允中 发自 凹非寺

Scaling Law在物理寰球失灵了吗？

大模子重塑数字寰球之后，物理AI成为了下一个征程。

但在自动驾驶之后，通用机器东说念主正濒临着一皆前所未有的工程天堑——

确切物理寰球通达、贯穿且强因果拘谨，任务高度千般、交互对象不可穷举、失败成本极高。

行业正达成新共鸣：

Scaling Law照旧灵验，但仅靠堆砌确切数据已波及天花板。

要杀青限制化进化，通用机器东说念主必须在行动前具备“办法、推演并评估物理寰球”的能力。

于是，寰球模子（World Model），以及进一步的环境与动作搭伙建模架构——World-Action Model（WAM），正在成为物理AI的重要基础模范。

行动具身智能界限的代表性玩家，由上海交大系本领“双子星”——何弢博士与廖文龙博士联手掌舵的酷哇科技（Coowa），近期发布了其中枢本领底座——COOWA WAM 2.0寰球模子。

此次升级秀美着机器东说念主开动从“动作复现”转向“运筹帷幄推理”，完成了从师法者向想考者的跃迁。

师法学习的至极：为什么“闭环数据”不够用了？

往常十年，深度学习的得胜主要缔造在“大限制确切数据驱动的自监督学习”之上，GPT系列恰是这一范式的典型代表。

探求词，淌若将这一逻辑迁徙到机器东说念主界限，却不错发现一个窘态的漫衍外（OOD）陷坑。

言语系统的词汇与语法例矩天然开阔，但终究是有限的，新样本大多落在既有的语义流形之内。而物理寰球毫不交流——状态与交互的组合近乎无穷，且动作的恶果无法仅由历史共现阵势揣度。

在这么的系统中，仅依赖确切数据的师法学习存在一个致命的数学劣势：积存症结（Cumulative Error）。

在长序列的多步决策中，眇小的状态预测偏差或动作践诺症结，会跟着时分和环境反馈被不休放大。

这导致系统赶紧偏离西席数据的漫衍，参预模子从未见过的“未知区域”。一朝参预该区域，机器东说念主行为失稳以至横祸性失效便不可幸免。

更由于物理寰球的不可逆性，咱们无法像西席AlphaGo那样在确切寰球中进行无穷次的试错。高质料交互数据汇集成本高、长尾场景（Corner Case）复现难，组成了物理AI的“数据长城”。

因此，通用机器东说念主必须引入反事实推演（Counterfactual Reasoning）能力——即机器东说念主在践诺动作之前，在脑海中预演“淌若我这么作念，寰球会酿成什么样”。

这恰是World-Action Model (WAM) 存在的趣味。

范式重构：从“感知-践诺”到“推演-决策”

传统的机器东说念主系统衔命“感知（Perception）→ 战略（Policy）→ 截止（Control）”的线性链路。

这种瞎想的局限在于，系统无法内在建模动作的潜在恶果，践诺上是一种高维的“条目反射”。

酷哇科技的COOWA WAM 2.0带来的是一种系统级的范式升级，它是一个可学习的神经模拟器，通过搭伙建模以下三大元素，杀青了可推演的决策能力：

寰球状态：可不雅测的环境与对象表征；

动作候选：机器东说念主本身与他体的可能行为；

状态-动作-结尾：统计探求与因果演化。

在这一架构下，机器东说念主不再盲目行动，而是基于对寰球的办法进行“想想实验”。

硬核拆解：COOWA WAM 2.0的四大本领撑执

为了杀青上述能力，COOWA WAM 2.0在工程上构建了四大中枢模块，好意思妙地会通了“快想考（直观）”与“慢想考（推理）”。

1、基于语义的表征学习 (Semantic Representation Learning)

核心壁垒：临床决策依赖经验判断与人文关怀，AI仅能辅助诊断，无法替代医生与患者的情感互动。例如，手术中医生需根据患者实时反应调整方案，术后需通过沟通缓解患者焦虑，这些均需人类特有的共情力与应变能力。

