衡宇 發(fā)自 凹非寺
量子位 | 公眾號(hào) QbitAI

具身機(jī)器人在60分鐘內(nèi)，不間斷抓取100多個(gè)沒見過的物體（透明的、金屬的、軟質(zhì)的），目前能達(dá)到什么水平？

一個(gè)最新模型給了份令人驚喜的答案：

首試抓取成功率約98%，兩次嘗試內(nèi)幾乎100%。

而且，驅(qū)動(dòng)這次抓取測(cè)試的模型，訓(xùn)練時(shí)沒有用過哪怕一條真機(jī)數(shù)據(jù)，把純仿真路線貫徹到底。

這樣亮點(diǎn)十足的成績(jī)，來自一家此前極度低調(diào)、但已被頂級(jí)投資人和產(chǎn)業(yè)客戶持續(xù)押注的具身智能公司。

蘇度科技。

量子位最新獲悉，剛剛歸國(guó)就任復(fù)旦大學(xué)浩清特聘教授、通用物理智能研究院院長(zhǎng)的蘇昊，正是蘇度科技的首席技術(shù)顧問，支持該公司技術(shù)方向的發(fā)展。

今天上午，蘇度官網(wǎng)發(fā)布首個(gè)技術(shù)Blog，正式介紹了軟硬件全棧自研的機(jī)器人系統(tǒng)#Sudo R1。

它采用世界模型與強(qiáng)化學(xué)習(xí)一體化設(shè)計(jì)，在不使用任何真機(jī)數(shù)據(jù)的前提下，實(shí)現(xiàn)了關(guān)鍵任務(wù)近100%的Zero-shot成功率，首次在業(yè)內(nèi)達(dá)成這一成就。

看到這兒，想必你和我有一樣的疑問：

在真機(jī)數(shù)據(jù)采集成本高昂、難以規(guī)模化的行業(yè)困境下，#Sudo R1是實(shí)現(xiàn)如此驚艷的效果的？

交卷的#Sudo R1，走了一條怎樣的路線？

我們先從#Sudo R1的實(shí)測(cè)表現(xiàn)說起。

可以看到，#Sudo R1在這段60分鐘、未經(jīng)剪輯的視頻中，不間斷執(zhí)行抓取任務(wù)。

視頻中，#Sudo R1的200多次抓取測(cè)試覆蓋了透明、柔性、反光、不規(guī)則形狀等多類真實(shí)場(chǎng)景中常見的硬骨頭。

且測(cè)試環(huán)境包含不同光照條件（暗室、日光、夜景燈光）以及隨機(jī)物理干擾：

動(dòng)態(tài)背景（用電視屏幕模擬各種場(chǎng)景）：

還有障礙物約束、空間約束等等。

團(tuán)隊(duì)人為制造了各種不同的環(huán)境和突然情況，盡可能模擬日常生活中的真實(shí)任務(wù)對(duì)象和工作環(huán)境。

在沒有cherry-pick的情況下，zero-shot成功率接近100%。

理論上來講，把搭載了#Sudo R1的具身機(jī)器人丟到任意一個(gè)環(huán)境，它都能在0示意教學(xué)的前提下直接抓放東西了～

必須跟大家說道說道，#Sudo R1能有如此高的成功率，很大程度上得益于蘇度選擇的訓(xùn)練路線。

目前最主流的具身模型路線以PI（Physical Intelligence）和Generalist旗下模型為代表。

它們通常依賴few-shot方式來適配，即需要針對(duì)具體場(chǎng)景進(jìn)行示教，針對(duì)每個(gè)場(chǎng)景單獨(dú)調(diào)參，在限定環(huán)境與物體條件下才能獲得較高成功率。

凡事有利有弊。

這樣做的弊端就是一旦環(huán)境或物體發(fā)生變化，往往難以跨場(chǎng)景遷移，就必須重新采集數(shù)據(jù)、重新訓(xùn)練。

或者這么說吧，目前的主流具身模型訓(xùn)練方法本質(zhì)上更接近“任務(wù)優(yōu)化”，而非更通俗意義上的泛化。

蘇度沒有選擇這樣的路線。

團(tuán)隊(duì)表示“不想針對(duì)任何具體場(chǎng)景做適配”，更希望讓模型具有通用泛化能力，在zero-shot的條件下就實(shí)現(xiàn)開箱即用的效果。

