墨奇，开始加速了
世界模型和VLA，都不是答案。
这个观点，出自前华为智驾AI一号位、「华为天才少年」黄青虬。
离开华为后，他联合创办了通用具身智能公司墨奇智能——成立仅半年，估值已超70亿元。
近期，墨奇迎来第一次交卷：自研具身智能模型架构MoRA（MORPHI Reasoning & Autonomy）——一条Agentic-Native的具身大脑路线。
WRC 2026现场，墨奇正式展示了这个大脑的能力。
MORPHI KINO，一台面向家庭服务场景的轮式机器人。
这也是其本体的首次公开亮相。
现场，这台机器人用15分钟，完成了一个完整的家居长程任务：
清理桌面垃圾、检查冰箱库存并补货、将湿衣送入烘干机并启动，再拿出来叠好码放……
整个过程一气呵成，全程无需人工指挥。
对人类来说，这是六岁小朋友都能做完的家务，大家可能会觉得没啥可说的。
但对机器人而言，任何任务一旦沾上「长程」二字，基本就是死路一条。现阶段敢展示5分钟以上的，都算非常自信了。
更别提还是泛化性要求拉满的家庭场景。
而墨奇这次在WRC现场，直接硬生生干了15分钟家务……
可以说是非常独树一帜了。早上刚开馆不久，墨奇的展台就已经围得水泄不通，甚至工作人员自己都有点惊讶：
根本没想到会有这么多人。
所以，墨奇究竟是怎么做到的？
回答这个问题前，先得看看传统方案是怎么做的。
目前为了解决「长程」，Agent方案基本已成共识了：Google Gemini Robotics、Figure Helix 02……等等。
核心就是分层架构，也就是老生常谈的System 1与System 2。
System 2：机器人大脑。
由大语言模型或视觉语言模型担任，负责理解目标、拆解任务、验证结果；
System 1：策略模型。
接收子任务指令后，结合视觉和本体状态执行动作。
这套架构让机器人初步具备了完成长程任务的能力，是具身行业的一次大突破，也出现了不少有趣的demo。
全靠System 2在Carry啊。。。
任务的主体智能——目标维护、记忆管理、进度追踪、失败恢复——几乎全部压在System 2认知层。
而直接和物理世界打交道、持续输出动作的System 1，则彻底「瘫坐」，沦为一个只会机械执行子任务的傻瓜机器。
这会带来两个问题。
1、目标接口有限。
传统动作模型只能接收固定格式的文本子任务指令，不支持图像指令，也处理不了多阶段的结构化任务描述。
System 2只能不断把高层目标拆碎、格式化，再喂给System 1。
这个过程中，每转译一层，信息就损耗一层。
到最后，最初的目标定义已经稀碎了——System 1根本不知道「目标」这俩字是啥意思，眼里只有下一个Action。
2、执行以短时序、反应式为主。
机器人动作慢也就算了，为啥总一卡一卡的？？
根源就在于System 1的技能点太少了。
模型既没有对任务整体进度的认知，也没有多粒度执行记忆。遇到环境扰动或者中途偏差，System 1自己不会纠错，只能停下来等System 2重新调度。
结果就是：频繁停顿，重新规划，再次启动。
这在强调「实时+闭环」的具身语境下当然是不行的。真实物理世界充满不确定性，要是每走一步都等大脑发号施令，那黄花菜都凉了……
这也是墨奇提出MoRA的原因。
与业界常见的「大模型外挂动作策略」方案不同，墨奇主张让Agentic能力原生存在于策略模型内部，把目标持续性、执行记忆和任务进展变成System 1的原生能力。
这样，机器人才能从「输出下一个动作」转向「持续工作」。
具体而言，MoRA的System 1具备三项核心能力。
1、目标为条件的持续执行。
目标得在输入时就定义好。
MoRA接收的是由文本和图像共同定义的结构化任务目标，不是离散的动作指令。
同时，目标接口原生内化进策略模型，指令和动作之间无需层层转译。
机器人从接收到目标的那一刻起，就知道自己要做到什么状态才算完成。
2、多层级记忆。
这是执行过程中内置的进度条。
长程任务的本质挑战是时间跨度，模型要同时记住：刚刚做了什么、做到哪一步了、整体进展如何。
