这两年，全球的目光都聚焦于生成式 AI 与人形机器人，前者重塑了人与信息的交互方式，后者被视为通往通用智能的关键载体。

但在热闹的技术叙事之外，真正能够落地、创造现实生产力的机器人，已经悄悄行走在城市的街道上。它们出现在马路牙子边、立交桥下、人行道的盲区，这些最容易被人忽视却充满灰尘与危险的地方；它们从清晨五点开始作业，替代着千千万万辛苦、繁重甚至存在安全风险的工作。

在中国，环卫是一个规模庞大、痛点突出的行业：劳动密集、招工困难、安全风险高、作业标准严苛。但也恰巧因为这样，并不性感的环卫场景才能够衡量其智能价值。

酷哇机器人选择从环卫场景出发，也是出于这个逻辑。" 酷哇选择的路径比较务实，我们以城市服务为核心，以环卫为起点，深耕城市中的 Dirty Work（脏活累活），通过机器人释放劳动力。" 酷哇机器人 CTO 廖文龙说。

2025 年 10 月，酷哇机器人发布具有双臂操作能力的小型机器人 R0，不仅能承担市政作业任务，也为进入物业等更复杂场景。与此同时，酷哇斩获 36 氪 WISE2025「年度 AI 应用场景突破企业」，并在深圳国际人工智能环卫机器人大赛中夺冠，其场景落地与技术创新得到了双重验证。

也就是说，如今酷哇机器人不仅能打扫干净街道，还能解决更多复杂任务。从自动驾驶环卫车，到市政具身智能机器人的跃迁，酷哇已经深入了进去。

或许，这代表着具身智能的落地革命，将从城市街头开始。

找到当下的具备生产力价值的落地场景

在很多人的想象中，家里的扫地机器人能扫室内，换到室外放大就能扫马路。似乎清洁的本质相同，无非是体积与功率的差别。

他们确实有相似之处，所有面向物理世界的机器人，本质上都需要两类能力：一是能够在环境中自主移动（Navigation），二是能够执行特定任务（Operation）。" 从这点上讲，RoboTaxi、环卫车、家用扫地机都是这两个维度不同能力的组合。" 廖文龙进一步解释。

然而，一旦落到真实场景中，从感知体系到决策能力，从任务目标到安全边界，二者是根本不同的技术物种。

家用清洁是懒人经济的结果，是锦上添花的需求；而环卫作业属于城市运行底层逻辑，是必须完成的任务。相比工业机器人改造流水线，环卫机器人的需求更为迫切和现实——作业环境艰苦、风险高，因此岗位长期存在招工难和人员流失问题。但城市的基础卫生又容不得缺席。

这也是酷哇在一开始做场景选择时的出发点，他们希望具身智能真正改变生产力，正如廖文龙所说：" 我们做 AI 环卫机器人是朝着未来泛化的物理 AI 终点出发，落地到当下的具备生产力价值的 AI 环卫机器人。"

环卫场景是现阶段具身智能的落地方向中，最具商业闭环潜力的入口，同时也是门槛最高的战场。它一方面具备高频、刚需付费的典型 ToB 特征，适合用 ROI 讲清商业价值；另一方面，也天然包含了这一代 Physical AI 最难绕开的四道关，而能打通这四道关的公司寥寥无几，构成了天然的技术壁垒。

第一道关，是环境本身不结构化。马路牙子、窄人行道、绿化带边缘，这些地方没有严格意义上的 " 可行驶区域 "，对人类来说靠直觉完成，对于机器人则要求它真正理解空间关系和作业目的。这倒逼系统从模块化逻辑转向端到端的世界模型，直接理解作业意图。

第二道关，是路口和障碍物博弈带来的动态安全决策。通过十字路口、避让行人和非机动车，本质上是对未来可能后果做推演，而不是纯粹计算当前位置和速度，这对模型的 " 世界理解 " 能力提出了更高要求。

第三道关，是狭窄地方的任务执行存在误差，带来贴边作业的极致精度要求。扫得离路沿远一点，整条缝就会脏一条线；靠得太近，又可能剐蹭路沿或设施。这里既不能依赖粗糙的安全冗余，也很难通过简单的距离阈值解决，需要机器人学会类似人类 " 看后视镜 " 的那种直觉判断。

