库萨科技发布全模态具身模型Kusa Omni-CTS与专用操作系统Kusa OS，助力城市服务机器人从"执行者"变为"思考者"

36kr.com

内容摘要

2026年7月2日，库萨科技正式发布面向具身智能的全模态具身模型 Kusa Omni-CTS 与专用操作系统 Kusa OS，旨在推动城市服务机器人从被动执行指令的“执行者”向主动理解物理世界的“思考者”转变。Kusa Omni-CTS 模型实现了视觉空间感知、语义与先验指令、本体感知与动力学三大模态的原生融合，让机器人能通过物理交互“感受”环境；采用连续时空表征完成跨模态异步特征对齐，解耦传感器硬件时间同步依赖；并引入反事实推演机制，在高维空间中对动作后果进行符合物理动力学限制的预判与试错，确保决策安全。Kusa OS 是专为边缘侧设计的操作系统，实现小于1毫秒的系统时延和仅50微秒的极致抖动控制，通过确定性调度保障紧急制动等硬实时任务的最高优先级。该系统提供统一硬件抽象接口，支持“一脑多形”，已在库萨0.5吨级、1.5吨级、3吨级城市服务机器人产品中部署，并在超40座城市的复杂环境中得到验证。两者协同构成库萨的城市服务具身智能技术基座。

核心要点

  • 库萨科技发布面向具身智能的全模态模型 Kusa Omni-CTS，融合视觉、语义和本体感知三大模态，让机器人通过物理交互“感受”环境。
  • Kusa Omni-CTS 采用连续时空表征实现异步特征对齐，降低了对严格硬件时间同步的依赖，提升了系统鲁棒性。
  • 模型引入反事实推演闭环，使机器人可在虚拟空间中基于物理动力学限制对动作后果进行预判和试错。
  • Kusa OS 是专为边缘侧高实时性场景设计的操作系统，系统时延小于1毫秒，抖动控制仅为50微秒。
  • Kusa OS 具备确定性调度能力，确保紧急制动等硬实时任务在资源竞争时始终获得最高优先级。
  • Kusa OS 通过“一脑多形”适配不同吨位和形态的城市服务机器人，目前已在超40座城市的实际复杂环境中部署验证。

机器人行业长期以来的痛点在于“能看不能说、能说不能动”——感知、决策、执行环节在技术上严重割裂。库萨科技此次发布的Kusa Omni-CTS模型和Kusa OS操作系统，正是针对这一行业痼疾给出的系统性解法。文章披露的技术细节相当扎实：从50微秒级的抖动控制到基于物理动力学的反向事实推演，都显示出该团队对真实场景中毫秒级实时性的极致追求。尤其值得关注的是“一脑多形”的架构设计，这意味着同一套软件栈可以跨越从0.5吨小型机器人到3吨市政级车辆的硬件鸿沟。对于正在探索具身智能落地的工程师而言，这套融合了自动驾驶、车规芯片与机器人三大领域经验的系统，是一个极具参考价值的商业化技术样本。

库萨科技发布面向具身智能的全模态模型 Kusa Omni-CTS，融合视觉、语义和本体感知三大模态，让机器人通过物理交互“感受”环境。

—— 络石智能研究院 · 编辑推荐

库萨科技发布全模态具身模型Kusa Omni-CTS与专用操作系统Kusa OS，助力城市服务机器人从"执行者"变为"思考者"

时氪分享·2026年07月02日 11:30

以真实城市复杂场景为核心训练场，打通“全模态感知—物理级推演—实时控制”的完整技术链路，让城市服务机器人在边界模糊、交互对象复杂、任务需求动态的作业环境中，从被动执行指令走向主动理解物理世界。

7月2日，库萨科技正式发布面向具身智能的全模态具身模型 Kusa Omni-CTS 与专用操作系统 Kusa OS。这是库萨首次完整披露其城市服务具身智能技术架构：以真实城市复杂场景为核心训练场，打通“全模态感知—物理级推演—实时控制”的完整技术链路，让城市服务机器人在边界模糊、交互对象复杂、任务需求动态的作业环境中，从被动执行指令走向主动理解物理世界。

