站在WAIC2026的展馆里，看着苏度科技的演示台上那只22自由度的直驱灵巧手流畅地完成抓取、旋转、放置的连贯动作，我心里涌起一种复杂的感受。作为一家在工业设计领域深耕多年的企业管理者，我见过太多技术概念从喧嚣走向沉寂，也见过太多初创公司在资本的助推下一夜成名又迅速褪色。但苏度科技不同。成立仅仅一年，估值就站上了200亿，创始人苏昊的名字在具身智能圈子里几乎无人不晓，而他在WAIC上展示的东西，让我这个常年和硬件、结构、量产打交道的人意识到，这个行业可能正在经历一场真正的范式转移。

苏昊这个名字，学术圈的人不会陌生。ShapeNet、PointNet、SAPIEN、ManiSkill，这些在三维视觉和机器人操作领域被广泛引用的基础工作，背后都有他的身影。从学术奠基人到创业者，这个身份转换本身就值得玩味。学术界的训练给了他构建底层框架的能力，而创业则要求他在真实世界的物理约束中找到可行的商业化路径。苏度科技在WAIC上展示了十余项技能，而三个月前他们还只有一项技能。这个从1到10加的速度，不是简单的功能叠加，而是一条清晰的技术路线在加速兑现：从原子能力到组合技能，再到长程任务。这三个层次的递进，本质上是在回答一个根本性问题，通用机器人到底需要什么样的能力结构，以及这种能力结构应该以什么样的节奏生长。

我想先从一个企业管理者最关心的问题谈起，那就是技术路线的选择。在具身智能这个赛道上，数据从哪里来，是所有玩家都必须回答的问题。目前业内大致有两条路，一条是真机采集为主，靠真实的物理交互获取数据；另一条是仿真训练为主，用虚拟环境生成大规模数据，再用真机做微调和验证。苏度选择了后者。这个选择背后的商业逻辑其实并不复杂。真机采集的痛点在于成本高、速度慢、覆盖场景有限，一台机器人一天能采集的数据量是有物理上限的，而且不同任务需要不同的环境配置，边际成本下降很慢。仿真则不同，一旦物理引擎和场景建模的精度达到可用水平，数据生成的边际成本几乎为零，可以并行跑成千上万的场景，覆盖各种极端情况和长尾分布。但仿真路线有一个致命的挑战，那就是sim-to-real gap，仿真到现实的鸿沟。如果虚拟世界里训练出来的策略迁移到真实硬件上表现大幅衰减，那前面省下的数据成本就会在后端以更昂贵的方式还回来。

苏度的应对策略是虚实融合，仿真为主、真机辅助。这个表述看似简单，但真正做起来需要对物理仿真的精度、传感器噪声的建模、领域随机化的策略都有极深的理解。苏昊在SAPIEN和ManiSkill上积累的经验在这里派上了用场，这两个平台本身就是面向机器人操作仿真的基础设施。他比任何人都清楚仿真环境的边界在哪里，哪些物理现象可以被准确模拟，哪些必须靠真机数据来补偿。这种对仿真能力边界的精准认知，是选这条路线的前提条件。很多团队也在做仿真，但他们对仿真的信任是盲目的，要么过度依赖导致迁移失败，要么缺乏信心又退回到真机堆数据的老路。苏度的做法是在仿真中构建足够丰富的任务分布和物理变异，让策略学到足够鲁棒的行为，再用真机数据做最后的对齐和验证。这是一种工程上极为务实的选择，既有学术上的前瞻性，又有量产导向的纪律性。

接下来要说的是全栈自研。苏度自研了22自由度的直驱灵巧手，这个硬件参数在业内是相当激进的。目前市面上大多数灵巧手在12到16个自由度之间，22个自由度意味着更精细的操作能力，但也意味着控制复杂度呈指数级上升。为什么一定要自研硬件，而不是用现成的方案？这个问题我和团队讨论过很多次。从工业设计的角度看，手是机器人与物理世界交互的终端执行器，它的形态、自由度分布、驱动方式、传感器布局，直接决定了算法能做什么、不能做什么。如果硬件和算法是两拨人各自为战，算法团队会不断抱怨硬件的性能瓶颈，硬件团队则会说算法没有充分利用硬件的能力。这种割裂在传统机器人行业存在了很多年，也是制约机器人能力增长的重要原因。

