两个北航师兄弟，和一场200亿的“仿真”豪赌

作者 | 大鹏

来源 | 具身之家Robots（ID：jushenhome）

今年7月中旬的世界人工智能大会上，苏度科技的展台前排起了队。观众把随身带的矿泉水瓶、笔袋、手机递进去，机器人来者不拒。有媒体在现场观察了大约二十分钟，没看到一次明显失手。

这是苏度科技的第一次公开亮相，它急于向外界证明自身实力：不是表演、没有预训练，而是给啥抓啥。

作为一位“技术范儿”创业者，苏度科技CEO韩铮还在一个月之后的世界机器人大会上放出“豪言”：要在不挑物体、不挑环境的前提下，率先在特定任务上做到超过99%的成功率。

当然，从融资节奏上也能看出其技术实力。2025年5月才成立的公司，17个月里已经跑完5轮融资。最新一轮超10亿元，在国庆节前完成，由上海国投先导、孚腾资本、国泰海通联合领投，小米等老股东加注。更早轮次的投资方名单更长：2025年6月天使轮，11月Pre-A拿到国寿股权，2026年4月A轮迎来了宁德时代、阿里、腾讯、蚂蚁、高瓴、IDG等12家。

在这样的背景下，估值从4月的20亿美元（约136亿元），一路推到本轮后市场传闻的200亿元。然而，一家不采真机数据的公司，凭什么拿到这么多钱？

SUDO R1机器人｜图片来源：苏度科技

数据从哪来？

这家公司背后的两位“关键先生”，私交可追溯至21世纪初的北航学生时代，为实验班体系前后级，均在微软亚研受过训练。

董事长兼CTO苏昊，师从李飞飞参与ImageNet项目，在斯坦福读博期间主导创建ShapeNet数据集和PointNet骨干网络，2018年入职加州大学圣地亚哥分校后推动SAPIEN仿真平台，论文在Google Scholar被引超过15万次，2025年归国任教复旦大学。

CEO韩铮是连续创业者，前两次创业的公司分别卖给了华米科技和优客工场，苏度是第三次。

两人更为深厚的交情要追溯到十五年前，据量子位报道，2011年前后韩铮在湾区做智能硬件创业，拜访客户期间曾在苏昊斯坦福宿舍的地板上陆续睡了一年多，彼时聊的话题是3D重建，以及“和3D相关的最宏大叙事”是什么，一个隐约的答案正是其后来创业的机器人。

具身智能行业有一笔算不拢的账。启明创投主管合伙人周志峰称，行业普遍认为需要凑够100万到200万小时训练数据，主流做法是真人穿戴动捕设备遥操机器人，一条一条采集，百万小时量级的真机数据，意味着数亿乃至数十亿元投入。

苏度的做法是不采真机数据，走Sim2Real（仿真—真实）路线。大规模仿真训练为主，真机验证为辅，据称其数据体系单日可生成百万级规模的训练数据。

苏度科技联合创始人、CEO韩铮

韩铮的解释从行业最熟悉的类比讲起。“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。”

更难的部分是预测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，形变、材料、空间、时间延迟和状态变化，这些没有一个现成的“物理世界的互联网”可以爬取。

特斯拉的路径也走不通。

韩铮在《硅谷101》播客里做过类比：特斯拉没有FSD时车已经能卖出去，几百万司机每天帮它产生数据；机器人很难在没有功能时先卖出几百万台，再让每个用户穿着动捕服长期遥控。他甚至设想过一个替代方案，人人穿上一套符合人体工程学、成本足够低的“钢铁侠式”外骨骼盔甲，机器人也许能直接从海量真实操作中获取数据，但现实显然并非如此。

所以答案写在仿真器里。苏昊的判断是，顶尖仿真器能使数据获取的边际成本极速递减，符合Scaling Law的第一性原理。这不算凭空押注，他一手推动的SAPIEN平台正是苏度仿真体系的源头，做了二十年三维视觉的学者，把公司最核心的资产押在了自己最熟悉的东西上。

第一份证据是2026年4月20日发布的具身操作模型Sudo R1。据称，在完全不使用真机数据的前提下，它对未知物体首次抓取成功率98%，两次尝试内接近100%，工业场景操作成功率99.5%。

第二份证据是速度，一位苏度科技投资人向量子位透露，从1个技能到10个只花了3个月，背后是基础技能被复用、组合和迁移，公司把这个可复用单元命名为“原子能力”。架构上，上层模型负责理解指令、分析环境、拆解任务，底层技能负责稳定完成抓取、插接等动作。“上层模型可以更通用，接触真实物体的底层技能必须可靠。”韩铮在外滩大会上说。

泛化被韩铮放在第二位。“泛化不是目的，具身智能规模落地前提是高可靠性。实验室里再多fancy的演示，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。”

