全球前2%科学家加盟酷哇科技：具身智能下半场，比的是生产力交付

8月3日，世界模型驱动的城市场景具身智能全栈方案商酷哇科技（COOWA）宣布，正式聘任人工智能领域知名学者杨学博士担任公司首席科学家。同时，公司近期将与上海交通大学启动筹建“上海交通⼤学-酷哇科技通⽤具身智能联合实验室” (Embodied General Intelligence Lab)，进一步深化产学研前沿布局。

随着具身智能行业逐步迈入深水区，单点技术突破正面临真实商业环境复杂性的严峻考验。算法、硬件与场景的深度融合，已成为行业跨越规模化鸿沟的关键。此次首席科学家的引入与校级科研平台的落地，标志着酷哇科技正加速构建从“前沿多模态大模型”、“海量真机物理数据”到“城市级规模化量产”的全栈商业闭环。

系统性重构“双层协同智能体”

COOWAM 架构全面演进

真实商业环境中存在着复杂的动态博弈，单纯依赖扩大模型参数量的路径，正面临泛化能力不足与试错成本高昂等挑战。面对共享出行、市政环卫、物业服务等开放场景中“动态博弈与高频物理交互”并存的作业需求，酷哇在业内率先推出了原生融合“快慢思考”的双层智能体世界模型——COOWAM（Co-Optimized World Action Model）。

杨学博士作为上海市启源学者及CCF优秀博士学位论文奖得主，曾连续三年入选斯坦福全球前2%*科学家榜单。他在单体多模态大模型、复杂目标检测及弱监督学习等领域获得了广泛的国际学术认可。

有别于传统理论研究，杨学博士具备深厚系统工程化能力，他的加盟将驱动COOWAM 具身大模型迎来系统级进化：

Urban VLM + PVM：重塑“慢思考”长程认知大脑与价值裁判

在 COOWAM 架构中，Urban VLM 扮演着“人类社会世界模型”的角色，负责学习任务语义、城市服务行业 SOP 和运行规则。杨学博士在此前多模态大模型领域的技术积累，为 Urban VLM 构筑了更强大的跨模态通用视觉基座。

更关键的是，其在自动化奖励设计方向的前沿探索，将深度赋能 COOWAM 内部的 PVM（生产力价值评估）模块。在指令执行前，PVM 能够将物理动作和环境状态重新映射到语言语义空间，与任务目标及历史记忆共同进行推理，持续判断当前策略是否能够创造生产力价值。这有效规避了机器人在真实物理世界中的“奖励作弊”现象，实现了系统决策与商业应用目标的精准对齐。

CooWAIM 2.0：构建百毫秒级“快思考”交互式推演底座

在微观物理执行层面，WAIM（交互式世界动作模型）负责赋予机器人物理直觉，推演动作可能带来的未来状态并不断调整当前动作。结合杨学博士主导的 MMRotate 等高精度感知算法，升级后的 CooWAIM 2.0 将进一步聚焦机器人决策最关键的 0～4 秒短时未来窗口。该架构优化了传统的长视频预测路径，在紧凑的潜空间内实现低延迟的双向交互，形成“动作  未来状态  动作修正”的交互式闭环，进一步打通了设备从“机械臂控制”、“*人称视角（Ego）认知”到“高自由度灵巧操作”的系统性演化路径。

       突破数据标注瓶颈

弱监督学习转动万台量产飞轮

具身智能产品从实验室走向复杂城市场景，*的商业化壁垒在于高质量“真机纠偏数据”的获取与高昂的人工标注成本。目前，酷哇科技已在全球50余座城市及地区部署万台级设备，累计运行里程超5500万公里，并构建了包含“动态场景、物理交互、真机纠偏”三个层级的 50PB高保真物理数据金字塔。

如何更高效地盘活这些数据，是决定具身大模型迭代速度的核心命题。

杨学博士在弱监督学习与模型后训练领域的学术成果，为解决这一行业痛点提供了有效路径。依托酷哇自研的 Physical AI Data Foundry（物理AI数据工厂），该技术的引入不仅能显著压缩核心数据的标注成本，并自动化完成各类极端长尾场景（Corner Cases）的挖掘与校准。这使得酷哇进一步跑通了“获取商业数据 ➔ 低成本数据工程化提炼 ➔ 依托产业创新大模型 ➔ 新模型落地反哺商业”的业务链路。

在高质量数据飞轮的持续驱动下，这一数据闭环将直接反哺 COOWAM 具身大模型，提升其在复杂空间认知与长程任务中的泛化能力，进一步支撑系统向具备高商业鲁棒性的世界模型稳步演进。

软硬一体“一脑多态”

加速 Physical Agent 规模化落地

近期，工信部、国资委联合启动《2026年度人形机器人与具身智能实景实训专项行动》，明确提出加速构建“实景实训—数据沉淀—产品迭代—规模部署”闭环，并鼓励凝练高价值应用场景，带动形成万台级规模落地能力。

酷哇科技聘用杨学博士及共建联合实验室的战略部署，与国家产业行动路线高度同频。依托杨学博士参与工信部国家科技重大专项的经验，未来的联合研发将与国家重点产业需求保持紧密对接。

在端侧部署方面，研发团队将结合酷哇自研的 CRPilot 实时系统，通过隐式表征蒸馏技术有效压缩算力负载，实现算法大脑与物理硬件的底层解耦。这意味着，酷哇的通用具身大脑不仅确立了“UMI及真机遥操数据 — *人称Ego数据 — 高自由度灵巧操作”的预训练演进路线，且能良好兼容通用移动与通用作业能力，灵活驱动轮式机器人、无人驾驶小巴、四足机器狗及泛人形机器人等多种形态的硬件设备。

科研依托产业，产业反哺科研。未来，酷哇科技将携手杨学博士与上海交通大学，积极响应国家关于打造实景实训空间与组建创新应用联合体的号召。公司将坚持以统一模型驱动不同形态机器人的技术架构，以商业闭环和真实世界运营数据作为技术验证准则，稳步推进具身智能在复杂城市治理、智能制造等场景中的规模化落地应用。