库萨科技始终致力于打造城市服务机器人，让机器人在边界模糊、交互对象复杂、任务需求动态的作业环境中，从被动执行指令走向主动理解物理世界。

Kusa Omni-CTS：全模态感知，构建物理理解能力

城市服务的复杂性，决定了它不能靠穷举规则来解决。规则驱动的逻辑是遇到A执行B，但城市里的物品关系、人员行为和环境持续变化，规则库很难覆盖所有组合。

Kusa Omni-CTS并非单一技术点的深入，而是在全模态融合的广度与物理理解的连续性上做的系统性变革，通过三项关键突破实现从"背诵规则"到"理解世界"的转变。

1.三大模态原生融合，物理交互"感受"世界

要真正理解物理世界，光看、光听是不够的——机器人还需要"感受"接触。视觉能识别"前方有垃圾桶"，语言能传达"把这里扫干净"，但如果缺少对力度、摩擦、负载的感知，机器人在真实场景中始终隔着一层。这种对物理交互的"无感"，限制了机器人在真实场景中的判断能力。

Kusa Omni-CTS将输入模态扩展为涵盖物理交互的三大核心模态：

· 视觉空间感知：识别"前方是路沿""右侧有行人"等外部空间信息

· 语义与先验指令：理解"在遵守交通规则的前提下，完成贴边清扫，保证设备与环境安全"等任务约束

· 本体感知与动力学：反映"扫刷已经接触路沿，电机负载正在上升"等身体状态反馈

三类信息互相校验，机器人结合外部环境与自身状态作出判断——不止"看见"，更能通过物理交互"感受"环境。

2.跨模态异步特征对齐，数据自然流动

机器人搭载的各传感器以不同频率运行：触觉、IMU和轮速等本体感知数据通常在200Hz至1000Hz，相机约30Hz，激光雷达可能只有10Hz。

传统方案依赖严格的硬件时间同步，一旦出现时钟漂移、触发延迟或局部丢帧，融合结果就可能出现偏差。Kusa Omni-CTS采用连续时空表征，将不同频率的数据映射到连续时间轴，在模型内部完成异步特征对齐。视觉、语言、触觉各自按自己的节奏采集信息，在模型里自动"对表"。这一工程转变降低了硬件依赖，提升了系统鲁棒性，且当传感器配置变化时，模型可通过少量自适应微调快速适配。

3.物理一致性预测，反事实推演闭环

Kusa Omni-CTS在高维空间中建立符合物理动力学限制的连续轨迹，让机器人的动作遵循物理定律的"惯性"与"约束"，保证控制指令的平滑执行。

在预判环境演变的基础上，模型引入了反事实推演机制——在执行前于虚拟空间中对动作后果进行预判和试错，推演通过后再付诸行动。每一次推演均受动力学约束，有惯性、有摩擦、有机器人自身的物理极限，使机器人在开放场景中的决策拥有明确的物理依据，同时保障非结构化场景下的安全交互。

此外，Kusa Omni-CTS可使模型迅速适应不同架构的机器人执行体，实现"一次预训练、多形态部署"的跨形态泛化应用。

Kusa OS：面向具身智能的专用操作系统

场景理解能力再强，如果无法及时转化为行动，一切等于零。城市开放环境中，突发状况常在毫秒之间——突然冲出的行人、被风吹来的障碍物、湿滑路面的侧滑风险。Kusa OS的存在，就是为了让模型输出的智能决策能够被精确、及时地执行。

Kusa OS专为边缘侧高实时性、高可靠性的多任务调度场景设计，核心目标是为具身智能提供低延迟、确定性调度、易扩展的运行环境。系统时延小于1ms，极致抖动控制仅50μs，确保机器人在复杂场景下的精准协同。

其核心设计在于确定性：当感知、规划、通信等任务争夺计算资源时，紧急制动等硬实时任务始终获得最高优先级，不会因为低优先级任务的阻塞而延误。

在开发者体验层面，Kusa OS提供统一的硬件抽象接口，告别繁琐的底层适配工作，让开发者专注算法本身。传感器即插即用，算法模块可灵活组合，资源由系统智能分配。当关键任务超时或异常时，系统自动触发安全降级，使机器人进入预设的安全状态。

Kusa OS的另一项核心能力是"一脑多形"——同一套系统可适配并指挥形态、大小各异的城市服务机器人。目前已在库萨0.5吨级、1.5吨级、3吨级产品矩阵中部署应用，从小型公共空间到市政道路，同一套操作系统完成适配。

这套系统的技术基础，来自库萨核心团队多年的积累，历经自动驾驶、车规芯片、机器人三大体系的落地验证，已在超40座城市的复杂环境中持续接受考验。

Kusa Omni-CTS 与 Kusa OS：感知理解，实时执行

Kusa Omni-CTS负责感知理解、作出智能决策，Kusa OS保障决策的毫秒级执行与多形态调度。两者协同驱动，共同构成库萨此次发布的城市服务具身智能技术基座。

