对话酷哇科技CTO廖文龙：AI服务机器人市场未来3-5年将爆发

最近，一家专注于城市通用AI机器人服务的供应商发布了新一代技术底座——Coowa WAM 2.0 (World-Action Model) 通用世界模型。

“2015年公司成立时取名‘酷哇机器人’，目标就是打造通用的AI机器人。早期我们专注在移动机器人（车）上，但当时的算法水平还不足以支撑真正的通用性。”酷哇科技的首席技术官分享道。

随着ChatGPT等生成式AI的兴起，酷哇团队看到了新的可能性——能否借助大模型技术，创造出兼具通用性与强大生产力的机器人？无论是移动还是操作，或许都能通过统一的模型框架来解决。

目前，酷哇科技已构建起“智慧出行+智慧物业+智慧城市管家”三大核心业务板块。

在智慧出行领域，公司自主研发的L4级自动驾驶小巴CooBus，瞄准了城市交通“最后三公里”的痛点。这款小巴已在国内多个城市展开部署，累计安全运营里程突破500万公里。

智慧物业方面，针对高端楼宇与封闭园区的复杂服务需求，酷哇推出了由轮式机器人R0与四足机器人D0组成的“产品搭档”，为不同场景提供定制化解决方案。

而在智慧城市管家板块，酷哇形成了以“麒麟”X3、“独角兽”X1为代表的机器人产品矩阵，聚焦于城市环卫清洁业务。这部分业务也成为公司目前最主要的营收来源。

行业数据显示，2025年智慧环卫的市场需求已突破每年740亿元，相比2024年显著提升。在千万元级别以上的项目中，规模化应用（指单项目至少有10台以上设备投入的订单）比例在2025年已达到30%。而在这类规模化订单中，酷哇科技的市场占有率高达约80%，其实际交付能力处于行业领先地位。

在实现规模化交付的基础上，酷哇科技正致力于通过其Physical AI全栈通用底座，重新定义城市智能的新范式。

在核心的模型侧，酷哇搭建了一套类比生物神经系统的Coowa Physical AI全栈平台。该平台划分为模型层、基础设施层与应用层，三层协同运作，旨在帮助跨场景的机器人实现从感知世界到改造世界的完整闭环。

针对城市服务中那些低频但逻辑复杂的长尾场景（例如理解交警手势、判断倾倒树木的优先级），酷哇引入了自研的UrbanVLM系统，由其承担宏观规划与因果约束的职责。它并不直接输出控制指令，而是为直觉系统（负责即时反应）提供更高层面的“语义围栏”指导。

具体而言，部署在云端的UrbanVLM Large模型，拥有3200亿参数，如同一个多模态的“城市大脑”，负责全局任务的编排。它能准确理解复杂的自然语言指令，并将其拆解为机器人可执行的具体任务序列。

而部署在机器人本地的UrbanVLM Tiny模型，则是一个轻量级的小参数模型，负责毫秒级的语义风险识别。例如，它能够通过语义分析，识别出前方障碍物是一个“正在玩耍的儿童”，从而强制覆盖底层的绕行策略，触发更安全的“停车礼让”行为。

面对高频且标准化的移动与作业任务，Coowa WAM 2.0则利用“视频生成预测”技术，在行动前进行反事实推理，预测动作可能引发的物理后果。

“WAM 2.0是基于大量实车采集的真实数据预训练的，其中大部分是海量真实数据，少量是基于真实数据增强和迁移的合成数据。”

技术负责人表示，WAM 2.0提供的是通用化的移动能力，目前已落地到物业服务等多个场景。相比1.0版本，WAM 2.0采用视频生成理解进行建模，信息维度更丰富，更符合Scaling Law（规模定律）。在实际表现上，机器人通行能力已接近物理极限，在人机共处（如人群穿梭）时行为更流畅、更拟人。

例如，基于VLA架构，机器人的“双手”实现了视觉感知与机械臂动作的端到端对齐。通过学习数百万小时的环卫与物业作业真实数据，它能自适应调整清扫力度和机械臂轨迹，将运动控制误差收敛至厘米乃至毫米级。

“要构建通用的AI能力，必须在真实世界进行大规模的产品投放，像滚雪球一样持续积累数据和优化算法。”

公司预计，机器人市场将在未来3到5年迎来爆发式增长。WAM通用模型底座大幅降低了场景适配成本，推动了机器人商业规模的落地；而大规模商业运营产生的海量物理交互数据，又反哺模型持续进化，进一步巩固了技术护城河。

目前，酷哇科技已在全球范围内超过50个城市和地区开展了实际运营，累计真实运营里程超过4500万公里，沉淀了数百万个高价值的长尾场景（Corner Case）数据点。此外，公司持有的订单储备金额已超过500亿元。