时间:2026 年 9 月 2 日(极客公园独家对话发布)/ 2026 年 8 月 19 日(世界机器人大会演示)
地点:北京(世界机器人大会会址)/ 深圳(墨奇智能总部)
人物:黄青虬(墨奇智能联合创始人兼 CTO,华为"天才少年"、前华为车 BU 智驾 AI 部门负责人)、高文礼(墨奇智能联合创始人兼 CEO,前跨境物流企业 iMile 联合创始人)、阿里与腾讯投资团队
【事件详情】
极客公园于 9 月 2 日发布对墨奇智能 CTO 黄青虬的独家深度对话,系统披露这家成立仅 8 个月的具身智能公司的自研模型 MoRA(MORPHI Reasoning and Autonomy)技术细节和最新进展。MoRA 提出"Agentic-Native"路线,将"大脑"能力直接装入执行层(端侧 System 1),让 Agentic 能力原生存在于策略模型中,区别于行业普遍的"云端大脑下指令、本地手脚执行"模式。
8 月 19 日,墨奇在世界机器人大会首次公开演示搭载 MoRA 的轮式机器人 MORPHI KINO,连续 15 分钟完成约 80 个动作的家庭长程任务,包括桌面整理、冰箱补货、烘干机衣物取出与装入、按下启动键、衣物折叠,全程不掉链子。
墨奇智能 2025 年 8 月在深圳前海深港合作区注册成立,由黄青虬与高文礼联合创办。墨奇目前已积累 3 万小时真实场景数据,计划今年完成 15 万至 20 万小时数据储备;已与多家酒店和物流集团达成合作并拥有在谈订单,落地策略采取"商用场景先行,逐步向家庭迁移"。团队 150 多人,明年计划交付千台机器人。
【背景】
墨奇智能 2026 年 7 月完成超 10 亿元人民币天使轮系列融资,由阿里巴巴与腾讯联袂领投,蓝驰创投、君联资本、华业天成、高榕资本、中科创星、源码资本、光合创投、柏睿资本、58 产业基金等十余家一线机构共同参投,高鹄资本担任独家财务顾问。融资完成后公司投后估值突破 70 亿元人民币,创下国内具身智能赛道公开披露首轮融资规模纪录。
两位创始人均出身华为:黄青虬为清华大学自动化系本科 + 香港中文大学 MMLab 博士,2020 年入选华为"天才少年",五年时间主导华为智驾 ADS 1.0 至 4.0 全链路 AI 算法迭代,率先推动一段式端到端智驾架构实现百万级规模化商用;高文礼具备多年华为海外市场管理经验,曾联合创立跨境物流企业 iMile,搭建起全球全链路运营体系。
技术路线上,墨奇将智驾领域已验证的数据闭环、端侧模型优化、多传感器融合和量产品控体系系统性复用到具身智能研发。不少选择与同行反着来:不做双足人形先做轮式("智能的上限在手臂")、自研关节但放弃灵巧手("夹爪就够了")、不堆数据量坚持数据质量第一、不追 VLA/世界模型等架构名词(MoRA 按功能命名为"会推理、能自主")。
【影响】
这是墨奇首次系统性公开技术路线,黄青虬释放的信号是"用 8 个月干了别人两三年干的事"——直接把 System 1 端侧模型定位为大脑,让 Agentic 能力原生存在策略模型中,影响后续具身公司是否跟进"端侧大脑"路线。
8 月 19 日演示与 9 月 2 日对话的内容披露,让墨奇从"投后估值 70 亿的神秘公司"过渡到"已有可演示长程任务的具身智能团队",公开透明度大幅提升。
阿里腾讯罕见在天使轮阶段联手押注同一家具身智能公司,被业内视为互联网巨头把具身智能视为大模型物理入口的明确信号——阿里已先后投资宇树科技、逐际动力、自变量机器人,腾讯也在机器人感知交互持续加码,两家共同诉求是为 AI 大模型找物理世界交互入口。
【总结】
成立仅 8 个月、估值 70 亿元、阿里腾讯联投、首个自研 MoRA 模型 8 月 19 日完成 15 分钟 80 动作长程家务、9 月 2 日极客公园独家对话——墨奇用一连串密集节点,把 2026 年中国具身智能赛道的竞争从"能否演示一个动作"升级到"能否不间断完成一整件事",并通过"Agentic-Native"路线,提出"大脑装进执行层"的差异化技术主张。
【参考来源】
- http://www.geekpark.net/news/369724
- https://new.qq.com/rain/a/20260902A08XVY00
- https://new.qq.com/rain/a/20260818A085KO00
- https://longbridge.com/news/296315736
- https://www.etnet.com.hk/mobile/tc/news/categorized_news_detail.php?category=latest&newsid=20260819845
- https://finance.sina.com.cn/wm/2026-07-07/doc-inifxxwz8255658.shtml







