一家服裝科技賽道巨頭，為什麼入局具身智能？

「物理AI」的黃金時代，也許正在到來。

就在4月底，群核科技港股上市，兩天暴漲近400%。這間家居科技賽道的頭部公司，用15年時間積累了海量真實物理參數的3D模型數據，衝刺「杭州六小龍」第一股成功，正式拉開了「物理AI」的時代大幕。

有意思的是，同樣在杭州，另一家行業巨頭也在做類似的事情。

但與群核科技所主攻「3D剛體仿真」不同的是，它所瞄準的，是技術難度極高、數據卻又極端稀缺的「3D柔性仿真」賽道。

今年2月，凌迪科技發佈自研物理仿真與合成數據系統SynReal。作為服裝科技賽道巨頭，凌迪科技在10年間積累了海量布料「3D柔性數據」，其SynReal系統能夠降低具身智能仿真的訓練成本，同時提升數據吞吐量。例如，銀河通用的春晚疊衣機器人，背后就有凌迪科技的部分技術支撐。

銀河通用春晚疊衣機器人 （圖源/企業）

「柔性仿真」為什麼這麼難？為什麼它被稱為「具身智能聖盃」？一家服裝科技賽道巨頭，又為什麼選擇跨界機器人賽道，靠什麼取得成功？

故事，要從「機器人疊衣服難題」説起。

01 機器人，連衣服都不會疊

當你以為具身智能機器人很「聰明」時，可以讓它疊件衣服試試。

這個能負重、能長跑、半馬比賽成績都能超過人類的尖端科技造物，面對一件普通T恤，卻可能鋪不平、抓不穩、疊不齊、手足無措。

當然，也有不少玩家能「疊好」，其實現路徑一般有兩種：

一種是把動作程序「寫死」，衣服被放置在指定位置、事先鋪平、放好，再由機器完成固定動作；

另一種機器人更「聰明」，能夠靈活抓取不同衣服，面對人類干擾也能繼續任務——但其代價是，需要耗費半年以上的真人操作數據採集，作為機器人的「訓練教材」；而一旦更換場景、燈光、桌面、衣服材質等，「教材」都無法複用。

聰明的你一定能想到，能不能在電腦里構建一個符合真實世界物理規則的「虛擬世界」，用代碼訓練機器人呢？

確實可以，很多巨頭也都是這麼做的，比如英偉達Issac、微軟AirSim、被DeepMind收購的MuJoCo等等。和大模型等AI軟件不同，由於這一路徑和物理世界深度綁定，往往被稱為「物理AI」。

然而正如上文所言，當前的物理AI中，「剛性數據」佔了絕對主流。打開數據庫，充斥的是方塊、機械臂、規整的物體。它們易於定義，便於計算。

但你我都知道，現實世界中，從身上穿着的衣服，到超市里的水果；從隨手揉捏的塑料袋，到我們自身的皮膚……至少三分之一的物體，是「柔性」的。

一個剛性物體，運動軌跡相對確定。而一塊柔軟的布料，每根纖維都在自由飄動。

當機器人抓起它，施加的微小力道，會引發連鎖反應。褶皺如何產生？布料如何垂墜？每一個點的變化，都牽連着整體；一塊普通布料，在3D仿真中被離散成數萬個頂點。每個頂點都有多個自由度。這將帶來天文數字般的爆炸計算量，難度飆升。

凌迪科技形柔性3D仿真技術（圖源/企業）

而當兩個柔性物體接觸時，比如疊衣服，是布料與布料自身的摺疊與接觸，其物理交互的複雜性簡直是「地獄難度」。

這也是為什麼「柔性3D仿真」被稱為「具身智能聖盃」，其不僅數據量極少、而且計算難度很高，卻又是具身智能落地所必須攻克的技術難題。

畢竟試想下，假如養老機器人把人類當不會形變的「剛體」處理，將會帶來多麼可怕的后果。

02 服裝界，出了個「掃地僧」

「柔性3D仿真」的問題，困擾了產業許多年。當人們將聚光燈都打在機器人公司和AI實驗室身上時，誰也沒想到，真正的破局者，會來自一個看似「不相干」的領域。

3D服裝科技。

一片虛擬的布料，如何垂墜？如何飄動？如何與另一塊布料纏繞、彎曲、拉伸、摺疊？這些在物理仿真領域被視為「地獄級」的難題，恰恰是凌迪科技的日常。

這家成立於2015年的服裝科技巨頭，在十年間積累了海量、高質、極度稀缺的「3D柔性仿真數據」。作為服裝科技領域的隱形冠軍，其不僅常年位居杭州《準獨角獸企業榜單》之列，更是憑藉柔性3D仿真技術位列《杭州具身十八羅漢》之列。

當然，光有數據積累是不夠的。

在過去這十年間，凌迪科技的研究團隊，在柔性物體物理仿真的基礎研究上，進行了驚人的長期投入，其在SIGGRAPH等全球圖形學頂會上發表過多項研究成果，涵蓋形變體物理仿真、複雜接觸處理與高性能數值計算等核心技術問題。

2025年凌迪科技論文成果（圖源/企業）

所以，當具身智能行業在為「疊一件衣服」的數據哼哧哼哧焦頭爛額半年時，凌迪科技的「武器庫」里，早已儲備了十年彈藥；當人們苦於柔性3D仿真計算的「地獄難度」時，凌迪科技的基礎研究，正在為這個難題「尋找解法」。