产线上的三分钟

市场越热，越需要有人证明自己不是又一个故事。苏度给出的证明，是宁德时代的产线。

今年WAIC上最重的演示，是苏度与宁德时代合作的电池模组产线：四台同型号机器人协同，完成上料、电芯装配、除尘扫码、成品下料。有媒体在现场掐了表，整个流程3分钟以内，10组20个电芯的装配需要约15分钟，速度仍与人工有差距。

苏度软件工程负责人对此并不回避：“下一步要做的，是用一个聪明的大脑把硬件的全部潜能发挥出来。”

一个更容易被忽略的指标是部署速度。方案迁移到另一家电池厂，集成商调用公开技能库的适配周期约为1至2天。在传统工业机器人“单工位定制开发”的惯性面前，通用能力的商业价值不在峰值性能，而在迁移成本。

韩铮的解释是，不同模组尺寸、不同产线形态均可通过搭建机器人智能体快速适配，通常无需额外数据采集，也不要求集成商具备模型训练能力。

苏度给自己定下了目标，2026年下半年在头部客户完成POC与小批量，2027年百台级交付，2028年千台级规模，上海临港的万台级生产基地已完成备案。

谈及竞争格局，韩铮在《硅谷101》里逐个点评硅谷玩家：Physical Intelligence和Skild同属“造大脑”阵营，走hardware-agnostic路线；Figure归入“本体+模型”阵营，但模型侧能力“要稍弱一些，没有那么专注”；特斯拉Optimus思路类似苏度，开放硬件给第三方开发，但暂不提供底层操作模型。

真正让他警惕的只有一个组合，DeepMind加波士顿动力，这个判断本身也解释了苏度为什么把仿真器视为核心资产而非工具。

韩铮给公司设定的终局是一个反复使用的类比：验证Sim-to-Real是对的，只是副产物，他希望10年后大家回看，这是iPhone+iOS时刻。1000个开发者里有100个找到小批量部署场景，其中5到10个做出超级应用。但这个时刻有个前提，得先有1000个开发者。

挤泡沫的时刻

苏度科技的首秀，正赶上行业的挤泡沫时刻。

9月10日的外滩大会，韩铮与蚂蚁灵波沈宇军、自变量王潜、破壳许华哲同台，主题叫“物理智能：分歧与抉择”。主持人问什么被高估了，韩铮的答案有些意外：最被高估的一点是中国供应链的先进程度。

他的理由是，供给端虽有较多选择，部分传感器和关键部件分布在汽车、工业机器人等成熟行业，但这些能力尚未自然转化为适配具身机器人迭代、规模化制造和可靠运维的成熟供应体系。

分歧是多向的。沈宇军把瓶颈指向另一端，不是Sim to Real的差距，而是Real to Sim的规模化，如果传感器噪声等底层信息搬进仿真器这件事，不可规模化复制，只谈Sim to Real的gap逐渐变小，可能价值不大。

分歧背后，是行业收入成色正被反复拷问。

据人形机器人场景应用联盟统计，2026年上半年国内公开披露的人形、具身机器人中标项目共218个，总金额17.23亿元，其中教育科研机构采购占55.5%，政府及国资公共平台占20.6%，工业企业订单只占21.1%，而且大多是样机测试、展厅展示和实训试点，并非产线上的常态化复购。

梅卡曼德创始人邵天兰9月在朋友圈连续开炮，称一批“攒局型”具身智能企业靠数采中心和关联交易做出“虚假的、不可持续的收入”。另据凤凰网财经报道，一家头部具身智能公司在IPO审计中收入被砍掉一半，原因是近一半收入属于关联交易和零碎收入。

数据仿真本身并非原罪，用仿真器摊薄数据成本，逻辑成立。但走到规模化交付门前，成功率口径、部署周期和复购意愿就是要在产线上反复检验的问题。99.5%是实验室口径还是产线口径，换一家工厂还剩多少，第二年客户续不续单，这些是每家押注仿真路线的公司都绕不开的必答题。

苏昊则把时间轴拉得很长，他在央视《面对面》里，回顾自己二十年研究经历时说：“我一开始不觉得人工智能的问题这辈子能解决，我是按照进庙当和尚的心态去干的。”

在他看来，物理智能不是人的替代者，而是人的协作者，把翻身、搬运这样的体力活交给机器，把照护者的时间还给陪伴与关怀。“物理世界是智能最古老的老师，最诚实的考官，也是智能最终的基石。我们选择把答卷交给它。”

未来，苏度科技会坚持两条腿走路：一是可靠性落地，从工业产线开始，按时间表走向千台级规模；二是技术摸高，尽早让操作模型具备平台价值。至于那个“iPhone+iOS时刻”何时到来，留给了十年后。

接下来，苏度科技要把更多的精力集中在未来一两年，把千台级交付做出来，等那1000个开发者出现。苏度科技坚信，只要做到99%+的任务可靠性和成功率，具身智能公司就没有泡沫。