2012年10月，多伦多大学的杰弗里·辛顿带着两个学生，用一个名叫AlexNet的神经网络参加全球图像识别竞赛，把识别成功率一口气拉高了十个百分点。深度学习的黄金十年，自此开场。
人们记住了算法的名字，却容易忽略这场比赛本身：它叫ImageNet挑战赛，考卷是一个上千万张标注图片的数据集。没有这份考卷，就没有AlexNet的一鸣惊人。
此后十几年，人工智能的每一次跃迁都在重复同一个剧本：先有数据的地基，再有算法的高楼。大语言模型的爆发，不过是把这个剧本在文本世界里又演了一遍。
而在物理智能的世界里，苏昊是这场变革的亲历者。
苏昊早年师从中科院院士李未和时任微软亚研院院长沈向洋，在亚研院实习期间又受孙剑、周明指导。后经沈向洋推荐赴普林斯顿，加入李飞飞团队，成为ImageNet早期核心之一，随团队来到斯坦福后，苏昊在读博期间师从美国三院院士、斯坦福几何计算宗师Leonidas Guibas。
从“识别”到“几何”，两大传统在他身上交汇，也为此后的每一次转向埋下了伏笔。
ImageNet之后，苏昊把研究重点转向3D视觉，主导了ShapeNet、PointNet等突破性成果，树立了自动驾驶、具身智能3D感知网络的标准框架。转向的逻辑很朴素：照片是平的，世界是立体的。机器认出了照片里的猫，不代表它知道猫离自己多远、伸手能不能够到。
3D视觉最大的产业化场景是自动驾驶和元宇宙，但那之后苏昊把重心压向了一个前景更广阔、也更充满未知的领域：具身智能。
还是同一个朴素的逻辑，往前再推一步：看懂世界的样子，不等于会跟世界打交道。机器人要拿起一枚鸡蛋，光知道鸡蛋在哪里远远不够，还得知道该用多大的劲。这类知识，互联网上的图片和文字里没有，只能在与物理世界的交互中获得。
沿着这条路，苏昊成为具身智能（Embodied AI）方向最早的一批系统性推动者和框架、数据奠基者：
2019年前后，他把研究全面转向机器人与物理交互，随后发布了SAPIEN仿真环境和ManiSkill评测基准——前者让机器人在虚拟世界里反复练习，后者给"练得怎么样"立了一把尺子。
从ImageNet到ShapeNet，再到仿真系统，苏昊这二十年其实一直在做同一件事：赶在每一波AI浪潮起来之前，先把数据的地基打好。只是这一次，数据不再是图片和文字，而是机器人与物理世界的交互本身。
2025年，苏昊回国，担任复旦大学通用物理智能研究院首任院长，同时参与具身智能创业公司苏度科技创办，担任董事长和CTO。
苏度（sudo）这个名字，来自程序员世界的一条经典指令。平时敲一条命令，系统可能会拒绝你：权限不够。但只要在命令前加上"sudo"（super user do，超级管理员），系统就会放行——没有它干不了的操作。
程序员圈有个流传二十年的笑话：
"给我做个三明治。" "不做。"
"sudo给我做个三明治。" "好的。"
把这个词写进公司名，等于把公司愿景写在了明面：做通用的具身智能系统——对任何任务，都有"最高能力"。
长跑二十年，等来了“发令枪”
苏昊参与创办苏度科技，源于他对当下人工智能产业化的两个判断：
一是人工智能向物理世界的渗透。以语言模型为代表的虚拟空间，产业化进展日新月异，但AI与物理世界打交道，还有大量基础科学问题有待破解。
二是具身智能落地的瓶颈期。一边是各种各样的Demo与技术预览宛如外星科技，令人眼花缭乱；另一边，真实的产业化落地环节，与理想中真正的通用能力之间仍存在关键断层。
