分类：AI动态 标签：具身智能、大模型、机器人、人工智能
机器人行业当前最关心的问题，已经不再是几十秒的抓取物品展示，而是它究竟能不能把一件事从头干到尾？行业内将这种能力统称为「长程任务」。
在近期举办的世界机器人大会上，由墨奇（MORPHI）打造的 MORPHI KINO 机器人首次亮相，用 15 分钟的实操给出了答案：收拾客厅、检查冰箱、把烘干机里的衣服拿出来、放进新的一批并按下启动键，最后将衣服叠好。在包含七八十个动作的全程中，机器人自主完成且未掉链子。
这家成立仅 8 个月的公司备受资本市场瞩目。今年 7 月，墨奇宣布融资超 10 亿元，阿里与腾讯共同参投，当前估值已达 70 多亿元。墨奇联合创始人黄青虬曾任华为智驾 AI 部门一号位，主导了华为智驾 ADS 1.0 到 4.0 的算法突破与量产。在离开华为前，他亲手验证了用一个 AI 模型去驱动物理系统、做底层控制的可行性，由此看到了具身智能爆发的基础，并踏上了通往物理 AGI 的创业征程。
核心战略：反常规的具身智能路线
与行业内部分同行的选择不同，墨奇在许多关键节点上采取了独特的策略：
- 不急于求成双足人形：现阶段先做轮式机器人，核心逻辑在于「智能的上限在手臂」，优先规避双足行走平衡等非核心瓶颈。
- 自研关节，暂缓灵巧手：夹爪在现阶段已足以应对绝大部分任务，关键瓶颈在于算法而非夹爪；同时因现有供应链无法满足高动态、低时延需求，选择自研关节模组。
- 数据质量优先于数量：不单纯追求百万级的无效摆拍数据，而是通过真实作业场景积累高质量、高精度、高多样性的数据。
- Agentic-Native 模型架构：提出 MoRA 模型路线，将大脑能力直接装进执行层，让 System 1 承担更多推理与自主决策。
具身模型之争：让 System 1 成为大脑
在当前行业主流的三系统架构中（System 2 做语言理解与任务拆解 -> System 1 接收指令输出轨迹 -> System 0 小脑运控系统驱动关节），System 2 与 System 1 之间的通信瓶颈往往会导致系统卡顿。
墨奇主张的 Agentic-Native 模型路线，其核心逻辑在于改变传统分工：
- 更强的目标接口：System 1 不再仅接收碎片化的底层微操指令，而是直接接受大颗粒度的任务和图像指令（如「把衣服叠成图像里的这个样子」）。
- 自主时序与纠错能力：让 System 1 从反应式的短时序动作，跃迁为能自主完成长时序、具备纠错与回溯能力的闭环系统，真正让 System 1 成为大脑，而非单纯的执行器。
决胜未来的关键：长程任务与组织资产
谈及行业竞争与未来规划，黄青虬有着清醒的认知：
- 长程任务是试金石：能够执行长达 15 分钟、包含七八十个复杂动作的 demo，不仅考验算法模型对刚性与柔性物体的处理能力，更对整套端侧软件调度系统的稳定性提出了极致要求。
- 短期靠数据，长期靠 Know-how：数据采集的短期竞争力在于精度与多样性，而长期的护城河在于模型训练试错过程中沉淀下来的、无法被轻易抄袭的技术 know-how。
- 团队组织更为关键：在跳槽率极高的具身智能行业中，墨奇格外看重组织的稳定性和团队的使命感。通过构建稳定的战斗组织与良好的技术探索环境，沉淀为公司长期的核心资产。
未来，墨奇计划在年底前交付千台机器人，并持续在模型架构与数据 scaling law 上探索，力争在单点技术上做到业界标杆。