苏度科技在其首次亮相中便展示了卓越的技术实力，其零真实机器数据的模型取得了高达98%的成功率。
衡宇该公司发布了名为#Sudo R1的具身机器人模型。
在60分钟内不间断地抓取超过一百种未曾见过的物品（包括透明、金属和软质物体），这款机器人的表现令人印象深刻。
这一成就尤其引人注目，因为驱动此次测试的模型在训练过程中并未使用任何真实的机器数据，而是完全依赖于仿真模拟技术。
背后支持这项研究的是苏度科技，这是一家此前相对低调但已经获得了顶级投资者和产业界客户的持续关注和支持的公司。
苏昊教授最近被任命为复旦大学浩清特聘教授及通用物理智能研究院院长，他同时也是苏度科技的技术顾问，对公司的技术方向提供了指导。
今日上午，苏度在其官方网站上发布了首个技术博客文章，正式介绍了其自主研发的机器人系统#Sudo R1。
这个系统采用了一体化的世界模型与强化学习设计，在没有任何实际机器数据的情况下实现了关键任务接近100%的成功率，这在行业内尚属首次。
苏度科技。
从实测表现来看，#Sudo R1展示了其处理复杂和多样环境的能力。
在一段未经剪辑的60分钟视频中，我们可以看到机器人连续不断地执行抓取任务。
视频中的测试涵盖了不同类型的物体（如透明、柔软等），以及各种不同的光照条件和干扰情况。
团队通过制造多样化的环境来模拟现实生活中的复杂状况，尽可能真实地再现实际工作场景。
实验结果显示，在未经过特别挑选的情况下，#Sudo R1在零示教情况下几乎可以实现100%的成功率。
目前市面上主流的具身模型通常依赖于少量真实数据进行微调，这种方式对于特定场景可能有效，但在不同环境中很难实现迁移学习。
为了克服这一限制，苏度决定采用完全基于仿真数据的方法来训练其模型。
团队坚信，这种纯仿真的路径能够支持Sim2Real（模拟到现实）的落地过程，并且在没有实际机器操作的情况下也能取得成功。
苏度团队认为，通过重新定义数据范式并构建一条可规模化发展的路径，他们可以解决当前具身智能发展中遇到的主要瓶颈。
他们的策略是利用仿真数据来建立广义认知和物理常识的基础，并将真实数据用作后期对齐与效果校正的稀缺资源。
这种方法不仅提高了成本效益，还使得模型能够学习到更广泛的物理规则。
苏度是行业内唯一一家能够在底层架构中系统性地实现世界模型和强化学习一体化设计的企业。
通过这种方式，纯仿真训练可以独立支撑模型跨越现实世界的复杂性和不确定性，并达到近100%的零示教成功率。
这种技术路线打破了长期以来对Sim2Real路径的根本质疑，为具身机器人领域的未来发展铺平了道路。
苏度科技一鸣惊人，但其实这并不令人意外。
#Sudo R1是该公司首次公开发布的产品。
韩铮是苏度的创始人兼首席执行官，他拥有丰富的AI和硬件产品开发经验，并且在多个项目中实现了全球化业务与并购退出。
业界人士认为韩铮是一位具备深厚技术理解力及商业头脑的企业家，能够推动具身智能从概念走向实际应用。
凡事有利有弊。
苏度科技还吸引了一批来自不同领域的优秀人才加盟。
其中包括复旦大学的苏昊教授、前Adobe 3D Gen AI负责人徐泽祥以及曾在多家知名企业任职的战略负责人张校珩等。
这些人不仅带来了深厚的技术背景和行业经验，也极大地增强了团队的整体实力。
苏度科技在资本市场上的表现同样亮眼。
尽管该公司自成立以来一直保持低调，但已经获得了来自宁德时代、阿里集团等众多一线投资机构的青睐和支持。
该公司的最新一轮融资使其估值突破了20亿美元大关，并且持续吸引着更多的投资者加入。
苏度科技在产业界的进展同样令人瞩目。
据悉，该公司已经开始与宁德时代合作，在多个核心制造场景中推进具身智能系统的部署和应用验证。
此外，苏度还计划通过提供平台化解决方案来帮助客户快速完成系统集成，并支持多工位覆盖及连续作业。
随着技术的不断进步和发展，相信在未来几年内，我们将会看到更多来自苏度科技的创新成果和应用案例出现于市场上。
首先是数据供给问题。
苏度团队凭借其多元化的背景、扎实的技术基础以及敏锐的市场洞察力，在具身智能领域正展现出令人期待的发展潜力。
未来，随着更多的应用场景落地及技术迭代更新，苏度科技有望继续引领行业发展潮流并推动整个产业向前迈进。
其次，也是更本质的问题。真机数据虽然同时包含视觉和动作信息，但涉及动力学（dynamics）时，包含的信息既不完备，也不直接。
但动力学的重要性不容忽视，它可是物理世界最最核心的要素之一。
如果模型对动力学的刻画不精准，那么它学到的物理交互规律也难以达到强稳定性和强泛化性。
这也是多数具身系统在真实环境中表现不稳定、难以规模化的根本原因。
面对这两个瓶颈，苏度的解法是重新定义数据范式，通过数据与模型的组合构建一条可规模化路径。
讲道理，仿真数据和真实数据之间不是替代的关系，两者各有各的优势。
所以思考的重点不应该局限在仿真和真实数据孰优孰劣，更应该费心考虑，怎么针对性地根据具体场景，来动态平衡两者的配比，以实现最优结果。
在苏度团队看来，仿真数据天然包含完整的物理交互信息，在成本和规模化层面具备显著优势，非常适合为模型搭建广度认知与物理常识的基础。
