酷哇科技聘任杨学博士为首席科学家 与上海交大筹建通用具身智能联合实验室

近日，世界模型驱动的城市具身智能全栈商酷哇科技宣布，正式聘任人工智能领域学者杨学博士担任首席科学家。同时，酷哇科技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。

首席科学家加盟

杨学博士正式出任酷哇科技首席科学家。首席科学家通常为企业技术研发的领军人物，负责核心技术路线制定与前沿方向探索。杨学博士在人工智能领域的研究积累，将帮助酷哇科技强化在世界模型和具身智能方面的技术能力。

联合实验室启动筹建

酷哇科技与上海交通大学即将共同筹建通用具身智能联合实验室。该实验室英文名称为Embodied General Intelligence Lab，定位于通用具身智能的基础研究和应用开发。联合实验室将结合上海交大的学术优势与酷哇科技的产业经验，推动产学研深度融合。

名词解读：世界模型

酷哇科技定位为“世界模型驱动的城市具身智能全栈商”。世界模型是一种模拟环境动态并预测未来状态的智能技术，是具身智能系统实现自主决策的核心支撑。

名词解读：城市具身智能与全栈商

城市具身智能指应用于城市环境中的物理智能体，涵盖多种形态。而“全栈商”意味着企业拥有从底层算法、硬件到场景集成的完整能力，能够提供一体化解决方案。

名词解读：通用具身智能

“通用具身智能”强调具身智能体在多种任务与场景中的适应能力，与专用型相对应。联合实验室以此命名，表明双方将致力于突破具身智能的通用化关键技术。

杨学博士的加盟与联合实验室的筹建，是酷哇科技深化产学研布局的双重举措。

• 杨学博士作为首席科学家将主导公司技术战略。
• 联合实验室将促进通用具身智能技术的突破与转化。
• 合作有助于酷哇科技在城市具身智能领域形成技术闭环。

酷哇科技方面表示，未来将依托新的人才与平台资源，持续推动城市具身智能技术迭代与应用落地。

酷哇科技推出COOWAM具身大脑 行业首创“快慢思考”双层世界模型

酷哇科技近期在人才引进与校企合作上同步发力，两项动作均指向同一目标：提升场景数据向模型能力的转化效率，并升级面向多形态机器人的统一模型大脑，从而向更多产业应用拓展。酷哇认为，算法、硬件和场景的协同决定落地能力，而真实世界数据能否被持续获取并高效转化，则直接影响模型的迭代速度。

万台级部署沉淀50PB数据 核心挑战指向长尾场景

酷哇是国内少数进入商业运营阶段的具身智能企业之一，当前业务已覆盖全球50多个城市和地区，形成万台级机器人的真实部署。这些商业项目成为酷哇获取数据的重要入口，为其沉淀约50PB的物理世界数据。

“数据规模并不会自动转化为可复用、可迁移的模型能力，更不会自然形成面对新任务、新环境时的泛化能力。”酷哇指出，核心挑战是从海量数据中识别高价值样本、挖掘极端长尾场景，并将原始数据转化为有效训练信号，持续提升模型在新任务、新环境中的稳定性和泛化表现。

这一挑战也被视为酷哇从数据积累走向规模化应用必须跨越的门槛。

不是造通用机器人 而是迭代一颗通用大脑

酷哇长期深耕城市服务场景，在规模化运营中积累机器人系统能力和物理世界数据，逐步形成以世界模型驱动不同形态机器人的技术路径。这也是酷哇将自身定位为“具身大脑公司”的基石。

这颗通用具身大脑被命名为“COOWAM”（Co-Optimized World Action Model），是当前行业首个原生融合“快慢思考”的双层智能体世界模型架构。其设计分为两层：

• 上层：Urban VLM（多模态视觉语言模型）——负责长程任务理解与规划，内嵌PVM（生产力价值评估）模块，用于决策与商业应用目标的价值精准对齐。
• 下层：CooWAIM（交互式世界-动作模型）——聚焦机器人行动后0～4秒的短时未来窗口，负责低延迟的物理交互推演和实时动作调整。

解读：COOWAM的双层结构实现了高层规划与底层执行的分工。“快思考”对应下层的即时推演，“慢思考”对应上层的长程规划，两者协同可提升机器人在复杂场景下的响应速度与任务完成质量。

人才合作与场景闭环 加速数据价值转化

通过引进顶尖人才和推进校企合作，酷哇希望进一步打通“数据获取—样本识别—模型训练—商业落地”的闭环，让50PB物理世界数据中隐藏的长尾样本得到有效挖掘，从而提升模型泛化能力。这种以真实运营数据驱动模型迭代的做法，也为具身智能从实验室走向规模应用提供了一条可参考的路径。

杨学加入酷哇 推动世界模型COOWAM系统化升级

据酷哇披露的信息，人工智能领域学者杨学已加入该公司，其研究成果将主要应用于酷哇世界模型COOWAM的系统化升级。杨学是上海市启源学者及CCF优秀博士学位论文奖得主，连续三年入选斯坦福全球前2%顶尖科学家榜单，在TPAMI、IJCV、CVPR、NeurIPS、AAAI等期刊及会议发表论文70余篇，谷歌学术引用超1.3万次，研究覆盖单体多模态大模型、复杂目标检测及弱监督学习等方向。

模型分层设计：慢思考与快思考协同

按照酷哇的规划，在“慢思考”层，杨学将结合多模态与奖励设计方向的技术突破，强化Urban VLM对长程任务的理解与规划能力，并提升PVM对系统决策与商业应用目标的精准对齐能力。在“快思考”层，其在复杂目标检测和高精度感知方面的积累，将为CooWAIM的感知与空间表征提供技术支撑。

