分类：AI动态 标签：具身智能、大模型、机器人、人工智能

机器人行业当前面临的核心考题是什么？答案已经不再是数十秒内完成物品抓取的炫技视频，而是能否将一整套复杂任务从头干到尾。在行业内，这被称为「长程任务」。

成立仅 8 个月的具身智能创新企业墨奇（MORPHI），交出了他们的首份答卷。在世界机器人大会上，墨奇的 MORPHI KINO 机器人用 15 分钟自主完成了收拾客厅、检查冰箱、处理洗衣机衣物并将其叠好等七八十个动作，全程没有出现任何掉链子的情况。

这家备受瞩目的公司背后，是 1994 年出生的清华校友、前华为智驾 AI 部门一号位黄青虬。在获得阿里、腾讯等巨头联投、完成超 10 亿元融资并估值达到 70 多亿之际，极客公园与黄青虬进行了一次深入对话，探讨了他们如何通过 Agentic-Native 模型路线去实现物理 AGI 的完整蓝图。

华为智驾 5 年与通往物理 AGI 的演进路线

黄青虬在华为度过了关键的 5 年，曾作为“天才少年”加入并主导了华为智驾 ADS 1.0 到 4.0 的算法突破与量产。在离职前，他亲手将整套智驾系统彻底 AI 化，验证了用一个 AI 模型去驱动物理系统、做底层控制是完全可行的。正是这一验证，让他看到了具身智能爆发的基础，从而选择出来创业。

在技术路线上，墨奇做出了许多与行业反着来的选择：

  • 不做双足人形，先做轮式：智能的上限在手臂，现阶段应规避双足行走的平衡难题，聚焦核心操作。
  • 自研关节，暂不盲目追求灵巧手：夹爪在绝大多数场景下已经够用，目前的阻塞点在算法而非执行器。
  • 坚持数据质量第一：不单纯堆砌数据量，而是注重真实场景与标定精度。

基础模型路线之争：让 System 1 成为大脑

当前行业主流的模型采用多系统架构，通常由云端大模型 System 2 负责任务拆解，再将指令下达给端侧 System 1 和小脑运控系统。然而，这种分工常常导致端云通信瓶颈和系统卡顿。

墨奇主张的是 Agentic-Native 的具身模型路线（MoRA，意为 Reasoning & Autonomy）：

  1. 端侧实时响应：将部分高级推理与任务拆解能力直接装进执行层，让 System 1 成为更聪明的、能自主执行的大脑，而不是纯粹的底层小脑。
  2. 多层次时序与记忆能力：支持中等或长时序的复杂动作，具备纠错、回溯以及动态环境下的目标修复能力。

在数据建设方面，黄青虬强调“三个真实”原则：真实的人、真实的场景、干真实的活。通过打磨毫米级的高精度定位与庞大的后端运营系统，墨奇致力于在模型训练中沉淀出独特的技术 know-how。

结语：在马拉松中构建组织资产

面对具身智能赛道的高温与频繁的行业跳槽现象，黄青虬表现得十分冷静。他认为具身智能就像是一场马拉松，眼下的快慢差距不过是一两个身位。比起单纯的技术指标，构建一个稳定、有使命感的组织，将训练方法、数据基建与本体工艺沉淀为长期的组织资产，才是创业公司能够在浪潮中脱颖而出的关键所在。