這兩年，全球的目光都聚焦于生成式AI與人形機器人，前者重塑了人與信息的交互方式，后者被視為通往通用智能的關鍵載體。

但在熱鬧的技術敘事之外，真正能夠落地、創造現實生產力的機器人，已經悄悄行走在城市的街道上。它們出現在馬路牙子邊、立交橋下、人行道的盲區，這些最容易被人忽視卻充滿灰塵與危險的地方；它們從清晨五點開始作業，替代著千千萬萬辛苦、繁重甚至存在安全風險的工作。

在中國，環衛是一個規模龐大、痛點突出的行業：勞動密集、招工困難、安全風險高、作業標準嚴苛。但也恰巧因為這樣，并不性感的環衛場景才能夠衡量其智能價值。

酷哇機器人選擇從環衛場景出發，也是出于這個邏輯。“酷哇選擇的路徑比較務實，我們以城市服務為核心，以環衛為起點，深耕城市中的Dirty Work（臟活累活），通過機器人釋放勞動力。”酷哇機器人CTO廖文龍說。

2025年10月，酷哇機器人發布具有雙臂操作能力的小型機器人R0，不僅能承擔市政作業任務，也為進入物業等更復雜場景。與此同時，酷哇斬獲36氪WISE2025「年度AI 應用場景突破企業」，并在深圳國際人工智能環衛機器人大賽中奪冠，其場景落地與技術創新得到了雙重驗證。

酷哇科技在近期的國際環衛機器人賽事中獲獎一覽

也就是說，如今酷哇機器人不僅能打掃干凈街道，還能解決更多復雜任務。從自動駕駛環衛車，到市政具身智能機器人的躍遷，酷哇已經深入了進去。

或許，這代表著具身智能的落地革命，將從城市街頭開始。

找到當下的具備生產力價值的落地場景

在很多人的想象中，家里的掃地機器人能掃室內，換到室外放大就能掃馬路。似乎清潔的本質相同，無非是體積與功率的差別。

他們確實有相似之處，所有面向物理世界的機器人，本質上都需要兩類能力：一是能夠在環境中自主移動（Navigation），二是能夠執行特定任務（Operation）。“從這點上講，RoboTaxi、環衛車、家用掃地機都是這兩個維度不同能力的組合。”廖文龍進一步解釋。

然而，一旦落到真實場景中，從感知體系到決策能力，從任務目標到安全邊界，二者是根本不同的技術物種。

家用清潔是懶人經濟的結果，是錦上添花的需求；而環衛作業屬于城市運行底層邏輯，是必須完成的任務。相比工業機器人改造流水線，環衛機器人的需求更為迫切和現實——作業環境艱苦、風險高，因此崗位長期存在招工難和人員流失問題。但城市的基礎衛生又容不得缺席。

這也是酷哇在一開始做場景選擇時的出發點，他們希望具身智能真正改變生產力，正如廖文龍所說：“我們做AI環衛機器人是朝著未來泛化的物理AI終點出發，落地到當下的具備生產力價值的AI環衛機器人。”

環衛場景是現階段具身智能的落地方向中，最具商業閉環潛力的入口，同時也是門檻最高的戰場。它一方面具備高頻、剛需付費的典型ToB 特征，適合用 ROI 講清商業價值；另一方面，也天然包含了這一代Physical AI最難繞開的四道關，而能打通這四道關的公司寥寥無幾，構成了天然的技術壁壘。

第一道關，是環境本身不結構化。馬路牙子、窄人行道、綠化帶邊緣，這些地方沒有嚴格意義上的“可行駛區域”，對人類來說靠直覺完成，對于機器人則要求它真正理解空間關系和作業目的。這倒逼系統從模塊化邏輯轉向端到端的世界模型，直接理解作業意圖。

第二道關，是路口和障礙物博弈帶來的動態安全決策。通過十字路口、避讓行人和非機動車，本質上是對未來可能后果做推演，而不是純粹計算當前位置和速度，這對模型的“世界理解”能力提出了更高要求。

第三道關，是狹窄地方的任務執行存在誤差，帶來貼邊作業的極致精度要求。掃得離路沿遠一點，整條縫就會臟一條線；靠得太近，又可能剮蹭路沿或設施。這里既不能依賴粗糙的安全冗余，也很難通過簡單的距離閾值解決，需要機器人學會類似人類“看后視鏡”的那種直覺判斷。