为此，MoRA在System 1内部构建了三层记忆——
- 短期：处理毫秒级的控制连续性；
- 中期：管理步骤级的执行状态；
- 长期：保留任务整体的目标与进度。
这些进度记忆，会成为模型表征空间的一部分。
3、进度认知的闭环。
最终就是将这些能力在输出阶段打通了。
MoRA在输出动作的同时，会结合目标、执行记忆和环境反馈，持续判断任务状态与当前进展，并在必要时反馈给System 2使其介入。
有了这些上下文，大部分中途偏差，System 1自己就能感知并修正，不必事事上报。
System 2化身「项目经理」：
专注意图理解、全局规划与异常兜底，并通过多模态交互与人协同；
System 1，晋升「主力员工」：
明确目标后不间断输出全身动作，自主维护记忆、追踪进度，仅在遇到能力边界时主动请求介入。
双剑合璧。
纸上谈来终觉浅，这套架构在真实场景中到底表现如何？
WRC 2026的现场，墨奇给出了答案。
这是公司自成立以来第一次亮相大型展会，一同公布的，还有他们的自研本体——MORPHI KINO轮式机器人。
长得也是挺萌的，还有不同表情，可以换着DIY。
它的主秀，是一个家居长程任务。
我尽量还原一下现场，讲几处比较有意思的点。
任务一：桌面整理。
机器人导航到垃圾桶处，拿起垃圾桶一路溜达到茶几，把茶几上的纸巾、空矿泉水瓶丢进去，再把垃圾桶送回原位。
这主要考验的是模型的通用Picking能力。
任务二：冰箱补货。
机器人走向水吧台，伸手拉开了冰箱门。
开门这个动作，对机器人来说其实很有挑战性。
门把手的位置、门的开合方向……都需要实时感知和调整，还要考虑躯干的站位，不能把门堵住。
但真正有意思的在后面。
门开之后，KINO探头看了看冰箱内部，停顿了两三秒。
这是在干啥？？？
检查库存。
是的，就像酒店的客房服务人员，每天检查冰箱里的矿泉水数量，不够就要补上。
然后大的来了。
检查完毕，KINO直起身，转身走向房间里的另一张小桌子，取了一瓶矿泉水！！！
然后回来放进了冰箱里。
任务三：衣物洗烘与折叠。
机器人前往洗衣房，拉开烘干机门，取出一件已经烘干的T恤。
把这件干T恤直接放进了净衣篓？？？
是的，根本没有叠，仿佛下定了某种决心般，径直走向了洗衣机。
说实话，当时真没太看懂，我还以为是出事故了。
听主持小哥讲解才知道，洗衣机里还有件湿衣，KINO是要去把它拿出来烘干，趁等待的时间再回来叠衣服——这样能最大程度节省时间。
这就是我前面说的进度认知。有了这项原生天赋点，在真实场景下，其实能泛化出很多玩法。
差不多就是这些。
说实话，清理桌面、检查库存、洗烘衣物，单拎出任何一个都不算惊天动地。
但能靠一套模型把这串任务自主串起来，就很恐怖了。
工作人员说，只是一些简单的目标Prompt：
打扫这个房间，收拾桌面，把水放到冰箱，然后把洗烘衣服处理一下。
剩下的步骤全是MoRA内部配合完成。
对了，除了主秀，展台上还有三道小菜。
1、Pick and Place。
桌上摆了一箩筐东西，玩偶、眼镜盒、饮料瓶……摆放位置和朝向完全随机，KINO会从最右手边的第一个开始，一个个抓起来收纳好。
你也可以自带考题过去，我拿的是喝了一半的矿泉水瓶。
这个过程中，观众可以随意干扰，模型会实时闭环调整。
但玩得最开心的还是展台小哥，属于是沉浸于自己的艺术无法自拔了——
KINO刚收纳完一个，他就又扔回去一个，一人一机搁这儿Loop是吧。
（bushi）
让我印象比较深刻的是，墨奇这个Pick and Place的抓取频率非常高，策略模型输出挺丝滑，没有动一下卡一下的情况。
2、递盲盒。
观众在屏幕上选盲盒，任务编排器将信号转为目标Prompt，机器人识别Prompt，找到对应颜色的包装盒，装进帆布袋，递给观众。
最后，还有个留影合照环节。
观众用磁铁表情件给机器人拼脸，然后跟它合影，机器人会摆pose——比耶、挥手、叉腰。
这个主要就是提供情绪价值了，也和他们进家庭的气质比较匹配吧。