第四道关，则是移动与作业高度耦合带来的控制难题。环卫车往往是边行驶、边控制滚刷和挡板、边追逐被吹动的垃圾，每个动作调整都会影响整体作业效果和车辆姿态。

正是因为有这些现实而具体的难题，环卫机器人领域的玩家长期不多：稍微做简单一点，就无法真正替代人工；做得足够智能，又会面临极高的技术门槛和长期投入周期。

对酷哇来说，选择环卫，既是基于对产业痛点的判断，也是对自家技术路径的一次正面回应——如果 Physical AI 真的要走进现实世界，这里会是最早被检验、也最早显现价值的地方。

与传统自动驾驶只解决 " 从 A 到 B" 的问题完全不同，环卫场景最大的难点在于怎么让机器人在城市里一边移动一边干活，即机器人必须同时理解空间、理解任务、理解变化中的世界。

过去十年，行业普遍采用 " 解耦 " 的技术框架：感知负责识别障碍，预测负责计算轨迹，决策控制依据若干工程规则调节车身与作业装置。但在开放、动态的环卫场景中，这样的技术体系往往会陷入碎片化：复杂情况越多，规则越堆越厚，整个系统变得脆弱而难以泛化。

酷哇团队始终致力于从根本上优化环卫机器人技术架构。廖文龙介绍，行业内环卫机器人智能能力已形成五级演进体系：

第一阶段：只能在封闭环境沿固定路线执行脚本；

第二阶段：依赖高精地图在公开道路自主完成固定路线行驶及作业；

第三阶段：不严格依赖高精度地图，能实时根据环境调整路线及策略；

第四阶段：物理智能体：开箱即用，可自主规划路线与作业脚本，适配任何城市环境，不随场景变化降级；

第五阶段：端云一体化多物理智能体：多机器人自主协调完成城市服务需求，达到或接近全局最优资源配置。

目前，相比于市面上的同类企业，酷哇已率先稳定落地第四阶段核心能力，处于正向第五阶段稳步迈进的关键进程中。

此刻，随着统一的 Physical AI Model（世界模型）技术不断突破，机器人可以不再停留在学习人类制定的规则的阶段了。

酷哇技术团队的理念很直接：" 不论是未来，还是当下，我们认为应该是由一个统一的 Physical AI Model 同时 Handle 所有的能力，而不是现在很多人在尝试的解耦处理。"

这样的理念体现在酷哇以 BEV World Model 为基座的技术路线中。它通过海量数据预训练，能预测模糊的未来状态，并直接解码出 Action（动作）。这种能力类似 " 直觉 "：风吹动垃圾，它知道垃圾可能会漂到哪；与墙靠太近，它明白撞上去会带来后果；路口通行，它评估对方的意图与潜在风险。这让系统摆脱了以往先建图、再规划、再控制的工程逻辑堆砌的限制。

同时，机器人在街道上不仅要面对自然物理世界，还要理解人类文明世界：红绿灯含义、禁停区规则、盲道边界 …… 这些抽象符号无法完全从像素中推断。为此，酷哇在统一物理模型之上，加入视觉语言模型（VLM）作为旁路认知系统，解析规则、标志与意图，并以策略提示的方式引导行动。廖文龙给了一个形象的比喻："VLM 就像人类大脑，在必要的时候深度思考，再引导运动中枢。"

机器人拥有直觉和大脑之后，强化学习则让这种机器人不断变得更可靠、更稳健。在模拟环境中试错，解决的不只是从未见过的长尾场景，也包括多动作耦合时的策略一致性。扫地、贴边、避障在统一模型下共同学习，效率与安全兼顾。

廖文龙总结：" 简单来说，我们的架构可以概括为 World Action Model（世界动作模型）+ VLM（视觉语言模型）。"

在实际落地中，为了能真正实现 " 开箱即用 "，酷哇在模型体系中加入了两项关键能力：一是自记忆（Self-Memory）机制，机器人到达新环境后，系统自动将首次及后续见到的道路结构和关键特征写入世界模型，实现 " 一次学习，长期适配 " 以及 " 越来越熟练 "；二是策略提示（Prompt）调节，针对不同地区的通行规则（如新加坡左行、国内右行）以及作业要求（比如重点保障区域），通过改变提示词即可切换行为策略，无需重新训练模型。这使得机器人能够快速进入生产状态，将技术能力转化为真实运营效率。

