85
一家服装软件公司，为何能做具身智能的卖水人？
This article uses Lingdi Technology as a case study to analyze how a company deeply rooted in fashion digitization has entered the embodied intelligence industry chain by leveraging high-precision deformable body simulation technology to provide synthetic data, reinforcement learning environments, and evaluation services for robot training. 
Yesterday 3742 words (about 15 min) View Source →
原创 薛皓皓 2026-06-25 19:40 北京
银河通用在2026年春晚展示的机器人叠衣服成果，其背后有凌迪科技的仿真技术支持。
作者丨 薛皓皓
编辑丨 关 雎
凌迪科技起家于服装产业数字化，其核心业务是基于高精度形变体仿真技术，为服装设计、面料开发与生产展示提供 AI+3D 数字化软件。这套系统解决了传统仿真引擎“魔改版”精度极差的痛点，累计服务超 3000 家客户，覆盖多个海外头部时尚品牌。
2024 年底，这家长年 深耕服装圈的公司意外切入了物理 AI 下具身智能 赛道。因为他们观察到，具身智能 大脑的智能水平提升，可能和仿真息息相关，仿真能为大脑提供合成训练数据、强化学习环境、进行模型效果评测等一系列的支撑。而凌迪科技在以服装为代表的形变体仿真上的长期积累，成为它 切入具身智能 产业链的底气。
王华民是凌迪科技的联合创始人兼首席科学家。他本科毕业于浙江大学竺可桢学院，并在斯坦福大学和 佐治 亚理工学院分别获得硕士和博士学位。作为世界级计算机图形学专家、前俄亥俄州立大学终身教授，王华民在布料物理模拟领域有着极高的学术地位。2021 年，为了“解决真实问题，把技术成果落地”，他离开“学术 象牙塔”，加入凌 迪 科技。
在具身智能 领域，凌迪科技首个重要的正反馈来自国内头部独角兽银河通用。银河通用在 2026 年春 晚展示 的机器人叠衣服成果，其 背后是有凌迪科技的仿真技术支持。
在 整个具身智能 产业链中，王华民将凌迪科技清晰地定位为“卖水人”。
从服装业数字化到物理 AI
凌迪科技的气质是时尚和科技的结合，一边是长期浸染于服装设计师、服装厂、服装品牌构成的时尚圈，另一边把科学家索尔维及其创办的 20 世纪 世界顶级基础科学闭门研讨会——索尔维会议，作为公司的“精神”参考系。
在这种气质下，凌迪科技设立有一支 30 人左右的研究院团队，负责探索 AI 等前沿技术，对公司业务发展带来的各种可能性。王华民是这支研究团队的领导。
“在我们公司推出服装仿真软件之前，市面上大部分均为游戏引擎的魔改版本，精度很差。我们的产品能模拟服装上身后的下垂、褶皱、回弹等动态变化。”王华民说。
基于这套高精度的仿真技术，公司推出了面向款式设计的服装仿真建模软件 Style3D Studio，面向面料数据采集及编辑的 Style3D Fabric，面向服装仿真数据沉淀及复用的 Style3D Cloud，以及面向服装搭配展示的 Style3D MixMatch 等。
凌迪科技展示的 Style3D 相关软硬件产品
这套产品为凌迪科技累计服务超 3000 家客户，包括海外头部的奢侈品牌。
2024 年底，王华民十分敏锐地观察到一个趋势：不少和自己有着相似背景的学者，都投入 到具身 智能的创业浪潮中。例如，具有计算机图形学背景的斯坦福博士王鹤创立了银河通用，成为国内头部 的具身智能 独角兽；师从李飞 飞，拥有深厚三维视觉学术背景的苏昊博士，则加盟苏度科技担任 CTO，苏度科技也是估值增长最快 的具身独角兽。
这个趋势令王华民意识到一个机会：凌迪科技长期积累的高精度纺织物仿真数据和能力，在业内实属难得，足以成为 切入具身智能 赛道的独特优势。
对比仿真柜子、钢块等形状不易改变的东西，计算机仿真服装更为困难。“柜子或钢块，形状是固定的，计算机更容易仿真。衣服不行——平铺、折叠、揉成一团，每一种状态都完全不同，计算机必须通过极大的数据规模，更复杂的参数计算，才能实现高精度的服装仿真。”王华民说。
目前，机器人仍无法稳定而高效地完成叠衣服、从洗衣机里取出缠绕衣物等任务，根本原因是“大脑”缺乏足够的训练数据——衣物操作场景的真实数据极难采集，而用仿真生成的合成数据，又因为与真实世界存在较大偏差，被认为训练效果大打折扣。
凌迪科技的切入点正基于此，用更高精度的服装仿真，缩小合成数据和真实数据的差距。
他们先将自己的仿真引擎 S yn R eal 接入 英伟达旗下 的物理引擎 Newton，以及 Google Deepmind 旗下的物理引擎 Mu J o C o。他们十分期待的是，有合成数据需求 的具身智能 公司，能通过这些大平台找到自己。
让王华民没想到，首个重要的正反馈来自国内头部 的具身智能 公司——银河通用。
