通往物理 AGI 的路线图，和他的反共识清单。
作者｜苏子华
编辑｜靖宇
机器人行业现在最关心的一个问题：它能干完一整件事吗？
几十秒的抓取物品的视频已经撑不起估值了。把一件事从头干到尾，成了最新的考题，行业里叫它「长程任务」。
8 月 19 日，世界机器人大会，一台机器人首次亮相，用 15 分钟回答了这道题：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，按下启动键，最后把衣服叠好。
里面大概有七八十个动作，自主完成，全程没掉链子。
正在忙活衣物烘洗家务的 MORPHI KINO 机器人｜图片来源：MORPHI
造它的公司叫墨奇（MORPHI），成立刚 8 个月。联合创始人黄青虬出生于 1994 年，清华自动化本科、香港中文大学 MMLab 博士。
在华为车 BU 的五年，他从研发飞速做到智驾 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，管两百多人。根据公开信息，华为智驾系统已覆盖 35 家车企、50+ 款量产车型，搭载量超 170 万台。例如，被广为熟知的问界、智界、尊界等新能源汽车品牌。
离开前，他做了件大事：把整个智驾全部完成了 AI 化。也是在做完这一代之后，他亲手验证了用一个 AI 模型去驱动物理系统、做底层控制这件事是可以的，看到了具身爆发的基础。
于是他辞职，和也曾是华为出身的物流老兵高文礼一起，做一台「跟人一样聪明」的机器人。
墨奇很多选择都和同行反着来：
不做双足人形，先做轮式——「智能的上限在手臂」；自研关节，却没做灵巧手——「夹爪就够了」；不堆数据量，坚持数据质量第一，且认为数据比模型架构重要；也不追「VLA、世界模型」等架构名词——具身模型架构叫 MoRA，按照功能来命名，意思是「会推理，能自主」。
最特别的是他们具身模型的技术路线。
一般机器人是「云端大脑下指令、本地手脚执行」；而他们是将「大脑」的能力直接装进执行层。全程没掉链子，依赖的就是其模型 MoRA 端侧System 1的能力。
黄青虬认为，这是 Agentic-Native 的模型路线。「我们用 8 个月干了别人两三年干的事。未来我们希望在某一个单点上做到业界标杆，比如模型，或数据的 scaling law 上，做出别人没做过的东西。」
今年 7 月，墨奇宣布融资超 10 亿元，阿里和腾讯都投了，估值 70 多亿。目前，团队 150 多人，明年计划交付千台机器人。
在他们的模型和机器人首次亮相前，极客公园与黄青虬聊了聊，关于他们打算如何实现物理 AGI 的路线图，以及如何在这个火热、拥挤的赛道里杀出重围。问题涵盖了：
具身智能狂飙了 3 年，现在入局算晚吗？
当技术路线、叙事逐渐趋同，具身智能公司的核心壁垒在哪？
「全栈自研」的边界在哪，如何区分必要投入与噱头？
通用机器人，必须同时做本体和模型吗？
具身智能基础模型的技术路线，下一个方向是？真正的瓶颈是？
如何通过 demo，识别出一家具身智能公司的真正实力？
如何面对业内极高的跳槽率？
访谈中的部分精彩观点：
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」；
短期竞争力在数据采集，长期竞争力在后面从原始数据到训练数据这条链路。你只有在模型训练试错中掌握的 know-how，才是别人抄不走的；
不能为了自研而自研，想清楚你要什么，在你走这条路线的阻塞点上去自研；
押注 Agentic-Native 的具身模型路线：System 1 应该是大脑，而不是慢慢变成了另一个小脑、只是纯粹的执行者；
现在一切都还比较早，就像跑马拉松，大家也就差一两个身位。最关键的在于把过程积累的东西，沉淀为组织资产。
以下为对话内容，经极客公园编辑整理：
01
华为智驾 5 年，
与通往物理 AGI 的路线图
极客公园：博士毕业的时候为什么选择加入华为？
黄青虬：我博士期间研究的课题是多模态数据，以及一些长视频、电影的处理，所以选择其实还挺多的，也可以去做短视频或者视频生成这类方向。
