黄青虬谈具身泡沫：落地价值远跟不上估值，但早期泡沫有正向作用

作者 | 王迪

来源 | 凤凰《AI研究院》

2026世界机器人大会于8月19日-23日在北京举行，作为本届大会的战略合作媒体凤凰网财经全程报道。

黄青虬的AI启蒙，始于一个被业界称为“AI界亚洲黄埔军校”的地方——香港中文大学多媒体实验室（MMLab）。在那四年里，他与顶尖的老师和同学反复碰撞，从零开始搭建对AI的认知框架，也第一次触到了多模态数据处理的门槛。

正是这段“黄埔”岁月，为他后来投身智驾、再转向具身智能埋下了伏笔。

从AI界亚洲黄埔军校到具身智能战场，站在2026年世界机器人大会的展馆里，黄青虬清晰地感受到了行业的呼吸在变快。他对比去年和今年，发现了两个肉眼可见的变化。

第一个变化，是机器人的“工种”变了。去年的展会上，跳舞类机器人的比例明显压过干活类机器人，更像一场科技秀。但今年，无论是在WRC还是在WAIC的展台上，干活类机器人的身影越来越多，这说明机器人的“大脑”真的往前迈了一步。

第二个变化，是机器人的“活儿”变复杂了。他说，以前各家展示的大多是单个动作：抓一下、放一下、走两步。但今年，很多机器人开始展示长程任务，一连串动作组合下来，完成一个完整的作业流程。这意味着，算法在可靠性和稳定性上都上了新台阶。

（墨奇智能联合创始人兼CTO黄青虬）

不过，黄青虬也承认，行业的飞速进步和公众的感知之间，还有一道落差。普通人看机器人，还是觉得它们“比较笨”。这种落差不难理解，机器人的能力距离真正的人类水平，确实还有距离。

但黄青虬看到的是加速度。按照目前的迭代速度，他判断，再过两三年，机器人应该在部分行业里能够达到接近人的水平，逐步实现落地。至于C端家庭场景，他判断周期会更长，家里要面对的是千变万化的任意情况，安全和隐私问题也绕不开，不像B端很多场景人少甚至无人，不需要背那么多顾虑。家庭，是机器人的最终考场，而不是第一站。

此外，黄青虬还指出，当前具身行业确实存在一定泡沫，落地产生的价值还远跟不上估值，但在具身大赛道长周期的行业，早期有一定泡沫是正常现象，也有正向作用，能加速行业迭代发展。

回到估值本身，他表示投资的本质上是投人。技术路径会持续迭代，今天选择的技术路线随着行业演进一定会动态调整，从投资人角度更多是投团队以及这群人在核心事情上的思考。

他明确表示，估值不是投给他一个人，而是投给整个团队，投资人认可的是团队的技术思路和商业演进路径。

针对国家出台的银发经济和社区养老政策，黄青虬的看法是，墨奇本质上做的是家庭服务机器人，酒店、餐厅、养老院都是希望有人做家务的场景。他的判断是，需要跟人接触、有安全性风险的，发展会更靠后。前期墨奇更专注在跟物体接触这件事上，未来才有可能去跟人做接触。

大会期间，墨奇智能联合创始人兼CTO黄青虬就具身泡沫、数据瓶颈、终局形态、场景选择、产品形态、行业竞争及商业化路径等热点话题回应了凤凰《AI研究院》等媒体的提问。

以下为凤凰《AI研究院》整理的黄青虬其他核心观点：

01 具身智能的终局是人形，但短期要在人形基础上做裁剪

关于具身智能的产品形态选择，黄青虬坚定认为终局形态是人形。理由是物理世界是为人类打造的，人形能够最大程度适配物理环境。不做人形就要改造物理世界，但基建改造周期特别长，相比之下单体智能提升是更靠谱的路径。

但在实现终局的过程中需要做取舍。他提出，可以在人形基础上做裁剪。比如，现阶段不想解决双足稳定性问题，先用底盘；不想解决五指灵巧手的高自由度控制问题，先用夹爪干60%-70%的工作。

但他明确反对做“异形”产品，比如，三头六臂的机器人。原因是人形基础上做裁剪，数据是可复用的，采集全人形数据后做裁剪，就可以用于轮式或夹爪机器人。而做异形根本采集不到这样的数据，因为数据是靠模仿人采集的。

02 行业竞争：百团大战后大浪淘沙，差异化才能推动进步

对于当前大厂和大模型公司纷纷涌入具身赛道带来的竞争，黄青虬认为这是行业高速发展期的正常现象。

黄青虬指出，无论是自动驾驶还是大模型，都会经历最初的百团大战、逐步大浪淘沙、最后向头部收拢的过程。有一定竞争是好事，但更重要的是要有自己的坚持、做差异化竞争而非同质化竞争，才能推动行业更好发展。

