部署万台机器人后，酷哇科技官宣首席科学家，要让世界模型交付生产力

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。

如果说杨学的加盟补强了酷哇在模型研发、弱监督学习和数据工程化方面的能力，那么与上海交通大学筹建联合实验室，则为这套技术路线提供了长期的产学研协同平台。据酷哇介绍，双方将围绕具身智能与世界模型开展持续研究，并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。

物理世界的Scaling Law，要在规模化应用中验证

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。但机器人面对的是动态、开放的物理环境。同一个动作放在不同本体、任务和场景中，可能产生完全不同的结果。

因此参数越多、数据量更大，并不必然意味着机器人在真实世界中具有更强的泛化能力。

从酷哇的技术路径来看，其试图在物理世界探索的 Scaling Law 建立在另一条核心原则之上：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，规模化部署解决的是数据的“量”，而通过弱监督、后训练等方法把海量数据转化为高质量训练信号，解决的是数据的“质”，关乎模型迭代的效率。

酷哇的50PB数据只是起点。关键是这些数据能否通过自动化筛选、人工纠偏反馈等机制，高效转化为模型能力增量，进而改善机器人在真实作业中的成功率、稳定性、安全性和经济性。

这正是酷哇引入杨学的核心价值：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。

这套系统的难能可贵之处在于，它不只是依赖某个新技术或新方法，而是围绕万台级真实部署建立起一整套自动化数据挖掘、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，这些真实世界的不确定性和酷哇在实际运营中积累的每一条修正策略，才是真正难以复制的壁垒。

最终，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。

酷哇要持续证明的是，通过这套闭环体系，COOWAM这颗“具身大脑”能否在从一个城市拓展到更多城市的更多场景时，持续创造客户愿意付费的生产力价值。