苏度科技 WAIC 2026 首秀辨析：从 Demo 到规模化交付的具身智能路径
事件概述
2026 年世界人工智能大会（WAIC）上，成立仅一年的苏度科技首次在国内公开亮相。展台前，机器人展示抓取物品、双手配合包裹、零件精密装配等十余项技能，动作不追求炫技，但稳定性、成功率和泛化性表现突出。
此次亮相标志着苏度科技从技术验证阶段迈向产业展示阶段。公司估值已达 200 亿元，背后是其创始团队在三维视觉、机器人仿真和具身智能领域的长期积累。
技术路线辨析：原子能力体系
核心理念
苏度科技将机器人在物理世界中的基础能力单元定义为"原子能力"。这一概念的核心逻辑是：机器人能力增长不应依赖工程师针对每个任务重新训练，而应通过积累基础能力，逐步获得处理复杂任务的能力。
创始人苏昊在 WAIC 主论坛演讲中指出，物理智能真正缺少的不是更多孤立的任务演示，而是"把散落的知识聚合起来"，形成对物理世界的系统理解。
能力组合机制
以礼盒包装任务为例，看似完整的流程可拆解为：物体识别、抓取、姿态调整、精细放置、双手协同、接触控制等多个基础能力。这些能力并非只服务于包装场景，同样可以迁移到装配、整理、搬运等不同任务中。
这种"积木式"能力组合方式，解释了苏度为何能在短时间内实现技能从 1 到 10+ 的跃迁。
数据策略辨析：虚实融合路线
仿真优先
苏度选择了一条区别于行业主流的数据路线：让机器人首先在仿真世界中积累经验。
目前具身智能行业在数据获取上存在三条主要路径：
1. 第一视角视频数据（模仿人类日常操作）
2. 人手数据采集（模仿人类手部精细动作）
3. 遥操作采集真机数据
苏度选择的路径是基于其创始团队的长期技术积累。苏昊在博士期间主导创建了 ShapeNet 数据集和 PointNet 网络，此后在加州大学圣地亚哥分校任教期间，持续投入机器人仿真与评测体系建设，主导研发了 SAPIEN、ManiSkill 等机器人学习平台。
数据生成能力
苏度已建立完整的数据生成管线，每天能生成百万级规模的仿真数据。通过仿真环境，团队可以让机器人接触大量不同种类的物体、光照条件、材质属性及任务组合，提前建立对物理世界的基础认知。
虚实结合
苏度采用的是"仿真训练 + 真机辅助"的虚实融合路线：
- 仿真数据为基底：让机器人掌握底层能力
- 真机数据辅助：进一步提升模型可靠性及真实环境适应性
这种路线让机器人既有仿真里练出的"见识"，也有真机上磨出的"手感"。
硬件策略辨析：白盒化设计
自研灵巧手
苏度在 WAIC 展台上首次公开亮相了一只自研灵巧手，关键参数如下：
| 指标 | 数值 |
|---|---|
| 自由度 | 22 个 |
| 大拇指自由度 | 5 个 |
| 小拇指自由度 | 5 个 |
| 其余三指自由度 | 各 4 个 |
设计特点包括：
- 拇指增加自旋自由度
- 小拇指具备更强内收能力
- 手指关节加入外翻设计，增大夹持接触面积
- 手指末端设计类似指甲的刚性结构，用于完成捏取细针、扣开易拉罐等精细任务
直驱方案
苏度灵巧手采用直驱方案——驱动单元直接作用于关节，中间不经过传统减速器等传动结构。相比存在机械间隙的传动方案，直驱能让控制输入和关节响应之间更加直接，提高系统的力控能力。
白盒化理念
苏度强调"白盒化"——让机器人系统内部的每一个环节都能够被理解、调整和优化。研发副总裁陈润泽指出："供应商能力很强，但他离需求太远，没办法跟算法同学直接沟通。"
在通用机器人面对开放环境的场景下，模型、数据和硬件之间需要持续迭代。硬件设计本身会直接影响模型能力，例如摄像头放置位置、机械臂自由度、灵巧手关节设计等，都需要结合算法对于感知、控制和任务执行的需求共同决定。
商业化路径辨析：可靠性与规模化
宁德时代案例
在工业场景，苏度与宁德时代合作的电池装配机器人已在锂电组装产线上验证：
- 四台机器人分布在不同工位，协同完成锂电池模组装配
- 抓取成功率达到 99.5% 以上
- 这不是 Demo 表演，而是已投入实际生产的方案
可靠性挑战
陈润泽在采访中强调："可靠性从 90% 到 99%+，背后是一个巨大的宇宙。"生产线上的失败可能意味着停线、返工甚至更高成本。真正决定机器人能否规模化部署的，往往不是平均成功率，而是最后那几个百分点的长尾能力。
部署闭环
苏度将真实部署视作模型训练的一部分，而非训练结束后的结果。每进入一个客户现场，机器人遇到的新环境、新问题和新失败案例，都会重新进入模型训练，不断提升下一次部署的成功率。真实世界逐渐成为能力增长闭环的一部分。
规模化时间表
| 时间节点 | 目标 |
|---|---|
| 2027 年 | 百台级交付 |
| 2028 年 | 千台级规模 |
场景优先级
苏度高层提出一个判断：家庭机器人和 To C 并不是同一个概念。以大疆为例，它面向消费者，但并不是家庭机器人。因此，在相当长一段时间内，工业、零售和商业服务将是具身智能最重要的验证场。
目前推进的场景包括：
- 工业产线（已落地宁德时代）
- 零售商超（盘点、补货、货架巡检、缺货识别）
- 餐饮门店（与头部连锁品牌推进服务机器人项目）
综合研判
优势因素
- 团队技术底蕴深厚：创始人在 ShapeNet、PointNet、SAPIEN、ManiSkill 等基础工作上有长期积累，苏昊 Google Scholar 引用量超过 15 万次。
- 技术路线完整：从原子能力定义 → 仿真数据生成 → 虚实融合训练 → 白盒化硬件 → 真实场景部署，形成闭环。
- 早期商业验证：宁德时代产线 99.5%+ 的抓取成功率提供了可参考的工业落地样板。
待验证挑战
- 规模化复制能力：苏度高层关注的是"机器人能力是否能够随着部署一起复制"。如果每进入一个新客户都需要重新采集数据、重新训练模型，那么交付规模再大本质上仍是项目制。
- 灵巧手的实际应用：目前展出机器人仍主要采用夹爪作为末端执行器，自研灵巧手尚未大规模部署。
- 家庭场景门槛：成本、安全、可靠性及泛化能力等多重门槛，决定了家庭机器人仍需要较长时间跨越。
- 竞争格局未定：行业共识还未收敛，未来决定竞争力的或许不是当前展示的 Demo 数量，而是持续获得新能力的速度以及稳定进入真实世界的能力。
行业启示
苏度科技的 WAIC 首秀传递出一个信号：具身智能的竞争正在从"能力展示时代"进入"能力增长时代"。衡量一家机器人公司的标准，正在从"今天展示了多少个 Demo"转向"半年后是否还能以同样速度获得新能力，一年后这些能力是否能够在真实世界中稳定运行"。
本文基于苏度科技 WAIC 2026 展台公开信息及媒体报道分析，所有事实和数据均来自材料可核对内容。