一家服装软件公司,为何能做具身智能的卖水人?

银河通用在2026年春晚展示的机器人叠衣服成果，其背后有凌迪科技的仿真技术支持。

作者丨薛皓皓

编辑丨关雎

凌迪科技起家于服装产业数字化，其核心业务是基于高精度形变体仿真技术，为服装设计、面料开发与生产展示提供AI+3D数字化软件。这套系统解决了传统仿真引擎“魔改版”精度极差的痛点，累计服务超3000家客户，覆盖多个海外头部时尚品牌。

2024年底，这家长年深耕服装圈的公司意外切入了物理AI下具身智能赛道。因为他们观察到，具身智能大脑的智能水平提升，可能和仿真息息相关，仿真能为大脑提供合成训练数据、强化学习环境、进行模型效果评测等一系列的支撑。而凌迪科技在以服装为代表的形变体仿真上的长期积累，成为它切入具身智能产业链的底气。

王华民是凌迪科技的联合创始人兼首席科学家。他本科毕业于浙江大学竺可桢学院，并在斯坦福大学和佐治亚理工学院分别获得硕士和博士学位。作为世界级计算机图形学专家、前俄亥俄州立大学终身教授，王华民在布料物理模拟领域有着极高的学术地位。2021年，为了“解决真实问题，把技术成果落地”，他离开“学术象牙塔”，加入凌迪科技。

在具身智能领域，凌迪科技首个重要的正反馈来自国内头部独角兽银河通用。银河通用在2026年春晚展示的机器人叠衣服成果，其背后是有凌迪科技的仿真技术支持。

在整个具身智能产业链中，王华民将凌迪科技清晰地定位为“卖水人”。

从服装业数字化到物理AI

凌迪科技的气质是时尚和科技的结合，一边是长期浸染于服装设计师、服装厂、服装品牌构成的时尚圈，另一边把科学家索尔维及其创办的20世纪世界顶级基础科学闭门研讨会——索尔维会议，作为公司的“精神”参考系。

在这种气质下，凌迪科技设立有一支30人左右的研究院团队，负责探索AI等前沿技术，对公司业务发展带来的各种可能性。王华民是这支研究团队的领导。

“在我们公司推出服装仿真软件之前，市面上大部分均为游戏引擎的魔改版本，精度很差。我们的产品能模拟服装上身后的下垂、褶皱、回弹等动态变化。”王华民说。

基于这套高精度的仿真技术，公司推出了面向款式设计的服装仿真建模软件Style3D Studio，面向面料数据采集及编辑的Style3D Fabric，面向服装仿真数据沉淀及复用的Style3D Cloud，以及面向服装搭配展示的Style3D MixMatch等。

凌迪科技展示的Style3D 相关软硬件产品

这套产品为凌迪科技累计服务超3000家客户，包括海外头部的奢侈品牌。

2024年底，王华民十分敏锐地观察到一个趋势：不少和自己有着相似背景的学者，都投入到具身智能的创业浪潮中。例如，具有计算机图形学背景的斯坦福博士王鹤创立了银河通用，成为国内头部的具身智能独角兽；师从李飞飞，拥有深厚三维视觉学术背景的苏昊博士，则加盟苏度科技担任CTO，苏度科技也是估值增长最快的具身独角兽。

这个趋势令王华民意识到一个机会：凌迪科技长期积累的高精度纺织物仿真数据和能力，在业内实属难得，足以成为切入具身智能赛道的独特优势。

对比仿真柜子、钢块等形状不易改变的东西，计算机仿真服装更为困难。“柜子或钢块，形状是固定的，计算机更容易仿真。衣服不行——平铺、折叠、揉成一团，每一种状态都完全不同，计算机必须通过极大的数据规模，更复杂的参数计算，才能实现高精度的服装仿真。”王华民说。

目前，机器人仍无法稳定而高效地完成叠衣服、从洗衣机里取出缠绕衣物等任务，根本原因是“大脑”缺乏足够的训练数据——衣物操作场景的真实数据极难采集，而用仿真生成的合成数据，又因为与真实世界存在较大偏差，被认为训练效果大打折扣。

凌迪科技的切入点正基于此，用更高精度的服装仿真，缩小合成数据和真实数据的差距。

他们先将自己的仿真引擎SynReal接入英伟达旗下的物理引擎Newton，以及Google Deepmind旗下的物理引擎MuJoCo。他们十分期待的是，有合成数据需求的具身智能公司，能通过这些大平台找到自己。

让王华民没想到，首个重要的正反馈来自国内头部的具身智能公司——银河通用。

根据王华民透露，银河通用正使用凌迪科技的仿真引擎，训练机器人大脑。具体而言，包括了叠衣服、从洗衣机取衣服、抓零食等训练任务，而叠衣服的训练成果，正是银河通用在2026年春晚所展示的。

这一正反馈，让王华民意识到，小范围试水宣告成功，随即决定加大投入，将具身智能业务独立成团队运营。

除了合成数据，仿真还能干什么？

凌迪科技切入具身智能业务才一年半的时间，但它的探索不局限于合成数据。

首先在合成数据方面，对于凌迪科技而言，合成数据并非真机数据的替代，而是对真机数据的“扩容”。

“我已采了一条真机数据，你怎么把它变成10条更多的数据——通过3D仿真就很容易做到。”王华民解释说：“这对数据精度要求很高，对速度要求不高。”

