對話酷哇科技CTO 廖文龍：利潤指標(biāo)轉(zhuǎn)正，AI服務(wù)機(jī)器人市場將在未來3-5年爆發(fā)

近日，城市通用AI機(jī)器人服務(wù)提供商酷哇科技正式對外發(fā)布Coowa WAM 2.0 (World-Action Model)通用世界模型底座。

“2015年，公司成立時(shí)叫‘酷哇機(jī)器人’，目標(biāo)就是做通用的AI機(jī)器人。早期專注于移動(dòng)機(jī)器人（車），但受限于當(dāng)時(shí)的算法還不夠通用?！?/p>

酷哇科技CTO 廖文龍對筆者表示，ChatGPT及端到端AI出現(xiàn)后，酷哇科技看到了創(chuàng)造通用且有生產(chǎn)力價(jià)值的機(jī)器人的可能，即移動(dòng)和操作能力都能通過大模型解決。

目前，酷哇科技形成了“智慧出行+智慧物業(yè)+智慧城市管家”三大業(yè)務(wù)矩陣。

在智慧出行領(lǐng)域，酷哇科技自研的L4級自動(dòng)駕駛小巴CooBus致力于解決“最后三公里”痛點(diǎn)，目前已與國內(nèi)多個(gè)城市簽署戰(zhàn)略協(xié)議，累計(jì)安全運(yùn)營里程突破500萬公里。

智慧物業(yè)領(lǐng)域，針對高端樓宇與封閉園區(qū)的復(fù)雜交互需求，酷哇科技發(fā)布了輪足機(jī)器人R0與四足機(jī)器人D0組成的“產(chǎn)品搭檔”。

智慧城市管家領(lǐng)域，酷哇科技則形成了以“麒麟”X3、“獨(dú)角獸”X1為代表的機(jī)器人產(chǎn)品，聚焦城市環(huán)衛(wèi)清潔業(yè)務(wù)，這也是酷哇科技的主要營收來源。

相關(guān)數(shù)據(jù)顯示，2025年智慧環(huán)衛(wèi)需求突破74億元/年，相較2023年提升了約4倍，千萬元以上智慧環(huán)衛(wèi)項(xiàng)目中規(guī)模化使用比例（扣除試點(diǎn)訂單，即單項(xiàng)目至少有10臺車以上投入的訂單）在2025年達(dá)到30%。而針對這類規(guī)模化訂單中，酷哇科技市場占有率約80%，交付能力居市場最高水平。

在規(guī)模化交付的基礎(chǔ)上，酷哇科技也試圖以Physical AI全棧通用底座，定義城市具身智能新范式。

在核心的模型側(cè)，酷哇科技打造了一套類生物神經(jīng)系統(tǒng)的Coowa Physical AI全棧平臺。該平臺劃分為模型層、基礎(chǔ)設(shè)施層與應(yīng)用層，三者協(xié)同運(yùn)作，幫助跨場景機(jī)器人實(shí)現(xiàn)從感知世界到改造世界的完整閉環(huán)。

針對城市服務(wù)中低頻但邏輯復(fù)雜的長尾場景（如理解交警手勢、判斷倒塌樹木的優(yōu)先級），酷哇科技引入了自研的UrbanVLM，承擔(dān)宏觀規(guī)劃與因果約束的職責(zé)。它不直接輸出控制信號，而是為直覺系統(tǒng)提供高層的“語義圍欄”。

其中，云端的UrbanVLM Large模型，擁有320億參數(shù)的多模態(tài)大腦，負(fù)責(zé)全局任務(wù)編排。它能讀懂復(fù)雜的自然語言指令（如“優(yōu)先清理堵塞排水口的積物，防止暴雨積水”），并將其拆解為具身智能可執(zhí)行的原子任務(wù)序列。

端側(cè)的UrbanVLM Tiny模型，則是部署在機(jī)器人邊緣側(cè)的小參數(shù)模型，負(fù)責(zé)百毫秒級的語義風(fēng)險(xiǎn)識別。例如，它能通過語義分析識別出前方障礙物是一個(gè)“正在玩耍的兒童”，從而強(qiáng)制覆蓋底層的繞行策略，觸發(fā)更安全的“停車禮讓”行為。

針對高頻且標(biāo)準(zhǔn)化的移動(dòng)與作業(yè)任務(wù)，Coowa WAM 2.0 (世界動(dòng)作模型)利用“視頻生成預(yù)測”技術(shù)，在行動(dòng)前進(jìn)行反事實(shí)推演（Counterfactual Reasoning），預(yù)判動(dòng)作的物理后果。

“Coowa WAM 2.0是基于實(shí)車采集的大數(shù)據(jù)預(yù)訓(xùn)練的，基于海量的真實(shí)數(shù)據(jù)和少量是完全合成的數(shù)據(jù)（大多是基于真實(shí)數(shù)據(jù)的增強(qiáng)和遷移）。”

廖文龍表示，WAM 2.0提供的是通用化的移動(dòng)能力，已經(jīng)落地到了物業(yè)服務(wù)等場景。相比于1.0，WAM 2.0 采用視頻生成理解建模，信息更豐富，更符合Scaling Law。終端表現(xiàn)上，機(jī)器人通行能力接近物理極限，人機(jī)博弈（如人群穿梭）更流暢、更擬人。

比如，基于VLA (Vision-Language-Action)架構(gòu)，機(jī)器人的“雙手”實(shí)現(xiàn)了視覺感知與機(jī)械臂動(dòng)作的端到端對齊。通過學(xué)習(xí)數(shù)百萬小時(shí)的環(huán)衛(wèi)與物業(yè)作業(yè)真實(shí)數(shù)據(jù)，它能自適應(yīng)調(diào)整清掃力度和機(jī)械臂軌跡，將運(yùn)動(dòng)控制誤差收斂至厘米級。

“（通用AI能力的建立），必須要在真實(shí)世界大規(guī)模投放產(chǎn)品，像滾雪球一樣積累數(shù)據(jù)和優(yōu)化算法。”

廖文龍稱，機(jī)器人市場將在未來3-5年迎來爆發(fā)性增長。WAM通用模型底座大幅降低了場景適配成本，推動(dòng)了機(jī)器人商業(yè)規(guī)模的落地；而大規(guī)模商業(yè)運(yùn)營產(chǎn)生的海量物理交互真值數(shù)據(jù)（Physical Interaction Data），又反哺模型持續(xù)進(jìn)化，進(jìn)一步鞏固了技術(shù)護(hù)城河。

目前，酷哇科技已在全球超過50個(gè)城市和地區(qū)、累計(jì)4500萬公里的真實(shí)運(yùn)營中，沉淀了數(shù)百萬個(gè)高價(jià)值長尾場景（Corner Case）數(shù)據(jù)點(diǎn)。此外，酷哇科技的訂單儲備已超過50億元。（文 | 科技潛線，作者 | 饒翔宇 編輯 | 鐘毅）