20億刀蘇度科技具身首秀：0真機數據，0 shot，首次抓取成功率98%

衡宇 發自 凹非寺
量子位 | 公眾號 QbitAI

具身機器人在60分鐘內，不間斷抓取100多個沒見過的物體（透明的、金屬的、軟質的），目前能達到什么水平？

一個最新模型給了份令人驚喜的答案：

首試抓取成功率約98%，兩次嘗試內幾乎100%。

而且，驅動這次抓取測試的模型，訓練時沒有用過哪怕一條真機數據，把純仿真路線貫徹到底。

這樣亮點十足的成績，來自一家此前極度低調、但已被頂級投資人和產業客戶持續押注的具身智能公司。

蘇度科技。

量子位最新獲悉，剛剛歸國就任復旦大學浩清特聘教授、通用物理智能研究院院長的蘇昊，正是蘇度科技的首席技術顧問，支持該公司技術方向的發展。

今天上午，蘇度官網發布首個技術Blog，正式介紹了軟硬件全棧自研的機器人系統#Sudo R1。

它采用世界模型與強化學習一體化設計，在不使用任何真機數據的前提下，實現了關鍵任務近100%的Zero-shot成功率，首次在業內達成這一成就。

看到這兒，想必你和我有一樣的疑問：

在真機數據采集成本高昂、難以規模化的行業困境下，#Sudo R1是實現如此驚艷的效果的？

交卷的#Sudo R1，走了一條怎樣的路線？

我們先從#Sudo R1的實測表現說起。

可以看到，#Sudo R1在這段60分鐘、未經剪輯的視頻中，不間斷執行抓取任務。

視頻中，#Sudo R1的200多次抓取測試覆蓋了透明、柔性、反光、不規則形狀等多類真實場景中常見的硬骨頭。

且測試環境包含不同光照條件（暗室、日光、夜景燈光）以及隨機物理干擾：

動態背景（用電視屏幕模擬各種場景）：

還有障礙物約束、空間約束等等。

團隊人為制造了各種不同的環境和突然情況，盡可能模擬日常生活中的真實任務對象和工作環境。

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的具身機器人丟到任意一個環境，它都能在0示意教學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，即需要針對具體場景進行示教，針對每個場景單獨調參，在限定環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境或物體發生變化，往往難以跨場景遷移，就必須重新采集數據、重新訓練。

或者這么說吧，目前的主流具身模型訓練方法本質上更接近“任務優化”，而非更通俗意義上的泛化。

蘇度沒有選擇這樣的路線。

團隊表示“不想針對任何具體場景做適配”，更希望讓模型具有通用泛化能力，在zero-shot的條件下就實現開箱即用的效果。

遵循這樣的思路，蘇度走上了純仿真數據訓練模型的路。

于是，沒有真機數據，沒有遙操作，沒有人工標注，團隊開始訓練模型。

他們也想同時來驗證“純仿真訓練結合零真機數據”的方式，是否能獨立支撐起模型的Sim2Real落地路徑。

現在，#Sudo R1這個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，#Sudo R1還直面了當前具身智能發展的兩個核心瓶頸。

