分类：AI动态 标签：具身智能、大模型、机器人、人工智能

机器人行业现在最关心的一个问题是：它能干完一整件事吗？

几十秒的抓取物品视频已经撑不起高额估值，把一件事从头干到尾成了最新的行业考题。在 8 月 19 日的世界机器人大会上，墨奇科技（MORPHI）亮相了一台用 15 分钟独立完成收拾客厅、检查冰箱、洗烘衣物并叠好等七八十个动作的机器人，全程自主完成且没有掉链子。

这家成立仅 8 个月的黑马公司，在今年 7 月宣布完成超 10 亿元融资，由阿里和腾讯联手投资，估值突破 70 亿元。墨奇联合创始人黄青虬曾是华为智驾 AI 部门一号位，主导了 ADS 1.0 到 4.0 的算法突破。日前，极客公园与黄青虬进行了一场深度对话，探讨了他们通往物理 AGI 的技术路线与行业思考。

从华为智驾到物理 AGI：不走寻常路的创业选择

黄青虬在华为经历了智驾四代产品的核心 AI 模块研发。在亲手验证了用一个端到端 AI 模型去驱动物理系统、做底层控制这件事情完全可行后，他看到了具身智能爆发的基础，于是选择离职创业。

与行业主流偏好不同，墨奇的许多选择与同行反着来：

  • 硬件路径：不急于做双足人形，而是先做轮式 -> 「智能的上限在手臂」。自研高动态、低时延的关节模组，但暂不急于做灵巧手 -> 「夹爪就够了」。
  • 模型路线：不盲目追逐 VLA、世界模型等热门架构名词，而是押注 Agentic-Native 的具身模型路线 MoRA（MORPHI Reasoning & Autonomy）。
  • 数据策略：不盲目堆砌数据量，坚持数据质量第一，主张「三个真实」（真实的人、真实的场景、干真实的活）。

核心技术路线：让 System 1 充当大脑

目前行业主流具身模型多采用三系统架构，将繁重的推理交给云端 System 2，而端侧 System 1 仅作为反应式的执行器。这种分工常常导致长程任务中的卡顿与协同瓶颈。

墨奇的解法是进行架构升级：

  • Agentic-Native 路线：将 System 2 的部分核心能力下放到端侧的 System 1，让 System 1 成为更聪明的、具备自主执行与时序纠错能力的大脑，而不是纯粹的小脑执行者。
  • 长程任务验证：通过 15 分钟的复杂家居 Demo，展示了模型在目标牵引、多层次动态记忆以及闭环认知纠错上的强大能力。黄青虬指出，长程任务是检验具身智能公司技术成色的试金石，只有当单动作成功率极高时，几十个动作串联的长程任务才能稳定跑通。

拥抱长期主义：在高度内卷中沉淀组织资产

具身智能赛道当前正处于资本与人才的高速狂飙期，同时也伴随着极高的行业跳槽率。

对此，黄青虬保持着相对冷静的马拉松心态：

  • 关于数据竞争：短期竞争力在于采集精度与源头多样性，但长期壁垒在于模型训练试错中沉淀下来的 know-how，以及从原始数据到训练数据的处理链路。
  • 关于组织管理：墨奇在追求技术演进的同时，格外注重构建稳定、持续战斗的组织。比起追求短期溢价的浮躁心态，团队更看重具备远大使命感、致力于将物理 AGI 真正落地实现的长期主义者。

目前，墨奇团队已有 150 多人，算力和模型训练占据了每月大半的成本，并计划在今年底或明年初在模型与 Scaling Law 的某些单点上做到业界标杆。正如黄青虬所说，行业还很早期，大家都在向前奔跑，而他们希望成为其中真正靠谱的那一波。