第四道關，則是移動與作業高度耦合帶來的控制難題。環衛車往往是邊行駛、邊控制滾刷和擋板、邊追逐被吹動的垃圾，每個動作調整都會影響整體作業效果和車輛姿態。

正是因為有這些現實而具體的難題，環衛機器人領域的玩家長期不多：稍微做簡單一點，就無法真正替代人工；做得足夠智能，又會面臨極高的技術門檻和長期投入周期。

對酷哇來說，選擇環衛，既是基于對產業痛點的判斷，也是對自家技術路徑的一次正面回應——如果Physical AI真的要走進現實世界，這里會是最早被檢驗、也最早顯現價值的地方。

酷哇“獨角獸”機器人展示作業能力

智能鏈路的搭建，讓AI進入物理世界

與傳統自動駕駛只解決“從A 到 B”的問題完全不同，環衛場景最大的難點在于怎么讓機器人在城市里一邊移動一邊干活，即機器人必須同時理解空間、理解任務、理解變化中的世界。

過去十年，行業普遍采用“解耦”的技術框架：感知負責識別障礙，預測負責計算軌跡，決策控制依據若干工程規則調節車身與作業裝置。但在開放、動態的環衛場景中，這樣的技術體系往往會陷入碎片化：復雜情況越多，規則越堆越厚，整個系統變得脆弱而難以泛化。

酷哇團隊始終致力于從根本上優化環衛機器人技術架構。廖文龍介紹，行業內環衛機器人智能能力已形成五級演進體系：

第一階段：只能在封閉環境沿固定路線執行腳本；

第二階段：依賴高精地圖在公開道路自主完成固定路線行駛及作業；

第三階段：不嚴格依賴高精度地圖，能實時根據環境調整路線及策略；

第四階段：物理智能體：開箱即用，可自主規劃路線與作業腳本，適配任何城市環境，不隨場景變化降級；

第五階段：端云一體化多物理智能體：多機器人自主協調完成城市服務需求，達到或接近全局最優資源配置。

目前，相比于市面上的同類企業，酷哇已率先穩定落地第四階段核心能力，處于正向第五階段穩步邁進的關鍵進程中。

此刻，隨著統一的Physical AI Model（世界模型）技術不斷突破，機器人可以不再停留在學習人類制定的規則的階段了。

酷哇技術團隊的理念很直接：“不論是未來，還是當下，我們認為應該是由一個統一的Physical AI Model同時Handle所有的能力，而不是現在很多人在嘗試的解耦處理。”

這樣的理念體現在酷哇以BEV World Model為基座的技術路線中。它通過海量數據預訓練，能預測模糊的未來狀態，并直接解碼出Action（動作）。這種能力類似“直覺”：風吹動垃圾，它知道垃圾可能會漂到哪；與墻靠太近，它明白撞上去會帶來后果；路口通行，它評估對方的意圖與潛在風險。這讓系統擺脫了以往先建圖、再規劃、再控制的工程邏輯堆砌的限制。

同時，機器人在街道上不僅要面對自然物理世界，還要理解人類文明世界：紅綠燈含義、禁停區規則、盲道邊界……這些抽象符號無法完全從像素中推斷。為此，酷哇在統一物理模型之上，加入視覺語言模型（VLM）作為旁路認知系統，解析規則、標志與意圖，并以策略提示的方式引導行動。廖文龍給了一個形象的比喻：“VLM就像人類大腦，在必要的時候深度思考，再引導運動中樞。”

機器人擁有直覺和大腦之后，強化學習則讓這種機器人不斷變得更可靠、更穩健。在模擬環境中試錯，解決的不只是從未見過的長尾場景，也包括多動作耦合時的策略一致性。掃地、貼邊、避障在統一模型下共同學習，效率與安全兼顧。

廖文龍總結：“簡單來說，我們的架構可以概括為World Action Model（世界動作模型）+ VLM（視覺語言模型）。”

在實際落地中，為了能真正實現“開箱即用”，酷哇在模型體系中加入了兩項關鍵能力：一是自記憶（Self-Memory）機制，機器人到達新環境后，系統自動將首次及后續見到的道路結構和關鍵特征寫入世界模型，實現“一次學習，長期適配”以及“越來越熟練”；二是策略提示（prompt）調節，針對不同地區的通行規則（如新加坡左行、國內右行）以及作業要求（比如重點保障區域），通過改變提示詞即可切換行為策略，無需重新訓練模型。這使得機器人能夠快速進入生產狀態，將技術能力轉化為真實運營效率。

