苏度科技发布Sudo R1机器人并获20亿美元估值，实现零真机数据训练突破
2026/04/21 10:09阅读量 3
苏度科技正式发布全栈自研机器人系统Sudo R1，并宣布完成新一轮融资，公司估值已突破20亿美元。该系统基于3D世界模型与强化学习一体化设计，在完全不使用真实世界采集数据的情况下，实现了关键任务接近100%的Zero-shot成功率。这一成果验证了仅依赖高保真仿真数据训练即可支撑具身智能跨越现实世界复杂性的技术路径，打破了行业对Sim2Real迁移效果的长期质疑。
事件概述
苏度科技（Sudo Technology）于近期正式发布其软硬件全栈自研的机器人系统 Sudo R1，并同步披露已完成新一轮融资。截至2025年底，该公司已获得包括宁德时代、阿里、高瓴、国寿股权、腾讯、蚂蚁、IDG、蓝驰等在内的多家头部机构投资，最新一轮融资使其估值突破20亿美元。高鹄资本担任本次融资的长期独家财务顾问。
核心技术与性能表现
Sudo R1 的核心创新在于采用了 3D世界模型 与 强化学习 的一体化设计架构，并在以下方面取得了突破性进展：
- 零真机数据训练：系统在训练过程中完全基于仿真数据构建，未依赖任何真实世界采集数据（Zero-shot）。这是业内首次系统性验证：仅依靠仿真数据即可支撑模型跨越现实世界的复杂性。
- 极高的任务成功率：在不使用真机数据对齐的前提下，Sudo R1 在关键任务上实现了接近 100% 的成功率。
- 强大的泛化能力：在一段60分钟不间断的实测中，该机器人在不同光照与背景条件下，成功抓取了透明、反光、柔性及不规则形状等多类未见物体，展现出稳定的泛化能力和动作流畅性。
- 实时控制与避障：系统具备强大的闭环实时控制能力与空间避障能力，无需针对具体场景进行示教或重新采集数据。
行业意义与技术路线对比
当前具身智能发展主要面临两大瓶颈：数据规模瓶颈（真机数据采集成本高、扩展难）和物理世界建模不足（真实数据难以完整刻画动力学 dynamics）。
- 范式差异：以 Pi、Generalist 为代表的现有主流技术路线通常依赖 few-shot（少样本）方式，需针对特定场景进行示教，属于“任务级优化”。一旦环境变化，往往需要重新适配。相比之下，Sudo R1 更接近 ChatGPT 的通用底层能力范式，旨在通过基础模型解决广泛任务，而非为每个场景单独构建系统。
- Sim2Real 路径验证：苏度的实践证明了高保真仿真器结合深度数据协同机制的可行性。仿真数据天然包含完整的物理交互信息，适合构建“广度与物理常识”；而真机数据则作为后期对齐与校正的稀缺资源。这种配比策略被视为长期的竞争壁垒。
结论
Sudo R1 的发布不仅打破了行业长期以来对 Sim2Real（仿真到现实）路径的根本性质疑，更在泛化性、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。这表明通过高保真仿真预训练独立支撑模型跨越现实不确定性已成为可能，为具身智能的规模化发展提供了新的技术路径。