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核心问题是：它到底能不能干完一整件事？

几十秒的抓取物品展示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，大家习惯称之为「长程任务」。在世界机器人大会上，成立仅 8 个月的墨奇（MORPHI）交出了第一份答卷：一台名为 MORPHI KINO 的轮式机器人用 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背后，是 1994 年出生、拥有清华自动化本科与港中文博士背景的联合创始人黄青虬。在加入华为车 BU 的 5 年里，他从研发飞速成长为智驾 AI 部门一号位，主导了 ADS 1.0 到 4.0 的算法突破与量产。离职前，他亲手完成了整套智驾系统的 AI 化，验证了用一个 AI 模型去驱动物理系统的可行性，这也成为了他投身具身智能爆发浪潮的起点。

日前，极客公园与黄青虬进行了一场深度对话，聊了聊他和墨奇打算如何实现物理 AGI 的路线图，以及他们如何在拥挤的赛道中通过差异化策略杀出重围。

一、 华为智驾 5 年，通往物理 AGI 的路线图

回顾在华为的 5 年时光，黄青虬经历了智驾的四代产品演进，并负责了每一代产品的关键模块 AI 化。他坦言，博士期间研究多模态数据与长视频处理的经历，为他后来转向自动驾驶和具身智能打下了基础。

离开华为自己创业，并非由于某个单一事件，而是长达数月的深度预判。他观察到，大语言模型虽然在虚拟世界展现了强大的语义理解和任务规划能力（Scaling Law），但用 AI 驱动底层控制这件事当时并未完全得到验证。直到 2024 年底他将华为的一段式端到端智驾系统做出来后，亲手验证了用单个 AI 模型驱动物理系统完全可行，才坚定了做「跟人一样聪明」的通用机器人决心。

在发展路线上，墨奇选择了一条与许多同行相反的道路：

  • 不做双足人形，先做轮式 -> 「智能的上限在手臂」。
  • 自研关节，但暂不做灵巧手 -> 夹爪已经够用，核心瓶颈在算法而非执行器。
  • 不追逐 VLA 等架构名词 -> 具身模型架构命名为 MoRA（Reasoning & Autonomy），旨在实现会推理、能自主。

黄青虬强调，通用机器人未来能取代专用机器人，但专用永远取代不了通用。为了推高智能上限，墨奇坚持“全栈自研”的边界在于核心基础模型以及与其强绑定的数据处理链路。

二、 基础模型路线之争：让 System 1 充当大脑

墨奇公布了自己的具身智能模型 MoRA（MORPHI Reasoning & Autonomy）。黄青虬指出，行业主流模型多以架构命名（如 VLA、WM），但架构会持续变化，本质上只是加速模型训练的方法。他们更倾向于从能力出发来命名：Reasoning（推理） 代表对环境与任务的理解、规划与预测；Autonomy（自主） 代表机器人能够自主决策并持续执行行动直至成功。

目前，行业主流模型采用的是多系统架构：System 2 做语言理解与任务拆解，将指令输给 System 1（操作系统），再由 System 1 输出轨迹给 System 0（小脑运控）。这种架构的核心瓶颈在于云端大模型和端侧系统之间的通信频率。

墨奇主张 Agentic-Native 的具身基模路线：

  • 将 System 2 的一部分能力下放并融合到端侧的 System 1 中。
  • 让 System 1 不再只是一个纯粹的执行者或小脑，而是成为具备中等时序、自我纠错和回溯能力的“大脑”。
  • 这一模型必须跑在端侧，作为高频运作的实时响应系统。

在训练阶段，墨奇采取了分阶段推进策略：前三个月基于开源基模型做动作微调；从今年春季开始转入预训练阶段，利用开源模型初始化参数后彻底放开调整；未来则计划全面过渡到训练完全自研的基础模型。

三、 长程任务是检验实力的「试金石」

对于行业极其关注的数据与硬件问题，黄青虬分享了独特的行业洞察：

  1. 数据质量重于数量：墨奇目前积累了 3 万小时真实场景数据。相比部分宣称百万级却存在大量重复摆拍的数据，墨奇更看重“三个真实”（真实的人、真实的场景、干真实的活）。通过提升定位和标定算法精度，即使在手伸进洗衣机等强遮挡、弱纹理场景下也能做到毫米级精度。
  2. 长程 Demo 考验综合系统能力：此次展示的 15 分钟跨房间、多步骤 Demo 包含了七八十个动作。黄青虬认为，长程任务不仅需要 System 2 进行大颗粒度任务拆解，更考验 System 1 处理动态环境变化、多层次记忆以及带有认知闭环的自我纠错能力。如果整个 Demo 整体成功率要达到 90%，那么每个基础动作的成功率必须达到 99.9% 惊人的标准。
  3. 组织稳定压倒一切：面对具身智能行业极高的跳槽率，黄青虬认为，一家公司要想走得远，必须构建一个使命感更强、目标宏大的稳定组织。比起追求短期的技术亮点与身价溢价，墨奇更在意将技术演进沉淀为真正的组织资产。

谈及未来的目标，黄青虬表示，墨奇在成立的头 8 个月里用极高的效率完成了别人两三年走过的事，已经接近行业第一梯队。未来他们希望在模型训练或数据 Scaling Law 的某一个单点上做出突破，真正成为一家靠谱的、为机器人行业发展贡献实质力量的标杆企业。