如今，這位「掃地僧」終於走向臺前。

而凌迪科技所推出的SynReal物理仿真與合成數據系統，正是其十年功力凝聚的「集大成之作」。

它將試圖捧起那座「聖盃」，讓機器人真正觸摸到「世界的柔軟」。

03 3D仿真，決定具身智能的上限

SynReal主要由三部分組成：

1、SynReal Sim——高保真仿真引擎；

2、SynReal Arena——具身智能訓練平臺；

3、SynReal Core——基於大規模合成交互數據的訓練模型。

聽上去可能有點複雜，簡單打個比方，SynReal Sim負責創造一個符合物理規則的「虛擬世界」，SynReal Arena為機器人提供「虛擬訓練場地」，SynReal Core則負責讓機器人學習和形成能力。

三者組合在一起，便成為一間SynReal「機器人訓練學校」，機器人可以在其中通過一分鍾千百萬次的「虛擬訓練」，逐漸學會如何與物理世界打交道，從學校「畢業」后再來真實世界「打工」。

跟SynReal這類物理仿真與合成數據系統的「虛擬學校」相對，另一種具身智能的訓練思路是通過人工採集數據訓練，「人教版」機器人。

相比起來，這種訓練方式技術實現上更簡單，而且由於「人教版」數據來自真實物理世界，能夠包含一定的細節和噪聲，能夠適用於機器人適應現實環境。

但「人教版」的劣勢也極其顯著——貴，太貴了，費時費力，且難以泛化。

要知道，「人教版」的採集時間常常以「月」「年」為單位，單個任務高質量演示數據的收集往往需要耗費專業團隊數月時間，成本從幾十到幾百萬元不等。

而仿真平臺可以在幾小時內生成數百萬條涵蓋豐富變化的數據軌跡，而這種成本控制與數據規模對「人教版」而言幾乎是不可能完成的任務。

而相較於其他物理AI仿真平臺，「真、快、穩」是SynReal的三個獨到優勢。

首先是「真」，在海量剛性、柔性3D仿真數據的儲備「加持」下，SynReal不僅能夠為機器人提供更真實、更復雜、更接近現實世界的訓練環境，還能夠實現更準確、更正確的靜動力學計算，其誤差較之行業標杆Issac Sim還要少上近20%。

高保真物理仿真效果 （圖源/企業）

其次是「快」，這也是「機器人虛擬學校」最重要指標之一，仿真速度決定了數據生成是否具備規模化可行性。凌迪的技術團隊圍繞GPU並行計算架構，重構了「柔性3D仿真」的整體流程，使其能夠大幅提升仿真的吞吐能力，仿真速度較之Issac Sim快5-10倍，顯著提升了機器人訓練效率。

最后是「穩」，正如上文所言，單一柔性物體的3D仿真已經很難了，而兩個或以上柔性物體接觸時的物理交互難度直接「爆炸」——在3D遊戲里，頭發、衣服等柔性物體也最容易「穿模」。爲了解決這一問題，凌迪技術團隊在仿真中引入了基於IPC（Incremental Potential Contact，SIGGRAPH 2020上的最新創新思路）路徑計算方法，使得SynReal在多點、多層、自接觸頻繁變化的情況下，也能保持仿真的穩定性，讓使機器人在複雜場景中獲得更穩定、更可靠的學習結果。

只有更逼真、更高效、更穩定的「虛擬學校」，才能訓練出更聰明、更靈巧、更能適應複雜現實的具身智能機器人。

在人工成本日益昂貴，而機器人訓練需求又爆炸瘋長的當下，運用海量、低成本、高質量的仿真數據來訓練機器人，毫無疑問是大勢所趨。

而只有通過「虛擬學校」的千錘百煉，機器人才能真正降低成本，從耗資巨大的「實驗室珍品」和「舞臺表演者」，變為可大規模部署的「社會勞動力」，走進家庭、走進千行百業，洗衣、做飯、養老、陪伴。

歷史的轉折，常由「跨界者」推動。

正如英偉達的「老本行」是遊戲顯卡、小米的老本行是「發燒友手機」，海量的技術突破與行業引領者，其實都是「跨界者」。

「跨界者」攜帶着完全不同的產業基因，他們用新領域的深厚積累，「換道超車」地解決舊領域頑固痛點，沒有陳舊的思維定式，只有解題的新工具、新視角。

柔性3D仿真，這是當前具身智能產業的關鍵技術分水嶺，而坐擁整座柔性3D模型寶庫的凌迪，正是產業當下最需要的「跨界者」。

凌迪科技在服裝科技領域積累10年的柔性3D仿真技術，與為並行計算深度優化的工程能力相結合，構建出既極度逼真、又高效穩定的SynReal「虛擬訓練場」，直擊機器人訓練產業「貴、慢、難泛化」的老痛點。

不可否認的是，今天的機器人，離人們的生活還是太遠了些。

過去十年，是軟件AI突飛猛進的十年。我們迎來了神經網絡、迎來了深度學習、迎來了火遍全球的大語言模型。

可正如網絡上那個知名的段子所「吐槽」——「我希望AI可以幫我洗衣服洗碗，這樣我可以有時間來搞藝術和寫作。而不是AI代替我搞藝術和寫作，我來洗衣服洗碗」

也許在未來十年里，誰能夠掌握「物理AI」，誰就能定義下一個智能時代。