普通人到底是怎么看待人形机器人这波热潮的？我翻了翻自己的短视频评论区，感觉有点复杂。

一说机器人进工厂，评论区总有两股情绪。一股是兴奋，希望它赶紧替人搬重物、干苦活；另一股是焦虑：机器人越来越聪明，我的工作还保得住吗？

可一说机器人进家庭，大家的态度反而出奇一致。最好能做家务、照顾老人，一个人住时还能跟它聊上几句。

工厂里的机器人让人想到的是效率和替代，家庭里的机器人带来的想象很直接：终于有人替我干家务了。

所以我有一个不太严谨，但越来越坚定的判断：人形机器人的终局一定是进入家庭。但问题是，怎么才能更快地走到那一步？

眼下，具身智能最容易落地的地方还是工厂。场景封闭、任务固定，投入产出也容易计算。家庭却没有标准答案：东西摆放没有规律，任务随时会变化，还要考虑安全、隐私和价格。

就在大多数企业都在往工厂冲的时候，我注意到了「墨奇智能」。这家成立大约八个月、估值超过70 亿元的公司，却把家庭放在了终点。

但真正让我感兴趣的，是联合创始人兼 CTO 黄青虬对数据、模型和产品的判断。

WRC 期间，墨奇智能的轮式双臂机器人 KINO 用 15 分钟完成了一套家务：清理桌面、给冰箱补货、处理洗烘衣物，最后把衣服叠好。整个流程包含七八十个动作。

但更值得聊的是黄青虬的一句话：" 你选什么场景，就意味着你能拿到什么样的数据；你能拿到什么样的数据，就意味着你能训练出什么样的模型。"

01

数据的价值，要看机器人从中学会什么

具身智能谈数据，现在最显眼的指标是 " 积累了多少小时数据 "。但黄青虬认为，小时数并不能直接代表数据质量。一方面，动作轨迹要足够精准；另一方面，数据必须来自足够丰富的真实场景。

什么叫真实？就是让真实的人，在真实的环境里，干真实的活。黄青虬把它称为" 三个真实 "。

比如擦桌子。实验室里数采员的目标是完成规定动作，轨迹录进系统就算交差了，这多少带着一点摆拍和班味儿。而真正做家务的人会盯着污渍，调整方向和力度，没擦干净就再来一次。

这样的数据里，记录着人为了把桌子擦干净而做出的判断和调整，机器人需要学会这些。

所以墨奇智能选择先去酒店、公寓等泛家庭场景。这里空间不大、物品繁杂，接近家庭，却更容易形成稳定的作业和付费场景。它们既是商业起点，也是一间每天都在变化的训练室。

墨奇智能还自研了 Sense Kit 数采系统，让一线人员工作时记录动作。按公司说法，即使手伸进洗衣机，或者面对缺少纹理的白墙，系统仍能进行毫米级轨迹重建。

采回来还不够。墨奇智能虽然只成立八个月，却舍得花半年搭建一套数据处理体系。

我更愿意把这套系统比喻成一座图书馆：原始轨迹只是送到门口的书，先过质量门禁，检查时间同步、轨迹精度、动作完整性和可执行性；合格后再分类、建立索引。今天训练叠衣服，明天训练放杯子，系统必须能准确调出对应内容。否则，数据再多也只是一间堆满纸箱的仓库。

标注是在告诉模型，每本书讲了什么。墨奇智能用包括多模态专用大模型在内的教师模型进行自动标注，再结合多种融合策略，生成训练所需的参考答案，按任务和难度分阶段喂给模型。至于哪些标签真正有效，也要在模型训练中反复验证。

目前，墨奇智能已经有了3 万小时的真实场景数据，年底目标是提升至 15 万至 20 万小时。在人人谈百万小时的行业里，它先把数据质量做好：小时数只是库存，能被准确找到、读懂并变成能力，才算真正有用。

02

端到端的 System 1，怎样自己把活干完

聊到最近大热的机器人模型能力，黄青虬很少围着 VLA、世界模型这些名词打转。在他看来，技术架构会变，模型最后能做什么更重要。也因此，墨奇没有用某种技术架构给模型命名，而是把它叫作 MoRA，全称为 MORPHI Reasoning & Autonomy，强调理解世界与自主行动。

这里的 " 自主 "，指的是机器人到了现场以后，不等人一步步发指令，也能把一件事做完。要改变的核心，是直接面对环境、生成动作轨迹的 System 1。

行业常见的分工是，System 2 通常负责理解意图、拆解任务，而且很多时候运行在云端；System 1 接收指令并生成动作轨迹，System 0 再把轨迹变成关节信号。