——机器东说念主的视觉皮层

低层的像素信息难以平直用于决策，机器东说念主需模范路画面背后的语义。

该模块哄骗图像-文本对皆（Masking + 对比学习）本领，索要高层语义特征。

它将纷纭复杂的视觉输入，映射为可办法、可筹备的环境表征（Latent Representation）。

这不仅惩办了感知信息过载的问题，更为后续的直观系统和推理系统提供了搭伙、可迁徙的感知基础，杀青了跨任务与跨场景（如从环卫车到东说念主形机器东说念主）的泛化能力。

2、基于视频生成的异日预测 (Video-based World Dynamics Prediction)

——物理寰球的推演沙盒

这是寰球模子的中枢。

该模块通过对环境状态序列建模，学习物理限定、对象交互和场景演化阵势，MILAN SPORTS有点访佛于Sora的视频生成能力，但它更专注于能源学的一致性。

通过自监督预测西席，它能生成异日可能的动态场景，为机器东说念主提供一个零成本的捏造试验场。

在这里，机器东说念主不错前瞻性地评估动不法果，从而回避现实中的风险，极大裁汰了积存症结的影响。

3、直观行动系统 (Intuition-driven Action Generator)

——系统1：快速反映的第一感

在通达环境中，机器东说念主不可对每一个动作都进行耗时漫长的逻辑搜索。

直观行动系统饰演了“系统1”的扮装。

它基于环境的高维表征和师法学习习得的陶冶限定，不依赖迟缓搜索，而是平直哄骗直观模子预测潜在动作结尾，快速并行生成多组动作候选。

这使得机器东说念主即便在面对突发状态时，也能基于陶冶生成合理的搪塞有研究，保证了反映的及时性。

4、VLM宏不雅拘谨 (Vision-Language Model Constraints)

——系统2：因果逻辑的守门员

直观系统天然快，但容易产生幻觉或违背永恒办法。

此时，需要VLM（视觉言语大模子）介入，饰演“系统2”的扮装。

在COOWA WAM 2.0中，VLM不屈直生成底层的贯穿截止信号（因为不够精确），而是承担宏不雅运筹帷幄与因果拘谨。

宏不雅因果拘谨：将任务办法调遣为高层拘谨，谨防低层动作产生危机。

动作筛选与优化：在直观系统生成的候选动作库中，VLM把柄知识和物理逻辑进行“剪枝”和“优选”。

这种“直观生成+VLM拘谨”的互补架构，既保证了机器东说念主动作的快速反应，又确保了决策合适东说念主类意图与物理知识。

从WAM到Robo City，构建物理寰球的“新基建”

COOWA WAM 2.0的出现，秀美着通用机器东说念主正在从“单一妙技模子”走向“通用剖析底座”。

但在酷哇科技他们看来，本领架构的完成度仅仅第一步，买卖系统的鲁棒性才是测验物理AI是否熟习的终极模范。

收成于COOWA WAM 2.0带来的极高泛化能力与低边缘部署成本，酷哇冲破了具身智能界限永恒存在的定制化陷坑和难以限制化魔咒，展望2026年全系机器东说念主委用量将突破10，000台，并在行家50多个城市及地区杀青常态化运营。

更具里程碑趣味的是，酷哇近期秘书其已最初杀后生度EBITDA（息税折旧摊销前利润）回正，解释了其通用机器东说念主已从依靠成本输血的科研原型，转化为具备自我造血能力和买卖细目性的工业级居品。

在这一买卖基石之上，酷哇正在构建一个被称为“Robo City”的异日城市图景。

在酷哇的构想中，异日城市中的数万台异构机器东说念主将由一个个孑然的个体，跃升为通过WAM分享归拢个“寰球剖析”的智能集群，具体包括以下组成部分：

L4级无东说念主小巴（Coobus）：在城市微轮回中高效接驳，买通出行的“终末一公里”；

城市管家机器东说念主：穿梭于CBD与公园，化身为流动的智能交互末端，基于东说念主流热力争主动寻找需求，杀青“货找东说念主”的动态买卖闭环；

泛具身做事机器东说念主：在无东说念主商超与园区里面，自主完成货架清点、补货，以及跨楼层的物质垂直流转。

它们共同组成了一套障翳全城的物沉默能体收罗（Physical Agent Network），像水电网通常，成为保管当代城市高效运转的新式基础模范。

万台通用机器东说念主重构现实，WAM在沙盒中推演异日，物理AI才确切迎来了属于它的高光时刻。

酷哇科技，不仅是这套新基建的界说者，更是跑在最前边的破局东说念主。

确凿酷哇～MILAN SPORTS