一家服裝軟件公司，為何能做具身智能的賣水人？

作者丨薛皓皓

編輯丨關雎

凌迪科技起家于服裝產業數字化，其核心業務是基于高精度形變體仿真技術，為服裝設計、面料開發與生產展示提供AI+3D數字化軟件。這套系統解決了傳統仿真引擎“魔改版”精度極差的痛點，累計服務超3000家客戶，覆蓋多個海外頭部時尚品牌。

2024年底，這家長年深耕服裝圈的公司意外切入了物理AI下具身智能賽道。因為他們觀察到，具身智能大腦的智能水平提升，可能和仿真息息相關，仿真能為大腦提供合成訓練數據、強化學習環境、進行模型效果評測等一系列的支撐。而凌迪科技在以服裝為代表的形變體仿真上的長期積累，成為它切入具身智能產業鏈的底氣。

王華民是凌迪科技的聯合創始人兼首席科學家。他本科畢業于浙江大學竺可楨學院，并在斯坦福大學和佐治亞理工學院分別獲得碩士和博士學位。作為世界級計算機圖形學專家、前俄亥俄州立大學終身教授，王華民在布料物理模擬領域有著極高的學術地位。2021年，為了“解決真實問題，把技術成果落地”，他離開“學術象牙塔”，加入凌迪科技。

在具身智能領域，凌迪科技首個重要的正反饋來自國內頭部獨角獸銀河通用。銀河通用在2026年春晚展示的機器人疊衣服成果，其背后是有凌迪科技的仿真技術支持。

在整個具身智能產業鏈中，王華民將凌迪科技清晰地定位為“賣水人”。

01從服裝業數字化到物理AI

凌迪科技的氣質是時尚和科技的結合，一邊是長期浸染于服裝設計師、服裝廠、服裝品牌構成的時尚圈，另一邊把科學家索爾維及其創辦的20世紀世界頂級基礎科學閉門研討會——索爾維會議，作為公司的“精神”參考系。

在這種氣質下，凌迪科技設立有一支30人左右的研究院團隊，負責探索AI等前沿技術，對公司業務發展帶來的各種可能性。王華民是這支研究團隊的領導。

“在我們公司推出服裝仿真軟件之前，市面上大部分均為游戲引擎的魔改版本，精度很差。我們的產品能模擬服裝上身后的下垂、褶皺、回彈等動態變化。”王華民說。

基于這套高精度的仿真技術，公司推出了面向款式設計的服裝仿真建模軟件Style3D Studio，面向面料數據采集及編輯的Style3D Fabric，面向服裝仿真數據沉淀及復用的Style3D Cloud，以及面向服裝搭配展示的Style3D MixMatch等。

凌迪科技展示的Style3D 相關軟硬件產品

這套產品為凌迪科技累計服務超3000家客戶，包括海外頭部的奢侈品牌。

2024年底，王華民十分敏銳地觀察到一個趨勢：不少和自己有著相似背景的學者，都投入到具身智能的創業浪潮中。例如，具有計算機圖形學背景的斯坦福博士王鶴創立了銀河通用，成為國內頭部的具身智能獨角獸；師從李飛飛，擁有深厚三維視覺學術背景的蘇昊博士，則加盟蘇度科技擔任CTO，蘇度科技也是估值增長最快的具身獨角獸。

這個趨勢令王華民意識到一個機會：凌迪科技長期積累的高精度紡織物仿真數據和能力，在業內實屬難得，足以成為切入具身智能賽道的獨特優勢。

對比仿真柜子、鋼塊等形狀不易改變的東西，計算機仿真服裝更為困難?！肮褡踊蜾搲K，形狀是固定的，計算機更容易仿真。衣服不行——平鋪、折疊、揉成一團，每一種狀態都完全不同，計算機必須通過極大的數據規模，更復雜的參數計算，才能實現高精度的服裝仿真?！蓖跞A民說。

目前，機器人仍無法穩定而高效地完成疊衣服、從洗衣機里取出纏繞衣物等任務，根本原因是“大腦”缺乏足夠的訓練數據——衣物操作場景的真實數據極難采集，而用仿真生成的合成數據，又因為與真實世界存在較大偏差，被認為訓練效果大打折扣。

凌迪科技的切入點正基于此，用更高精度的服裝仿真，縮小合成數據和真實數據的差距。

他們先將自己的仿真引擎SynReal接入英偉達旗下的物理引擎Newton，以及Google Deepmind旗下的物理引擎MuJoCo。他們十分期待的是，有合成數據需求的具身智能公司，能通過這些大平臺找到自己。

讓王華民沒想到，首個重要的正反饋來自國內頭部的具身智能公司——銀河通用。

根據王華民透露，銀河通用正使用凌迪科技的仿真引擎，訓練機器人大腦。具體而言，包括了疊衣服、從洗衣機取衣服、抓零食等訓練任務，而疊衣服的訓練成果，正是銀河通用在2026年春晚所展示的。

