当大模型在数字世界掀起变革浪潮后，物理 AI 成为下一个必争的技术高地。而在自动驾驶之后，通用机器人正遭遇一道难以逾越的工程鸿沟 —— 真实物理世界开放、连续且因果约束极强，任务多样、交互对象不可穷尽，一旦失误，代价高昂。
行业达成新共识：数据堆砌的 Scaling Law 已触顶，通用机器人要实现规模化落地，必须先具备 **“理解、推演、评估物理世界”的能力。世界模型（World Model）及其进阶形态环境与动作统一建模架构（World-Action Model, WAM）**，就此成为物理 AI 的核心基础设施。
由上海交大系 “技术双子星” 何弢博士与廖文龙博士掌舵的酷哇科技，近期发布核心技术底座COOWA WAM 2.0 世界模型。这一升级，标志着机器人从 “机械模仿动作” 进化到 “主动规划推理”，完成了从 “执行者” 到 “思考者” 的关键跃迁。更振奋人心的是，凭借这项技术，酷哇科技已手握万台机器人订单，率先实现年度 EBITDA（息税折旧摊销前利润）回正，在具身智能赛道杀出重围。
一、 模仿学习的死胡同：为什么真实数据不够用了？
过去十年，深度学习的成功依赖于 “大规模真实数据驱动的自监督学习”，GPT 系列就是典型代表。但这套逻辑放到机器人领域，却陷入了分布外（OOD）陷阱。
语言系统的词汇和语法规则虽庞大但有限，新样本基本都在既有语义范围内。而物理世界完全不同 —— 环境状态与交互组合近乎无限，动作的后果无法通过历史数据简单推断。仅靠真实数据做模仿学习，存在一个致命缺陷：累积误差。
在长序列的多步决策中，微小的状态预测偏差或动作执行误差，会随着时间推移和环境反馈被不断放大，最终让系统偏离训练数据分布，陷入从未见过的 “未知区域”。一旦踏入这个区域，机器人行为失稳甚至彻底失效将不可避免。
更棘手的是，物理世界的不可逆性，让机器人无法像 AlphaGo 那样在真实场景中无限试错。高质量交互数据采集成本高、长尾场景复现难，筑起了物理 AI 的 **“数据长城”**。
解决这一困境的关键，是让机器人拥有反事实推演能力—— 在执行动作前，先在 “大脑” 里预演：“如果我这么做，世界会变成什么样？” 这正是 COOWA WAM 2.0 世界模型的核心价值。
二、 范式革命：从 “感知 - 执行” 到 “推演 - 决策”
传统机器人系统遵循 “感知→策略→控制” 的线性链路，本质上是一种高级 “条件反射”，无法预判动作的潜在后果。
而 COOWA WAM 2.0 带来了系统级的范式升级。它是一个可学习的神经模拟器，通过统一建模三大核心元素，赋予机器人 “思想实验” 的能力：
-
世界状态：对可观测的环境和物体进行精准表征；
-
动作候选：模拟机器人自身及周边物体的所有可能行为；
-
状态 - 动作 - 结果：建立三者之间的统计关联与因果演化规律。
在这套架构下，机器人不再盲目执行指令，而是先在虚拟空间推演不同动作的后果，再选择最优方案。这就像给机器人装上了 “大脑”，让它从 “凭经验做事” 升级为 “靠思考决策”。
四大技术支柱：让机器人既 “反应快” 又 “想得对”
为实现 “推演 - 决策” 能力，COOWA WAM 2.0 构建了四大核心模块，巧妙融合了 “快思考（直觉）” 与 “慢思考（推理）”：
-
基于语义的表征学习：机器人的 “视觉皮层”
低层的像素信息无法直接用于决策，机器人需要理解画面背后的语义。该模块利用图像 - 文本对齐技术（Masking + 对比学习），提取环境的高层语义特征，将复杂的视觉输入转化为可计算的环境表征。这不仅解决了感知信息过载的问题，更实现了跨任务、跨场景的泛化能力 —— 比如让环卫机器人的技术，能直接迁移到人形机器人身上。
-
基于视频生成的未来预测：物理世界的 “推演沙盒”
