文章来源于微信公众号暗涌Waves ，作者暗涌Waves。
「物理世界里，系统决定生死。」
「暗涌 Waves」独家获悉，成立仅半年的
据「暗涌 Waves」了解，本轮投资机构包括阿里巴巴、腾讯、蓝驰创投、
CTO黄青虬生于1994年，是典型的“技术派”：清华自动化系本科、香港中文大学MMLab博士，师从林达华，长期研究机器人控制、计算机视觉与AI算法，发表数十篇顶会论文。
2020年他以“天才少年”身份加入华为智能汽车解决方案事业群，后任智驾AI部门负责人，主导华为智驾从ADS1.0到4.0的算法突破与量产，是业界第一个把一段式端到端（WEWA架构）做到百万规模量产的人。
CEO高文礼曾是跨境物流公司
两位创始人的背景决定墨奇智能从第一天就不走单点Demo路线，而是锚定“软硬一体的系统工程能力”，以商用服务场景为技术训练场，瞄准通用家庭机器人的超级终端。
具身智能或许是工程学史上最复杂的系统之一。同样是投入数百亿级资金的行业，具身智能的迭代速度远远不如自动驾驶和大语言模型——因为让机器人拥有“大脑”，一定要“真实的作业人员在真实的场景里干真实的活”来采集数据这件事还没有彻底攻克——但这也正是目前具身行业的核心赛点：通用具身大脑与系统工程能力的综合竞赛。
黄青虬认为，如果不做大脑、不做预训练，这波具身创业就没有任何意义，“吸引了如此多资金和人才，如果只停留在本体或单点任务，具身智能很难承载行业今天的期待。”他眼中具身智能的终局，不在于谁的大模型更具“灵性”，而在于谁能在一个混乱、非结构化的物理世界里，搭建一套可量产、可复用、可闭环的底层架构。
「暗涌 Waves」曾在深圳见到黄青虬，我们聊到具身智能的行业拐点、家庭场景的终局判断，以及智驾经验如何赋能具身赛道，于是有了这次对话。
以下对话经「暗涌 Waves」编辑——
Part01
做真正服务人的通用机器人
在实验室里，模型架构决定上限；但在百万规模的真实物理世界里，系统决定生死。
今天行业里大家讨论最多的无非
具身智能，本质上是要去构建一个软硬一体的实时闭环系统。我们真正要做的是从第一性原理出发，把硬件的边界定义、数据的快速流动、模型的高效迭代和评测的闭环机制融合在一起，变成一个能自我进化的生命体。
“实时”要求操作和运控模型必须跑在端侧，大脑至少10Hz、小脑至少100Hz。这条频率红线把模型从云端“无限算力的温室”拉回端侧“功耗和散热的牢笼”，反过来约束算力、锁死参数量，不是不想做大，而是物理法则不允许。“闭环”则意味着传感器一点精度缺失、执行器一丝时延都会被系统放大，也决定了模型学什么、怎么学。所以现阶段硬件和软件根本无法解耦迭代，想让系统高速迭代，唯一出路就是软硬一体。
机器人就是改变这种现状的最佳形态。墨奇智能终局的产品，会是一个具备全局物理理解能力、能处理复杂任务的家庭机器人。它能识别家里的一切变化，自主完成打扫、整理、递送等各种事务。它不需要你为它做任何妥协，是它来适应你的生活秩序，而不是反过来。
Part02
智驾是具身的子集
第一个是GPT时刻。大语言模型非常好地解决了高层语义理解和任务拆解的问题，机器人终于有了“认知大脑”。但在我看来，光有大脑是不够的，当前具身最大的瓶颈在低维的物理执行。第二个关键时刻就是智驾的端到端时刻。我在智驾行业亲历了这段历史，它证明了用神经网络去驱动一个物理实体的实时闭环，是可行的。
高维的认知智能与低维的物理控制，这两条原本平行的线在今天交汇了，交汇点就是具身智能。
至于有人筹备上市，证明的是资本对这条赛道的长期看好，但不代表技术和产品已经收敛。具身是一场系统工程的马拉松，上市只是拿到了补给券，比赛才刚刚鸣枪。
何况我们从一开始就锚定通用家庭机器人终局、走软硬一体路线，和现有玩家底层逻辑有本质区别；家庭机器人又是万亿级全球蓝海，我们从Day 1就按全球化架构搭建，不存在“入局太晚”。把底层系统和产品打磨好，比赶短期节点更重要。