遵循這樣的思路，蘇度走上了純仿真數(shù)據(jù)訓(xùn)練模型的路。

于是，沒有真機(jī)數(shù)據(jù)，沒有遙操作，沒有人工標(biāo)注，團(tuán)隊(duì)開始訓(xùn)練模型。

他們也想同時(shí)來驗(yàn)證“純仿真訓(xùn)練結(jié)合零真機(jī)數(shù)據(jù)”的方式，是否能獨(dú)立支撐起模型的Sim2Real落地路徑。

現(xiàn)在，#Sudo R1這個(gè)最新出爐的模型告訴大家，答案是肯定的。

#Sudo R1是怎么做到的？

與此同時(shí)，#Sudo R1還直面了當(dāng)前具身智能發(fā)展的兩個(gè)核心瓶頸。

首先是數(shù)據(jù)供給問題。

盡管遙操、人類視角采集和UMI這些當(dāng)下行業(yè)主流依賴的真機(jī)數(shù)據(jù)采集路徑不斷在優(yōu)化成本和效率，但只要想規(guī)?；瘮U(kuò)展，都不是特別理想。

人力、設(shè)備、時(shí)間成本重重疊加，數(shù)據(jù)供給難以隨算力線性增長(zhǎng)。所以說如果僅僅只是把真機(jī)數(shù)據(jù)作為模型訓(xùn)練的單一基礎(chǔ)，至少在很長(zhǎng)一段時(shí)間內(nèi)，都會(huì)限制模型能力的提升上限。

其次，也是更本質(zhì)的問題。真機(jī)數(shù)據(jù)雖然同時(shí)包含視覺和動(dòng)作信息，但涉及動(dòng)力學(xué)（dynamics）時(shí)，包含的信息既不完備，也不直接。

但動(dòng)力學(xué)的重要性不容忽視，它可是物理世界最最核心的要素之一。

如果模型對(duì)動(dòng)力學(xué)的刻畫不精準(zhǔn)，那么它學(xué)到的物理交互規(guī)律也難以達(dá)到強(qiáng)穩(wěn)定性和強(qiáng)泛化性。

這也是多數(shù)具身系統(tǒng)在真實(shí)環(huán)境中表現(xiàn)不穩(wěn)定、難以規(guī)模化的根本原因。

面對(duì)這兩個(gè)瓶頸，蘇度的解法是重新定義數(shù)據(jù)范式，通過數(shù)據(jù)與模型的組合構(gòu)建一條可規(guī)模化路徑。

講道理，仿真數(shù)據(jù)和真實(shí)數(shù)據(jù)之間不是替代的關(guān)系，兩者各有各的優(yōu)勢(shì)。

所以思考的重點(diǎn)不應(yīng)該局限在仿真和真實(shí)數(shù)據(jù)孰優(yōu)孰劣，更應(yīng)該費(fèi)心考慮，怎么針對(duì)性地根據(jù)具體場(chǎng)景，來動(dòng)態(tài)平衡兩者的配比，以實(shí)現(xiàn)最優(yōu)結(jié)果。

在蘇度團(tuán)隊(duì)看來，仿真數(shù)據(jù)天然包含完整的物理交互信息，在成本和規(guī)?；瘜用婢邆滹@著優(yōu)勢(shì)，非常適合為模型搭建廣度認(rèn)知與物理常識(shí)的基礎(chǔ)。

而真機(jī)數(shù)據(jù)則自帶真實(shí)噪聲、傳感器誤差及復(fù)雜環(huán)境擾動(dòng)等現(xiàn)實(shí)特征，能提供與真實(shí)場(chǎng)景分布對(duì)齊的關(guān)鍵信號(hào)。

但考慮到它的成本居高不下，綜合來看，這類數(shù)據(jù)更適合作為模型后期做真實(shí)場(chǎng)景對(duì)齊與效果校正的稀缺資源。

但問題的關(guān)鍵在于，模型訓(xùn)練的哪個(gè)階段該主攻仿真數(shù)據(jù)，又在哪個(gè)階段需要提升真機(jī)數(shù)據(jù)的占比？