根据王华民透露，银河通用正使用凌迪科技的仿真引擎，训练机器人大脑。具体而言，包括了叠衣服、从洗衣机取衣服、抓零食等训练任务，而叠衣服 的训练成果，正是银河通用在 2026 年春晚所展示 的。
这一正反馈，让王华民意识到，小范围试水宣告成功，随即决定加大投入，将具身智能 业务独立成团队运营。
除了合成数据，仿真还能干什么？
凌迪科技 切入具身智能 业务才一年半的时间，但它的探索不局限于合成数据。
首先在合成数据方面，对于凌迪科技而言，合成数据并非真机数据的替代，而是对真机数据的“扩容”。
“我已采了一条真机数据，你怎么把它变成 10 条更多的数据——通过 3D 仿真就很容易做到。”王华民解释说：“这对数据精度要求很高，对速度要求不高。”
强化学习是仿真在机器人场景中的另一落地业务，该业务对数据精度要求不高，对数据生成速度要求颇高。
“强化学习要求引擎做到 1000 帧每秒的仿真速度。”王华民说：“这相当于现实世界过去一秒，机器人大脑就在仿真环境演算上千次。”
和真机数据“扩容”不同，强化学习 不给具身大脑 喂数据，而是 让具身 大脑在仿真环境下自己反复试错，做对 了给奖励，做错了给惩罚，通过不断试错，优化自己的行为策略，提升机器人大脑完成各类任务的水平。
除了真机数据“扩容”和强化学习，凌迪科技还在 做具身 大脑的评测。
目前，市场上仍缺乏一套标准化 的具身大脑 评测系统，行业仍无法判断哪家公司的大脑做得更好。在真实场景中进行评测，存在着诸多弊端，包括搭建成本高、评测流程复杂、容易作弊等，而仿真场景下的评测能消灭这些弊端。
“例如，要评测机器人在家庭场景下的智能水平，需要搭建 1000 个家庭场景，实地搭建很困难，仿真环境下却很简单，而且由于随机生成，评价更客观。”王华民解释说。
除了上述的探索方向，凌迪科技还在做灵巧手触觉的仿真数据。
目前，灵巧手触觉数据的采集，依赖于真人佩戴采集手套进行，而采集手套单价可达数万、甚至数十万元，且有使用寿命限制（可能使用 5000 次就坏）。而 凌迪科技 能用仿真技术将相关的边际成本降至近乎为 0。
要做好上述所有业务，并不能把服装仿真直接搬到机器人场景。
因为，服装仿真里，人体基本静止，衣服围绕人体运动，碰撞关系相对简单；机器人场景里，夹爪需要 主动抓取衣物，运动轨迹复杂，原有的碰撞缓冲区逻辑没有 针对夹爪设计，导致 夹爪频繁穿模——夹爪像 幽灵一般，穿过了衣服的布料。
意识到问题后，王华民对刚体的碰撞逻辑做了专项修改。
另一个专项修改的方向是轻量化。现有的主流仿真平台体量庞大，需要安装配置，使用门槛高。凌迪科技希望把仿真引擎做成网页端，打开浏览器即可使用，降低客户的接入成本。
据公司透露，这些业务采用 SDK 订阅制的收费模式。若单纯购买数据，则 按时长 收费。起步第一年的 2025 年，公司在该领域的营收规模达到数百万元，今年可达 5~10 倍的增速。
客户范围并不局限 于具身 智能公司，还有来自智能家电领域的客户。“许多家电公司都配备机器人团队，这些团队会有数据和仿真的需求。”王华民说。
要做具身智能 的卖水人
从当前行业进展出发，要 让具身 智能真正进工厂打工，或者进入家庭做家务，训练数据的匮乏，成为关键卡点之一：质量最高的真机数据稀缺，需要补充合成数据，而合成数据往往精度太低，难以实现良好的数据训练效果。
另一个关键卡点 是具身大脑 的 AI 模型架构尚未收敛。此前，在 硅谷具身智能 独角兽 Physical Intelligence 的推动下，VLA 模型（Vision-language-Action）曾成为业内主流方向。然而，VLA 的泛化性差，“比如机器人在房间 A 学会了叠衣服，到了房间 B 就不会了。”王华民解释说。
在 VLA 之后，世界模型被寄予厚望，有望提升机器人大脑的智力水平，而世界模型的技术路线尚处于“百花齐发”的状态，还未有一条路线获得主流认可。“虽然技术路线众多，但是我们公司积累的仿真能力在这里能发挥巨大的作用。”王华民说。
在世界模型方面，凌迪科技决定从仿真技术再往前迈一步，正通过合作的方式，打造一款世界模拟器。“世界模拟器能做的是，给定物体的状态，加上某种动作，AI 可自动预测该物体的未来状态。”他说。
对于凌迪科技 在具身智能 领域的定位，王华民认为，它要成为一位“卖水人”：通过 向具身 大脑公司或者本体公司，提供仿真和数据服务，从而获得营收。
更有意思的是，凭借着在服装行业的深耕，凌迪科技 比具身 智能公司更 懂服装 行业，也比服装公司更 懂具身 智能，这种特殊的禀赋，为凌迪科技在服装工厂 落地具身智能，创造了条件。
面对具身智能 业内对合成数据的悲观论调，王华民表达了自己的看法：“合成数据的核心问题是 sim to real gap（机器人在仿真环境做任务，和真实世界之间的效果落差），但是当真实数据的采集成本过高，甚至难以采集时，合成数据能以更低的成本进行补充或替代。”所 以，合成数据和真实数据并非替代关系，而是互补关系。
在淘金热中，最先赚到钱的往往是卖铲子和卖水的人。当所有 的具身智能 公司都在为了让机器人更聪明而 激烈竞争时，凌迪科技选择退后一步，提供训练工具。
毕竟，无论哪种技术路线胜出，他们都可能在仿真环境中，完成走向现实世界的第一步。
!Image 15: 图片   