苏度WAIC首秀：揭秘通用机器人从1到10+技能跃迁的Scaling路径
具身智能的“原子化”重构：从演示到泛化的跨越
在世界人工智能大会（WAIC）2026的具身智能展区，喧嚣与炫技往往是吸引眼球的主流。然而，苏度科技的展台却呈现出一种截然不同的冷静气质。这里没有夸张的舞蹈或复杂的咖啡制作表演，取而代之的是几台机器人安静地执行着看似基础的操作：抓取不规则物体、双手协同包裹物品、将零件精准插入孔位。这些动作虽然平淡，但其背后所展现出的稳定性、成功率以及对未知物体的泛化能力，却构成了具身智能领域一次重要的技术宣言。
苏度科技此次展出的核心，并非单一任务的完成，而是一套名为 #sudo R1 的全栈自研具身智能平台。该平台在短短数月内，实现了机器人技能从“1”到“10+”的指数级跃迁。这种进化速度在行业内部引发了广泛关注，其背后的逻辑在于苏度对机器人能力构建方式的根本性重构——从依赖特定任务训练，转向构建可组合、可迁移的“原子能力”体系。
原子能力：物理智能的积木式构建
传统机器人开发往往陷入“任务驱动”的陷阱，即针对每一个新场景重新采集数据、重新训练模型。这种方式不仅效率低下，且难以实现能力的积累与复用。苏度科技创始人苏昊在WAIC主论坛中指出，物理智能的核心挑战在于“把散落的知识聚合起来”，形成对物理世界的系统理解。
苏度提出的“原子能力”概念，正是为了解决这一痛点。所谓原子能力，是指机器人在物理世界中执行基础操作的最小单元，如精准放置、柔性物体操作、双手协同、移动抓取等。这些能力如同积木，可以被独立训练、验证，并在后续任务中灵活组合。例如，一个复杂的礼盒包装任务，拆解后包含物体识别、抓取、姿态调整、精细放置等多个原子能力。这些能力不仅服务于包装场景，还可迁移至装配、整理、搬运等多样化任务中。
这种“积木式”的能力构建方式，模拟了人类学习物理世界的过程。人类并非通过记忆固定流程来掌握技能，而是在成长过程中逐渐积累平衡、抓握、施力等基础能力，从而在面对陌生任务时能够快速组合已有经验。苏度的目标，正是让机器人具备类似的“物理直觉”，通过原子能力的不断叠加，最终支撑起长程、复杂的通用任务。
虚实融合：突破数据瓶颈的仿真引擎
具身智能与大语言模型的根本差异之一，在于数据获取的难度。语言模型依托互联网海量文本，而机器人面对的是连续变化、充满不确定性的物理世界。一个看似简单的抓取动作，涉及物体质量、摩擦力、接触状态、运动轨迹等大量隐变量，真实世界的数据采集成本高昂且效率低下。
苏度选择了一条不寻常的数据路线：以大规模仿真训练为基底，辅以真机数据校准。这一策略的核心在于构建一个足够接近真实世界规律的仿真环境。苏度团队在三维视觉和机器人仿真领域拥有深厚积累，曾主导创建ShapeNet、PointNet等基础工作，并研发了SAPIEN、ManiSkill等机器人仿真平台。
在苏度的技术体系中，仿真不仅是数据生成的工具，更是机器人“成长”的环境。通过GPU并行化数据生成，苏度每天可生产百万级规模的训练数据。这些仿真数据涵盖了不同种类物体、光照条件、材质属性及任务组合，帮助模型提前建立对物理世界的基础认知。更重要的是，苏度通过大量实验，识别出影响机器人行为的关键变量（如重量分布、摩擦特性），并将其融入仿真环境，从而缩小Sim-to-Real（仿真到现实）的差距。
此外，苏度采用“仿真训练+真机辅助”的虚实融合路线。仿真数据赋予机器人广泛的“见识”，而真机数据则打磨其“手感”。这种策略不仅加速了模型迭代，还有效提升了机器人在真实环境中的适应性和可靠性。
硬件即算法：直驱灵巧手的协同进化
在苏度展台的一角，一只自研的22自由度直驱灵巧手首次公开亮相。这只手并非对人手的简单复制，而是针对机器人任务需求进行的重新设计。例如，大拇指增加了自旋自由度，小拇指具备更强的内收能力，手指关节加入外翻设计，以增大接触面积并提高稳定性。此外，手指末端设计的类似“指甲”的刚性结构，使机器人能够完成捏取细针、扣开易拉罐等精细操作。
在驱动方式上，苏度选择了直驱方案，即驱动单元直接作用于关节，无需传统减速器。这种设计减少了机械间隙，提高了力控精度，更重要的是，它让算法对机器人的控制更加直接和精准。苏度硬件负责人指出，直驱结构降低了控制模型的理解难度，使硬件成为算法的自然延伸。
苏度强调“白盒化”的软硬件协同理念。在通用机器人时代，硬件与软件不再是分离的模块，而是共同进化的整体。硬件设计直接影响模型能力，例如摄像头视角、机械臂自由度、灵巧手关节设计等，均需结合算法需求共同决定。通过掌握从机械结构、传感器到算法模型的完整链路，苏度能够缩短迭代周期，快速定位并解决问题。
工业落地：99%+可靠性背后的长尾挑战
从Demo到规模化部署，中间隔着巨大的鸿沟。苏度与宁德时代合作的电池装配机器人，已在产线上验证了99.5%以上的抓取成功率。这一数据背后，是对长尾问题的极致追求。在生产线上，一次失败可能导致停线或返工，因此，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。
苏度将真实部署视为模型训练的一部分。每进入一个新场景，机器人都会遇到新的环境和突发情况，这些失败案例会被重新纳入训练闭环，不断提升模型的下一次成功率。这种“边部署、边学习”的模式，使真实世界成为能力增长的重要来源。
苏度高层认为，家庭机器人和To C市场并非同一概念。在相当长一段时间内，工业、零售和商业服务场景将是具身智能最重要的验证场。这些场景不仅能产生真实价值，还能为模型提供持续反馈。苏度的目标是2027年实现百台级交付，2028年进入千台级规模。但相比交付数量，更关键的是机器人能力能否随部署复制。只有当底层能力能够快速迁移到新场景，新场景所需数据越来越少，具身智能行业才真正进入能力可复制、可扩展的新阶段。
结语：能力增长时代的竞争逻辑
苏度科技在WAIC的首秀，不仅是一次技术展示，更是对通用机器人发展路径的一次探索。通过原子能力体系、虚实融合数据管线和软硬件协同设计，苏度试图验证一种新的Scaling路径：如果机器人能够拥有一批可迁移、可组合的基础能力，是否能通过不断叠加，获取更复杂的通用能力？
行业共识尚未完全收敛，但未来决定竞争力的，或许不再是今天展示了多少个Demo，而是半年后能否以同样速度获得新能力，一年后这些能力能否稳定进入真实世界。苏度正在用其技术实践，回答这一关乎具身智能未来的核心问题。