11月4日下午，2026年世界互联网大会乌镇峰会机器人与具身智能论坛上，一个问题被摆到了台前：当大模型越来越擅长理解和推理，机器人为什么仍难以在现实世界中独立完成复杂任务？
通用大模型擅长认知、规划、语言交互。但机器人面对的是动态物理世界——光线变了、杯子歪了、衣服皱了，系统需要让推理、动作生成与高频控制连续协同。大模型把“理解”做厚了，如何补上“行动”这一环，正成为具身智能行业亟待解决的问题。
当天，墨奇智能联合创始人兼CTO黄青虬以《大模型时代的机器人大脑：从通用推理到具身行动》为题发表演讲，围绕模型、数据和实际作业展开讨论。机器人能否完成整项任务，能否利用失败反馈持续改进，最终能否稳定上岗，正成为行业关注的焦点。
机器人有了聪明“大脑”，为何还是干不好活？
过去几年，通用大模型从对话生成，逐渐向代码生成、逻辑推理和复杂任务规划等方面突破。但当AI需要通过机器人与物理世界发生交互时，难度便显著增加。
今年10月，中国信息通信研究院人工智能研究所与清华大学电子工程系、具身智能测试实验室联合发布的《具身智能发展报告（2026年）》指出，精细操作、长程多步任务和开放语义交互仍是行业突出短板，仿真与真机评测结果存在明显落差。单个动作做得好，尚不足以证明整套系统能够在复杂环境中持续工作。
黄青虬在演讲中强调，机器人面对的是动态变化的物理世界，推理、行动与控制必须协同，才能让机器人持续判断任务进展，并根据环境变化作出调整。
围绕这一问题，墨奇智能以自研原生具身模型MoRA为核心，采用Agentic-Native架构，强调三系统协同：把目标维护、任务记忆、进度追踪下沉到端侧 System 1，让执行层自己知道“干到哪了、下一步怎么办”；System 2负责复杂目标理解、任务编排与异常监控，System 0承担高频全身控制。
黄青虬还谈到了多模态动作建模、长程记忆、状态修复和触觉闭环等技术方向。
以触觉闭环为例，机器人拿起玻璃杯与抓取柔软衣物，所需要的接触力度和动作策略截然不同。仅依靠视觉信息，难以充分判断物体是否抓稳、是否发生滑动。如何将力觉、触觉等接触反馈纳入动作决策与控制过程，使机器人能够根据接触状态实时调整动作，仍是具身智能需要攻克的技术问题。
从理解到行动，机器人如何积累真实世界的经验？
在演讲中，黄青虬借用了“造车与修路”的类比：通用大模型可以利用互联网长期积累的海量文本、图像和视频，而具身智能需要同步建设模型、真实作业数据与部署反馈体系。
墨奇智能选择从日常劳动中采集数据，提出以“真实场景、真实作业人员、真实工作”为核心的“三真数据”理念。其研发的Sense Kit属于轻量化无本体数据采集设备，酒店、公寓保洁人员可在正常作业时佩戴，记录观测和动作信息，经质检、清洗和标注后用于模型训练与评测。公司还强调轨迹精度、任务完整性以及失败与恢复过程，以提高数据可用性。
采集到的数据还需要转化为机器人可执行的能力。墨奇智能也在探索理解、生成与决策一体化的多专家架构，训练时利用语言描述、未来状态预测等多种监督信号，并针对机器人端侧的算力与实时性约束优化执行模型。
而数据能否真正带来能力提升，还要靠反馈验证。墨奇为此建立了采集—质检—挖掘—标注—训练—评测六环节闭环，通过训练与评测发现模型的能力缺口，再有针对性地补充数据，并通过新一轮评测验证能力是否改善。
黄青虬认为，数据不只是一个数据集，更是一套驱动模型持续迭代的基础设施，数据质量比单纯堆积小时数更重要。
从技术演示到真实上岗，机器人还要跨过哪些关口？
机器人能够完成一段演示，距离真正承担生产工作，仍有一段路要走。
今年6月，工信部、国务院国资委联合启动2026年度人形机器人与具身智能实景实训专项行动，提出推动相关产品在真实生产生活环境中常态化部署应用，争取到2026年底在一批代表性场景中开启“作业模式”。实际作业成功率、效率提升、安全可靠性和经济可行性等，均被纳入验证指标。
这些要求也对应着不少企业客户关心的问题：机器人能连续工作多久？故障后需要多少人工介入？采购和维护成本能否换来效率提升？对机器人企业来说，选择合适的应用场景和产品形态，成为进入真实岗位的一道前置考题。
黄青虬表示，墨奇智能以家庭为长期目标，现阶段选择从酒店、公寓等“类家庭”场景切入，积累真实操作数据和作业经验。一方面，客房布局、设施配置和工作流程相对标准化，有利于机器人开展任务训练与能力验证；另一方面，酒店客房中的部分作业与家务相近，可以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。
围绕这些场景，墨奇的本体选择是轮式双臂MORPHI KINO，黄青虬解释，这一选择需要综合考虑任务需求、稳定性、安全性和成本。对酒店客房、公寓等相对平整的室内环境，轮式移动已经能够覆盖相当一部分移动操作需求，也有利于现阶段聚焦稳定作业和物品操作。
今年8月世界机器人大会期间，墨奇智能发布了轮式双臂移动操作本体MORPHI KINO。据悉，该产品双臂各具有7个自由度，配备夹爪、多模态感知与端侧控制系统，并在现场的模拟家庭环境中展示了包含桌面整理、冰箱补货和衣物处理等环节的连续任务，展示了机器人在特定环境和任务条件下的长程执行能力。
选择酒店等场景，还有一个考虑：真实作业既可以检验机器人的运行效果，也有机会为模型提供新的训练数据。如何让实际部署、数据反馈和模型迭代形成持续循环，关系到这条技术路线能否走通。
事实上，墨奇智能创始团队的“系统工程基因”，也为其技术路线提供了另一层观察视角。黄青虬曾在华为负责智能驾驶AI算法相关工作，参与ADS 1.0至4.0的技术迭代；联合创始人兼CEO高文礼则拥有华为海外业务及跨境物流企业运营经验。今年7月公开披露的信息显示，墨奇智能已累计完成超10亿元天使轮系列融资，投资方包括阿里巴巴、腾讯等机构。
黄青虬认为，智能驾驶产业在端到端范式、数据闭环和量产一致性方面积累的经验，可以为具身智能提供借鉴。
“具身是一场马拉松。”黄青虬认为，机器人产品的价值需要通过真实场景中的持续作业来检验。展台演示展示了可能性，长期作业才能检验系统是否可靠、成本是否合理。机器人能否从“会做”走向“持续做好”，也将决定具身智能能在现实世界走多远。
每日经济新闻客户端