当然，在这些demo背后，除了模型之外，还有一条更加重要的暗线——
数据。
这也是墨奇让我印象比较深刻的地方。
数据已经是具身行业公认的最大瓶颈。今年以来，大家集体开启攻坚战，每家公司都在宣布千万小时、1亿小时的具身数据计划。
但就在同行全力踩油门、重金堆数据量的时刻，墨奇的判断却是：
真实场景的数据质量，远比数量重要。
在墨奇CTO黄青虬看来，模型的本质是信息压缩、模态转换。LLM是语言到语言，具身是语言or视频到Action。
但二者的解题方式不太一样。
LLM天赋点拉满了，互联网数据一股脑丢进去就是，质量无所谓，反正参数大了之后，模型能自己过滤噪音。
但具身没法这样暴力解题。
物理世界要求「实时+闭环」，必须端侧部署，模型参数一大，基本宣告与落地无缘。
因此，具身必须在有限参数下，尽可能多地消化数据。
这也是墨奇如此重视数据质量的原因。
现场，墨奇工作人员无奈地表示，这很大程度上也是被倒逼出来的。
当时也采购了很多数据，拿回来才发现根本没法用。
这也让他们从第一天起就坚定了做好Infra，稳扎稳打慢慢攒高质量数据的决心。
也是蛮有魄力的一个bet了，同行都在疯狂采数据，但我现场跟展台小哥们聊了聊，感觉墨奇似乎没有特别FOMO，也不会强调年底一定要采多少数据啥的。
接下来就深入看看墨奇选择的数采思路吧。
墨奇表示，他们走的是一条优化过的无本体采集路线。
以人类第一视角数据为起点，通过统一具身动作空间对齐人类行为与机器人动作，把真实作业中与本体无关的任务知识映射给机器人。
这也是这两年行业的主流选择。比纯仿真Gap小，也比遥操容易Scaling得多。
这也是墨奇重点优化的方向。
首先，采集设备是自研的。
这也是现阶段的行业共识：前沿公司基本都追求数据、软件、硬件一体，所有板块相互耦合，最大程度推进迭代速度。
数采，则是这套系统中最重要的一环。事实上，只要数据足够好，模型层的很多问题都会迎刃而解。
墨奇的数采设备叫MORPHI Sense Kit，能在弱纹理、高反光这类极端场景下做到毫米级轨迹重建。
其次，采集场景是真实的。
今年上海WAIC上，具身的核心主题就是场景导向：大家纷纷开始与场景方合作，探索特定场景的梯度下降，在落地中找数据。
墨奇也是这么做的，但路线不太一样——没做工业，优先进的是服务行业，他们把这视为进家庭的抓手。
数采设备直接进入酒店、商务公寓等一线商业场景，由真正的作业人员在日常工作中产出数据。
最后，就是一套能消化大规模数据的Infra。
这也是过去半年墨奇主要在做的事。
可能也和公司基因有关——CTO黄青虬之前在华为做量产，对工程抓得很细，每个模块都要反复打磨。
如今也是正式启动了，墨奇已积累3万小时真实场景数据，计划2026年底完成15万至20万小时的数据储备。
过去几年，行业花了大力气，让机器人从能够运动，走向能够操作；从单项技能，走向多技能组合。
长程为王。
机器人得在充满变化的真实环境里，把一项任务从开始持续推进到完成。
这也是墨奇的入场姿势：Agentic-Native——
把目标、记忆与进度这些与长程任务息息相关的能力，变成策略模型的原生天赋点。
不过，这家公司自出水后，也一直在听到一类质疑的声音：
具身创业都三年半了，这个点才入局，会不会太晚？
对此，他们的回应是：
具身是一场马拉松。
这是黄青虬的判断，也是墨奇这家公司的节奏。
不追世界模型的热度，不贴VLA的标签，一心把Agentic能力做成模型的原生能力，在真实场景里慢慢搭建数据Infra。
起步落后几个身位没关系，毕竟，马拉松，从来不看前一百米。
2026年，具身回归场景导向，长程任务成为新赛段的新主题——
墨奇，开始加速了。
- 深度体验DeepSeek Harness，我原谅它涨价了2026-08-14
- 刚刚，DeepSeek V4 Pro正式版发布，多项对标Fable 52026-08-13
- 刚刚，Manus恢复独立运营2026-08-12
- Claude骂声中启动「隐形水印」：新模型全量嵌入，标记所有文字2026-08-11