要找到這一問題的最優(yōu)解，既需要對(duì)仿真器具備足夠深入的理解，也需要精準(zhǔn)判斷不同場(chǎng)景下仿真與真機(jī)數(shù)據(jù)的協(xié)同方式，這種能力絕非短時(shí)間內(nèi)能夠積累而成。

蘇度的數(shù)據(jù)體系建立在高保真仿真器之上，天然包含了對(duì)物理dynamics的直接表達(dá)，使模型能夠?qū)W習(xí)到可泛化的物理規(guī)律，更適合作為具身模型的預(yù)訓(xùn)練數(shù)據(jù)引擎。

包含多維物理信息的數(shù)據(jù)問題被解決，模型架構(gòu)才能真正發(fā)揮威力。

我們還了解到，蘇度是目前行業(yè)唯一能在底層模型中系統(tǒng)性實(shí)現(xiàn)世界模型與強(qiáng)化學(xué)習(xí)一體化設(shè)計(jì)的團(tuán)隊(duì)。

這種一體化架構(gòu)，讓純仿真訓(xùn)練能夠獨(dú)立支撐模型跨越現(xiàn)實(shí)世界的復(fù)雜性與不確定性，實(shí)現(xiàn)本文開頭提到的近100% zero-shot成功率。

沒錯(cuò)，#Sudo R1是蘇度底層數(shù)據(jù)路線與模型架構(gòu)共同作用的階段性成果，它在泛化性、敏捷性、魯棒性和空間智能四個(gè)維度上同時(shí)逼近生產(chǎn)級(jí)水準(zhǔn)。

說它打破了行業(yè)長(zhǎng)期以來對(duì)Sim2Real路徑的根本性質(zhì)疑，毫不為過。

蘇度一鳴驚人，但一切都在情理之中

#Sudo R1是蘇度公開發(fā)布的第一個(gè)模型。

首次亮相就拿出這樣的成績(jī)，看得出背后團(tuán)隊(duì)實(shí)力一定不容小覷。

工商信息顯示，上海蘇度科技有限公司成立于2025年5月。公司董事韓錚，也是公司的聯(lián)合創(chuàng)始人兼CEO。

蘇度的幾位投資人告訴量子位，韓錚是一位連續(xù)創(chuàng)業(yè)者，在AI和硬件產(chǎn)品領(lǐng)域具備多次0-1及規(guī)?；涞亟?jīng)驗(yàn)，曾多次帶領(lǐng)所在團(tuán)隊(duì)實(shí)現(xiàn)全球化業(yè)務(wù)與并購(gòu)?fù)顺觥?/p>

業(yè)界人士這樣評(píng)價(jià)他：“（韓錚是）具身領(lǐng)域少有的兼具技術(shù)理解與商業(yè)經(jīng)驗(yàn)的CEO，更具備扎實(shí)的產(chǎn)品能力。在當(dāng)前具身賽道日益項(xiàng)目化的背景下，業(yè)界看好他打破這一路徑依賴，推動(dòng)具身智能走向真正的產(chǎn)品化。”

本文開頭已經(jīng)提到，復(fù)旦蘇昊是蘇度的首席技術(shù)顧問。

熟悉具身智能領(lǐng)域的旁友們對(duì)這位大佬絕對(duì)不陌生。

蘇昊師從美國(guó)三院院士Leonidas Guibas教授、中科院院士李未教授、美國(guó)工程院和英國(guó)皇家學(xué)院院士沈向洋教授、美國(guó)三院院士李飛飛教授，不僅僅是ImageNet的核心締造者之一，也曾主導(dǎo)ShapeNet、PointNet等3D視覺奠基性工作。

歸國(guó)前，他在UCSD任終身副教授、具身智能實(shí)驗(yàn)室主任；上周他官宣歸國(guó)任教，擔(dān)任復(fù)旦大學(xué)浩清特聘教授、通用物理智能研究院院長(zhǎng)。

目前該公司內(nèi)的技術(shù)負(fù)責(zé)人徐澤祥，是前Adobe 3D Gen AI的負(fù)責(zé)人。

據(jù)公開信息了解，他師從圖形學(xué)領(lǐng)域權(quán)威、UCSD計(jì)算機(jī)科學(xué)系教授Ravi Ramamoorthi。

徐澤祥長(zhǎng)期與蘇昊開展合作研究，聯(lián)合發(fā)表多篇具有行業(yè)影響力的學(xué)術(shù)成果，在技術(shù)路徑與核心方法論上形成高度一致的認(rèn)知。

