2月5日，行业领先的城市通用 AI 『机器人』️服务提供商酷哇科技(Coowa )正式发布 Coowa WAM 2.0 (World-Action Model) 通用世界模型底座，并披露公司已率先实现年度 EBITDA(息税折旧摊销前利润)回正。
这一里程碑式成果，标志着酷哇已构建起“技术底座+商业规模”的双轮驱动体系，正式开启万台级“城市新基建”的规模化部署。
三大矩阵驱动，构建全场景智能生态
不同于行业早期的单点技术验证模式，酷哇依托通用的 Physical AI 底座，构建起成熟的“智慧出行 + 智慧物业 + 智慧城市管家”三大业务矩阵，为万台级规模化交付提供了坚实场景：
•智慧出行领域： 酷哇自研的自动驾驶小巴 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，由轮足『机器人』️ R0 与四足『机器人』️ D0 组成的“黄金搭档”，正逐步确立写字楼及高端住宅中的创新服务范式。
•智慧城市管家领域： 以“麒麟”X3、“独角兽”X1 为代表的『机器人』️军团，凭借成熟的规模化应用能力，持续巩固酷哇在城市精细化治理中的行业标杆地位。
唯一集齐“北上广深”版图的行业领跑者
在商业化落地的广度与深度上，酷哇已构筑起极高的行业壁垒。截至目前，酷哇是行业内唯一一家同时进驻北京、上海、广州、深圳四个超一线城市开展常态化城市服务业务的『机器人』️企业。一线城市业务占比从 2022 年的不足 2% 跃升至 2025 年的 25%。这种在高人流密度长尾场景下的常态化运营，不仅验证了酷哇产品的极高适应性，更确立了其在城市服务领域的绝对领先地位。
这一爆发式增长，本质上是市场红利与酷哇极致交付能力的双向奔赴：
•『机器人』️在城市服务领域刚需爆发： 公开数据显示，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%，这表明市场对城市智能『机器人』️的需求已正式从“试点尝鲜”转为“刚需认可”。
jrhz.info•市占率持续领先： 在单项目投入10台以上的规模化订单中， 酷哇市场占有率约80%，交付能力居市场最高水平。
•长期价值认可：2025年客单价较2022年增幅达106%，单客户年均付费金额的大幅提升，充分印证了客户对酷哇长期价值的深度认可。
从“技术供给”到“全球生态”，完成战略跃迁
酷哇之所以能实现 EBITDA 回正与规模化爆发，究其原因，是已完成从单一技术厂商向“城市通用 AI 『机器人』️服务提供商”的战略跃迁，并实现了国内与海外的双向赋能：
•“央企+城服”双轮驱动：在国内市场， 酷哇近期连续与浦发集团、北控集团、亦庄控股、盈峰环境、玉禾田、金地物业等大型国央企和上市公司达成深度合作，锁定了长期稳健的订单基本盘。
•海外加速全球布局： 在准入标准极为严苛的新加坡与阿布扎比，酷哇的商用『机器人』️车队已实现常态化运营。同时，公司积极拓展东亚、中东、西欧等发达国家区域。
这标志着酷哇的技术已具备跨越法规与工况差异的全球普适性，正凭借软硬一体的极致交付能力，加速向全球输出中国智造的“城市通用 AI”方案。
以Physical AI 全栈通用底座，定义城市具身智能新范式
为何酷哇能实现"万台级"的规模化跃升并攻克全球高端市场？
行业的解题思路已十分清晰：面对真值数据稀缺与长尾场景无穷尽的挑战，必须构建一套系统化且具备商业造血能力的规模化模式。唯有通过商业闭环的无限运转，才能在物理世界中“穷尽”海量的真值数据，进而反哺技术的迭代。
酷哇的破局之道，在于构建了“通用 AI 系统(大脑) + 规模化商业场景(身体)”的双轮驱动体系。
首先，在核心的模型侧，酷哇打造了一套类生物『神经系统』的 Coowa Physical AI 全栈平台。该平台精密划分为模型层、基础设施层与应用层，三者协同运作，帮助跨场景『机器人』️实现了从感知世界到改造世界的完整闭环。
第一层：模型层 (The Model Layer)—— Coowa WAM 2.0 通用世界模型
针对物理世界中“长尾场景(Corner Case)不可穷举”与“零样本决策”的行业痛点，酷哇引入人类认知机理，构建了集“System 1 (直觉响应) + System 2 (逻辑推理)”于一体的双核驱动架构——Coowa WAM 2.0。该架构不再依赖单一规则，而是通过“快慢思考”的协同，实现了对复杂环境的类人化理解。
1.1 System 1：直觉行动系统 (Intuition-driven Action Generator)
在瞬息万变的开放环境中，直觉行动系统构成了『机器人』️的“快思考”中枢。它不再依赖耗时的逻辑搜索，而是基于 Real-to-Sim-to-Real 闭环，利用 AIGC 技术在潜空间(Latent Space)中直接推演未来。
通过反事实推演(Counterfactual Reasoning)，模型能基于直觉快速并行生成多组动作候选，并提前预判物理后果。这种机制相当于在行动前完成了亿万次虚拟试错，让『机器人』️即便在突发状况下，也能凭借“经验直觉”生成最优解，实现 Drive 与 Work 的无缝耦合及实时响应。
1.2 System 2：UrbanVLM 宏观约束 (Vision-Language Model Constraints)
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)，酷哇引入自研的 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更高层的“语义围栏”。
•云端深思 (UrbanVLM Large, 32B)： 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。
•端侧推理 (UrbanVLM Tiny, 3B)： 部署在『机器人』️边缘侧的小参数模型，负责百毫秒级的高维理解及策略约束。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”，根据常识约束底层的策略使进行必要的保守礼让并停止工作。
此外，基于 WAM 底座，又衍生出两大核心引擎：