苏度科技成立于2025年5月，满打满算刚过一年；公司是新的，人是老的——这支班底在实验室里沿这条路线走了很久，如今恰好站在产业界微妙的拐点之上。
过去两年，机器人从走猫步到拳打创始人，从跑马拉松到演唱会热舞一个没落下，国民度更上一层楼。机器人跳舞不只是纯粹的传播诉求，而是各种意义上的秀肌肉，向产业界展示自己在硬件与机械上下了多少功夫。
2017年，波士顿动力Atlas表演后空翻
但机器人的关键在于软件算法。机器人不会天然理解真实世界的触感、重力等规律，而算法负责让机器人“理解”各种规则。
举例来说，机器人拿起一个番茄，算法决定机器人怎么抓取——既不能从手里滑走，又不能把番茄捏爆。
这也是大语言模型与物理AI的分水岭：对物理规则的理解。
语言模型也知道苹果会掉到地上，因为它在训练过程中输入过无数个苹果会掉在地上的数据，但这只是对物理现象的一种描述。具身智能需要模拟真实物理世界，判断下一个时刻周围环境的变化。
比起舞刀弄枪，拧瓶盖、开罐头这些生活中再寻常不过的动作，反而更难攻克。
进入2026年，整个具身智能行业的注意力都在向软件算法迁移。换句话说，跳舞打拳马拉松可以让机器人“出圈”，但想让机器人进场干活，还是得过算法这一关。
不止苏昊，苏度整个团队都有浓厚的计算机视觉底色，研发副总裁徐泽祥曾任Adobe Research研究科学家，主攻计算机视觉和图形，是苏度打通3D生成、空间智能与机器人多模态基础模型的关键研发负责人。
联合创始人兼CEO韩铮出身微软亚洲研究院，是一位创业型CEO，多次实现全球化产品落地与并购退出，技术研发与商业落地两手抓。
产业老兵聚集在一家新公司，瞄准了同一个目标：用虚拟世界练出真实本领，实现通用具身智能。摆在他们面前的，是产业界的路线分歧。
路线问题
机器人是个全新的产业，与现有产业的零部件通用程度不高，大大小小的零部件尚未形成统一的解决方案。与之类似，各家公司在算法上的路线分歧同样明显。
具身智能的终极目标是“通用”：人类改造自然的工具都以人为标尺设计，即普罗泰戈拉所说“人是万物的尺度”。机器人想要完美融入人类社会，就得无缝衔接人类的创造。
相比语言模型大放异彩，具身智能似乎总是慢一拍，原因就是卡在了“物理”这一关，即著名的莫拉维克悖论：
数学、围棋、编程这些对人类来说困难的事情，对机器很容易；反倒是走路、爬楼梯这些人类无师自通的动作，对机器非常难。
人类日常生活中99%的动作——比如走路、吃饭，都不需要大脑有意识地指挥。人类的物理直觉，是亿万年进化加上婴儿期的摸爬滚打"预装"好的；机器人没有这份预装，一切得现学。可怎么教、从哪儿教起，行业分成了两派：
一派是渐进式，先从具体的场景做起，做工业自动化的升级。一派是跨越式，一步到位实现通用。
两条路线各有各的道理。渐进式的好处是成本低，可以快速商业化，缺点是不够通用，落地形式是一次性的项目交付，技术无法平台化，商业模式像按人/天收费的软件包工头。
跨越式瞄准的是物理AI的终极目标，同一套算法和方案可以低成本适配不同的场景和行业，商业模式性感无比，但成本多高，周期多长，很容易让人心里没底。
另一个问题是数据。无论人工智能的何种产业分支，都需要算法、算力、数据三驾马车来拉动，三者相辅相成，缺一不可。语言模型可以把互联网数据洗劫一空，但“物理”语境下的数据掣肘重重。
一种思路是采集真实数据，好处是数据来自真实的场景，就像车辆行驶之于自动驾驶训练。但缺点是各个场景通用性不强，还要考虑安全问题。数据泄露的风险，此前已有大厂在这上头栽过跟头。
