前华为“天才少年”、墨奇智能联合创始人兼CTO黄青虬近日在接受媒体采访时，分享了他在具身智能领域的独到见解。他指出，在推动具身智能技术发展的过程中，数据工程的重要性远超模型架构创新。“如果数据质量足够高，即便模型结构简单，也能训练出出色的效果。”黄青虬强调。
黄青虬的职业生涯始于华为。2020年，他以华为第二届“天才少年”的身份加入华为车BU，担任自动驾驶AI部门负责人。在华为期间，他主导了激光感知和感知融合系统的AI化转型，并在ADS 4.0阶段推动整个辅助驾驶系统实现AI化。他还带领团队从零开始构建了华为自动驾驶数据工程体系，该体系从ADS 2.0时期启动，到3.0阶段已初步成型，至4.0时代已能全面支持端到端系统。
基于在华为的丰富经验，黄青虬为墨奇智能设计了一套完整的数据飞轮系统。在数据采集方面，墨奇智能自主研发了轻便的穿戴式设备，并雇佣保洁人员在酒店及商住公寓等商用场景进行数据采集。采集到的数据会经过严格的质量筛选、归类和自动标注，最终用于模型训练。同时，系统还设置了多道防线进行规模化评测，对于评测结果不佳的场景，会重新进行数据采集。
黄青虬认为，数据闭环系统的构建涉及上千个模块，每一个细节都可能成为决定成败的关键。他以智驾领域的“重定位”技术为例，指出要实现厘米级定位精度需要克服诸多技术难题，而正是这些细节上的差异，使得各家公司之间的技术水平产生显著差距。
在模型技术路线的选择上，黄青虬表示不愿给模型贴上世界模型或VLA（视觉语言动作模型）等标签。他认为，模型的核心在于输入输出内容以及是否遵循端到端训练范式。他透露，墨奇智能的模型发展将分三阶段推进。目前，公司正基于开源模型进行预训练，预计今年年底积累足够数据后，将开始训练原生具身模型。
在商业化方面，墨奇智能选择了酒店和商住公寓作为切入点。黄青虬解释说，工业与物流场景的任务过于垂直，难以训练出具有泛化能力的模型；而家庭场景则受限于当前的技术能力和隐私问题。他计划今年下半年在酒店场景启动概念验证，待单店模型跑通后，再逐步推进规模化落地。
