做一个新产品，一般人通常是先挑容易的做，先易后难。

但放在具身智能领域，却好像未必如此。

在墨奇智能联合创始人、首席技术官黄青虬看来，如果目标是做一台足够通用的机器人，最开始选择什么场景，甚至会决定它最终能走多远。

“你选什么场景，就意味着你能拿到什么样的数据。你能拿到什么样的数据，就意味着你能训练出什么样的模型。”黄青虬说。

黄青虬的话是对墨奇的技术路线最好的注解。

墨奇把家庭以及酒店、商务公寓等“类家庭场景”作为重要方向，不是因为这些地方最好做，恰恰是因为它们足够难。

工业流水线相对固定，物流场景也有明确流程，而一个家庭里，桌椅的位置、物品的种类、人的习惯都可能不同。机器人面对的不是几个规定动作，而是大量不断变化的情况。

黄青虬认为，具身智能最终想要的是通用基础模型，而通用能力依赖泛化性，泛化性又来自数据。只有进入足够复杂、多样的场景，才可能回流足够丰富的数据；基础模型能力足够强后，再通过微调进入物流、工业等垂直领域。

这和一种常见的商业思路恰好形成了错位：训练可以先去难的地方，落地却未必要先啃最难的骨头。

黄青虬并不认为家庭机器人很快就会大规模普及。他判断，未来两三年，机器人可能先在部分行业达到接近人的水平；真正进入C端还需要更长周期，因为家庭不仅场景复杂，还牵涉安全、隐私等问题。

于是，场景在墨奇这里首先不是“卖到哪里”，而是“去哪里学习”。

这种思路进一步影响了墨奇对机器人身体的选择。

黄青虬相信，具身智能的终局仍然是全人形——现实世界本来就是按照人的身体尺度建立的。但墨奇目前并不执着于一步做成“完整的人”：双足稳定太难，可以先用轮式底盘；五指灵巧手控制复杂，可以先用夹爪解决60%-70%的任务。

但他特别强调，他并不赞成因此而让机器人的未来走向“三头六臂”式的异形机器人。

其中原因还是数据。在人形基础上做“裁剪”，全人形采集的数据仍然能够复用到轮式、夹爪机器人上。

但如果产品形态距离人太远，人类动作数据反而很难迁移。“短期可以在人形基础上做裁剪，但终局形态是全人形。”黄青虬说。

沿着这条逻辑再看墨奇对于“高质量数据”的定义，也就顺理成章了。

黄青虬将其概括为“三个真实”：真实的人，在真实的环境，做真实的工作。

他举了一个擦桌子的例子。专门的数据采集员可能只是按照要求重复一套动作。而真正的保洁人员，却会观察污渍在哪里，决定往哪个方向擦、用多大力度，没擦干净还会再来一次。

“摆拍”1万小时，如果其中9000小时高度重复，数字很大，对模型增加的有效信息却可能有限。墨奇更看重真实工作自然产生的操作轨迹，再经过筛选、分类、挖掘、自动标注和模型评测，形成数据闭环。

这或许也是黄青虬对今天具身智能竞争的一种基本判断：技术架构会变，今天的结论明天也可能被推翻，真正能够持续留下来的，是人才和模型训练、数据采集以及一整套让技术快速迭代的基础设施。

所以，对墨奇来说，家庭并不只是一个等待机器人进入的终点，反而更像一间足够复杂的教室。

机器人什么时候真正从这里“毕业”，时间可能还很远。但黄青虬，选择先把它送进难度最高的学习课堂。

（大众新闻记者 苏月鹏 董婉婉 张锡坤 北京报道）

责任编辑：叶彤