前华为“天才少年”、现任墨奇智能联合创始人兼CTO黄青虬近日在接受媒体专访时，就具身智能领域的技术发展路径提出核心观点：数据工程体系建设应优先于模型架构创新。他指出：“当数据质量达到极致时，即便采用最简单的模型架构，也能训练出卓越的智能系统。”这一论断源于其在自动驾驶领域的深度实践。
2020年加入华为车BU后，黄青虬主导了自动驾驶AI体系的关键突破。在ADS 4.0研发阶段，他带领团队实现激光感知与多传感器融合系统的全AI化改造，并构建起覆盖数据采集、标注、训练到评测的完整工程体系。该体系从ADS 2.0时期启动建设，到3.0阶段形成标准化流程，最终在4.0时代支撑起端到端智能驾驶系统的运行。这段经历为其后续创业奠定了技术基础。
在墨奇智能的实践中，黄青虬设计的数据飞轮系统展现出独特优势。针对商用场景数据获取难题，公司自主研发轻量化穿戴设备，通过与酒店、商住公寓的保洁团队合作完成数据采集。所有原始数据需经过三重质量管控：智能筛选排除无效样本、结构化分类存储、自动标注系统处理，最终形成可用于模型训练的高质量数据集。对于训练效果不达标的场景，系统会自动触发重新采集流程。
“智能系统的精度往往取决于容易被忽视的技术细节。”黄青虬以自动驾驶中的“重定位”功能为例，强调实现厘米级定位需要攻克传感器同步、环境特征提取等数百个技术节点。这种对工程细节的极致追求，正是区分头部企业与普通玩家的关键因素。在模型架构选择上，他拒绝被概念标签束缚，认为应聚焦输入输出维度的实际需求，坚持端到端训练范式。目前墨奇智能采取三阶段发展策略：先基于开源模型进行预训练，待年底积累足够商用场景数据后，将启动原生具身模型的从头训练。
商业化路径选择上，黄青虬将酒店和商住公寓作为突破口。他分析指出，工业物流场景任务过于专一，不利于模型泛化能力提升；家庭场景则面临技术成熟度不足与用户隐私顾虑的双重挑战。根据规划，墨奇智能将于今年下半年在酒店场景开展概念验证，通过单店模型验证后，逐步向连锁品牌推广标准化解决方案。