最終，一個連續完整的、正反饋的智能鏈路成型：理解世界、預測后果、決定行動、在試錯中變好、適應城市變化、遵循人類規則。AI終于真正進入了物理世界。

而讓這些智能鏈路真正跑起來的背后，是酷哇過去十年的長期主義積累——不是為了趕在風口之巔亮相，而是為了解決那個最難、卻最有確定價值的問題：機器人如何擁有真實的生產力。

這也解釋了為何同樣喊著“做機器人”的公司，有的還停留在PPT，有的只能在展會里展示設定好的動作，而酷哇的機器人已經在城市里獨立工作。

十年積累，數據、硬件、行業理解

在具身智能這個講究長期投入、深厚工程能力的賽道上，時間帶來的不是壓力，而是護城河。

酷哇能夠把統一的物理AI模型真正落地，并非偶然。

我們回到酷哇的起點。從第一天起，他們就在探索如何讓機器人擁有真實的生產力，名稱就是最直接的宣言——“酷哇機器人”，而不是“酷哇科技”或者“酷哇智能”——“我們一直想做的是具有生產力價值的AI機器人。”廖文龍告訴我們。

這種底層信念，與團隊的技術背景高度一致。酷哇創始人兼CEO何弢，是自動駕駛特征驅動算法理論提出者，本科畢業于上海交通大學電子信息專業，碩士與博士階段在日本東京工業大學就讀，畢業后回國在上海交通大學任教；CTO廖文龍本科研究控制理論，博士階段轉向AI；團隊大部分人都是技術背景。

在十年前，酷哇選擇進入環衛領域，但在深入了解行業后，團隊發現，環衛機器人在移動之外還要與復雜環境交互并且要保持作業，也正是因此，當互聯網熱潮與資本風口驅動Robotaxi跑馬圈地時，酷哇選擇了更艱難、更慢的道路：先在真實的城市服務場景里把機器人磨出來。

過去十年，他們在三個維度形成了深度積累：

一方面是對硬件底層的掌控力。酷哇從硬件設計到制造，以及底層的軟件都是自研。這些能力是類似于宇樹在關節電機、運控等硬件上的積累。

另一方面，他們積累了50PB的高質量真機數據。相比乘用車主要集中在主干道，酷哇擁有大量人行道、公園、輔道等稀缺場景的數據。并且，在不斷的數據積累中，酷哇建立了一套高效的數據挖掘和自動化標注工程，利用自監督學習（用未來時刻監督當前時刻）和VLM（視覺語言模型）進行自動化標注。

一個好的產品，不只是靠數據和硬件，還要有對場景的深入理解，這也酷哇十年來積累的另一個優勢。什么的場景應該用什么的作業策略？是用水沖還是清掃？是快速目標最終還是遍歷式作業？什么時候甚至是打破交規進行作業？什么樣的路邊垃圾算是違規？這些標準來自多年的經驗，也成為行業后來者難以追趕的壁壘。

十年的迭代，使酷哇形成了行業里極為罕見的統一能力，既能打磨一臺工程可靠的機器人，也能訓練一套真正能理解環境并執行任務的世界模型，并且二者能夠相互強化。

最重要的是，在不斷的技術突破和思考中，酷哇逐漸找到了Physical AI Model的思路和解法，這為酷哇之后的技術躍遷打下了基礎。

硬件掌控、數據積累、場景認知、技術解法，這幾項能力，在大多數具身智能公司身上是割裂的，但酷哇卻能把他們全都為我所用。

在具身智能這條尚未鋪好的道路上，對于長期難題的耐心，以及對難而正確方向的執念，是酷哇走到現在的原因。所以，當統一的世界模型技術浪潮到來時，酷哇真正抓住了這次躍遷的機會。

更廣闊的市場，更具想象力的機會

要判斷一項技術是否成熟，商業閉環是否跑通是最直接的標準。能否替代人工？能否規模化？能否適配不同城市？能否在長期運營中保持效率？這些問題的回答，必須足夠確定。

依托過去十年的自研積累，酷哇已經掌握了成本、能力與場景之間的平衡點，在商業化上走得穩且深。

一臺酷哇AI環衛機器人，在相對理想的工況下每天可完成約20~30公里的作業量，相當于5-10名環衛工人的工作強度。即便參照3萬/人/年的環衛工下限工資，酷哇的機器人依然能產生正向毛利。

