城市级AI服务：从试点到常态化

来源：市场资讯

（来源：36氪）

具身智能最大的瓶颈不是算法，而是数据——没有量产就没有数据，没有数据就无法进化。酷哇的解法是“以战养战”：让机器人在真实运营中一边干活一边成长，用万台规模反哺模型迭代。李柯宏强调，中国是全球少有的支持机器人规模化应用的市场，酷哇正依托“一带一路”先行布点，用真实的运营数据驱动具身智能的持续进化。

以下为酷哇科技联合创始人、COO 李柯宏 演讲内容，经36氪整理编辑：

李柯宏丨酷哇科技联合创始人、COO

非常感谢36氪和亦庄的邀请，今天我分享的主题是：作为一家以统一世界模型驱动的具身智能企业，我们如何在全时空城市场景中实现机器人的规模化部署。

从大语言模型和具身智能的演进来看，2023年是一个关键分水岭。此前行业更多采用分模块或端到端的机器人架构；2023年后，以生成式AI为底座，诞生了面向物理世界的世界模型（World Model）。它与上一代模型的本质差异在于：能够基于对环境的观测，生成对未来的动作预测，并将物理因果关系嵌入决策链条。

过去两年，中美顶尖AI公司发布了大量世界模型，无论是应用于机器人、智驾还是视频生成，大方向是统一的——将生成式算法落地于物理世界。

生成式算法仍遵循Scaling Law。以Robotaxi为例：Waymo从Google X起步，耕耘十余年；特斯拉依托千万级车队众包数据训练，已逼近L4门槛。但具身智能的复杂度远超自动驾驶——理论上需要的数据量级更大。现实困境在于：全球没有一个像汽车那样普及的“具身智能终端”，能让用户边用边采集数据。具身数据从何而来，是目前行业最大的瓶颈。

我们酷哇的解法，我们做了Coowa WAIM (World-Action Model)，基于这个模型做一脑多行，具体应用在五大场景，环卫、出行、即时配送、物业、家庭，前三个要么是规模化，要么快速做POC，后面两个还是需要一点时间。再来介绍以下我们模型的结构。

酷哇的解法是，我们构建了 CooWAIM（World-Action Interactive Model）通用世界模型，以“一脑多形”架构驱动不同形态本体，覆盖环卫、出行、即时配送、物业、家庭五大核心场景。前三者已进入规模化或快速POC阶段，后两者仍需时间爬坡。下面具体介绍模型的结构：

整个模型采用双系统架构：

两者叠加，输出映射为两大具身能力域：

酷哇的路径是“以战养战”：拆解行业特性，匹配技术成熟度、产品成熟度与商业成熟度，按经济性节奏部署，最终实现具身智能的规模化落地。在城市服务领域，大家广义理解的drive层面做到万台规模，无序移动的数据或者能力基本实现。

再往上走，我们找到即时配送场景，基于“无序移动+简单操作”实现产品匹配，我们认为即时配送场景在短期内有规模化空间。长期来看，具身智能的落地路径是从开放场景走向半封闭、再走向封闭，最后进入家庭——从移动到操作，逐步把数据收集起来。

酷哇成立于2015年，深耕城市开放场景十年时间，推出适配各类场景的产品矩阵，包括1吨级、3吨级环卫机器人及无人小巴，覆盖市政清扫与出行接驳。以下场景为标准中国人行道——环境高度复杂，感知精度要求高于主干道，是我们的机器人产品在非结构化环境下移动能力的直接体现。

我认为这是世界模型在端侧应用的典型范例。讲一个大前提：我们的机器人在上下班高峰期过路口时，需实时处理上百个动态特征（行人、非机动车），生成未来轨迹预测，评估对自身的影响，再输出自适应行动轨迹。在拥挤道路环境下，其交互博弈能力直接决定通行效率。有人会问为什么小车需要这么强的能力——这跟具身智能的经济性直接相关：每过一个路口，通行率更高或通行时长更短，第一覆盖距离加大；第二单机清扫时间效率变快，就可以覆盖更大面积，帮助客户节约更多成本。比如你能节约20%的时间，基本约等于20%的毛利，这是机器人规模化应用的前提条件。

清扫作业过程中，机器人跟主干道的交互不仅是有避障，还有主动寻求碰撞的 action，比如贴边清扫、识别垃圾、控制风机模组——多关节协作，既有 Drive，又有 Work，这是不可解耦的。机器人会实时根据垃圾的分布，再做locomotion，进而把 Drive、Walk 融合到一个场景任务中来。

之后是我们的物业服务场景的代表产品瓦力机器人R0，作业范围覆盖整个物业场景包括室外、室内，都会有类似的 Work 能力体现。

在出行场景的无人小巴方面，目前Coobus已在全球10个城市左右落地，目前亦庄很快也可以看得到。

接下来是酷哇实现机器人规模化落地的关键数据：真实里程5500万公里，全国50多个城市和地区部署。

在即时配送场景，基于通用的无序移动+简单Work能力，我们部署了四足配送机器狗。在末端配送环节中，我们发现一个痛点：占用配送小哥大部分时间并不是在主干道上骑电瓶车——这个效率已经非常高了——真正损耗时间的是如何在封闭楼宇或大型小区找门牌号，这是地图无法标注出来的。我们通过机器狗来解决：一只狗送万家货，一方面我们与客单价相对较高、对履约时效有较高要求的品牌专送达成合作。另一方面，在物业层面，我们积极接入他们的系统，争取在不改变物理基础设施、不做梯控改造的前提下完成履约，现在也做到三公里以内30分钟送到。

如图所示，这是我们抓取冷启动的动作，包括柔性物体或长程任务抓取也能够完成。这是机器狗送咖啡的场景：袋子的颜色、大小都不一样，抓取位置偏柔性，还是得用真机训练——因为袋子的材质构成在开源数据集中很难抓到，包括 action 和 VOA 对齐的动作数据是不存在的，只能在真实场景中采集，再用收集到的数据进行训练。

这是比较好的小区，也会出现“看似路又不似路”的场景。即便在小区内，对机器人的寻址能力要求也非常高。目前我们的机器狗在电梯里送货——在不改变任何基础设施的情况下，自主识别电梯，不需要做梯控，楼层也可以自主识别。这是最后送到家的环节，跟上游系统打通，通过 AI 短信、电话通知客户东西到了。虽然看似不那么难，里面的非标环节非常多，非常非结构化，这是我们一整套具身智能战略目前的应用效果。

目前酷哇的全系列产品，已经在全国50余个地区落地，累计收到1000万条视频-语义-动作对齐的 clips。给予现在以战养战的经营策略，和万台级机器人的部署，公司目前每年也能实现大几个亿的利润流入。

全世界各地像中国这样支持机器人、AI 规模化应用的国家不多，或者几乎没有。我们尽早去各地先布点，在等别的国家开放应用、市场认可的同时，先行把这个市场的意识形态掌握，主要采用“一带一路”国家为主。

最后是公司介绍：酷哇科技成立于2015年，以上海交大为班底，总部落在北京。我们依托于北京的自动驾驶、机器人生态，进行具身智能的进一步示范落地。

我的整体介绍到此为止，谢谢大家！