对话酷哇科技CTO 廖文龙：利润指标转正，AI服务机器人市场将在未来3-5年爆发

近日，城市通用AI机器人服务提供商酷哇科技正式对外发布Coowa WAM 2.0 (World-Action Model)通用世界模型底座。

“2015年，公司成立时叫‘酷哇机器人’，目标就是做通用的AI机器人。早期专注于移动机器人（车），但受限于当时的算法还不够通用。”

酷哇科技CTO 廖文龙对笔者表示，ChatGPT及端到端AI出现后，酷哇科技看到了创造通用且有生产力价值的机器人的可能，即移动和操作能力都能通过大模型解决。

目前，酷哇科技形成了“智慧出行+智慧物业+智慧城市管家”三大业务矩阵。

在智慧出行领域，酷哇科技自研的L4级自动驾驶小巴CooBus致力于解决“最后三公里”痛点，目前已与国内多个城市签署战略协议，累计安全运营里程突破500万公里。

智慧物业领域，针对高端楼宇与封闭园区的复杂交互需求，酷哇科技发布了轮足机器人R0与四足机器人D0组成的“产品搭档”。

智慧城市管家领域，酷哇科技则形成了以“麒麟”X3、“独角兽”X1为代表的机器人产品，聚焦城市环卫清洁业务，这也是酷哇科技的主要营收来源。

相关数据显示，2025年智慧环卫需求突破74亿元/年，相较2023年提升了约4倍，千万元以上智慧环卫项目中规模化使用比例（扣除试点订单，即单项目至少有10台车以上投入的订单）在2025年达到30%。而针对这类规模化订单中，酷哇科技市场占有率约80%，交付能力居市场最高水平。

在规模化交付的基础上，酷哇科技也试图以Physical AI全栈通用底座，定义城市具身智能新范式。

在核心的模型侧，酷哇科技打造了一套类生物神经系统的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，三者协同运作，帮助跨场景机器人实现从感知世界到改造世界的完整闭环。

针对城市服务中低频但逻辑复杂的长尾场景（如理解交警手势、判断倒塌树木的优先级），酷哇科技引入了自研的UrbanVLM，承担宏观规划与因果约束的职责。它不直接输出控制信号，而是为直觉系统提供高层的“语义围栏”。

其中，云端的UrbanVLM Large模型，拥有320亿参数的多模态大脑，负责全局任务编排。它能读懂复杂的自然语言指令（如“优先清理堵塞排水口的积物，防止暴雨积水”），并将其拆解为具身智能可执行的原子任务序列。

端侧的UrbanVLM Tiny模型，则是部署在机器人边缘侧的小参数模型，负责百毫秒级的语义风险识别。例如，它能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。

针对高频且标准化的移动与作业任务，Coowa WAM 2.0 (世界动作模型)利用“视频生成预测”技术，在行动前进行反事实推演（Counterfactual Reasoning），预判动作的物理后果。

“Coowa WAM 2.0是基于实车采集的大数据预训练的，基于海量的真实数据和少量是完全合成的数据（大多是基于真实数据的增强和迁移）。”

廖文龙表示，WAM 2.0提供的是通用化的移动能力，已经落地到了物业服务等场景。相比于1.0，WAM 2.0 采用视频生成理解建模，信息更丰富，更符合Scaling Law。终端表现上，机器人通行能力接近物理极限，人机博弈（如人群穿梭）更流畅、更拟人。

比如，基于VLA (Vision-Language-Action)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级。

“（通用AI能力的建立），必须要在真实世界大规模投放产品，像滚雪球一样积累数据和优化算法。”

廖文龙称，机器人市场将在未来3-5年迎来爆发性增长。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真值数据（Physical Interaction Data），又反哺模型持续进化，进一步巩固了技术护城河。

目前，酷哇科技已在全球超过50个城市和地区、累计4500万公里的真实运营中，沉淀了数百万个高价值长尾场景（Corner Case）数据点。此外，酷哇科技的订单储备已超过50亿元。（文 | 科技潜线，作者 | 饶翔宇 编辑 | 钟毅）