我本科就开始玩机器人，博士期间接触了一些虚拟世界的东西之后，还是觉得看到 AI 在物理世界的机器上蹦蹦跳跳能动，会更有成就感。但那时候确实也没有这个行业，所以就选了最接近的行业，叫自动驾驶。
所以当时是先选行业，再去看哪家公司。
去华为其实有两个原因。第一，我想去一家能经历整个产品从 0 到 1、再到规模量产的全生命周期，在里面能学到的东西会更多。我 2020 年加入的时候，华为车 BU 刚成立（2019 年成立），这个比较符合我的想法。
第二，华为当时提了「天才少年」计划，确实很吸引人，我是第二届拿到天才少年 offer 的。我就去了华为做智驾，一直待了 5 年。
极客公园：在华为这 5 年里，有哪个比较关键的作品或事件，会让你更有成就感？
黄青虬：我在华为经历了智驾的四代产品，基本上每一代产品的关键模块 AI 化都是我负责的。
挑两个讲吧。第一个是刚进去半年做的 ADS 1.0 里的激光感知。
当时的情况是，我们把旋转式激光雷达换成了半固态激光雷达，因为半固态的成本能降一个数量级，而且满足车规级，原来那种旋转式的不满足。换了之后发现整个传感器的性能下降了很多，后端原有的那套激光感知算法都不太行了，就让我去解决这个问题。
有成就感是因为，我此前从来没碰过激光雷达，去的又是一个完全陌生的团队，但通过整个架构的重整和团队的协作，花了大概三周多的时间，把整套算法做出来了，效果很好——我们是第一个把 AI 化激光感知模块做到商用的，效果甚至比视觉还要好，也给华为留下了后续演进的影响，就是坚定地走多传感器融合、自研激光硬件。
第二个讲一下我离职前做的作品。2024 年底到 2025 年，我们做了一段式端到端，从传感器输入直接输出规划与控制的轨迹，相当于把整套智驾系统彻底 AI 化了，用一个模型去驱动整个车辆的控制。
我觉得它是一个终极之作，把整个智驾全部完成了 AI 化。也是在做完这一代之后，我觉得整个技术相对收敛了，所以就出来了。
极客公园：你决定从华为出来创业，有没有一个具体的事情推动了你？
黄青虬：不是一个具体的事件，而是一个持续的过程，有几方面的原因。
第一，我 2024 年底开始看机器人行业，当时陆续有公司出来了，包括我本科的导师也出来做了一家机器人公司，做的事情跟我上学时做的是一样的，也在踢足球。整个行业在硬件和小脑上面已经有了比较大的发展。
第二，我自己也在预判：本体和小脑发展之后，大脑的技术会往哪走？什么阶段可能走向技术爆发？
大家常说的是 ChatGPT 时刻——大语言模型在虚拟世界展现了非常强的能力，已经验证了 Scaling Law，但在我看来这可能还不够，因为大语言模型解决的是 high-level 的语义理解和任务规划问题，用 AI 去驱动底层控制这件事，当时还没有得到验证。
2025 年，我把华为那套一段式端到端做出来之后，亲手验证了用一个 AI 模型去驱动物理系统、做底层控制这件事也是 work 的。这两个结合可能才是未来具身爆发的基础。
再加上我遇到了合伙人高文礼（前跨境物流企业 iMile 联合创始人），两人能力确实比较互补，就一起出来了。
极客公园：你和你的合伙人高文礼，当时是怎么组建到一起的？
黄青虬：他原来在物流行业，也在看物理智能体的机会。物流行业现在发展得比较好的是物流小车，但最费人的其实是在节点——物流小车到站之后的装卸货，以及工厂履带和卸货履带交叉的地方，都要靠人把物体从 A 搬到 B。
所以整个装卸货和分拣是最费人的，他觉得需要机器人。后来他又想：与其只做一个物流行业搬运货的小机器人，不如做一个通用的机器人，既能服务物流，也能服务其他各个行业，甚至走进家庭。
我们都在看这个机会，后来持续交流行业的发展、看各个场景对具身的具体需求，一直到 2025 年八九月份，才决定出来做。
极客公园：为什么选择做通用机器人，而不是更容易做商业落地的垂直品类？
黄青虬：这一点我们团队非常快就达成了一致。
我们这波出来创业，核心就是想造一个跟人一样聪明的机器人。要跟人一样聪明，就得找泛化的场景，泛化的场景才能喂出泛化的基础模型。