强化学习是仿真在机器人场景中的另一落地业务，该业务对数据精度要求不高，对数据生成速度要求颇高。

“强化学习要求引擎做到1000帧每秒的仿真速度。”王华民说：“这相当于现实世界过去一秒，机器人大脑就在仿真环境演算上千次。”

和真机数据“扩容”不同，强化学习不给具身大脑喂数据，而是让具身大脑在仿真环境下自己反复试错，做对了给奖励，做错了给惩罚，通过不断试错，优化自己的行为策略，提升机器人大脑完成各类任务的水平。

除了真机数据“扩容”和强化学习，凌迪科技还在做具身大脑的评测。

目前，市场上仍缺乏一套标准化的具身大脑评测系统，行业仍无法判断哪家公司的大脑做得更好。在真实场景中进行评测，存在着诸多弊端，包括搭建成本高、评测流程复杂、容易作弊等，而仿真场景下的评测能消灭这些弊端。

“例如，要评测机器人在家庭场景下的智能水平，需要搭建1000个家庭场景，实地搭建很困难，仿真环境下却很简单，而且由于随机生成，评价更客观。”王华民解释说。

除了上述的探索方向，凌迪科技还在做灵巧手触觉的仿真数据。

目前，灵巧手触觉数据的采集，依赖于真人佩戴采集手套进行，而采集手套单价可达数万、甚至数十万元，且有使用寿命限制（可能使用5000次就坏）。而凌迪科技能用仿真技术将相关的边际成本降至近乎为0。

要做好上述所有业务，并不能把服装仿真直接搬到机器人场景。

因为，服装仿真里，人体基本静止，衣服围绕人体运动，碰撞关系相对简单；机器人场景里，夹爪需要主动抓取衣物，运动轨迹复杂，原有的碰撞缓冲区逻辑没有针对夹爪设计，导致夹爪频繁穿模——夹爪像幽灵一般，穿过了衣服的布料。

意识到问题后，王华民对刚体的碰撞逻辑做了专项修改。

另一个专项修改的方向是轻量化。现有的主流仿真平台体量庞大，需要安装配置，使用门槛高。凌迪科技希望把仿真引擎做成网页端，打开浏览器即可使用，降低客户的接入成本。

据公司透露，这些业务采用SDK订阅制的收费模式。若单纯购买数据，则按时长收费。起步第一年的2025年，公司在该领域的营收规模达到数百万元，今年可达5~10倍的增速。

客户范围并不局限于具身智能公司，还有来自智能家电领域的客户。“许多家电公司都配备机器人团队，这些团队会有数据和仿真的需求。”王华民说。

要做具身智能的卖水人

从当前行业进展出发，要让具身智能真正进工厂打工，或者进入家庭做家务，训练数据的匮乏，成为关键卡点之一：质量最高的真机数据稀缺，需要补充合成数据，而合成数据往往精度太低，难以实现良好的数据训练效果。

另一个关键卡点是具身大脑的AI模型架构尚未收敛。此前，在硅谷具身智能独角兽Physical Intelligence的推动下，VLA模型（Vision-language-Action）曾成为业内主流方向。然而，VLA的泛化性差，“比如机器人在房间A学会了叠衣服，到了房间B就不会了。”王华民解释说。

在VLA之后，世界模型被寄予厚望，有望提升机器人大脑的智力水平，而世界模型的技术路线尚处于“百花齐发”的状态，还未有一条路线获得主流认可。“虽然技术路线众多，但是我们公司积累的仿真能力在这里能发挥巨大的作用。”王华民说。

在世界模型方面，凌迪科技决定从仿真技术再往前迈一步，正通过合作的方式，打造一款世界模拟器。“世界模拟器能做的是，给定物体的状态，加上某种动作，AI可自动预测该物体的未来状态。”他说。

对于凌迪科技在具身智能领域的定位，王华民认为，它要成为一位“卖水人”：通过向具身大脑公司或者本体公司，提供仿真和数据服务，从而获得营收。

更有意思的是，凭借着在服装行业的深耕，凌迪科技比具身智能公司更懂服装行业，也比服装公司更懂具身智能，这种特殊的禀赋，为凌迪科技在服装工厂落地具身智能，创造了条件。

面对具身智能业内对合成数据的悲观论调，王华民表达了自己的看法：“合成数据的核心问题是sim to real gap（机器人在仿真环境做任务，和真实世界之间的效果落差），但是当真实数据的采集成本过高，甚至难以采集时，合成数据能以更低的成本进行补充或替代。”所以，合成数据和真实数据并非替代关系，而是互补关系。

在淘金热中，最先赚到钱的往往是卖铲子和卖水的人。当所有的具身智能公司都在为了让机器人更聪明而激烈竞争时，凌迪科技选择退后一步，提供训练工具。

毕竟，无论哪种技术路线胜出，他们都可能在仿真环境中，完成走向现实世界的第一步。