墨奇MORPHI KINO机器人：15分钟自主完成家居长程任务
在2026年的WRC展会现场，一款家庭服务轮式机器人的15分钟无人工干预家务演示，让整个场馆的注意力都集中到了墨奇智能的展台上。这家由前华为智驾AI一号位、华为天才少年黄青虬联合创办的公司，成立仅半年便获得了超70亿元的估值，而此次展会正是他们的首次公开亮相。
黄青虬此前曾提出，当前具身智能领域流行的世界模型和VLA路线，并非实现通用具身智能的正确方向。而墨奇此次推出的自研具身智能模型架构MoRA，正是基于Agentic-Native的全新思路，试图解决长程任务落地的核心痛点。
要理解MoRA的创新价值，先要回顾行业内主流的长程任务解决方案。目前业内普遍采用基于Agent的分层架构，也就是大家熟知的System 1与System 2双系统模式：由大语言模型或视觉语言模型担任的System 2负责理解目标、拆解任务、验证结果，而System 1作为策略模型，仅接收格式化的子任务指令并执行动作。
这种架构确实让机器人初步具备了完成长程任务的能力，但存在明显的短板：几乎所有的核心智能都压在了System 2身上，System 1只能机械执行拆分后的子任务，完全失去了对整体目标的认知。
这带来了两个核心问题：一是目标接口有限，传统策略模型只能接收固定格式的文本指令，无法直接处理图像或结构化任务描述，每一次转译都会损耗信息，最终让System 1完全丢失原始目标的全貌；二是执行卡顿，由于System 1没有任务进度认知和多粒度记忆，遇到环境扰动或偏差时只能暂停等待System 2重新调度，导致机器人动作频繁停顿，无法适应真实物理世界的实时性要求。
针对这些痛点，MoRA与行业常见的“大模型外挂动作策略”方案不同，将Agentic能力直接内置在策略模型内部，让System 1原生具备目标持续性、执行记忆和任务进展追踪能力，让机器人从“输出单个动作”转向“持续完成完整任务”。
MoRA的System 1拥有三项核心能力：
- 以目标为条件的持续执行：直接接收文本和图像共同定义的结构化任务目标，无需层层转译，机器人从接收目标开始便清晰知晓完成标准；
- 多层级记忆系统：内置短期、中期、长期三层记忆，分别处理毫秒级控制连续性、步骤级执行状态和整体任务目标与进度，让模型能够精准把握任务全流程；
- 进度认知闭环：在输出动作的同时结合目标、执行记忆和环境反馈，持续判断任务状态，大部分偏差可以自主修正，仅在超出能力边界时才请求System 2介入。
经过这样的重构，双系统的分工也发生了变化：System 2不再承担所有任务智能，转而扮演“项目经理”，专注于意图理解、全局规划和异常兜底，通过多模态交互与用户协同；而System 1则升级为“主力员工”，明确目标后可以不间断输出动作，自主维护进度、修正偏差，大幅提升了任务执行的流畅性和自主性。
在WRC展会现场，搭载MoRA架构的自研机器人MORPHI KINO首次公开亮相，其主秀演示了一套完整的15分钟家居长程任务：从桌面垃圾清理，到冰箱库存检查补货，再到衣物洗烘与整理，整个流程一气呵成，全程无需人工指挥。
其中几个细节尤为亮眼：在冰箱补货环节，机器人打开冰箱门后短暂停顿，通过视觉感知内部库存后，主动前往其他区域取来矿泉水补充；在衣物处理环节，机器人没有直接折叠烘干好的T恤，而是先取出洗衣机中的湿衣送入烘干机，利用等待时间完成后续整理，最大化提升了任务效率。
工作人员事后表示，根本没想到会有这么多人围在展台前。
除了主秀任务，展台上还展示了三项额外的演示项目：随机摆放的物品精准抓取收纳、观众定制的盲盒递送、以及互动留影合照，机器人可以根据观众的指令调整动作，展现了极强的泛化能力和交互友好性。
在这些亮眼的演示背后，墨奇的核心竞争力还在于其数据建设思路。当前具身智能行业普遍将数据量作为核心竞争指标，不少企业宣布了千万甚至亿小时的数据采集计划，但墨奇则更看重数据质量而非单纯的数量。
真实场景的数据质量，远比数量重要。
黄青虬认为，具身智能与大语言模型的训练逻辑不同：大语言模型可以通过海量互联网数据暴力训练，依靠参数规模过滤噪音，但具身智能需要端侧部署，受限于参数规模，必须在有限参数下最大化消化高质量数据。
墨奇的数采思路经过了深度优化：采用自研的MORPHI Sense Kit采集设备，可以在弱纹理、高反光等极端场景下实现毫米级轨迹重建；采集场景选择了酒店、商务公寓等真实商业环境，由一线作业人员日常工作产生数据，避免了仿真数据与真实场景的差距；同时搭建了适配高质量数据的基础设施体系，目前已积累3万小时真实场景数据，计划到2026年底完成15万至20万小时的储备。
作为一家入局三年半赛道的创业公司，墨奇也曾被质疑“入局太晚”。对此黄青虬表示，具身智能是一场马拉松，并不看前一百米的速度。
具身是一场马拉松。
墨奇没有追逐世界模型或VLA的技术热点，而是专注将Agentic能力内置为策略模型的原生能力，在真实场景中稳步搭建数据基础设施。从能够完成单个动作，到实现多技能组合，再到如今的长程任务落地，具身智能行业的发展阶段正在发生变化。2026年的WRC展会似乎标志着行业新赛段的开启：长程任务、真实场景落地成为新的核心竞争点，而墨奇正以自己的节奏，在这条赛道上加速前进。