最终，一个连续完整的、正反馈的智能链路成型：理解世界、预测后果、决定行动、在试错中变好、适应城市变化、遵循人类规则。AI 终于真正进入了物理世界。

而让这些智能链路真正跑起来的背后，是酷哇过去十年的长期主义积累——不是为了赶在风口之巅亮相，而是为了解决那个最难、却最有确定价值的问题：机器人如何拥有真实的生产力。

这也解释了为何同样喊着 " 做机器人 " 的公司，有的还停留在 PPT，有的只能在展会里展示设定好的动作，而酷哇的机器人已经在城市里独立工作。

十年积累，数据、硬件、行业理解

在具身智能这个讲究长期投入、深厚工程能力的赛道上，时间带来的不是压力，而是护城河。

酷哇能够把统一的物理 AI 模型真正落地，并非偶然。

我们回到酷哇的起点。从第一天起，他们就在探索如何让机器人拥有真实的生产力，名称就是最直接的宣言—— " 酷哇机器人 "，而不是 " 酷哇科技 " 或者 " 酷哇智能 " —— " 我们一直想做的是具有生产力价值的 AI 机器人。" 廖文龙告诉我们。

这种底层信念，与团队的技术背景高度一致。酷哇创始人兼 CEO 何弢，是自动驾驶特征驱动算法理论提出者，本科毕业于上海交通大学电子信息专业，硕士与博士阶段在日本东京工业大学就读，毕业后回国在上海交通大学任教；CTO 廖文龙本科研究控制理论，博士阶段转向 AI；团队大部分人都是技术背景。

在十年前，酷哇选择进入环卫领域，但在深入了解行业后，团队发现，环卫机器人在移动之外还要与复杂环境交互并且要保持作业，也正是因此，当互联网热潮与资本风口驱动 Robotaxi 跑马圈地时，酷哇选择了更艰难、更慢的道路：先在真实的城市服务场景里把机器人磨出来。

过去十年，他们在三个维度形成了深度积累：

一方面是对硬件底层的掌控力。酷哇从硬件设计到制造，以及底层的软件都是自研。这些能力是类似于宇树在关节电机、运控等硬件上的积累。

另一方面，他们积累了 50PB 的高质量真机数据。相比乘用车主要集中在主干道，酷哇拥有大量人行道、公园、辅道等稀缺场景的数据。并且，在不断的数据积累中，酷哇建立了一套高效的数据挖掘和自动化标注工程，利用自监督学习（用未来时刻监督当前时刻）和 VLM（视觉语言模型）进行自动化标注。

一个好的产品，不只是靠数据和硬件，还要有对场景的深入理解，这也酷哇十年来积累的另一个优势。什么的场景应该用什么的作业策略？是用水冲还是清扫？是快速目标最终还是遍历式作业？什么时候甚至是打破交规进行作业？什么样的路边垃圾算是违规？这些标准来自多年的经验，也成为行业后来者难以追赶的壁垒。

十年的迭代，使酷哇形成了行业里极为罕见的统一能力，既能打磨一台工程可靠的机器人，也能训练一套真正能理解环境并执行任务的世界模型，并且二者能够相互强化。

最重要的是，在不断的技术突破和思考中，酷哇逐渐找到了 Physical AI Model 的思路和解法，这为酷哇之后的技术跃迁打下了基础。

硬件掌控、数据积累、场景认知、技术解法，这几项能力，在大多数具身智能公司身上是割裂的，但酷哇却能把他们全都为我所用。

在具身智能这条尚未铺好的道路上，对于长期难题的耐心，以及对难而正确方向的执念，是酷哇走到现在的原因。所以，当统一的世界模型技术浪潮到来时，酷哇真正抓住了这次跃迁的机会。

更广阔的市场，更具想象力的机会

要判断一项技术是否成熟，商业闭环是否跑通是最直接的标准。能否替代人工？能否规模化？能否适配不同城市？能否在长期运营中保持效率？这些问题的回答，必须足够确定。

依托过去十年的自研积累，酷哇已经掌握了成本、能力与场景之间的平衡点，在商业化上走得稳且深。

一台酷哇 AI 环卫机器人，在相对理想的工况下每天可完成约 20~30 公里的作业量，相当于 5-10 名环卫工人的工作强度。即便参照 3 万 / 人 / 年的环卫工下限工资，酷哇的机器人依然能产生正向毛利。