这是世界模型的核心模块，类似于 Sora 的视频生成能力，但更专注于动力学一致性。它通过对环境状态序列建模，学习物理规律和场景演化模式，能生成未来可能的动态场景。机器人可以在这个 “虚拟试验场” 里，零成本评估动作后果，提前规避风险，极大降低累积误差的影响。
-
直觉行动系统：快速响应的 “系统 1”
在开放环境中，机器人没有时间进行复杂的逻辑推理。直觉行动系统扮演 “快思考” 角色，基于环境表征和模仿学习经验，快速并行生成多组动作候选。面对突发状况时，它能像人类的直觉一样，瞬间给出合理应对方案，保证响应的实时性。
-
VLM 宏观约束：把控方向的 “系统 2”
直觉系统虽快，但容易 “想当然”，甚至违反物理常识。这时就需要视觉语言大模型（VLM） 扮演 “慢思考” 角色，承担宏观规划与因果约束的职责。它不直接生成底层控制信号，而是将任务目标转化为高层规则，对直觉系统的动作候选进行 “剪枝” 和优化，确保决策既高效又安全。
这种 “直觉生成 + VLM 约束” 的互补架构，让机器人既能快速反应，又能理性决策，完美平衡了效率与安全性。
三、 万台订单 + 盈利回正：技术落地的商业里程碑
对硬科技企业而言，技术突破只是第一步，商业闭环才是终极考验。
得益于 COOWA WAM 2.0 的高泛化能力和低边际部署成本，酷哇科技打破了具身智能领域 “定制化陷阱” 和 “规模化魔咒”。截至 2026 年 2 月，公司订单规模已从 2022 年的 10 亿元增长至 50 亿元，增幅超 5 倍，2026 年全系机器人交付量预计突破 1 万台，这一数字超过过去数年交付量的总和。
更具里程碑意义的是，酷哇科技率先实现年度 EBITDA 回正。这意味着，其通用机器人已从依赖资本输血的科研原型，蜕变为具备自我造血能力的工业级产品。酷哇科技联合创始人兼 COO 李柯宏表示：“公司已不需要通过烧钱换取规模，经营和盈利能力处于健康水平。”
目前，酷哇科技的机器人已进驻北京、上海、广州、深圳四大超一线城市，一线城市业务占比从 2022 年的不足 2% 提升至 2025 年的 25%。在全球化布局上，公司优先拓展新加坡、中东（阿布扎比、迪拜、利雅得）以及 “一带一路” 沿线亚洲一线城市 —— 这些地区普遍面临招工难、人力成本高的问题，对中国硬科技产品接受度高，支付意愿强。
四、 Robo City：用万台机器人构建城市新基建
技术和商业的双重突破，让酷哇科技有底气描绘一幅更宏大的未来图景 ——Robo City（机器人城市）。
在酷哇的构想中，未来城市里的数万台异构机器人，将不再是孤立的个体，而是通过 WAM 共享同一个 “世界认知” 的智能集群。这个集群主要由三类机器人构成：
-
L4 级无人小巴（Coobus）：承担城市微循环接驳任务，打通出行 “最后一公里”；
-
城市管家机器人：穿梭于 CBD 和公园，化身流动智能交互终端，基于人流热力图主动提供服务，实现 “货找人” 的动态商业闭环；
-
泛具身服务机器人：在无人商超和园区内，自主完成货架盘点、补货，以及跨楼层物资垂直流转。
这些机器人将共同构成一套覆盖全城的物理智能体网络，像水电网一样，成为现代城市高效运转的新型基础设施。
五、 结语：物理 AI 的高光时刻，才刚刚开始
从技术层面看，COOWA WAM 2.0 的出现，让通用机器人摆脱了数据依赖的枷锁，真正具备了 “思考能力”；从商业层面看，万台订单和盈利回正，证明了物理 AI 规模化落地的可行性。
酷哇科技的成功，不仅是交大系科研成果转化的典范，更标志着物理 AI 行业从 “技术验证期” 迈入 “商业化爆发期”。当万台机器人穿梭在城市的大街小巷，当 WAM 在虚拟空间推演着城市的未来，我们有理由相信：物理 AI 重塑万亿城市基建的时代，已经到来。