第二，我们认为「通用」未来能取代「专用」，但「专用」永远取代不了「通用」。
如果我有一个泛化能力很强的基础模型，要去物流、工业或服务业某个地方落地，只需要再采集一点数据、做一些微调，可能就能落地了；反过来，如果这个模型是照着某一个工厂的工序专门训练、专门调的，到其他场景就很难落地。
所以，我们决定把重点放在提升通用能力、推高智能上限，在此基础上一路「沿途下蛋」，再找一些基础的专用场景逐步落地。
极客公园：听说你们全栈自研，必要性在哪呢？这是创业之前就已经想好的，还是出来之后不断修正的？
黄青虬：是出来之前就想好的。我们一直的原则，都不是为了做全栈而做全栈。什么东西会自己做呢？
首先，基础模型是必须做的；第二是整个数据的处理链路，就是怎么从原始数据变成高质量的数据，因为它跟模型训练强绑定。而且，我觉得未来各家以基础模型为核心竞争力的公司的关键壁垒，可能不在于模型架构，而在于这套数据里的 know-how。所以这两个是必须做的，是整个公司的核心。
在此基础上，其他东西做不做，我们只看两点。
第一是从商业角度考虑。现阶段大家倾向于要一整套解决方案，所以你需要有自己的硬件，才能保证这个解决方案软硬一体是最优的。
第二，如果某个零部件对迭代你的基础算法和数据是阻碍的，而且行业又没有成熟的供应链能支撑，我们就自己做。
举个例子：关节我们自己做，但灵巧手没有自己做。核心原因是，关节现阶段已经成为我们整个系统的瓶颈之一——我们想要高动态、低时延、能把底层所有控制信号都给我们用的关节模组，还要有一定的产量、一致性和可靠性，而目前行业还没有达到我们理想中的状态，所以决定自己做。
灵巧手为什么现在不着急？
核心是，现在人戴着夹爪就能完成我们想做的绝大部分动作，比如收拾一个房间、分拣一个包裹，夹爪都是可达的。关键的瓶颈在算法，而不是执行器、夹爪本身。
所以从夹爪换成灵巧手，虽然是终局，但现阶段它不是算法演进的阻塞点，就没必要现在做。
极客公园：所以你们目前主要自研关节？
黄青虬：对，你可以认为整机系统和关节是自研的；传感器、主控芯片是外购的。
极客公园：行业里也有一些其他公司在讲全栈自研，你们的不同之处到底在哪？
黄青虬：比如刚才说的关节模组，我们自己设计，做里面的驱控算法和电路，但具体到齿轮怎么制造、怎么打磨，肯定不自己搞，借助成熟的供应链。
反正不能为了自研而自研，这是我自己的观点。想清楚你要什么，在你走这条路线的阻塞点上去自研，这样才更聚焦。
极客公园：核心都是为了推高智能的上限。
黄青虬：是的。
02
基础模型路线之争：
主流把 System 1 当执行器，
我们让它当大脑
极客公园：你们刚刚公布了自己的具身智能模型 MoRA（MORPHI Reasoning & Autonomy），为什么叫 reasoning 和 autonomy？主要是想表达什么？
黄青虬：现在行业主流的模型命名，很多是用模型架构来命名的，比如 VLA、WM、WAM 这种。但我们是从模型的能力来命名的。
我们认为模型架构会持续变化，去年有 VLA，今年有 WAM，明年可能有新的东西，而且这些架构本质上只是推进模型训练加速的方法和技巧，并不是最本质的东西。
更本质的是这个模型要有什么能力，所以我们是从模型能力的角度来命名的，就是 Reasoning & Autonomy。
为什么这两个能力最重要？
Reasoning 首先代表对环境、任务以及一些行为的理解、推理、规划与预测；Autonomy 代表机器人能够自主推理和决策，并且执行行动。
两者结合，就构成了具身智能最核心的两个能力——reasoning 表示它能想清楚，autonomy 表示它能持续地做、一直做到正确为止。
极客公园：现在行业主流的模型技术路线是什么？瓶颈是什么？你们的本质上有什么不同？
黄青虬：我们主张的是 Agentic-Native 的具身基模技术路线，主要是针对我们的操作模型。
