十大炒股软件最新排行下一个千亿级风口：Physical AI在街头重新定义城市服务

这两年，全球的目光都聚焦于生成式AI与人形机器人十大炒股软件最新排行，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。

酷哇科技在近期的国际环卫机器人赛事中获奖一览

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。

酷哇“独角兽”机器人展示作业能力

智能链路的搭建，让AI进入物理世界

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。

酷哇产品全家福

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。