📰 概要

2026年4月20日，苏度科技发布首个技术报告，推出全栈自研机器人系统#Sudo R1。60分钟不间断抓取测试中，首次尝试成功率达到98%，两次内接近100%，对象覆盖透明玻璃、金属、软布等100多种未见物体。

关键是：全程没有用过哪怕一条真机数据。模型完全在仿真环境中训练，直接迁移到真机，zero-shot 成功率接近生产级。这意味着具身智能的数据采集成本，可能被彻底改写。

---

🔍 解读

这事儿的意义不在数字本身，而在路线验证。过去几年，具身智能的主流做法是「真机数据越多越好」，VLA模型动辄几十万小时真机演示，成本和时间都是天文数字。苏度证明了一条反直觉的路径：仿真数据够精细，零真机也能做到接近生产级。

但有个前提：这是抓取任务的验证，不是全技能覆盖。堆叠、装配、精密操作，目前还在路上。而且仿真环境对物理接触的建模仍然有gap，这个gap能不能用数据量弥补，还需要更大规模的验证。

---

💎 深挖

先看数据。60分钟连续执行，15-25 Hz 真闭环控制，意味着每一步动作都基于最新观测重新规划，不是预测一堆动作然后盲执行。这个设计让它在被干扰、遮挡、物体移动的情况下仍然能完成任务——很多 VLA 模型用的是 action chunking，名义上20Hz，实际每秒才观测一次。

从技术路线看，苏度的核心优势在于「仿真优先」。没有真机数据采集的边际成本，能力提升靠的是生成更多仿真数据，而不是雇佣更多操作员。这是一个不同的缩放曲线。

竞争格局上，苏度还是新玩家。智元、宇树、Agibot 都在量产和场景落地走得更快。但苏度的切入点很明确：先解决「抓取」这个最基础、最高频的动作，把可靠性做到极致，再向上扩展技能。这个策略的赌注是，如果抓取不够稳，下游任务都免谈。

团队背景有点意思。技术顾问苏昊是 ImageNet 核心缔造者之一，刚回国任复旦大学浩清特聘教授。CEO韩铮是连续创业者，技术负责人徐泽祥来自 Adobe 3D Gen AI。这个组合在数据、算法、工程三个维度都有积累。

对机器人从业者来说，这件事值得认真关注。纯仿真路线如果能在更多任务上复现这个水平，整个行业的数据采集范式会被重构。但也要清醒：抓取只是具身智能的入门题，真正复杂的操作还在后面。

如果你在做机器人落地，可以关注苏度的下一步动作——看它能在多少场景、多少技能上保持这个可靠性。如果只是抓取能行，那局限性很明显。如果堆叠、装配也能用仿真搞定，那才值得关注投入。

什么情况不建议追：如果你的场景主要是精密装配、复杂操作，或者对实时性要求极高（比如流水线节拍），目前这个阶段的纯仿真路线还撑不住。等它在更多任务上有公开数据再说。