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？几十秒的短暂抓取演示已经无法撑起高额估值，把一件事从头到尾「长程执行」完毕，才是行业最新的试金石。

在 2025 世界机器人大会上，成立仅 8 个月的墨奇（MORPHI）交出了一份惊艳的答卷：其旗下的 MORPHI KINO 机器人用 15 分钟自主完成了收拾客厅、检查冰箱、洗烘衣物并叠好等七八十个连续动作，全程没有掉链子。

这家备受瞩目的公司由华为车 BU 前智驾 AI 部门一号位黄青虬与物流老兵高文礼联合创立。今年 7 月，墨奇宣布获得超 10 亿元融资，阿里与腾讯联投，估值突破 70 亿元。近日，极客公园与黄青虬展开深入对话，探讨了他们如何通过 Agentic-Native 路线通往物理 AGI。

01 告别华为车 BU，押注物理 AGI

在华为的 5 年里，黄青虬经历了智驾四代产品的演进，并主导了 ADS 1.0 到 4.0 的算法突破。离职前，他亲手将整套智驾系统彻底 AI 化，验证了用一个端到端模型去驱动物理系统、做底层控制是完全可行的。这让他看到了具身智能爆发的基础。

离开华为后，墨奇在技术路径上做出了许多与行业反着来的选择：

  • 不追随双足人形：现阶段先做轮式，因为「智能的上限在手臂」。
  • 自研关节而非灵巧手：夹爪在绝大多数场景下已经够用，而高动态、低时延的关节模组才是当前的供应链瓶颈。
  • 不堆砌数据量：坚持数据质量第一，认为数据处理链路比模型架构更重要。
  • 自研 MoRA 模型：摒弃单纯的 VLA、世界模型等概念炒作，按模型能力命名为 MoRA（Reasoning & Autonomy）。

黄青虬表示：「我们用 8 个月干了别人两三年干的事。我们的目标是在某一个单点上做到业界标杆，做出别人没做过的东西。」

02 基础模型之争：让 System 1 成为大脑

目前行业主流的模型架构分为三层：System 2（语言理解与规划）-> System 1（端侧操作系统）-> System 0（小脑运控）。传统架构的瓶颈在于 System 2 与 System 1 之间的信息传输效率不足，容易造成卡顿。

墨奇主张 Agentic-Native 的具身基模技术路线：

  1. 重构 System 1：将原本位于云端的 System 2 的部分能力下放，让 System 1 充当真正的主脑，而不是退化成纯粹的底层执行器。
  2. 增强时序与纠错能力：赋予模型处理中长时序任务的能力，使其能够进行自主纠错和回溯，而不是做完一个动作就宕机。
  3. 数据精细化闭环：目前墨奇已积累 3 万小时真实场景数据，通过毫米级的高精度定位与多源数据运营管理，确保训练出高质量的具身大模型。

03 应对极高跳槽率，打造长期组织资产

具身智能是目前科技圈跳槽最频繁的赛道之一。对此，黄青虬有着清醒的认识：

  • 组织稳定性至关重要：技术演进的基础是稳定的组织。墨奇更倾向于寻找使命感强、希望共同做出真正能落地产品的长期主义者。
  • 硬件与软件协同迭代：三五年内，通用机器人公司仍需同时做本体和模型，这样才能实现最高的硬件迭代效率和软硬一体的最优解。
  • 马拉松长跑：当前行业大家只差一两个身位，关键在于将过程中的训练方法、数据基建和工程工艺沉淀为公司的组织资产。

随着墨奇计划在今年底或明年初交付千台机器人，并持续在算力与模型上投入，这家年轻的公司正试图在喧嚣的具身智能赛道中，用扎实的系统工程能力杀出一条通往物理 AGI 的可行路径。