先说背景：现在模型基本是三个系统的架构。主流大概是一个 System 2 做语言理解和任务拆解，把它拆解成目标和可执行的动作，再把动作指令输给 System 1，也就是操作系统；System 1 接收指令后做具体操作，输出一个轨迹；轨迹再输给 System 0，也就是大家说的小脑、运控系统，由它最终驱动关节去执行。
目前核心的瓶颈在 System 2 和 System 1 之间，它们传输的信号有一定瓶颈。
比如为了完成一个长程任务，在现有的分工下，压力大的是 System 2，它要做很多目标管理、记忆管理、进度追踪，还要告诉 System 1 每一步该做什么。
同时 System 2 很多时候跑在云端，因为它是一个非常大的模型，它的调用频率，以及跟端侧 System 1 的沟通频率都不够高，所以你会看到很多系统有卡顿的问题，很多时候就是这个原因造成的。
为了解决这个问题，我们需要把 System 2 的一部分能力挪到 System 1。
System 1 应该是一个更聪明的、能自主执行的模块，应该是大脑，而不是像现在这样慢慢变成了另一个小脑、只是纯粹的执行者。
极客公园：System 1 变聪明之后，具体解决了哪两个问题？
黄青虬：第一个是目标的接口。
以前 System 2 给 System 1 的是「把衣服拎住两个角翻过来」这种很细节的操作，我们希望能给「叠衣服」这种大颗粒度的任务，让 System 1 自己完成。而且它不只支持语言指令，也能接受图像指令，比如「把衣服叠成图像里的这个样子」——当然，接口能力更强的前提是 System 1 本身能力要更强。
第二个是时序能力。我们希望 System 1 从以前短时序的、反应式的动作，比如翻衣服，变成能自主完成长时序或中等时序、需要一定纠错和回溯能力的动作，比如完整地叠完一整件衣服。这就是我们在 Agentic-Native 模型里想做的事。
极客公园：你们把目标、记忆等能力都放到了 System 1 里，那 System 2 还剩什么活？两者的功能分工怎么界定？
黄青虬：System 2 长远来看，它最核心的就是意图理解。
比如现在最多的意图是语言交流：你给它一句话，它要能理解——因为人说话不会说得很明确，我说「我渴了」，实际上可能是让你帮我拿一瓶水，这种语言的理解是 System 2 要干的事，System 1 不会干。
第二，它也会做一定的任务规划，但我们希望只是大颗粒度的任务规划。比如我给它一个「收拾一个房间」的指令，System 2 至少要拆解成「把桌面清理干净、把衣服叠好、把床铺好」这种大颗粒度任务，这些还是靠 System 2。
极客公园：这套模型架构，对末端的执行器有影响吗？是否需要加更多芯片、传感器之类的？
黄青虬：这个倒是不会。但有一个区别：现在有一部分人把 System 1 也放到云端，而我们的实现方式是，System 1 和 System 0 一定要跑在端侧，必须是端侧高频运作的实时响应系统，这是我们的判断，业界目前还没有达成一致的共识。
至于末端的执行器、传感器，倒是跟这个架构本身没有直接的关联。
极客公园：你们之前提到，先是用开源模型，再逐渐自己预训练模型，现在已经开始预训练了吗？
黄青虬：对。整个模型开发分三个阶段。
成立后前面三个月，我们做的是后训练：完全基于开源的基模型，比如拿 π0.5（Physical Intelligence 的开源 VLA 模型）作为基模型，只做动作的 expert 微调。这一阶段的目的，一是帮我们调试本体和真机，二是掌握后训练的技术——即便以后基础模型能力很强，也还是需要通过几小时或几十小时不等的后训练数据，把它微调部署到某个真机上。
所以前三个月在干这件事。
从三四月份开始，我们就在做预训练，定义为第二阶段的预训练：还是拿开源的模型，比如通义千问 VL，但只是用它来初始化参数，初始化完之后就跟这个模型没关系了，后面所有的参数都放开去调整。拿开源模型做初始化的好处是模型能更快收敛，加快迭代速度。
这一阶段预计持续到 10 月、11 月左右，核心是把 Agentic Native 的几个能力都积累下来。之后我们可能就彻底从初始化进阶到开始训练自己的基础模型。后面两个阶段学术上都定义为预训练，我们分两个阶段来进行。
