苏度 WAIC 首秀：仿真训练模型落地真产线，CEO 韩铮称成功率 99%+

📌 一句话摘要

苏度科技在 WAIC 现场展示基于仿真训练的机器人完成精密装配、柔性打包、移动操作与多机协同产线任务，CEO 韩铮系统阐述了其以仿真为基座、追求 99%+ 成功率的技术路线与商业化逻辑。

📝 详细摘要

本文深度报道了具身智能公司苏度科技在 WAIC 2026 的首次国内大型展会亮相。文章从现场四组 Demo（亚毫米精密装配、柔性布料打包、移动操作、与宁德时代合作的电池模组产线）切入，直观回应了「仿真训练模型能否在真实世界干活」的行业核心质疑。CEO 韩铮在专访中系统阐释了苏度「反主流」的技术哲学：坚持将仿真作为基座而非辅助工具，通过「虚实融合」数据链路与「第四类世界模型」实现高精度物理仿真，让机器人在虚拟世界中完成「进化」，从而获得 Zero-shot 泛化能力。文章深入探讨了其选择仿真路线的底层逻辑、对 contact-rich 操作的突破、商业化策略（瞄准自动化设备间的「缝隙」与柔性生产任务）以及对行业「自由度军备竞赛」、具身智能「iPhone 时刻」等关键议题的思考，展现了一家极为长期主义的公司的技术定力与系统化布局。

💡 主要观点

- 苏度用同一套基座模型，在 WAIC 现场同时跑通了精密装配与柔性打包两项 contact-rich 的极端任务。 精密装配考验亚毫米级精度与力控，柔性打包考验对不确定形体的实时适应，这正面回应了「仿真搞不定接触密集型操作」的行业判断。

苏度坚持将仿真作为技术基座而非辅助工具，并构建了「虚实融合」的数据链路与「第四类世界模型」。 CEO 韩铮认为，真机数据无法 Scaling，而纯仿真存在 Sim2Real Gap。苏度以大规模仿真数据为主体，融合少量真机数据微调，并打造了能理解材质、摩擦、几何约束的高精度世界模型，让机器人在遵循物理定律的虚拟世界中完成策略进化。

99%+ 的成功率是具身智能商业化的前提，苏度以此为目标，优先打磨底层可迁移的共性技能。 韩铮强调高可靠性先于泛化性。苏度在预训练阶段不进入具体场景，而是将抓取等底层技能做到极致，交付时再通过少量数据后训练，像搭积木一样组合出长程任务能力，这与为单一 Demo 采集大量真机数据的主流打法形成鲜明对比。

苏度的商业化定位是解决传统自动化之间的「缝隙」与柔性生产任务，而非替代所有工业自动化。 与宁德时代的合作展示了机器人处理物料流转、接插等非标柔性任务的能力。其目标是让集成商能像使用大模型 Prompt 或拖拽示教一样简单地进行部署，适配新产线仅需一到两天。

苏度选择自研本体，是为了实现「大脑」与硬件的深度兼容，避免「木桶效应」。 韩铮指出，现有机器人硬件无法满足算法要求，软硬一体是追求 SOTA 具身模型的必选项。仿真路线使他们能以极低成本测试上百种构型，跳出仿生学思维，寻找最优解。

💬 文章金句

- 高可靠性是具身走向商业化的前提。我们内部的标准 99%+成功率，在此基础上再谈泛化性。

• 对机器人来说，Research 与商业化之间最大的分水岭，就是 99%+的可靠性。达不到高可靠性，就很难真正超越传统工业自动化。
• 你可以把它理解为建造一个遵循物理定律的虚拟世界，让机器人以类似人类进化的方式，完成属于它自己的进化。
• 如果「大脑」只有 50%的泛化能力和成功率，那么无论搭配 50 分还是 90 分的硬件，整体表现依然只有 50%。
• 具身智能也无需替代所有工业自动化。它应该解决的，是那些传统自动化成本过高、难以覆盖或根本无法完成的任务。

📊 文章信息

AI 初评：89

来源：量子位

作者：Jay

分类：人工智能

语言：中文

阅读时间：38 分钟

字数：9435

标签： 具身智能, 机器人, 仿真, Sim2Real, 世界模型

阅读完整文章