很多方案把目标、记忆、进度判断和失败恢复都放在 System 2，System 1 只负责眼前的一小步。任务要求 " 抓住衣服左角 "，它就抓住左角；接下来没人发指令，它便不知道该往哪里走。

墨奇智能则是把一部分能力从云端下沉到端侧，让System 1 这颗 " 大脑 " 不再只是动作执行器。System 2 负责理解用户想要什么，并做大的任务安排。进入现场以后，物品怎么抓、门开到什么角度、没抓稳要不要重试，都交给 System 1 判断。只有碰到超出能力边界的异常，它才请 System 2 介入。

在具体执行上，墨奇智能强调端到端：System 1 接收语言或图像给出的目标，结合环境观察，连续输出动作轨迹。同时，它被部署在机器人本地，能够一边做、一边看结果，再决定下一步，不必每个动作都等待云端下令。

Agentic-Native 解决的正是这种持续执行能力：把目标、记忆和进度感知放进System 1。它要记得上一毫秒做了什么，手臂才能动得连贯；门已经打开，就别再开一次；几分钟前枕头从沙发掉了下来，最后还要放回原处。动作做错了，它能自己发现；环境变了，也能继续往下做。

过去的 System 1 更强调听话，墨奇智能希望它能够扛事。System 2 告诉机器人做什么，System 1 负责在真实世界里把它做成。机器人能不能连续工作 15 分钟，甚至几个小时，就看这颗 " 大脑 " 能不能一直记住目标。

03

十五分钟长程任务，考验的是可靠性

在今年的 WRC 现场，我看到墨奇智能首次公开亮相的机器人 KINO。它没有双足，也没有五指灵巧手，而是使用轮式底盘和夹爪。坦白说，单看形态，它并不抢眼。

但我注意到，KINO 的机身用了大量圆角，机器人脸上的表情格外抢眼。这些设计不会提高抓取成功率，却会影响一个人愿不愿意让它站在家里。现场也有不少观众对它的" 表情管理 " 印象很深。

在媒体采访中，黄青虬说，机器人的终局是双足人形。只是现阶段，限制机器人干活的主要是上半身。腿走得再漂亮，手上干不了活，也很难产生生产力。于是墨奇智能先用轮式底盘绕开平衡问题，用夹爪完成多数操作，把资源集中在手臂和模型上。

底盘做得窄，也是从现实的居住空间倒推出来的。沙发、桌腿和门框会不断压缩通道。底盘太大，再聪明也进不了卧室。

相比外形，更能说明墨奇智能特别之处的是现场那段15 分钟的 Demo。KINO 先清理桌面、检查冰箱，再处理洗烘衣物，最后回到桌前叠衣服。

黄青虬算过一笔账：整段任务有七八十个动作，如果全程成功率要达到 90%，单个动作的成功率就要接近 99.9%。一个环节只差零点几个百分点，连续几十次以后，差距会被迅速放大。

所以长程任务看的不是机器人会多少招，而是出错以后还能不能接着干。脏衣篓被人踢开了，它要重新寻找；桌子收拾完，又有人扔来一块香蕉皮，它得意识到任务还没有结束；衣服没抓好，它应该再试一次，而不是死机或者直接跳过。

家庭需要的从来不是一次完美表演，而是有人把活干完。

当然，一段 15 分钟的演示不能等同于成熟产品。更难啃的是安全、隐私和成本。一旦接触老人和孩子，容错空间会小得多。

墨奇智能计划明年交付千台机器人。这个目标能不能完成，要看客户是否愿意买单，也要看 KINO 能不能从展馆里的长程演示，走向真实场景中的每天稳定工作。

但我依然愿意继续看墨奇智能。黄青虬知道家庭服务机器人很难，所以先从酒店和公寓里的琐碎工作做起，积累数据，让机器人少问云端一句，多自己处理一步。双足和灵巧手并没有被放弃，只是暂时往后排了排。

没人能保证墨奇智能这条路线一定成功。但在一个大家都急着展示结果的行业里，它至少愿意承认问题有多难，再把那些不漂亮的基础工作做完。

判断一台家庭机器人有没有希望，不必先看它走路像不像人，也不用看它能不能摆出漂亮动作。

等你转身去忙自己的事，它还能不能把一屋子的活干完？那才是家庭机器人真正要过的考试。

— 欢迎您在评论区跟我们交流 —