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？
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。