实体AI如何变成城市新基建：从Coowa到车载体验的启示

2026-02-06，Pandaily 报道 Coowa 宣布推出 Coowa WAM 2.0（World-Action Model），并披露其已实现年度 EBITDA 转正。更值得行业盯紧的不是“模型发布”，而是另一句话：它开始以万台级规模部署“城市新基建”。

我一直觉得，很多人把“智慧城市”想成大屏、摄像头和指挥中心。现实里，城市体验真正被改变，往往发生在更接地气的地方：园区巡检是否更准时、写字楼后勤是否更稳定、社区清运是否更干净、短途接驳是否更可靠。Coowa 把这类体验交给“能动起来的 AI”——也就是**实体 AI（Physical AI）**与机器人服务网络。

这篇文章放在「人工智能在智慧城市建设」系列里，我想用 Coowa 作为案例，把一个关键问题说透：**当 AI 从软件走向“可运营的城市服务”，它需要的能力栈、商业模型与体验方法论，和汽车行业（尤其是软件定义汽车与用户体验）其实高度同构。**甚至可以把它类比为特斯拉做车：不是卖一个硬件单品，而是构建持续运营的智能系统。

Coowa的信号：城市AI从“能用”走向“可运营、可规模化”

Coowa 这次最强的信号是：盈利能力 + 万台级部署。在机器人与智慧城市赛道，“demo 很多、常态化很少”是公认难题。能做到运营利润（以 EBITDA 口径）转正，说明它不仅能交付设备，更能把服务跑通。

报道给出了几个可引用的硬指标：

• CooBus 自动接驳车安全运营里程超 500 万公里（规模化运营的关键是“持续稳定”）
• R0 轮腿机器人与 D0 四足机器人进入高端写字楼与产业园（典型的“物业与园区”高频场景）
• 其产品（如 Qilin X3）用于城市治理，强化标杆地位
• 覆盖中国四个一线城市（北京、上海、广州、深圳）常态化服务；2025 年一线城市业务占比 25%
• 2025 年智能环卫市场需求约 10.63 亿美元；单项目超 100 万美元的项目中，约 **30%**已实现规模化部署
• 在“单项目部署 10 台及以上”的订单中，Coowa 订单份额约 80%；2025 年平均合同金额较 2022 年提升 106%

这些数字背后意味着一件事：**实体 AI 已经从“卖机器人”变成“卖城市服务的可用性（availability）”。**这就像汽车行业从“卖一辆车”转向“交付持续升级的体验”。

为什么“万台级”是城市新基建的分水岭？

答案很直接：万台级意味着你必须像运营公共交通或电网一样运营机器人。

小规模时，靠人工运维、定制化交付还能凑合。到了城市级规模，必须具备：

• 统一的调度与运维体系（类似车队管理 + 远程诊断）
• 标准化的安全与合规流程
• 跨场景复用的模型与数据闭环
• 供应链、备件、充电/换电、驻场协同等“脏活累活”的能力

把它称为“城市新基建”并不夸张：它是一张覆盖城市空间的可执行网络。

WAM 2.0意味着什么：从“感知AI”到“世界-行动模型”

WAM 2.0 被称为“基础性通用世界模型”。对城市机器人来说，真正难的不是识别一个物体，而是把识别结果变成稳定的行动：什么时候绕行、什么时候等待、如何与人协作、如何在不确定环境里完成任务。

我更愿意把 WAM 2.0理解成：让机器人具备“可迁移的行动常识”。它可能带来三类直接收益：

1. 跨场景泛化：从园区到写字楼再到街区，减少重新标定与重训练成本
2. 更强的异常处理：雨天地面反光、夜间照明变化、人群密度突增等，都是城市里真实发生的“非理想状态”
3. 更稳定的体验指标：对甲方而言，体验最终落在“准点率、投诉率、故障恢复时间”这些运营指标上

这和汽车软件体验有什么关系？

关系非常近。

特斯拉式的“软件优先”，本质是把车辆当作一个持续运营的智能终端：统一的感知栈、统一的数据回流、统一的 OTA 升级、统一的体验标准。城市机器人也是同一逻辑：

• 车的“车队”对应机器人的“城市级机器人群”
• 充电站网络对应机器人补能与驻点体系
• FSD 的能力边界与责任界面对应城市机器人在公共空间的安全与合规
• 用户体验（UX）不是屏幕动画，而是“可靠到让你忘记它存在”

一句话：**车载 UX 做不好，用户会吐槽；城市服务做不好，市民会投诉、物业会扣款、项目会停。**因此，实体 AI 的 UX 必须以可运营性为核心。

三条业务主线：智能出行、智慧物业、城市治理如何组成“体验闭环”