苏度选择软硬件一体化，把灵巧手和操作算法绑定开发，这是一种从系统层面解决问题的思路。拇指自旋、指甲结构、外翻设计，这些细节不是为了炫技，而是针对真实操作场景中的具体痛点。拇指的对掌和旋转是人类手部操作中最核心也最复杂的运动模式，传统灵巧手在这方面的能力普遍不足，导致很多在人类看来轻而易举的操作对机器人来说难如登天。指甲结构的存在让指尖可以完成抠、剥、弹等需要刚性接触面的精细动作，而外翻设计则扩大了手掌的有效工作空间，减少了手臂需要配合调整的幅度。每一个硬件设计决策，都是在为算法的能力边界开疆拓土。反过来说，算法团队也在根据硬件的实际特性设计控制策略，而不是在一个理想化的抽象模型上闭门造车。这种双向耦合的开发模式，才是软硬件协同的真正含义。

我特别想强调的一点是，软硬件绑定不是一句口号，它需要在组织架构、研发流程、考核机制上都做出相应的安排。很多公司也在说全栈，但实际运作中硬件部门和软件部门还是各自有独立的路线图和交付节点，集成的时候才发现各种不匹配。苏度在这方面的优势在于，创始人本身就是跨领域的学者和工程师，他既懂三维视觉和学习算法，也理解物理硬件的约束和可能性。这种自上而下的系统视角，让团队在做每一个技术决策时都能同时考虑两端的影响。当然，全栈自研也意味着更重的研发投入和更长的产品周期，不是所有团队都适合这条路。但如果目标是通用机器人而不是单一工位的自动化设备，全栈几乎是唯一的选择，因为你无法在别人定义的硬件平台上长出真正通用的智能。

从竞争格局来看，苏度目前的位置是比较独特的。国内具身智能赛道上，一类玩家是从传统工业机器人转型而来，他们有硬件积累和客户资源，但在AI算法和数据驱动方法上相对薄弱；另一类是从AI实验室出来的学术创业团队，算法能力强但硬件工程和量产经验不足；还有一类是大厂内部孵化的项目，资源充足但决策链条长、商业化压力大。苏度属于第二类中的佼佼者，但又比纯学术团队多了一层对硬件和量产的重视。与宁德时代的合作是一个非常重要的信号。在宁德时代的产线上，苏度的机器人达到了99.5%的任务成功率。这个数字在工业场景中是有实际意义的，因为产线对可靠性的要求远高于实验室演示。99.5%意味着每两百次操作只有一次失败，这已经接近一些成熟自动化设备的水平了。更重要的是，宁德时代的产线环境代表了真实工业场景的复杂性，精密制造、物料多样、节拍紧张，这些条件不是实验室里能完全模拟的。苏度能在这个场景中跑出这个数据，说明他们的虚实融合路线和软硬件协同策略经受住了真实考验。

但我也要提醒，99.5%到99.9%之间的距离，可能比从90%到99.5%还要远。工业场景对可靠性的要求是近乎苛刻的，一次失误可能导致整批产品报废甚至安全事故。苏度要从demo走向规模化部署，还需要在故障检测、异常恢复、安全冗余等方面做大量的工程化工作。这也是为什么他们把2027年百台、2028年千台作为目标，而不是更激进的数字。这个节奏是理性的，从验证到小批量再到规模化，每一步都需要时间来打磨。我见过太多机器人公司在实验室里做出惊艳的demo，但一到客户现场就问题百出，根本原因就是缺乏对工程化和量产的敬畏。

说到量产，就绕不开工业设计这个话题。很多人对工业设计的理解还停留在外观造型，觉得就是给机器套一个好看的壳子。这是极大的误解。在机器人产业中，工业设计的角色正在从表层的美学处理向深层的系统定义迁移。我们在实践中越来越深刻地体会到，一个好的机器人产品，需要在几个维度上同时达到高水准。首先是创新的维度，你的产品有没有在技术原理、交互方式或使用场景上提供真正的新东西，而不是在现有方案上做微创新。其次是专业的维度，你对目标场景的理解够不够深，你的工程方案够不够扎实，你的产品在关键性能指标上能不能达到客户的实际要求。第三是控制的维度，从供应链管理到生产工艺到品质标准，你能不能把设计意图在量产中忠实地还原出来，而不是样机精美、量产走样。第四是保障的维度，产品交付后的维护、升级、备件供应、技术支持，这些看似不性感的事情往往决定了客户的长期信任。