极客公园：你们在自己采集数据，行业里一些公司现在也开始自己采集数据，同时也有一些专门的数据供应商，但大家好像对数据都不太满意。你觉得什么算是比较好的数据？
黄青虬：数据评价就两个标准，一个是多样性，一个是精度。
我们自己定义叫「三个真实」：真实的人、真实的场景、干真实的活。采集的数据首先最好是真实的作业场景，就是大家说的野采（in the wild）。因为摆拍场景的多样性一般不够——摆来摆去，你看着采了 10 万小时，可能里面 9 万小时是重复的。
因为，你会发现采集场里的工人，如果他的目的是模拟出一个轨迹、拿到回报，那让他「擦桌子」时，他并不是真的想把桌子擦干净，只是在模拟擦桌子的动作，这种轨迹往往不太真实，训练出来的模型能力一般也会差一点。
所以从场景选择上，最好是让真实的作业人员在真实场景里真实工作，一边工作一边采，这是从多样性以及轨迹质量、真实度方面考虑。
第二方面就是精度，这考验算法能力：采集数据本质上是想让模型学人的轨迹，那怎么把人做动作时的轨迹、那些 XYZ 坐标点估算出来？背后是一套定位和标定的算法。
从数据精度考量，现在行业内大家都说自己做到毫米级，但毫米级可能只是普通通用场景能做到，一些比较难的场景，比如手伸进洗衣机里，有严重的遮挡，这时还能不能做到毫米级？很多数据是做不到的。
极客公园：你们目前积累了 3 万小时真实场景数据，你觉得和行业里更大体量的数据相比算什么水平？
黄青虬：从数量上我们并不算特别有优势。现在行业头部公司，有些宣称用了百万级数据，国内一些友商也宣称有百万级别——真实度另说——但至少大几十万、百万是行业头部的量级。
我的观点一直是数据质量远远重要于数量。
所以我们花了很多时间打磨数据质量。一方面是精度，我们花了很多时间做各种精度提升，现在能做到包括手进洗衣机、甚至手面对白墙这种对定位来说比较难的弱纹理结构，都做到毫米级，这是第一个优势。
另一方面是多样性，我们前期花了很多时间建立数据运营系统——多样性很多时候是运营问题，你要在后端有一个系统，管理前端几千个数据采集源，让它们得到及时的反馈、采集各种各样不同的数据。在质量、精度、多样性上，我们觉得能比现在看到的数据供应商更有优势。
数量目前不是我们最关注的，我们关心的是基于 3 万小时数据、以及到年底预计的 15 万小时数据，能不能训练出一个还不错的模型。而且，我相信只要有高质量数据，十几万小时就已经能训练出非常不错的模型。
极客公园：如果行业里有人用一模一样的方法去采集更高精度、多样性的数据，你们会转而放弃自己采集数据吗？
黄青虬：长远来看，我们并不觉得数据采集一定要握在自己手里。
数据采集如果设备标准化了、运营系统比较成熟了，谁去采都一样，后面拼的是运营能力和成本。
短期来讲，刚才说的定位精度可以作为竞争力；但长期大家也会抄、会趋同，真正的竞争力构建在你采上来之后的数据处理那一段——它跟模型训练强耦合，你只有在模型训练试错的过程中掌握了很多 know-how，反过来驱动数据闭环链路去改进，才有可能做出跟别人不一样的东西，变成你自己的 know-how。
所以数据这块，短期竞争力在前面采集，长期竞争力在后面从原始数据到训练数据这条链路。
极客公园：具身领域，大家节奏都很快，你会因此着急吗？
黄青虬：不太会焦虑。现在一切都还比较早，就像跑马拉松：现阶段你跑得快一点慢一点，大家也就差一两个身位，甚至半个身位，但你要跑的是十几二十公里，把时间拉长，这些差距都可以忽略不计。
更多的是要在这个你追我赶的过程中积累一些东西，比如训练方法、数据基建、本体的可靠性和工艺设计，慢慢沉淀成这家公司的资产，我觉得这才是更重要的。
03
长程任务才是「试金石」
极客公园：你们这次展示的机器人 MORPHI KINO 为什么是轮式的，而不是一个完完全全的人形？你们对人形机器人是什么态度？是路线问题，还是现阶段的选择？
黄青虬：两者都有考虑。
从阶段性讲，我们为什么先推出轮式：现在行业形成共识，这一波具身最大的价值点在于生产力，而生产力在上半身、在手臂上。哪怕底下是固定的，别说轮式、足式，哪怕是一个固定工位，把基线按在那，只要手上能干活，也能产生不错的价值。