智驾作为一个简化版的具身智能，有非常多经验可以借鉴。比如端到端的技术方法论、数据闭环的迭代体系、端侧模型的实时优化、多传感器融合的工程方案，甚至百万级量产的质量管控流程，这些都是已经在智驾赛道被验证过的成熟经验，在具身智能研发中都可以借鉴，大幅缩短行业从Demo到量产的周期。
第二是具身系统的长期稳定性。在非结构化世界里，环境是动态且充满扰动的。一个系统“能跑”不代表“能规模化跑”，从1到100万台的发货规模，中间隔着巨大的工程鸿沟。
终局应该有两个采集设备：一个纯采视频、极其轻便，甚至就是一副眼镜，采海量视频用于预训练；另一个是现有便携设备的改进，在佩戴便携性和重建精度间找到甜点，采相对少量、同时用于预训练和后训练的数据——两者都要符合“三个真实”。
另外，数据质量远比数量重要：把亚毫秒级时间同步、弱纹理环境下高速运动轨迹精度这些做到位，保证每一小时数据都高质量，远比快速铺开采千万小时更重要。
工程上要做的，就是想方设法给它增加“多模态的稠密反馈”。今天吵得火热的各种路线，其实都是在不同维度做这件事：让模型做视频生成、预测未来画面，是空间上的稠密反馈，即世界模型；让模型用语言表达推理过程，是逻辑上的稠密反馈，即VLA的重要训练方式；加深度图是几何上的、加语义分割是语义上的稠密反馈。
所以世界模型和VLA根本不冲突，不是你死我活，而是从不同维度给模型铺的“辅助线”——这又回到那句话，架构之争是伪命题。墨奇采用的正是融合各种稠密反馈的多专家架构，想构建“理解—生成—决策”一体的原生多模态模型。
如果只停留在本体或单点任务，具身智能很难承载今天行业投入的期待。长期来看，真正的价值会回到可迁移的大脑、数据闭环和规模化产品体系。
当然，即便要算我觉得也是算得过来的，模型训练的投入毕竟是固定成本，面对一个海量发货的高价值产品来讲，任何固定成本终究会变成可以忽略不计。
Part03
“一个务实的理想主义者”
我在清华的时候除了上课和睡觉，80%的时间都泡在清华主楼的508——赵明国老师的机器人实验室。那四年，我在那玩遍了各种形态的机器人，从循迹小车、自平衡小车，到加入火神队做人形机器人，最后毕设还和学长们一起捣鼓了一个能跟着人跑的自动驾驶自行车。我就是在这里完成了具身启蒙。
同时我还遇到了三位学长，他们当时跟着汤晓鸥老师创立了商汤，是前三号员工。在他们引荐下，我去商汤实习。最早商汤就十来个人，大家挤在清华科技园的文津国际公寓，客厅是办公室，卧室是宿舍 ，我至今怀念那种自由、高效、追求极致的纯粹氛围。这种氛围感染了当时的每一个人，以至于当初一起熬夜写代码的同事，后来缔造了Momenta、MiniMax等好多家科技明星公司。
经历过那种从0到1的狂热，你心里那颗"要做一家伟大科技公司"的种子就再也按不住了。
当时我的导师林达华跟我说“大家都在研究几秒钟的短视频，你要不去看看电影这种几个小时的视频可以做什么研究吧”，于是我博士四年主要干的事情就是对着几千部电影拍脑袋想各种各样的topic，从演员识别到多模态对齐再到自动化剪辑。
这其实就是在系统性去拆解问题，构建一个个小的研究体系。构建体系是一个厚积薄发的过程，在体系形成以前可能没有太多产出，一旦体系构建完成，便会产生爆发式的增长。
华为有一套堪称“噩梦”的质量管理系统，每个细微问题都会被持续跟踪，每个新版本前都要面对灵魂拷问：“这个问题为什么又没解决？”过程虽痛苦，但正是这种不放过任何小问题、一个个版本死磕的劲头，才迭代出优秀的产品。这份积累让我今天有足够自信打造优秀的具身产品，把天马行空的技术变成物理世界里绝不掉链子的工程答卷。
我无比坚定地相信，十年之内，通用机器人一定会成为人类在物理世界里的"超级终端"，走进千家万户。
但同时我更清楚，这一天绝不会因为一篇爆款论文或一个惊艳的Demo就突然降临。要跨越Demo到产品的天堑，没有捷径可走，只能在泥坑里一步一个脚印地蹚：去死磕亚毫秒级的多传感器时间同步，去抠电机执行器每一点微小的误差累积，去清洗每一条轨迹异常的训练数据，去兜住线束松动、指令丢包带来的每一个异常分支。这条通往超级终端的路，注定任重而道远。