具体到产品层面，又有几个必须同时考量的维度。好看当然是必要的，但好看不是孤立的美学判断，它必须和产品的功能语义、品牌定位、使用环境相协调。量产是硬约束，再好看的设计如果不能在现有的工艺条件下以合理的成本稳定制造，那就只是概念。成本贯穿始终，不是事后核算的问题，而是从概念阶段就要反复掂量的红线。合规是出海和进入特定行业的门槛，认证、标准、安全规范，哪一条都不能掉以轻心。专利则是护城河，在技术快速迭代的领域，前瞻性的专利布局往往比当下的市场份额更有长期价值。这些维度不是线性的检查表，而是相互交织、彼此制约的系统。好的设计公司就是在这些约束条件之间找到最优解的人。

具身智能的兴起，正在把工业设计公司从幕后推向前台。过去我们服务的客户主要是消费电子、家电、医疗器械等成熟行业，产品的功能定义相对清晰，我们的工作更多是在既有框架内做优化。但机器人不一样，尤其是通用机器人，它的产品形态还远没有收敛。手臂应该是几自由度的，手应该长什么样，移动底盘和操作臂怎么配合，传感器放在哪里，人机交互的界面是什么样的，这些问题都没有标准答案。这种不确定性恰恰是设计公司最大的机会。我们每天都在处理形态与功能的关系、人与机器的关系、技术可行性与商业可行性的关系，这些能力在机器人时代只会更加重要。

苏度的灵巧手就是一个很好的例子。从外观上看，它可能不像某些概念视频里的机器人手那样酷似人手，但它的每一个形态决策都有功能逻辑在支撑。拇指自旋需要额外的驱动空间和结构支撑，指甲结构需要在指尖嵌入刚性材料并保证触感传感器的集成，外翻设计改变了手掌的几何轮廓。这些设计不是单纯的工业设计师能独立完成的，需要和机械工程师、控制工程师、材料工程师紧密协作。我们在江苏创品的项目中一直在推动这种跨学科的协作模式，因为我们相信，未来的优秀产品一定是设计思维和工程思维深度融合的产物。设计师不能只画漂亮的外壳，工程师也不能只追求参数的堆砌，双方必须在产品定义的最早期就坐在一起，从用户场景出发，倒推技术方案和形态表达。

从更宏观的行业判断来看，具身智能正处于一个从技术验证向商业落地过渡的关键窗口期。这个阶段的特点是，技术上已经有了一些令人信服的突破，但商业模式和产品形态还在探索之中。谁能在这个窗口期找到最具价值的应用场景、构建起最坚实的技术壁垒、打磨出最可靠的产品，谁就有可能在未来的行业格局中占据有利位置。苏度选择工业场景作为切入点是明智的，工业场景的任务相对结构化、价值量高、客户付费意愿强，而且对可靠性的高要求会反过来倒逼技术成熟。宁德时代产线上的99.5%成功率，是苏度从实验室走向市场的一张入场券。但这张入场券的有效期不会太长，因为竞争对手也在快速进步。

我注意到苏度在WAIC上展示的十余项技能涵盖了抓取、操作、装配等多个类别，这说明他们正在构建的是一个通用的技能库，而不是针对某一个特定任务的解决方案。这个思路和大语言模型的发展路径有异曲同工之处，先通过大规模数据预训练获得基础能力，再通过少样本适配快速扩展到新任务。在机器人领域，原子能力就是基座模型，组合技能是针对具体任务的适配，长程任务则是需要推理和规划的复杂应用。这个三层架构如果跑通，意味着技能扩展的边际成本会持续下降，最终达到一种类似大模型的涌现效应，当原子能力足够丰富、组合机制足够灵活时，机器人可以自主完成从未见过的新任务。这是通用机器人的终极目标，也是苏度200亿估值的想象空间所在。