而且现在算法能力的瓶颈也在手臂的操作上，我们想聚焦——还是刚才那个原因，目标是提升智能上限，现在智能的上限在手臂操作，所以先做一个轮式的，把双足行走的平衡性这些现阶段不是瓶颈的问题规避掉，聚焦去做操作，这是一个阶段性的选择。
从长远看，终极形态肯定是双足，这一点我也认可。
极客公园：你会认为未来真正的通用机器人公司，必须同时做模型和本体吗？
黄青虬：不一定，但三五年内如果要做得好，我觉得需要。
先讲三五年内：第一，现在本体和算法都没有那么 ready。在算法能力相对没那么强的情况下，如果本体、数据跟算法是一套同构的执行器，算法能力会更优。
第二是迭代效率。现在硬件的可靠性和成熟度没那么高，如果外购一台整机，好的供应商不多，还要供应商配合我的算法每天做高速的硬件迭代，这件事很难推动。
所以为了智能的迭代速度，现阶段自己造本体是更优的选择。
另外从商业上讲，很多客户还是为整体解决方案买单，你很难说卖个模型、让客户再去采购别人的本体拼在一起，现在行业还没到这个程度，客户也没有这个能力。
长期来看，如果机器人发展到像汽车一样成熟和标准化，那也不排斥像汽车行业一样分工：有人造车、有人做智驾系统、有人做集成，这是有可能的，但短期不太可能。
极客公园：你们这次的 demo 设计成 15 分钟、跨房间、多步骤，为什么这么设计？
黄青虬：有两个原因。
第一，我们想完整展示一整套系统性的能力，从硬件到整套算法的 system——System 2、System 1、System 0 都在工作。里面展示了各种能力：能操作刚性物体，比如水果、桌面杂物；能操作柔性物体，比如叠衣服；能开关冰箱门、洗衣机门；能一边移动一边抓枕头。我们用这个 15 分钟的类家居生活场景，做了一次集中展示。
第二，其中设计的任务也是展示我们那套 agentic native 的能力。
第一个是长程的，所以确实有 System 2 在做任务拆解。同时 System 1 里有很多细节：比如它能响应动态的环境——脏衣篓被人不小心踢了一脚、挪了位置，它能自己去做修复，这就是目标牵引：要完成这个任务才算完成，而不是做出一个动作就算。只有目标牵引到完成的能力，才能持续做错误恢复。
第二是记忆能力，比如开洗衣机门和烘干机门：你要知道之前已经开过烘干机、把衣服拿出来了，现在里面是空的，所以开完洗衣机门就可以直接放进去。
从他第一次把烘干机的衣服拿出来，到把洗衣机的衣服放进去，中间做了七八个动作、持续一两分钟，这需要至少中层的记忆能力，这就是我们说的多层次记忆。
第三是判断自己有没有完成，比如清理桌面之后，突然给他扔一个香蕉皮，他要能意识到这是新出现的垃圾、需要清理，直到桌面干净为止，而不是只清理一开始看到的杂物。这就是 closed loop，带进度的认知闭环。
所以这 15 分钟，既是一个比较真实的家居场景，也集中展示了我们想展现的、以及我们认为模型需要的能力。
极客公园：你在看同类的 demo 时，会关注哪些关键表现和动作来判断他们的能力？
黄青虬：第一是长程，这比较重要。能做长程任务，首先意味着系统能力比较强——System 2、System 1、System 0，加上硬件和整套端侧软件调度系统，要能持续地做一个东西，肯定比只做一个二三十秒的桌面物体抓取复杂得多。
长程意味着复杂系统的构建能力，同时也意味着系统是稳定的：你跑得越长，每多一个动作，假设每个任务的成功率都是 95%，做 10 个动作和做 100 个动作，沉淀下来的成功率是不一样的。
我们这个 15 分钟的 demo 里大概有七八十个动作，如果整套 demo 每次跑下来成功率要有 90%，那每个动作的成功率就得做到 99.9%。
所以长程是比较能体现一家公司 demo 能力的关键点。
第二是泛化性，看他能不能处理没见过的物体。
第三是自我纠错能力，现阶段一个动作不可能 100% 成功，模型能力强的，试一次不对会试第二次；能力差的，试一次不行就宕机了，或者跳过这个步骤接着往下走，这种相对来讲能力就差一点。