另一种思路是仿真数据，即在虚拟空间里重建符合物理规律的世界——相当于把数据工厂搬进计算机，但需要攻克大量技术难题。
在这道选择题上，苏度的答案有点特别：不选边。它走的是虚实融合的跨越式路线——仿真负责规模，真机负责把一切锚定在现实上。这个选择，源自创始团队成员在2022年的两个判断：
第一个判断：跨越式并非遥遥无期，3-5年内就能实现初步商业化。技术可以沿途自我造血——等得起终点，也活得过路上。
第二个判断：光靠真实数据，铺不满整个物理世界——那是一笔算不过来的成本账。仿真数据自带物理标注：每一次接触、用了多大的力，都记录得清清楚楚；而真实数据的底层只是像素和动作，看得见苹果落地，说不清苹果为什么落地。
真机数据的价值不在多，在真；仿真数据的价值不在真，在多。一个当锚，一个当帆，缺一不可。
事实证明，他们在2022年的判断基本没错——验证的舞台，是宁德时代的产线。
先进厂打螺丝，再谈物理AI
在上产线之前，苏度先给自己出了一道题。
故事从三个月前说起。今年4月，苏度在官网低调上线了他们机器人系统的技术日志和演示，其中的模型，没见过一条真机数据、没用一次人工标注，用仿真数据、世界模型与强化学习一体化设计，做了一次演习：
给机器人下达指令，在一小时内抓取100多个材质形态不同的物体，首次抓取成功率98%。
测试过程中，不停有人类给机器人添乱，桌面上的显示器也在模拟各种光照条件变化，但基本没影响机器人的发挥。唯一显眼的短板是动作不算快——但这是团队有意的取舍：先把"稳"做到极致，再谈"快"。在工厂里，错一次的代价，远比慢几秒大。
这项演示很大程度上打破了产业界对仿真路线的质疑——当然，打破质疑不等于从此不要真机：走进真实产线，真机的反馈始终在场。
技术演示完成后，苏度又接连在宁德时代的生产线上破解了三项机器人进厂难题：不同尺寸、随机摆放电池的泛化拿放；亚毫米级的精密组装；协同扫码枪握持和按键，完成类似人手的视触觉联动。
今年的WAIC大会上，苏度现场展示了与宁德时代的合作试点项目：四台机器人搭载苏度具身智能模型，完成箱体上料、电芯装配、除尘扫码、成品下线四道工序。
机器人能胜任四种实际生产工序，还能适应现场变化，在全球尚属首次。
苏度的模型以仿真数据打底，给足规模和多样性；再用真机反馈校准，把虚实之间的缝隙一点点弥合。方案稍加适配，就能迁移到其他场景。这种“通用”的落地，足以令产业界振奋。
具身智能和语言模型，其实走在同一条路上：先靠演示出圈，再找一个能规模化赚钱的场景落脚。语言模型落在了coding上，撑起了Anthropic和OpenAI令人头晕目眩的估值。机器人跳了两年舞，也到了进厂的年纪——进工厂，就是具身智能的coding时刻。
和coding类似，工业生产标准化程度高，刚好命中算法的能力区，制造业永远有提效诉求，也是不怎么差钱的甲方。
汽车工业的自动化程度极高，宁德时代概莫能外，但仍有不少柔性环节依赖人工。这些环节的特点是目标标准化，但流程高度非标，把人类从这些重复劳动里解放出来，是具身智能当下落地的重心。
而在零售商超、餐饮连锁等服务业广袤的腹地，一个接一个场景会快速解锁。
从波士顿动力Atlas的后空翻，到2021年皮套人版Tesla Bot，再到机器人一批又一批走进工厂，具身智能的落地会比想象中要快得多。而在这个全新的产业里，跑在最前面的，往往是出发最早的人。
热门跟贴