2026年，具身智慧賽道再添重磅新軍。成立於2025年底的墨奇智慧，在半年內完成超過10億元天使輪融資，成為投資機構爭相約見的明星專案。創始人黃青虯是前華為「天才少年」，曾親歷華為智慧駕駛從0到1、從第一代到第四代的完整建設，離職前領導200餘人團隊，時任AI模型開發部部長，並將端到端方案推向量產。
黃青虯的創業時機選擇頗具深意。他解釋，之所以在2025年下半年才離開華為，是因為在華為還有“未盡的使命”——將端到端智慧駕駛方案真正推向商用量產。在他看來，大模型解決的是虛擬世界的問題，而具身智慧是即時閉環系統，每個決策都會影響環境，因此“只有GPT並不足以支撐具身做成”。當大模型與智駕端到端技術結合，高層語義理解與底層控制都能由AI驅動時，他認為做具身的最佳時間點到了。
對於公司名稱“墨奇”，黃青虯解釋，“墨”取自墨子，他視之為中國機器人最早的起點；“奇”來自奇點爆發，寓意從起點走向具身真正爆發的奇點。儘管融資超10億元、被投資人追著見，他坦言“完全出乎意料”，離職訊息傳出後微信被加爆，但這也意味著更多關注與更大壓力。
面對具身賽道已狂飆三年、數百家企業競爭的格局，黃青虯認為新玩家仍有機會，因為“技術範式沒有收斂”。他以資料採集為例，前兩年主流是遙操作，如今轉向無本體採集，綜合效率可能提高十倍，這意味著後來者可能用三個月追上別人三年的積累。他強調，具身是一場馬拉松，百米衝刺才需要嚴格對齊起跑線，終點在100公里外，起步差幾個身位並不重要，更重要的是團隊能否長期保持凝聚力，以及面對技術範式變化時的判斷力。
在資料策略上，黃青虯的觀點與行業主流形成鮮明對比。當許多公司高喊“1000萬小時”“1億小時”資料時，他認為資料的質量遠重要於數量，並直言當前行業接觸到的具身資料“質量不夠高”，缺乏統一標準。他堅持三個原則：真實的人、在真實的場景、幹真實的活。他批評一些公司仍在攝影棚裡用專業採集員擺拍，認為這種資料訓練出的模型面對真實場景會失效。因此，墨奇智慧計劃讓真實的服務員或工人帶著裝置，在日常工作中採集資料。
關於商業化路徑，黃青虯判斷，具身智慧的終極市場在C端，因為只有足夠大的市場和利潤才能支撐基礎模型的研發，而“最通用的場景就是家庭”。但他認為現階段C端尚不成熟，產品不完善時貿然進入會傷害品牌，且C端對隱私要求高、資料難以迴流。因此，他選擇以B端作為跳板，第一站將進入酒店、商住公寓等類家庭場景做房間清潔，因為這類場景足夠多樣複雜，且允許階段性進入——哪怕只能完成部分子任務，也能進入真實場景、迴流資料。
在技術路線上，黃青虯認為演算法是智慧的核心，不認同“演算法不重要、可以抄”的觀點。他指出，演算法架構可以抄，但探索過程中積累的infra、人才和組織氛圍抄不來。他透露，墨奇智慧成立僅半年，算力投入已排到行業前五，每月算力成本達千萬級別。他認為，真正訓練大腦需要千卡級別算力門檻，若要做得好可能需要萬卡級別。以千卡計算，每月算力投入接近1000萬元，一年超1億元，因此初創公司至少需融資3億元才能支撐兩年訓練，這也是頭部公司早期融資的卡位邏輯。
黃青虯還強調團隊建設的重要性。他認為行業熱度放大了團隊分裂風險，創業門檻低容易讓個人ego膨脹，人才被分散，頭部團隊可能裂變。因此，他尋找“謙虛但自信、溫柔但堅定”的人，創始人自身也需具備這種氣質。他給自己的創業信心打了90分，甚至95分，但仍保留5%的失敗可能。
墨奇智慧的入局，為具身智慧賽道注入了新的變數。其高額融資、創始人的技術背景，以及對資料質量、技術範式的獨特判斷，都可能影響行業競爭格局。對於關注AI應用層與機器人產業鏈的投資者而言，墨奇智慧的進展值得持續跟蹤。