04
跳槽最凶的行业里，最在意的是组织
极客公园：现在依旧有新的具身智能公司源源不断冒出来。你觉得，这一轮资本还在很积极地投资新创业者，动力主要来自哪里？
黄青虬：首先，动力跟上一波也没什么区别，还是这个行业的想象空间足够大。
所以哪怕现在投一家公司估值可能大几十亿，大家觉得跟未来整个市场相比还是相对便宜的，愿意投更多资金进来，这是最原始的点。
第二，大家觉得训练范式、技术范式还没有收敛，没有收敛就意味着最好有更多玩家进来，各自按自己的思路尝试。
极客公园：你之前提到过一个观点：今年能产出 5000 台靠谱机器人的公司不会超过 3 家。这个怎么讲？
黄青虬：现在机器人真正规模出货的，很多时候还是娱乐类或科研类的，但这些场景能吸收的机器人数量非常有限。
真正更巨大的市场是能干活的机器人，它的瓶颈有两个：
一个是硬件的可靠性——唱歌跳舞可以跳 10 分钟休息两小时，但真正干活，一天至少得干 8 个小时，我们希望机器人一天最好能 24 小时不停地干活，硬件的可靠性现在还是一个没有完全解决的行业瓶颈。
第二是算法的能力——哪怕硬件行了，放到工位上干活，它的效率和错误率还是要比对应岗位的人差很多。
机器人可靠性不够，就很难有出货量的空间。
极客公园：有一种现象，具身智能这个行业跳槽比较频繁，从应届生到合伙人，之前还没有哪个新兴行业的合伙人跳槽离职这么频繁。你觉得原因是什么？这种现象到什么时候会减弱一些？
黄青虬：说实话我不太好预测。
不管一家公司还是一个行业，只有组织稳定了，业务和技术的演进才有可能稳定。所以我们在这方面额外关注——除了技术演进，我们更希望构建一个稳定的、持续战斗的组织，这在我们看来比技术还要重要。
极客公园：你在华为管理过很大规模的团队，在组织管理方面有什么心得？
黄青虬：第一是找的人，你要看大家到底想干什么。很多人频繁跳槽，核心心态是「我做出一个小东西，就能靠它抬高身价、拿到更高溢价」，这种同学跳槽会相对频繁。
但我们找的是使命感更强的同学，他是希望真的能持续稳定地在一个环境里，把一个真正 work 的具身或物理 AGI 做出来，这种同学跳槽意愿会低一点，因为他的目标更远大，而不是做出一定成果就想跑。
第二，要给大家提供一个好的环境。很多有追求的同学，他们的核心成就感来自于技术突破，来自于自己的 idea 能推动这个行业往前走，那你怎么在这个过程中让每个人的想法得到尊重，并且有足够的资源支撑大家做出不一样的东西，这也很关键。
极客公园：行业内有你比较欣赏的公司吗？
黄青虬：行业内有很多值得学习的公司，每家公司的学习点不太一样。
比如宇树，它把本体往前推进了一大步；像 Physical Intelligence（Pi）把模型往前推了一大步；像 Generalist AI、Sunday Robotics 这些，把数据采集范式往前推进了一大步。这些都是我非常欣赏、非常尊敬的公司，大家在真真切切地用努力把行业往前推进。
极客公园：你觉得你们现在算第几梯队？
黄青虬：我们出来 8 个月，我对自己的评价是：我们用 8 个月时间干了别人两三年干的事情。
比如我们有第一代稳定的本体，能做业界可能第一梯队公司才能做的、非常长程且包含刚性物体、柔性物体、开门等复杂动作的任务。
所以我觉得算是接近第一梯队。
未来我们希望再过半年或 8 个月，到今年年底或明年年初，能在一些点上，比如模型，或者数据的 scaling law 上，做出业界其他人没做过的东西，在某一个单点上做到业界标杆，这是我们的目标。
极客公园：你们目前花钱的大头在哪里？
黄青虬：还是在算力、模型训练上，每个月花了一半以上的成本。
极客公园：你希望行业怎么评价墨奇？
黄青虬：我希望大家评价墨奇是一家靠谱的公司，墨奇能够给机器人行业的发展贡献一点微小的力量，我就已经比较满意了。
极客公园：意思是其他不太靠谱吗？
黄青虬：倒也没有。只是希望我们是属于靠谱的那一波。
*头图来源：黄青虬
本文为极客公园原创文章，转载请联系极客君微信 geekparkGO
极客一问
你觉得靠谱的机器人有哪些？