而机器人硬件成本远低于这一数字。过去几年，酷哇通过自建工厂深度介入硬件制造，从底盘到作业装置都实现高度自研，使 BOM 成本相比初代产品下降了 70% 以上。这不仅让产品具备可规模化复制的经济性，也让酷哇有能力在供应链中掌握定价权。

费用结构的变化，还来自关键技术路径的正确选择。酷哇在智能驾驶与作业决策上采用视觉主导的方案，成功去掉了高成本激光雷达，把成本大头集中在高算力芯片上。原因很简单：只有真正跑得动大模型的算力，才能实现稳定的全无人化运营，让 AI 的价值不折损地体现在单位效能提升中。

换句话说，机器人替代人工的经济性，不只是硬件降成本，更是 AI 提效率。酷哇通过硬件自研放大了 AI 的价值，通过场景落地验证了 AI 的效益，从而在商业端建立起可持续的规模优势。

技术落地的成熟度，最终体现在规模扩张的速度上。目前，酷哇的环卫机器人已在国内进入常态化运营，并陆续走向海外。在新加坡、中东等市场，团队通过快速泛化解决左舵 / 右舵差异，并完成当地自动驾驶准入测试，技术与商业能力都经受住了跨区域环境的验证。

商业壁垒之外，更重要的是未来想象空间。

既然已经具备了第五档的智能能力（无图化部署、开箱即驾驶及作业，并且机器人能自主规划作业路线及作业脚本并实时调整），那么酷哇机器人的边界，必然不止于扫地。

环卫只是城市服务体系的一部分，它周围还有大量传统环卫车覆盖不了，但又同时是 " 脏、累、危险 " 且 " 复杂 " 的任务，比如绿化带捡垃圾、清理墙面 " 牛皮癣 "、掏垃圾桶等。

酷哇已经看到这一片增量市场。今年推出的小型机器人 R0，就是对这一难点的回答——采用轮足式结构，半人形，具备双臂操作能力，可以在更复杂、更狭窄的环境中展开工作。目前，"R0" 已经可以进行捡拾作业的测试，酷哇的规划是，R0 能在短期内解决操作泛化问题，未来进入物业服务领域，实现一机多能，既能 ToB 又能 ToC。

对酷哇而言，R0 成为了一张进入未来城市服务基础设施的入场券。

宏观视角看，环卫与清洁自动化并非小众机会，无论将其定义为广义的清洁机器人市场，还是聚焦于街道清扫与市政环卫这一细分领域，其规模和增长潜力都足以支撑成熟而稳定的商业回报。财政部 2024 年全国一般公共预算支出决算表数据显示，城乡社区环境卫生支出达 2426.49 亿元。

更重要的是，这是一个不会消失、规模还会持续扩大的市场。随着城市化不断推进、人口老龄化加剧、人工成本上升，以及城市环保与卫生标准的普遍提升，传统依赖人力或半机械化清扫的模式，面临日益严重的劳动力紧缺与效率瓶颈。

而现实中，全球大多数城市的街道清扫仍主要依赖传统人力与机械，这就给像酷哇这样率先完成技术与运营落地的公司留下了巨大的先发优势——谁能率先建立起稳定、可复制、可扩展的无人环卫系统，谁就有机会成为这一市场标准与供应体系的主导者。

这将是中国公司的机会。

中国的硬件产业链成熟度和工程师红利，是具身智能时代的核心竞争力：从底盘、传感器到高算力集成，中国企业可以以更快速度、更可控成本完成工程化迭代，并在真实场景中形成闭环验证。同时，中国拥有全球最大、最复杂、最密集的市政环境与运营需求，这为环卫机器人提供了其他国家难以复制的训练土壤与商业场景。

也就是说，以酷哇机器人为代表的中国机器人力量，将很可能反向输出世界标准，让中国公司在具身智能时代再次站在全球前列。

未来的某一天，我们回头看，或许会意识到：具身智能真正的起点，是城市街道上的一台并不起眼的环卫车。