而真机数据则自带真实噪声、传感器误差及复杂环境扰动等现实特征，能提供与真实场景分布对齐的关键信号。
但考虑到它的成本居高不下，综合来看，这类数据更适合作为模型后期做真实场景对齐与效果校正的稀缺资源。
但问题的关键在于，模型训练的哪个阶段该主攻仿真数据，又在哪个阶段需要提升真机数据的占比？
要找到这一问题的最优解，既需要对仿真器具备足够深入的理解，也需要精准判断不同场景下仿真与真机数据的协同方式，这种能力绝非短时间内能够积累而成。
苏度的数据体系建立在高保真仿真器之上，天然包含了对物理dynamics的直接表达，使模型能够学习到可泛化的物理规律，更适合作为具身模型的预训练数据引擎。
包含多维物理信息的数据问题被解决，模型架构才能真正发挥威力。
我们还了解到，苏度是目前行业唯一能在底层模型中系统性实现世界模型与强化学习一体化设计的团队。
这种一体化架构，让纯仿真训练能够独立支撑模型跨越现实世界的复杂性与不确定性，实现本文开头提到的近100% zero-shot成功率。
没错，#Sudo R1是苏度底层数据路线与模型架构共同作用的阶段性成果，它在泛化性、敏捷性、鲁棒性和空间智能四个维度上同时逼近生产级水准。
说它打破了行业长期以来对Sim2Real路径的根本性质疑，毫不为过。
苏度一鸣惊人，但一切都在情理之中
#Sudo R1是苏度公开发布的第一个模型。
首次亮相就拿出这样的成绩，看得出背后团队实力一定不容小觑。
工商信息显示，上海苏度科技有限公司成立于2025年5月。公司董事韩铮，也是公司的联合创始人兼CEO。
苏度的几位投资人告诉量子位，韩铮是一位连续创业者，在AI和硬件产品领域具备多次0-1及规模化落地经验，曾多次带领所在团队实现全球化业务与并购退出。
业界人士这样评价他：“（韩铮是）具身领域少有的兼具技术理解与商业经验的CEO，更具备扎实的产品能力。在当前具身赛道日益项目化的背景下，业界看好他打破这一路径依赖，推动具身智能走向真正的产品化。”
本文开头已经提到，复旦苏昊是苏度的首席技术顾问。
熟悉具身智能领域的旁友们对这位大佬绝对不陌生。
苏昊师从美国三院院士Leonidas Guibas教授、中科院院士李未教授、美国工程院和英国皇家学院院士沈向洋教授、美国三院院士李飞飞教授，不仅仅是ImageNet的核心缔造者之一，也曾主导ShapeNet、PointNet等3D视觉奠基性工作。
归国前，他在UCSD任终身副教授、具身智能实验室主任；上周他官宣归国任教，担任复旦大学浩清特聘教授、通用物理智能研究院院长。
目前该公司内的技术负责人徐泽祥，是前Adobe 3D Gen AI的负责人。
据公开信息了解，他师从图形学领域权威、UCSD计算机科学系教授Ravi Ramamoorthi。
徐泽祥长期与苏昊开展合作研究，联合发表多篇具有行业影响力的学术成果，在技术路径与核心方法论上形成高度一致的认知。
谷歌学术显示，他的论文被引用数量超1.1万次。
同时，徐泽祥还兼具深厚的产业落地与团队管理经验。
另外我们还得知，苏度硬件负责人是源码资本前投资人陈润泽。
据透露，他在投资人生涯中，曾主导公司对宇树科技的押注。
张校珩担任苏度的战略负责人。
公开资料显示，他曾任职于ABB、华为及蓝驰创投，具备产业与投资双重经验，在投资多家具身智能与先进制造明星企业后，选择回归产业一线。
此外，苏度目前的团队核心成员来自原Hillbot项目的多位骨干。
创业者、学者、投资人、产业老兵……综合来看，苏度的核心团队背景多元，这样的复合型配置，兼具了产业实操、学术积淀、资本视野与行业经验。
资本市场和产业从不同视角表达了对苏度科技的肯定。
资本层面，虽然该公司自成立以来保持较低的对外曝光，但量子位还是从多个信源处求证，苏度已经持续获得产业界头部客户与全球一线投资机构的认可和支持。
投资方阵容很豪华，包括宁德时代溥泉资本、阿里、高瓴创投、国寿股权、绿洲、腾讯、蚂蚁、IDG、蓝驰、数字未来、孚腾、复旦科创、云晖等。
据了解，苏度最新已完成新一轮融资，估值突破20亿美元，并持续获得多家头部及产业机构的支持与加入。
值得关注的是，这份投资方名单中的大多数机构均以长期技术研判与产业深度理解为核心优势，对于通用模型能力的搭建（而非单一场景下的短期拟合）有着明确且一致的认知。
与此同时，苏度在产业侧的进展也很亮眼。
我们最新获悉，苏度的模型在zero-shot与高成功率能力下即可完成初步部署，无需采集客户敏感数据，正是这一关键认知，在产业侧获得了更高的认可度。
该公司还计划以平台化方式提供系统接口与开发者工具，方便客户快速完成场景适配和系统集成。
有消息称，苏度基于通用模型能力，正在构建行业首个实现多工位覆盖的机器人系统，使同一套模型能够在不同工位之间稳定迁移，并支持多产品的快速切换与连续作业。
跨工位的泛化能力才能支撑起柔性制造的需求。对实际生产场景来说，这一点的重要性不言而喻。
还有消息称，苏度已与宁德时代在多个核心制造场景中开展联合开发，围绕电池生产与物流环节推进具身智能系统的落地验证。
苏度官网链接：
https://www.sudo.ai/