谷歌學(xué)術(shù)顯示，他的論文被引用數(shù)量超1.1萬次。

同時(shí)，徐澤祥還兼具深厚的產(chǎn)業(yè)落地與團(tuán)隊(duì)管理經(jīng)驗(yàn)。

另外我們還得知，蘇度硬件負(fù)責(zé)人是源碼資本前投資人陳潤(rùn)澤。

據(jù)透露，他在投資人生涯中，曾主導(dǎo)公司對(duì)宇樹科技的押注。

張校珩擔(dān)任蘇度的戰(zhàn)略負(fù)責(zé)人。

公開資料顯示，他曾任職于ABB、華為及藍(lán)馳創(chuàng)投，具備產(chǎn)業(yè)與投資雙重經(jīng)驗(yàn)，在投資多家具身智能與先進(jìn)制造明星企業(yè)后，選擇回歸產(chǎn)業(yè)一線。

此外，蘇度目前的團(tuán)隊(duì)核心成員來自原Hillbot項(xiàng)目的多位骨干。

創(chuàng)業(yè)者、學(xué)者、投資人、產(chǎn)業(yè)老兵……綜合來看，蘇度的核心團(tuán)隊(duì)背景多元，這樣的復(fù)合型配置，兼具了產(chǎn)業(yè)實(shí)操、學(xué)術(shù)積淀、資本視野與行業(yè)經(jīng)驗(yàn)。

資本市場(chǎng)和產(chǎn)業(yè)從不同視角表達(dá)了對(duì)蘇度科技的肯定。

資本層面，雖然該公司自成立以來保持較低的對(duì)外曝光，但量子位還是從多個(gè)信源處求證，蘇度已經(jīng)持續(xù)獲得產(chǎn)業(yè)界頭部客戶與全球一線投資機(jī)構(gòu)的認(rèn)可和支持。

投資方陣容很豪華，包括寧德時(shí)代溥泉資本、阿里、高瓴創(chuàng)投、國(guó)壽股權(quán)、綠洲、騰訊、螞蟻、IDG、藍(lán)馳、數(shù)字未來、孚騰、復(fù)旦科創(chuàng)、云暉等。

據(jù)了解，蘇度最新已完成新一輪融資，估值突破20億美元，并持續(xù)獲得多家頭部及產(chǎn)業(yè)機(jī)構(gòu)的支持與加入。

值得關(guān)注的是，這份投資方名單中的大多數(shù)機(jī)構(gòu)均以長(zhǎng)期技術(shù)研判與產(chǎn)業(yè)深度理解為核心優(yōu)勢(shì)，對(duì)于通用模型能力的搭建（而非單一場(chǎng)景下的短期擬合）有著明確且一致的認(rèn)知。

與此同時(shí)，蘇度在產(chǎn)業(yè)側(cè)的進(jìn)展也很亮眼。

我們最新獲悉，蘇度的模型在zero-shot與高成功率能力下即可完成初步部署，無需采集客戶敏感數(shù)據(jù)，正是這一關(guān)鍵認(rèn)知，在產(chǎn)業(yè)側(cè)獲得了更高的認(rèn)可度。

該公司還計(jì)劃以平臺(tái)化方式提供系統(tǒng)接口與開發(fā)者工具，方便客戶快速完成場(chǎng)景適配和系統(tǒng)集成。

有消息稱，蘇度基于通用模型能力，正在構(gòu)建行業(yè)首個(gè)實(shí)現(xiàn)多工位覆蓋的機(jī)器人系統(tǒng)，使同一套模型能夠在不同工位之間穩(wěn)定遷移，并支持多產(chǎn)品的快速切換與連續(xù)作業(yè)。

跨工位的泛化能力才能支撐起柔性制造的需求。對(duì)實(shí)際生產(chǎn)場(chǎng)景來說，這一點(diǎn)的重要性不言而喻。

還有消息稱，蘇度已與寧德時(shí)代在多個(gè)核心制造場(chǎng)景中開展聯(lián)合開發(fā)，圍繞電池生產(chǎn)與物流環(huán)節(jié)推進(jìn)具身智能系統(tǒng)的落地驗(yàn)證。

蘇度官網(wǎng)鏈接：

https://www.sudo.ai/