对话刘郴：解决物理AI的“真实感”难题，凌迪科技的仿真野心不止于服装

行业外的人很难理解，为什么柔性材料的仿真如此艰难？ 刚体仿真是有限维的，只有6个自由度。但柔性仿真却需要把连续体离散成数千个网格单元，自由度从6个暴增至数万。而在算力消耗上，两者也相差三到六个数量级。在实际操作中，游戏引擎能实时渲染几百个刚体碰撞的壮观场面；但一块高分辨率布料的真实模拟，就能吃掉一张显卡的全部算力。 柔性仿真是行业的稀缺能力，玩家可以大概分为引擎层与数据层。引擎层的国际玩家包括 NVIDIA Isaac Sim、Genesis 及 NVIDIA Newton（DeepMind 与 Disney 联合开发）；而国内代表则有飞捷科思（Fysics）、跨维智能（DexVerse）、凌迪科技（Style3D）等。而凌迪科技（Style3D）则是这些公司里一个独特的跨界者。 凌迪科技（Style3D）成立于2015年，本身是纺织服装3D仿真赛道的头部玩家，以柔性体仿真为核心技术，为服装品牌提供覆盖产业全流程的服务。产品矩阵从单一的3D仿真工具，扩展到涵盖面料数字化、2D CAD、AIGC、营销和智能制造的端到端解决方案。在今年6月的Style3D伙伴大会上，凌迪还发布了时尚产业全能AI工作台StyleWork，面向真实业务场景，围绕款式、面料、工艺、技术、客户沟通和组织知识沉淀等任务，为企业搭建一支24小时在线、专业且能持续成长的数字团队。 凌迪的股东背景更是堪称豪华，从2017年起，凌迪陆续获得顺为资本、百度、高榕资本、元璟资本、联想创投、高瓴创投、鼎晖投资等的投资，股东背景涵盖互联网巨头与产业资本，融资总金额超10亿元。 更为重要的沉淀在于，凌迪用十年时间积累了几十万种面料的物理参数数据库。2026年2月，凌迪发布具身仿真系统SynReal，并与银河通用官宣合作。同时，凌迪还是英伟达Newton物理引擎平台的形变体模拟引擎合作伙伴，在布料褶皱、自接触、多点缠绕的仿真精度上都有着很高的技术壁垒。 凌迪科技的创始人刘郴，出生于1973年，浙江丝绸工学院染整专业毕业，后在比利时布鲁塞尔自由大学同时攻读计算机和分子生物两个硕士，最近又攻读了浙江大学电子与信息工程博士。这种横跨纺织服装、计算机和分子材料的三重背景，就是最好的柔性仿真引擎的认知底座。而凌迪也确实在这一波物理AI的浪潮中，找到了自己的独特定位。 ▎以下为与刘郴的对话全文，略有删减： 初心与边界 创投家：2015年入局时，服装产业数字化渗透率不到10%，你为什么选这个时点加入？ 刘郴：那个时候电商才刚刚普及，服装数字化刚刚起步。也正是因为刚起步，我们才能看到市场潜力。 纺织服装产业是基于预测的现货生意，概念的可视化很重要。所有数据几乎都来源于设计研发端，如果不把研发端数字化，后面很难做真正的数字化。我们不做总有人要做，这是一个确定性的、单向不断往前提升的过程。 创投家：当时有投资人质疑这条路径吗？ 刘郴：投资质疑是肯定的。当时比较早期，大家对服装数字化这件事的未来能走多远有很多疑问。但从投资角度，如果市场上已经形成共识，那要么不行，要么就很贵。 创投家：你们跟国外竞品竞争，后发优势在哪？ 刘郴：三个差别。第一，我们是以GPU仿真为主，GPU这些年算力进步很快，我们在仿真速度、效率上更快。第二，我们是从中国纺织服装产业里成长出来的工业软件，更理解产业需求。第三是对AI的集成和拥抱。中国软件和AI发展速度非常快，我们成长在中国雄厚的产业土壤里，产业数据多、场景多、迭代快。 