杨学在单体多模态大模型、复杂目标检测及弱监督学习等领域积累了领先国际的研究成果。

同时，酷哇将继续推进模型由机械臂控制、第一人称视角认知向高自由度灵巧操作演进。这意味着技术路线正从简单的抓取控制向更具灵活性的精细操作发展，扩展世界模型在物理世界中的应用维度。

数据工程化：从一次升级到加速进化

让COOWAM落地于充满动态变化与高频物理交互的复杂城市场景，在酷哇看来，还需突破数据工程化的瓶颈——不只是有数据，更要高效转化数据，形成持续的模型迭代闭环。

酷哇将真实世界数据划分为三个层级：

• 动态场景数据：帮助模型理解不断变化的现实环境
• 物理交互数据：记录机器人动作与环境反馈之间的关系
• 真机纠偏数据：用于识别和校准模型在极端长尾场景中的能力边界

这三个层级从环境感知到动作执行再到边缘案例，覆盖了世界模型闭环迭代的关键环节，为模型的持续进化提供了基于真实场景的数据驱动支撑。

酷哇物理AI数据工厂升级 弱监督学习提升数据转化效率

不同层级数据的筛选和标注成本，以及高质量真机纠偏数据的挖掘难度，是酷哇当前模型迭代过程中的主要痛点。这些数据共同构成了酷哇COOWAM持续迭代的基础。为破解这些痛点，酷哇将引入杨学在弱监督学习和模型后训练方向的研究成果，推动自研的物理AI数据工厂进一步升级。

升级聚焦两个维度

数据工厂将从两个维度提升数据转化效率。一是更智能地从海量动态场景和物理交互数据中识别高价值训练样本，加速高质量数据的筛选。

二是充分利用真实运营产生的各类反馈信号，包括人工接管、动作修正等，来加速模型后训练迭代，减少对人工标注的依赖。

弱监督学习是指利用弱标注或粗粒度标签进行训练的方法。酷哇认为，杨学在该方向的研究将帮助数据工厂更高效地从海量数据中定位高价值样本。

“一脑多态”架构形成数据闭环

升级后的数据工厂将赋能酷哇的世界模型。该模型采用“一脑多态”架构，能够自然地适配至不同形态的机器人。

随着机器人部署场景增加，产生的真实运营数据经过数据工厂的筛选和后训练后，反哺模型迭代。迭代后的模型再适配至更多本体和新场景，由此形成持续闭环。

场景部署—数据反馈—模型优化—多态适配—更多数据

在这一闭环下，机器人每进入一个新场景，都能产生反馈数据用于模型优化，从而不断降低数据筛选与标注成本，提升真机纠偏数据的利用效率。

酷哇引入杨学与交大筹建联合实验室 探索物理世界Scaling Law

机器人公司酷哇（COOWAM）近日宣布，杨学正式加盟，将主要提升公司在模型研发、弱监督学习和数据工程化方面的能力。同时，酷哇正与上海交通大学筹建联合实验室，围绕具身智能与世界模型开展研究，推动技术从前沿走向工程化验证。

万台级部署与50PB数据夯实工程基础

据酷哇介绍，公司已在多城市运营中积累约50PB的真实世界数据，并实现万台级机器人部署。在此基础上，酷哇构建了自动化数据挖掘、标注、模型迭代和实时反馈的工程体系。

每座城市的地形、气候和场景差异带来的不确定性，以及实际运营中积累的修正策略，构成了难以复制的竞争壁垒。规模化部署解决的是数据的“量”，而数据工程化能力决定数据的“质”。

物理世界Scaling Law：数据质量优先于规模

大语言模型的Scaling Law通常建立在参数、算力和训练数据的持续扩张之上。但机器人面对动态开放的物理环境，同一动作在不同本体、任务和场景中可能产生完全不同的结果。

酷哇认为，物理世界的Scaling Law应建立在另一条核心原则：相比数据规模，更关键的是让海量真实世界数据与模型持续迭代的效率相乘。通过弱监督、后训练等方法将海量数据转化为高质量训练信号，直接影响模型迭代效率。

“物理世界的Scaling Law不能只在实验室中定义，必须在真实规模化应用中验证。”酷哇表示。

弱监督学习与数据工程化：杨学加盟的核心价值

弱监督学习是一种利用少量精确标注或大量弱标注数据训练模型的方法，介于监督与无监督学习之间。酷哇将其作为提升数据质量的关键手段。

杨学在模型研发、弱监督学习和数据工程化方面的经验，将帮助酷哇提升数据工程化效率，缩短从问题发现到模型能力的转化周期。这套系统不依赖单一新技术，而是围绕万台级真实部署建立起自动化数据挖掘、标注、模型迭代和实时反馈的完整闭环。

产学研协同推动具身智能工程化验证

与上海交通大学的联合实验室将围绕具身智能与世界模型持续研究，探索科研成果转化与人才培养，推动相关技术从前沿研究走向工程化验证。

酷哇希望通过这套闭环体系证明，其“具身大脑”在从一个城市拓展到更多场景时，能持续创造客户愿意付费的生产力价值。

• 积累约50PB真实世界数据，实现万台级机器人部署
• 建立自动化数据挖掘、标注、模型迭代和实时反馈闭环
• 重点提升数据质量，通过弱监督、后训练等方法转化数据为模型能力
• 与上海交大联合实验室研究具身智能与世界模型