墨奇MORPHI：成立半年估值70亿，以Agentic-Native路线攻克具身智能长程执行难题

事件概述

具身智能初创公司墨奇（MORPHI）于2026年8月19日世界机器人大会上首次亮相其自研机器人MORPHI KINO。该公司成立仅8个月，由前华为智驾AI部门一号位黄青虬与前跨境物流企业家高文礼联合创立。近期，墨奇宣布完成超10亿元人民币融资，投资方包括阿里巴巴和腾讯，公司估值超过70亿元。目前团队规模150余人，计划于明年交付千台机器人。

核心技术与产品亮点

1. Agentic-Native 具身模型 MoRA
墨奇摒弃了行业主流的VLA或世界模型命名方式，将其具身基础模型命名为MoRA（MORPHI Reasoning & Autonomy），强调“推理”与“自主”两大核心能力。

• 架构创新：针对主流架构中System 2（云端大模型）与System 1（端侧执行器）之间通信瓶颈导致的卡顿问题，墨奇主张Agentic-Native路线。即将System 1的能力增强，使其具备自主推理、记忆管理和错误恢复能力，成为真正的“大脑”，而非单纯接收指令的执行器。
• 端侧实时响应：System 1与System 0（运控系统）必须运行在端侧，确保高频操作的实时性。System 2则专注于意图理解和大颗粒度任务规划（如将“收拾房间”拆解为清理桌面、叠衣服等子任务）。
• 长程执行能力：通过提升System 1的时序处理能力，机器人能够完成需要中等或长时序、涉及纠错和回溯的任务。在演示中，机器人自主完成了收拾客厅、检查冰箱、烘洗衣物并折叠等复杂流程，全程约15分钟，包含七八十个动作，未出现掉链子现象。

2. 硬件策略：聚焦操作智能上限

• 轮式先行：现阶段选择轮式而非双足人形，是因为行业共识认为当前生产力价值主要集中在上半身手臂操作。规避双足行走平衡性等非瓶颈问题，可更聚焦于提升操作智能上限。
• 关键部件自研：采取“必要自研”原则。关节模组因需满足高动态、低时延及底层控制信号需求，且行业供应链尚未完全成熟，故进行全栈自研；灵巧手暂未自研，因夹爪已能满足现阶段大部分操作需求，算法瓶颈不在执行器。

3. 数据壁垒：质量重于数量

• 数据标准：坚持“三个真实”——真实的人、真实的场景、干真实的活。反对摆拍式数据采集，强调野采（in the wild）数据的多样性与轨迹真实性。
• 精度优势：通过高精度定位标定算法，即使在洗衣机内部遮挡或面对白墙等弱纹理场景下，也能保持毫米级精度。
• 核心竞争力：短期竞争力在于采集精度，长期竞争力在于从原始数据到训练数据的处理链路Know-how。目前积累3万小时高质量数据，预计年底达15万小时，旨在通过高质量数据训练出具备强泛化能力的模型。

行业观点与未来展望

• 通用 vs 专用：团队坚定选择通用机器人路线，认为“通用能取代专用，但专用无法取代通用”。通过构建泛化基础模型，后续只需少量数据微调即可适配物流、工业等垂直场景。
• 全栈自研边界：全栈自研并非为了噱头，而是为了解决迭代阻塞点。在三五年内，由于硬件可靠性不足及供应商配合度低，自研本体是保证算法迭代速度和软硬一体最优解的必要手段。
• 规模化挑战：指出今年能产出5000台靠谱机器人的公司不超过3家。主要瓶颈在于硬件可靠性（需支持24小时连续工作）和算法效率（需接近人类水平）。
• 组织稳定性：面对行业高跳槽率，墨奇更注重构建使命驱动的稳定组织，认为组织资产沉淀比短期技术差距更重要。