Coowa 把业务拆成 Smart Mobility、Smart Property、Smart City Stewardship 三条主线。这个拆法很聪明，因为它覆盖了城市体验的三个关键触点：移动、空间、秩序。

智能出行：CooBus的价值不止是“无人驾驶”

报道提到 CooBus 已安全运营超 500 万公里。这里的关键词不是“自动”，而是“规律性服务”。城市接驳的核心 KPI 往往是：

• 班次稳定
• 延误可解释
• 站点协同（与园区门禁、访客系统联动）
• 事故与风险可控

这和汽车行业的启示是：把自动驾驶当卖点很容易，但把它变成可靠服务才是护城河。

智慧物业：机器人不是“取代保洁”，而是“重做后勤系统”

R0、D0 进入写字楼与产业园，说明它们找到了愿意为稳定性买单的场景：高端物业的投诉成本更高、服务标准更明确、预算也更可控。

如果你在做车载体验，会发现这像极了“高端车型先上新功能”的路径。但更关键的是：物业场景天然适合跑通数据闭环——路线固定、任务可量化、异常可归因，适合作为城市级扩张前的“训练场”。

城市治理：从设备交付到“指标交付”

Qilin X3 强化城市治理标杆，意味着产品开始直接对接治理指标：例如巡查覆盖率、问题发现率、处置闭环时间等。

城市治理的难点在于：多部门、多系统、多责任主体。能在这里站住脚的企业，通常不是因为算法更炫，而是因为能把 流程、数据、权限、问责 打通。

可被引用的一句话：智慧城市的竞争，最终拼的是“能否把 AI 的输出变成可追责的处置闭环”。

为什么Coowa能跑到盈利：机器人服务的“城市级商业公式”

报道给出的结构性信息很关键：

• 2025 年一线城市贡献 25% 业务，说明其在高预算、高标准市场站稳
• 智能环卫市场 2025 年需求约 10.63 亿美元，且大项目的规模化部署率达 30%
• 10 台以上项目订单份额约 80%，平均合同金额较 2022 年提升 106%
• 已在新加坡、阿布扎比实现常态化商业运营，并扩展至东亚与中东

我把它总结为一个“城市级商业公式”：

1. 先拿下高标准场景（一线城市、标杆园区）
2. 用规模化交付把单位成本打下来（10 台以上项目是门槛）
3. 从卖设备转向卖服务（合同金额增长往往来自服务化、运维与续约）
4. 跨城市复制（国内一线跑通，再出海到制度相对稳定、预算充足的地区）

这和汽车行业的“平台化 + 订阅/服务收入”几乎同构。

给汽车软件与UX团队的4个实操启示

如果你正在做“AI 在汽车软件与用户体验中的应用方式”，Coowa 这类实体 AI 公司提供了很务实的对照组。

1. 把“体验指标”写进系统设计，而不是写进PPT

   • 城市机器人靠准点率、故障恢复时间、任务完成率活下来
   • 车载 AI 也该用可量化指标约束：误触发率、接管频次、语音完成率、端到端延迟

2. 先做“可运营”，再谈“更智能”

   • 规模化的前提是远程诊断、灰度升级、回滚机制、日志体系
   • 这比某个模型大 10% 的精度提升更能决定口碑

3. 用“车队思维”做数据闭环

   • 机器人是车队，车辆也是车队
   • 关键不是采集更多数据，而是把“异常—归因—修复—验证”跑成流水线

4. 生态位选择决定扩张速度

   • Coowa 从物业/园区到城市治理，是从低复杂度走向高复杂度
   • 汽车 AI 功能也一样：先在可控场景建立信任，再扩到开放场景

2026年的判断：城市实体AI会像充电网络一样影响出行体验

我更愿意给一个明确判断：到 2026 年下半年，越来越多城市的“出行体验”不只由车决定，而是由车 + 路侧/园区/物业的实体 AI 服务共同决定。

当接驳车、清扫机器人、巡检机器人、安防与调度系统形成网络后，城市会出现一种新的“基础设施黏性”：服务越稳定，越容易被纳入预算；被纳入预算后，规模越大，成本越低；成本越低，覆盖越广。这是典型的基础设施飞轮。

如果你在企业里负责汽车软件、智能座舱或出行服务产品，我建议把实体 AI 当作一个必须关注的外部变量：它会改变用户对“准时”“安全”“省心”的预期，也会改变车企与城市、园区、物业的合作边界。

下一步怎么做？找一个你最在意的场景（园区接驳、停车场、园区安防、充电站运维），把“可运营指标”列出来，然后反推你的 AI 能力栈和数据闭环。你会发现，真正的差距不在模型名字，而在运营系统。

你更看好实体 AI 先从哪类城市场景规模化——出行接驳、智慧环卫，还是园区物业？