同时进行位置调整，难度较单纯控制运动提升了2到3个量级。

苏度科技的成功并非偶然。早在2022年，团队就开始以商业化为导向，正式考虑自己开发硬件本体。苏昊表示，多年积累的经验告诉他，如果不碰触硬件本体，软件层面的大脑能力很难得到充分展现和验证。

在专访中，苏度科技联合创始人兼CEO韩铮进一步解释了公司的技术定位。他指出，当前机器人领域大致可分为两类：一类是专注于“造大脑”的公司，如硅谷的PI、Skild；另一类则是“造身体”的公司，如Optimus、宇树。而苏度科技的独特之处在于，它同时涉足这两个领域，致力于打造完整的机器人系统。

韩铮强调，苏度科技的技术路线与硅谷的许多头部玩家有所不同。例如，Optimus、波士顿动力、Figure等公司在硬件本体方面投入巨大，但在模型侧的能力相对较弱，没有像Physical Intelligence、Skild那样专注于机器学习方法驱动的机器人。

“我们团队10年前就开始用机器学习方法驱动机器人，当时主要以软件为主，做探索和尝试。直到2022年，团队开始以商业化的方式来做准备的时候，我们才开始正式地考虑自己来做硬件的本体。”韩铮说，“因为多年积累下来的经验告诉我们，如果不碰本体，大脑的能力很难展现出来，也很难做迭代和验证。”

苏度科技的技术优势还体现在其Sim-to-Real范式上。在今年4月发布的Demo中，该公司的机器人实现了98%的零样本通用抓取单次成功率。这一成就的背后，是共享同一套Sim2Real技术范式的10余项技能。韩铮表示，底层跑通后，新技能的边际成本会快速下降，最终形成一套可复用、可扩展、能够持续生成新能力的机器人系统。

在讨论全球机器人竞赛时，韩铮预测，接下来会有更多的硅谷公司重新回到“上下分层”的方向上来。而在硅谷众多明星公司中，Deepmind+波士顿动力的组合，可能是这条路上最值得关注的对手。

“从历史角度看，苏度科技的技术路线与李飞飞当年推动的ImageNet项目有着深刻的联系。”韩铮说，“ImageNet的核心思想是用结构化的方法，把世界上典型物体的2D图片和对应的文字描述配对，进行系统化的整理和复现。这个思想在2012年、2013年，苏昊跟随第二个PhD导师Leo Guibas，在斯坦福的实验室的时候，把这套思想带到了3D里边来。”

苏度科技的3D数据集构建工作始于ShapeNet项目。与ImageNet相比，3D模型的数据标注要复杂得多。苏昊回忆道：“相比于ImageNet，你可以把互联网上面几乎所有的图片和它下面的文字描述和标题梳理清楚，并且以众包的方法做标注，但3D模型其实非常欠缺。”

韩铮进一步解释了3D数据标注的挑战：“在2D图像中，识别一个杯子只需要一个标签。但在3D空间中，我们需要考虑物体的空间物理关系，甚至是力的反馈。这使得3D数据集的构建比2D复杂得多。”

尽管面临诸多挑战，苏度科技依然坚持推进3D数据集的构建工作。韩铮表示，这些努力将为未来的机器人技术发展奠定坚实基础。“我们相信，随着3D数据集的不断完善，机器人将在更多复杂场景中展现出强大的操作能力。”

总的来说，苏度科技的技术路线不仅体现了对传统AI方法的继承和发展，更展现了对未来机器人技术的深刻思考。在全球具身智能领域的竞争中，苏度科技正在用自己的方式开辟一条新的道路。