而機器人硬件成本遠低于這一數字。過去幾年，酷哇通過自建工廠深度介入硬件制造，從底盤到作業裝置都實現高度自研，使BOM 成本相比初代產品下降了 70%以上。這不僅讓產品具備可規模化復制的經濟性，也讓酷哇有能力在供應鏈中掌握定價權。

費用結構的變化，還來自關鍵技術路徑的正確選擇。酷哇在智能駕駛與作業決策上采用視覺主導的方案，成功去掉了高成本激光雷達，把成本大頭集中在高算力芯片上。原因很簡單：只有真正跑得動大模型的算力，才能實現穩定的全無人化運營，讓AI的價值不折損地體現在單位效能提升中。

換句話說，機器人替代人工的經濟性，不只是硬件降成本，更是AI提效率。酷哇通過硬件自研放大了AI的價值，通過場景落地驗證了AI的效益，從而在商業端建立起可持續的規模優勢。

技術落地的成熟度，最終體現在規模擴張的速度上。目前，酷哇的環衛機器人已在國內進入常態化運營，并陸續走向海外。在新加坡、中東等市場，團隊通過快速泛化解決左舵/右舵差異，并完成當地自動駕駛準入測試，技術與商業能力都經受住了跨區域環境的驗證。

酷哇產品全家福

商業壁壘之外，更重要的是未來想象空間。

既然已經具備了第五檔的智能能力（無圖化部署、開箱即駕駛及作業，并且機器人能自主規劃作業路線及作業腳本并實時調整），那么酷哇機器人的邊界，必然不止于掃地。

環衛只是城市服務體系的一部分，它周圍還有大量傳統環衛車覆蓋不了，但又同時是“臟、累、危險”且“復雜”的任務，比如綠化帶撿垃圾、清理墻面“牛皮癬”、掏垃圾桶等。

酷哇已經看到這一片增量市場。今年推出的小型機器人R0，就是對這一難點的回答——采用輪足式結構，半人形，具備雙臂操作能力，可以在更復雜、更狹窄的環境中展開工作。目前，“R0”已經可以進行撿拾作業的測試，酷哇的規劃是，R0能在短期內解決操作泛化問題，未來進入物業服務領域，實現一機多能，既能ToB又能ToC。

酷哇輪足機器人“R0”搭載智慧母艦進行作業

對酷哇而言，R0成為了一張進入未來城市服務基礎設施的入場券。

宏觀視角看，環衛與清潔自動化并非小眾機會，無論將其定義為廣義的清潔機器人市場，還是聚焦于街道清掃與市政環衛這一細分領域，其規模和增長潛力都足以支撐成熟而穩定的商業回報。財政部2024年全國一般公共預算支出決算表數據顯示，城鄉社區環境衛生支出達2426.49億元。

更重要的是，這是一個不會消失、規模還會持續擴大的市場。隨著城市化不斷推進、人口老齡化加劇、人工成本上升，以及城市環保與衛生標準的普遍提升，傳統依賴人力或半機械化清掃的模式，面臨日益嚴重的勞動力緊缺與效率瓶頸。

而現實中，全球大多數城市的街道清掃仍主要依賴傳統人力與機械，這就給像酷哇這樣率先完成技術與運營落地的公司留下了巨大的先發優勢——誰能率先建立起穩定、可復制、可擴展的無人環衛系統，誰就有機會成為這一市場標準與供應體系的主導者。

這將是中國公司的機會。

中國的硬件產業鏈成熟度和工程師紅利，是具身智能時代的核心競爭力：從底盤、傳感器到高算力集成，中國企業可以以更快速度、更可控成本完成工程化迭代，并在真實場景中形成閉環驗證。同時，中國擁有全球最大、最復雜、最密集的市政環境與運營需求，這為環衛機器人提供了其他國家難以復制的訓練土壤與商業場景。

也就是說，以酷哇機器人為代表的中國機器人力量，將很可能反向輸出世界標準，讓中國公司在具身智能時代再次站在全球前列。

未來的某一天，我們回頭看，或許會意識到：具身智能真正的起點，是城市街道上的一臺并不起眼的環衛車。