首先是數據供給問題。

盡管遙操、人類視角采集和UMI這些當下行業主流依賴的真機數據采集路徑不斷在優化成本和效率，但只要想規模化擴展，都不是特別理想。

人力、設備、時間成本重重疊加，數據供給難以隨算力線性增長。所以說如果僅僅只是把真機數據作為模型訓練的單一基礎，至少在很長一段時間內，都會限制模型能力的提升上限。

其次，也是更本質的問題。真機數據雖然同時包含視覺和動作信息，但涉及動力學（dynamics）時，包含的信息既不完備，也不直接。

但動力學的重要性不容忽視，它可是物理世界最最核心的要素之一。

如果模型對動力學的刻畫不精準，那么它學到的物理交互規律也難以達到強穩定性和強泛化性。

這也是多數具身系統在真實環境中表現不穩定、難以規模化的根本原因。

面對這兩個瓶頸，蘇度的解法是重新定義數據范式，通過數據與模型的組合構建一條可規模化路徑。

講道理，仿真數據和真實數據之間不是替代的關系，兩者各有各的優勢。

所以思考的重點不應該局限在仿真和真實數據孰優孰劣，更應該費心考慮，怎么針對性地根據具體場景，來動態平衡兩者的配比，以實現最優結果。

在蘇度團隊看來，仿真數據天然包含完整的物理交互信息，在成本和規模化層面具備顯著優勢，非常適合為模型搭建廣度認知與物理常識的基礎。

而真機數據則自帶真實噪聲、傳感器誤差及復雜環境擾動等現實特征，能提供與真實場景分布對齊的關鍵信號。

但考慮到它的成本居高不下，綜合來看，這類數據更適合作為模型后期做真實場景對齊與效果校正的稀缺資源。

但問題的關鍵在于，模型訓練的哪個階段該主攻仿真數據，又在哪個階段需要提升真機數據的占比？

要找到這一問題的最優解，既需要對仿真器具備足夠深入的理解，也需要精準判斷不同場景下仿真與真機數據的協同方式，這種能力絕非短時間內能夠積累而成。

蘇度的數據體系建立在高保真仿真器之上，天然包含了對物理dynamics的直接表達，使模型能夠學習到可泛化的物理規律，更適合作為具身模型的預訓練數據引擎。

包含多維物理信息的數據問題被解決，模型架構才能真正發揮威力。

我們還了解到，蘇度是目前行業唯一能在底層模型中系統性實現世界模型與強化學習一體化設計的團隊。

這種一體化架構，讓純仿真訓練能夠獨立支撐模型跨越現實世界的復雜性與不確定性，實現本文開頭提到的近100% zero-shot成功率。

沒錯，#Sudo R1是蘇度底層數據路線與模型架構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維度上同時逼近生產級水準。

說它打破了行業長期以來對Sim2Real路徑的根本性質疑，毫不為過。

蘇度一鳴驚人，但一切都在情理之中

#Sudo R1是蘇度公開發布的第一個模型。

首次亮相就拿出這樣的成績，看得出背后團隊實力一定不容小覷。

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，也是公司的聯合創始人兼CEO。

蘇度的幾位投資人告訴量子位，韓錚是一位連續創業者，在AI和硬件產品領域具備多次0-1及規模化落地經驗，曾多次帶領所在團隊實現全球化業務與并購退出。

業界人士這樣評價他：“（韓錚是）具身領域少有的兼具技術理解與商業經驗的CEO，更具備扎實的產品能力。在當前具身賽道日益項目化的背景下，業界看好他打破這一路徑依賴，推動具身智能走向真正的產品化。”

本文開頭已經提到，復旦蘇昊是蘇度的首席技術顧問。

熟悉具身智能領域的旁友們對這位大佬絕對不陌生。

蘇昊師從美國三院院士Leonidas Guibas教授、中科院院士李未教授、美國工程院和英國皇家學院院士沈向洋教授、美國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ShapeNet、PointNet等3D視覺奠基性工作。

歸國前，他在UCSD任終身副教授、具身智能實驗室主任；上周他官宣歸國任教，擔任復旦大學浩清特聘教授、通用物理智能研究院院長。

目前該公司內的技術負責人徐澤祥，是前Adobe 3D Gen AI的負責人。

據公開信息了解，他師從圖形學領域權威、UCSD計算機科學系教授Ravi Ramamoorthi。

徐澤祥長期與蘇昊開展合作研究，聯合發表多篇具有行業影響力的學術成果，在技術路徑與核心方法論上形成高度一致的認知。

谷歌學術顯示，他的論文被引用數量超1.1萬次。

同時，徐澤祥還兼具深厚的產業落地與團隊管理經驗。

另外我們還得知，蘇度硬件負責人是源碼資本前投資人陳潤澤。

據透露，他在投資人生涯中，曾主導公司對宇樹科技的押注。

張校珩擔任蘇度的戰略負責人。

公開資料顯示，他曾任職于ABB、華為及藍馳創投，具備產業與投資雙重經驗，在投資多家具身智能與先進制造明星企業后，選擇回歸產業一線。

此外，蘇度目前的團隊核心成員來自原Hillbot項目的多位骨干。

創業者、學者、投資人、產業老兵……綜合來看，蘇度的核心團隊背景多元，這樣的復合型配置，兼具了產業實操、學術積淀、資本視野與行業經驗。

資本市場和產業從不同視角表達了對蘇度科技的肯定。

資本層面，雖然該公司自成立以來保持較低的對外曝光，但量子位還是從多個信源處求證，蘇度已經持續獲得產業界頭部客戶與全球一線投資機構的認可和支持。

投資方陣容很豪華，包括寧德時代溥泉資本、阿里、高瓴創投、國壽股權、綠洲、騰訊、螞蟻、IDG、藍馳、數字未來、孚騰、復旦科創、云暉等。

據了解，蘇度最新已完成新一輪融資，估值突破20億美元，并持續獲得多家頭部及產業機構的支持與加入。

值得關注的是，這份投資方名單中的大多數機構均以長期技術研判與產業深度理解為核心優勢，對于通用模型能力的搭建（而非單一場景下的短期擬合）有著明確且一致的認知。

與此同時，蘇度在產業側的進展也很亮眼。

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據，正是這一關鍵認知，在產業側獲得了更高的認可度。

該公司還計劃以平臺化方式提供系統接口與開發者工具，方便客戶快速完成場景適配和系統集成。

有消息稱，蘇度基于通用模型能力，正在構建行業首個實現多工位覆蓋的機器人系統，使同一套模型能夠在不同工位之間穩定遷移，并支持多產品的快速切換與連續作業。

跨工位的泛化能力才能支撐起柔性制造的需求。對實際生產場景來說，這一點的重要性不言而喻。

還有消息稱，蘇度已與寧德時代在多個核心制造場景中開展聯合開發，圍繞電池生產與物流環節推進具身智能系統的落地驗證。

蘇度官網鏈接：

https://www.sudo.ai/