這一正反饋，讓王華民意識到，小范圍試水宣告成功，隨即決定加大投入，將具身智能業務獨立成團隊運營。

02除了合成數據，仿真還能干什么？

凌迪科技切入具身智能業務才一年半的時間，但它的探索不局限于合成數據。

首先在合成數據方面，對于凌迪科技而言，合成數據并非真機數據的替代，而是對真機數據的“擴容”。

“我已采了一條真機數據，你怎么把它變成10條更多的數據——通過3D仿真就很容易做到?！蓖跞A民解釋說：“這對數據精度要求很高，對速度要求不高?！?/p>

強化學習是仿真在機器人場景中的另一落地業務，該業務對數據精度要求不高，對數據生成速度要求頗高。

“強化學習要求引擎做到1000幀每秒的仿真速度?！蓖跞A民說：“這相當于現實世界過去一秒，機器人大腦就在仿真環境演算上千次?！?/p>

和真機數據“擴容”不同，強化學習不給具身大腦喂數據，而是讓具身大腦在仿真環境下自己反復試錯，做對了給獎勵，做錯了給懲罰，通過不斷試錯，優化自己的行為策略，提升機器人大腦完成各類任務的水平。

除了真機數據“擴容”和強化學習，凌迪科技還在做具身大腦的評測。

目前，市場上仍缺乏一套標準化的具身大腦評測系統，行業仍無法判斷哪家公司的大腦做得更好。在真實場景中進行評測，存在著諸多弊端，包括搭建成本高、評測流程復雜、容易作弊等，而仿真場景下的評測能消滅這些弊端。

“例如，要評測機器人在家庭場景下的智能水平，需要搭建1000個家庭場景，實地搭建很困難，仿真環境下卻很簡單，而且由于隨機生成，評價更客觀。”王華民解釋說。

除了上述的探索方向，凌迪科技還在做靈巧手觸覺的仿真數據。

目前，靈巧手觸覺數據的采集，依賴于真人佩戴采集手套進行，而采集手套單價可達數萬、甚至數十萬元，且有使用壽命限制（可能使用5000次就壞）。而凌迪科技能用仿真技術將相關的邊際成本降至近乎為0。

要做好上述所有業務，并不能把服裝仿真直接搬到機器人場景。

因為，服裝仿真里，人體基本靜止，衣服圍繞人體運動，碰撞關系相對簡單；機器人場景里，夾爪需要主動抓取衣物，運動軌跡復雜，原有的碰撞緩沖區邏輯沒有針對夾爪設計，導致夾爪頻繁穿模——夾爪像幽靈一般，穿過了衣服的布料。

意識到問題后，王華民對剛體的碰撞邏輯做了專項修改。

另一個專項修改的方向是輕量化。現有的主流仿真平臺體量龐大，需要安裝配置，使用門檻高。凌迪科技希望把仿真引擎做成網頁端，打開瀏覽器即可使用，降低客戶的接入成本。

據公司透露，這些業務采用SDK訂閱制的收費模式。若單純購買數據，則按時長收費。起步第一年的2025年，公司在該領域的營收規模達到數百萬元，今年可達5~10倍的增速。

客戶范圍并不局限于具身智能公司，還有來自智能家電領域的客戶。“許多家電公司都配備機器人團隊，這些團隊會有數據和仿真的需求?！蓖跞A民說。

03要做具身智能的賣水人

從當前行業進展出發，要讓具身智能真正進工廠打工，或者進入家庭做家務，訓練數據的匱乏，成為關鍵卡點之一：質量最高的真機數據稀缺，需要補充合成數據，而合成數據往往精度太低，難以實現良好的數據訓練效果。

另一個關鍵卡點是具身大腦的AI模型架構尚未收斂。此前，在硅谷具身智能獨角獸Physical Intelligence的推動下，VLA模型（Vision-language-Action）曾成為業內主流方向。然而，VLA的泛化性差， “比如機器人在房間A學會了疊衣服，到了房間B就不會了。”王華民解釋說。

在VLA之后，世界模型被寄予厚望，有望提升機器人大腦的智力水平，而世界模型的技術路線尚處于“百花齊發”的狀態，還未有一條路線獲得主流認可。“雖然技術路線眾多，但是我們公司積累的仿真能力在這里能發揮巨大的作用。”王華民說。

在世界模型方面，凌迪科技決定從仿真技術再往前邁一步，正通過合作的方式，打造一款世界模擬器?！笆澜缒M器能做的是，給定物體的狀態，加上某種動作，AI可自動預測該物體的未來狀態?！彼f。

對于凌迪科技在具身智能領域的定位，王華民認為，它要成為一位“賣水人”：通過向具身大腦公司或者本體公司，提供仿真和數據服務，從而獲得營收。

更有意思的是，憑借著在服裝行業的深耕，凌迪科技比具身智能公司更懂服裝行業，也比服裝公司更懂具身智能，這種特殊的稟賦，為凌迪科技在服裝工廠落地具身智能，創造了條件。

面對具身智能業內對合成數據的悲觀論調，王華民表達了自己的看法：“合成數據的核心問題是sim to real gap（機器人在仿真環境做任務，和真實世界之間的效果落差），但是當真實數據的采集成本過高，甚至難以采集時，合成數據能以更低的成本進行補充或替代。”所以，合成數據和真實數據并非替代關系，而是互補關系。

在淘金熱中，最先賺到錢的往往是賣鏟子和賣水的人。當所有的具身智能公司都在為了讓機器人更聰明而激烈競爭時，凌迪科技選擇退后一步，提供訓練工具。

畢竟，無論哪種技術路線勝出，他們都可能在仿真環境中，完成走向現實世界的第一步。