大模型越来越强，机器人公司还要攻克什么？

2026年11月4日下午，乌镇峰会机器人与具身智能论坛。墨奇智能CTO黄青虬把一个问题摆到台面上：当Astra这类通用大模型已经能看懂场景、拆解指令、规划步骤，机器人公司真正要攻克的是什么？

他的回答是：执行。更准确地说，是推理、行动与控制的协同。

黄青虬在演讲中首先肯定了通用大模型的价值。Astra等模型在意图理解、任务规划、常识推理上已展现强大能力，为机器人提供了更好的“认知底座”。但问题在于，认知不等于行动。

真实世界是动态的：光线会变、物体位置会变、任务可能被打断。机器人要在这样的环境里完成一件长程任务，不仅需要“想清楚”，还要“做得对”——不同时间尺度上的推理、动作生成与高频控制协同，连续控制，接触反馈，以及出错后的自我修复。这些能力需要结合机器人本体、动作模型与控制系统共同实现。

这次分享强调的分工，是让通用大模型的目标理解与任务编排能力，与具身模型的原生动作闭环协同。

基于这一判断，墨奇把机器人大脑拆成三层协同的架构：

System 2（MoRA-Reason）：负责复杂目标理解、任务编排、约束与异常监控。它接收自然语言指令，理解用户意图，把“把冰箱补满”拆解成“打开冰箱→识别空缺→取出商品→放入→关门”等一系列子任务。

System 1（MoRA-Act）：部署在端侧，负责目标维持、任务记忆、进度追踪与实时动作生成。它知道“干到哪了、下一步怎么办”，结合执行记忆与最新观测进行进展判断和局部修正，必要时请求 System 2 协同。

System 0（MoRA Control）：负责高频全身控制，接收动作块、驱动移动与操作，并回传环境反馈。

黄青虬强调，行业常见做法是“云端大模型下指令、本地策略执行”，但墨奇选择把更多能力下沉到端侧。原因很简单：真实世界要求快速响应，若动作闭环频繁依赖远端调用，通信与推理延迟就会影响响应；同时，端侧能力决定了机器人能否在复杂环境中持续工作，而不是“演示时灵、实战时断”。

在训练与执行的衔接上，墨奇关注如何利用多源真实作业数据学习统一的数据与动作表达，并让模型在端侧实时闭环中使用这些信息。

黄青虬在演讲中重点探讨了四个方向：

多模态动作建模：让模型同时处理语言、视觉、深度与接触信号。机器人操作物体时，不仅要“看见”物体，还要“感觉到”接触——杯子是玻璃的、衣服是棉的、桌面是光滑的，这些信息共同决定动作策略。

长程记忆：持续保留任务目标、历史观测与执行进展，在环境变化时为后续行动提供上下文，支撑长程任务中的进展判断与状态恢复。

状态修复：任务中断或环境扰动后，机器人能自己判断“哪里出了问题、从哪一步继续”。这是从“演示可用”走向“场景可用”的关键能力。

触觉闭环：把力觉反馈纳入决策回路，而不只依赖摄像头。夹爪用力多大、物体是否滑动、接触是否到位，这些信息对精细操作至关重要。

分享围绕上述方向介绍架构设计与相关演示，同时讨论面向更多本体与末端扩展、强化训练，以及大规模虚拟训练等下一阶段方向；动作条件世界模型则用于探索结合部署反馈的模型迭代方式。

除了模型能力，数据质量也是具身智能研发的重要约束。墨奇关注的不只是数据小时数，还包括轨迹精度、任务完整性以及失败与恢复过程。

墨奇的做法是“三真数据”：真实场景、真实作业人员、真实工作。通过非本体采集，让酒店、公寓的保洁人员佩戴自研 MORPHI Sense Kit 轻量采集设备，在日常工作中自然地产出数据。真实的人、真实的房间、干真实的活——这样的数据才包含真实世界的多样性：不同房间布局、不同物品摆放、不同工作习惯、不同光照条件。

Sense Kit 是非本体数据采集设备，不是机器人，不是本体。它用于记录真实作业中的观测与动作信息，把保洁人员的操作过程变成可学习的轨迹数据。

数据不是采完就完。墨奇建立了采集—质检—挖掘—标注—训练—评测六环节闭环。失败与能力缺口不丢弃，而是转化为可补采、可验证的数据任务——系统哪里不行，就补采哪类数据，再训练、再评测，形成持续迭代的飞轮。

“数据是一套持续产生有效实验的基础设施，质量比单纯堆积小时数更重要。”这是黄青虬对数据问题的核心判断。

墨奇的本体选择是轮式双臂 KINO：双臂各7自由度，配夹爪、多模态感知与端侧低时延控制。现阶段聚焦“类家庭”场景，例如酒店客房、商务公寓、物业补给。

黄青虬的解释很务实：轮式是现阶段推进稳定移动操作的分阶段选择。双足行走在稳定性、安全性、成本上仍有大量工程问题需要解决；而轮式双臂已经能覆盖大量真实场景的移动操作需求。先跑通“稳定、连续、可回流数据”，再谈形态扩展。

“家庭是具身能力的终点，不是起点。”黄青虬的原话很直接。墨奇的商业化顺序是：先B端——酒店、公寓、物业，任务高频、环境复杂、可回流数据；再逐步商业化；后家庭——等数据飞轮转起来，再谈走进客厅。

这套路径背后是数据逻辑：酒店客房接近家务，任务流程相对明确，便于在取得必要授权并明确数据边界的条件下开展采集与验证。先在服务场景积累数据与验证能力，再逐步探索向家庭场景扩展。

墨奇最特别的资产，是创始团队的“系统工程基因”。

黄青虬，清华自动化本科、香港中文大学 MMLab 博士，前华为智驾 ADS 1.0 至 4.0 全链路 AI 算法负责人。高文礼，华为11年海外老兵，跨境物流公司 iMile 联合创始人，搭建覆盖20国运营网络。

黄青虬的判断是：移动操作机器人还需要处理接触丰富的操作任务与更复杂的身体协调；但端到端范式、数据闭环、量产一致性这套工程方法论，可为具身系统研发提供借鉴，但仍需针对任务与本体重新验证。2026年7月，墨奇完成超10亿元天使轮系列融资，阿里巴巴、腾讯联合领投，投后估值突破70亿元。

“具身是一场马拉松。”黄青虬在演讲最后说。

不贴“全球首个”标签，不喊 AGI 临近，不把 demo 惊艳度当能力。价值不由视频多酷决定，而由“连续干活的天数”决定。

2026年8月世界机器人大会上，墨奇首次系统亮相，现场零人工干预跑通15分钟、七八十个连续动作的居家长程任务。这展示了系统在对应任务条件下的长程执行表现。但黄青虬很清楚，从“场景可用”到“长期稳定运行”，中间还有很长的路。

模型持续迭代、数据持续回流、本体持续收敛——直到机器人能像老员工一样，在真实世界里稳定上班。让具身智能走进现实，重塑未来生活方式。