今年7月，凌迪科技与浙江大学等三家单位共同完成的“智能化三维数字人制作关键技术及应用”项目并荣获国家科学技术进步奖二等奖；同年8月，我们又获批设立国家级博士后科研工作站。随着技术积累不断加深，相信未来还将有更多创新成果向产品和应用转化。与此同时，我们建立了从研发到上线的全链条知识产权管控体系，目前公司在全球范围内已持有106项授权专利，另有155项发明专利在申请中。 创投家：从Studio到Cloud再到StyleWork，产品线越铺越宽，边界怎么考虑？ 刘郴：我们只做最擅长的，能够解决客户端到端的业务问题。之前觉得只给客户一个工具可能不够，希望给到端到端的解决方案，但我们毕竟是创业公司，资源有限，需要有边界。 主要考虑三点：客户需求的边界在哪里，我们自己能力的边界在哪里，我们的资源边界在哪里，三者找一个最大的公约数，来限定自己的研发边界。 从设计研发到营销这条链路，我们现在基本完全打通，再到生产制造可以输出到物料，再往后我们不擅长，那块我们只提供数据和底层技术能力。 创投家：你们的时尚行业客户结构是什么？哪类客户“最上瘾"？ 刘郴：目前最多的是制造企业，占到差不多四成；品牌企业占到三成；面辅料企业也占到二三成左右；剩下的是一些教育、院校等。 制造企业用的比较多，因为链路短，ODM只要做一些设计开发给到品牌商或客户就能获得订单，链路短、起效快，很容易被使用。品牌链路比较长，涉及商品企划、设计、研发、打样、营销，决策没有制造企业那么快速。但未来肯定品牌占比会越来越多，随着产品智能化提升、门槛下降，甚至抖音上的小卖家、四季青的老板娘，未来都可能会使用。 创投家：能举一个具体的数据案例吗？ 刘郴：太平鸟实现全品类3D建模与AI陈列，研发效率提升70%、资源复用率提升50%以上，设计周期从数周缩至小时级；宁波春禾打样次数减少60%、成本下降30%、客户确认周期从7天缩短到2天；苏美达在营销端以AI+3D生成内容替代拍摄，成本下降80%、新品推向速度提升50%；自行车服饰制造商TOPOW 借助 AI+3D技术，将样衣需求减少了50%，开发周期缩短了40%，客户每轮可评审的款式数量翻了一倍,有效提升了选款效率和订单转化。 大部分外贸企业通过跟我们合作，订单数量大概每年10%到二十几的增长。效果比较明显。 更核心的是时间的压缩——纺织服装产业是基于预测的现货生意，预测总有不准或滞后性。如何让产品研发更靠近上市环节，除了降低成本，更重要的是极度压缩研发时间，降低生成错款的概率，极大优化库存。 当纺织遇上具身 创投家：具身智能公司是怎么找到你们的？ 刘郴：客户主动找过来的。有些客户说，你们做仿真数据能不能帮我们仿真一些服装用于机器人训练，我们才发现这些仿真数据也可以用来做机器人的训练，底层都是基于物理的仿真能力。 去年开始有很多合作，银河通用、越疆等机器人公司开始使用我们的服务。我们跟银河的合作蛮深入的，我们为他们提供了仿真合成数据以及柔性体的训练。 创投家：具身智能的训练数据，为什么"仿真+真机"比纯真机更现实？ 刘郴：具身智能需要大量、多样、可持续迭代的训练数据，如果完全依赖真机采集，成本高、周期长，而且场景覆盖很有限。现在真采问题也很多：比如一直都是这么几个房间，没见过多样化的现实情况。 机器人进入真实环境后，会面对不同空间、光照、物体材质、碰撞、摩擦等大量变化，这些不可能全部靠人工一一采集。仿真的价值就在于，可以低成本、高效率地生成大量训练场景和可交互资产，补足真实数据不足的问题。 所以“仿真+真机”是一条更现实的路径：先用仿真扩大数据规模和场景覆盖，再用真实数据和真机测试做验证与校准，让训练既能起量，也能逐步贴近真实应用。 创投家：仿真到真机有gap，你们怎么克服？ 刘