但想象空间和商业现实之间，横亘着无数的工程难题和组织挑战。我想从管理者的角度谈几个容易被忽视的问题。第一是数据飞轮的启动问题。仿真路线虽然数据成本低，但仿真环境的构建和维护本身就是一个重投入的系统工程。物理引擎的精度、场景资产的丰富度、任务分布的合理性，每一项都需要专业团队长期打磨。而且仿真不是一劳永逸的，新的硬件设计、新的操作技能、新的场景需求，都要求仿真环境持续升级。这个飞轮转起来之后确实有复利效应，但在转动之前需要大量的初始投入。第二是硬件迭代的节奏问题。22自由度灵巧手是一个复杂的机电系统，每一次硬件改版都意味着结构、驱动、传感、控制的重新调试。软硬件绑定的优势是协同优化，但风险是任何一端的变更都会影响另一端。如何在快速迭代和系统稳定性之间找到平衡，考验的是团队的工程管理能力。第三是人才结构的问题。全栈自研需要算法、机械、电子、嵌入式、工艺、供应链等多个领域的人才，而这些人才的专业语言和思维方式差异很大。能把他们凝聚在一个共同的目标下，建立高效的协作机制，比任何单一技术突破都更难。

苏昊作为创始人的学术背景无疑是苏度最重要的无形资产之一。ShapeNet和PointNet奠定了三维理解的基础，SAPIEN和ManiSkill搭建了机器人操作仿真的桥梁，这些工作的影响力已经超出了学术范畴，成为整个行业的基础设施。这种从底层构建平台的经历，让他在思考苏度的技术战略时有一种自上而下的架构感。他不是在追风口，而是在按照自己对通用机器人的理解，一块砖一块砖地搭建体系。从原子能力到组合技能到长程任务，从仿真训练到真机辅助，从灵巧手自研到软硬件协同，每一步都有内在的逻辑关联，而不是零散的技术拼图。这种体系化的思考能力，在充斥着噱头和短期行为的创业环境中，是非常稀缺的。

当然，200亿的估值也意味着极高的期待和巨大的压力。资本市场对具身智能的热情是真实的，但耐心是有限的。苏度需要在未来两到三年内证明三件事，第一，仿真路线可以持续高效地产生新技能，而不是在十几项技能之后遇到瓶颈；第二，工业场景的成功可以复制到更多场景，而不是只在宁德时代这一个标杆案例上发光；第三，百台到千台的量产目标可以如期达成，并且在规模化部署中保持高可靠性和合理的毛利水平。这三件事中任何一件出了问题，估值逻辑都会受到挑战。

站在工业设计的角度，我对苏度这样的公司是抱有期待的。因为他们重新定义了硬件的价值，硬件不再只是算法的容器，而是智能的本体。当机器人需要在物理世界中学习和执行任务时，它的身体形态就直接决定了它能获得什么样的经验、能发展出什么样的能力。这和人类智能的演化逻辑是一致的，我们的身体结构塑造了我们的认知方式。从这个意义上说，具身智能时代的硬件设计，本质上是在设计智能的载体。这要求设计师不仅要理解形式和功能，还要理解学习和控制。我们在江苏创品的团队已经开始在这方面做知识储备和能力建设，我们研究机器人的运动学和动力学，学习机器学习的基本原理，和算法工程师交流他们对硬件的需求和痛点。我们相信，未来最有价值的设计公司，一定是那些能够同时在美学语言、工程实现和智能逻辑三个层面说话的公司。

WAIC2026已经落幕，但具身智能的竞赛才刚刚开始。苏度科技用一场首秀向行业展示了他们的技术路线和战略节奏，三个月从1到10加的技能增长速度，22自由度直驱灵巧手的硬件突破，宁德时代产线上99.5%的成功率，以及2027百台、2028千台的量产蓝图，这些数字构成了一个关于通用机器人未来的可信叙事。但叙事终究是叙事，最终的评判标准是产品能不能在客户现场稳定运行，能不能在商业上形成正向循环，能不能在激烈的竞争中持续保持领先。作为同行者和观察者，我会持续关注苏度的进展，也期待中国的具身智能企业能够在这一轮全球技术竞争中走出一条属于自己的路。工业设计行业也应该在这个历史进程中找到自己的新位置，从产品的化妆师变成产品的共同定义者，从产业链的末端走向创新的前端。这个转变不会轻松，但它值得我们全力以赴。