库萨以全模态具身模型与专用操作系统的组合，构筑了具身智能的技术壁垒。库萨将持续引领城市服务机器人的智能化跃迁，深耕城市服务领域，推动机器人在复杂场景中从盲目的"执行者"成长为拥有物理直觉的"思考者"。

该文观点仅代表作者本人，36氪平台仅提供信息存储空间服务。

由 络石智能 收录整理原文来源：36kr.com发布于

标签

具身智能城市服务机器人机器人操作系统多模态模型边缘计算AI 部署实时控制

相关主题

库萨科技Kusa Omni-CTSKusa OS城市服务机器人

专家点评

本文由编辑团队收录整理，内容来源于公开信息，仅供参考。

相关文章

OpenAI放大招：企业级AI平台Frontier上线，专治各种智能体

OpenAI于2026年2月5日正式推出企业级AI平台Frontier，定位为帮助企业统一构建、部署和管理AI智能体的系统，旨在解决企业AI部署中的“碎片化”和“AI孤岛”问题。Frontier通过连接企业数据仓库、CRM、工单工具等孤立系统，为AI智能体提供共享业务背景、执行环境、记忆与质量优化机制，并内置严格的身份、权限与边界管控，可适用于金融和医疗等受监管领域。平台具有高度开放性，不仅支持OpenAI自建智能体，还兼容来自Google、Microsoft及直接竞争对手Anthropic的第三方智能体，采用开放标准避免供应商锁定。OpenAI应用业务CEO Fidji Simo将智能体视为“AI同事”，预测到2026年底领先企业的大部分数字化工作将由人类指挥的智能体舰队执行。企业业务总经理Barret Zoph指出Frontier创建了“语义层”以打通工作流程。商业层面，OpenAI企业客户约占业务40%，CFO Sarah Friar预计年底接近50%，全球有超过100万家商业客户。平台已面向惠普、Intuit、甲骨文、State Farm、Thermo Fisher和优步等有限客户开放，BBVA、思科和T-Mobile等也在试点。发布前后PayPal、Expedia等软件股大跌，市值蒸发超3000亿美元。OpenAI通过前向部署工程师与客户并肩工作，将实施经验产品化。Frontier的推出标志着AI企业应用从单点工具迈向系统化数字员工管理的新阶段。

36kr.com
阅读全文

微软押注25亿美元，将AI工程师嵌入其最大客户内部

2026年7月2日，微软宣布成立 Microsoft Frontier Company，这是一个全新的运营业务部门，计划投入25亿美元，配备6000名行业与工程专家，直接嵌入大型客户内部，为其构建和运行AI系统。该举措由微软商业业务CEO Judson Althoff 宣布，并由拥有30年行业经验、在微软领导企业转型六年的 Rodrigo Kede Lima 担任总裁。早期签约客户包括伦敦证券交易所集团、联合利华、Land O’Lakes 和埃森哲。Microsoft Frontier Company 的核心模式是“前线部署工程”，效仿 Palantir 首创并已被 OpenAI 和 Anthropic 复制的做法，承诺以可衡量的业务成果为交付标准，而非仅销售Azure和Copilot软件许可证，并强调客户数据不会被用于训练模型。这一模式直接切入系统集成商的传统领地，与埃森哲、凯捷、安永、毕马威、普华永道等合作伙伴的服务产生重叠，引发竞争担忧。更为微妙的是，微软在宣布该业务的数日后确认裁员约4800人，主要涉及销售、咨询和Xbox游戏部门，裁员规模约占全球员工的2%。尽管微软未承认裁员直接为 Frontier Company 提供资金，但批评者认为公司正通过内部资源置换推动AI扩张，被裁撤的岗位恰好是新部门旨在现代化改造的职能。微软尚未公布该部门将客户项目带入生产环境的具体目标和时间表，其“成果导向”的核心主张有待首批项目验证。

sentinel.ht
阅读全文

AI 公司 90 亿美元 FDE 驻场工程师军备竞赛

2026年6月至7月，多家头部AI公司集中成立Front Deployed Engineering（FDE）组织，投入总金额超过90亿美元。6月30日，AWS宣布投入10亿美元成立面向客户现场的AI工程师组织。48小时后，微软发布The Microsoft Frontier Company，投入25亿美元并编制6000人，由前微软亚洲区总裁Rodrigo Kede Lima领导。此前5月，OpenAI成立OpenAI Deployment Company，由OpenAI控股、TPG领投超过40亿美元；Anthropic与高盛、黑石、Hellman & Friedman成立合资公司，金额15亿美元。FDE模式是将AI工程师派驻客户现场，帮助企业将AI模型接入业务流程，最早由Palantir在二十年前发明。与此同时，Meta CEO Mark Zuckerberg在内部town hall上承认Agent技术至少四个月没有按预期加速，而Meta 2026年AI基建支出预计高达1450亿美元。微软商业业务CEO Judson Althoff称该工程组织将是行业内规模最大、能力最强的交付型工程团队。GeekWire报道称微软内部有人认为AWS可能提前得知动向并抢先两天发布。文章指出，这一对照揭示出FDE受到重视的原因：一边是巨额AI基建投入者说Agent未加速，另一边是巨额FDE投入者说Agent即将进入企业现场。

next.iois.me
阅读全文

微软推出25亿美元新AI计划，配备6000名专家助力企业部署AI

2026年7月6日，微软宣布推出 Microsoft Frontier Company，这是一个全新的咨询与工程组织，旨在帮助企业规划和部署人工智能。微软将为该计划投资 25 亿美元，并部署 6000 名行业和工程专家。该组织由 Microsoft Commercial Business CEO Judson Althoff 宣布成立，并由曾任微软美洲与亚洲商业业务负责人的 Rodrigo Kede Lima 担任总裁。Microsoft Frontier Company 并非简单的软件销售，而是整合了 AI 工程师、行业专家和变革管理专家，与客户直接合作，将 AI 嵌入现有业务流程并持续衡量其商业影响。该模式被 Althoff 称为“超越了前线部署工程（FDE）”。此举反映了企业 AI 领域的重大转变：随着 AI 模型日趋商品化，真正的挑战在于如何将 AI 集成到现有系统、公司数据和工作流中，并确保其安全性和可衡量的投资回报（ROI）。微软已将该模式应用于 London Stock Exchange Group、Land O'Lakes、Unilever 和 Novo Nordisk 等客户。同时，Microsoft Frontier Company 将与 Accenture、Capgemini、EY、KPMG 和 PwC 等全球咨询和系统集成巨头合作，以扩展其 AI 工程能力。这一战略也与微软将 Azure 作为企业 AI 部署基础平台的定位高度协同，客户可在 Azure 上使用来自 OpenAI、Anthropic 以及开源项目等多种模型。文章指出，就在几天前，AWS 也宣布了 10 亿美元的自有 AI 部署风投，Anthropic 和 OpenAI 也推出了类似 FDE 特性的合资企业，整个行业正在将“AI 的实施与管理”视为下一个重大机遇。

www.hpcwire.com
阅读全文

尴尬的35岁程序员，正在被AI大厂重新抢走-36氪

本文探讨了AI时代下35岁程序员的新机遇——前沿部署工程师（FDE）岗位的崛起。FDE源自硅谷，负责将AI模型部署到客户现场，理解业务需求并交付可运行的智能体，充当技术与业务之间的翻译官。在美国，OpenAI和Anthropic押注FDE模式，LinkedIn数据显示2023年至2025年FDE相关岗位需求增长42倍。中国大厂迅速跟进：字节跳动“豆包AI大模型FDE”月薪3.5万至7万元（15薪），蚂蚁数科B端FDE月薪4万至6万元（15薪），智谱华章FDE负责人月薪6万至8万元。Palantir被视为中国AI服务商的标杆，其2026年Q1总收入达16.3亿美元，同比增长85%，市值一度逼近5000亿美元。中国入场者包括四类：云厂商（阿里云、百度智能云、火山引擎、腾讯云、华为云）、大模型公司（智谱华章、MiniMax、零一万物）、企业软件公司及咨询公司。阿里云2026财年Q4外部收入同比增长40%，AI相关产品占30%，预计一年内贡献超50%收入；百度2026年Q1广告收入同比下降22%，但AI云收入同比增长79%。文章指出，FDE模式本质是AI商业化从“卖产品”转向“卖结果”，35岁程序员凭借懂业务、能沟通、善架构的复合能力，反倒在混乱的企业AI落地场景中获得了溢价机会。但FDE具有过渡性，类似脚手架，目标是让客户最终能自我运转。

36kr.com
阅读全文