他同时指出，具身行业相对开放透明，有些公司公开发布技术报告、开源模型，墨奇未来也会这样做。大家一起推动行业前进，如果都在做同质化竞争，对行业的促进意义就不大。

03 ChatGPT时刻：规模化落地约三年，泛化能力约五年

对于具身智能ChatGPT时刻何时到来，黄青虬认为，目前存在两种有意义的定义：

第一种是规模化进入行业。比如，有1000台机器进入物流、零售等场景真实作业，他认为这个突破点未来三年之内可以实现。

第二种是从能力角度定义。机器人能进入80%左右的陌生场景、自主完成约80%的任务，这描述的其实是具身大脑的泛化性，从这个定义出发至少需要5年时间。

04 具身与智驾的差异：数据冷启动是最大鸿沟

从智驾转入具身的黄青虬，对两个行业的数据闭环差异有直接观察。

他认为，拿新能源汽车类比具身并不完全恰当，新能源汽车出现前传统汽车工业已非常成熟，是构筑在成熟供应链之上的新形态。而机器人从硬件到算法几乎是全新的领域。两者最大的本质差别在于数据采集环节：智驾领域车卖出去后车上装了传感器，人开车就把数据捕捉回来，获取数据成本极低。但具身面临先有鸡还是先有蛋的问题。

黄青虬指出，机器人能自主工作之前，没有人会去“开”机器人，只能自己采集数据做冷启动，所以，数据获取成本更高，采集方式也需要精细设计，大家在寻找的是成本和质量可控之间的甜点。

05 数据短缺下的算法迭代：沉淀Infra与人才比结论更重要

面对当前具身领域数据普遍短缺的现状，以及在这种短缺下算法迭代能发挥多大作用的问题，黄青虬认为，在数据量不足的情况下，通过先导性实验能够得出一些结论，对下一阶段数据量上来后有指导意义。但数据量增长后，部分结论会被验证，部分也会被推翻。算法架构从VLA到世界模型持续更新迭代，这是行业早期发展的正常现象。

那么如何才能真正沉淀下来？他认为有两个核心资产。第一是Infra。模型训练和数据采集的基础设施，它决定了当新技术范式出现时能否快速跟上、快速迭代。第二是人才。具身行业很新，团队需要在这一过程中持续积累能力。实验结果可能有部分留下来有用，有部分被推倒重来，但人才和Infra会真正沉淀下来。

06 场景即数据：选什么场景，决定训练出什么模型

市面上具身智能企业场景选择参差不齐，墨奇选择了家庭及类家庭场景（也包括酒店和商务公寓）。

对此，黄青虬的解释是，选什么场景，就意味着能拿到什么样的数据；能拿到什么样的数据，就意味着能训练出什么样的模型。

在黄青虬看来，具身智能的目标是通用基础模型，通用能力要足够强，必须建立在很强的泛化性之上，而泛化性来自数据。只有选择足够复杂的场景，才能回流多种多样的数据，在此基础上训练出的基础模型能力才会足够强。有了足够强的基础模型，经过简单微调再去落地物流、工业等垂直领域就没有问题。但前提是，你先选了一个有泛化性、多样、有挑战性的场景。

07 数据采集卡点：系统性工程，单点突破无法解决

具身智能行业面临数据瓶颈，高质量真实物理交互数据不足。对此，黄青虬阐述了数据作为系统性工程面临的多个卡点：采集环节就存在设备定位精度与便携性的天然矛盾，精度高就不便携，便携精度就不够高，两者之间的权衡是当前数据难点，行业尚未形成共识，所以才出现了真机遥操、UMI、人类第一视角数据、肌电手环等各种数据范式。

此外，黄青虬指出，数据采集回来之后，生产什么标签对模型训练有促进作用是语言标签、深度图还是视频切分，行业内也未形成共识。从采集到门禁、挖掘、自动标注、送进模型训练，卡点散落在每一个环节，而非某个单点突破就能彻底解决。

不过，他观察到整体趋势是往可规模化的方向发展。从最不可规模化的遥操到稍微可规模化的UMI，再到现在最便携的头环或帽上相机，趋势是把处理难度留给算法，但具体方式尚未收敛。

在数据标准尚未统一的行业现状下，黄青虬认为数据采集应该做到“三个真实”，处理做到模型可学习的自动标注，分阶段喂给模型，让模型从易到难逐步吸收。

第一个标准是采集端的“三个真实”：真实的人，在真实的环境，干真实的活。他举例区分了摆拍数据和真实数据的差异。数采场地里采集1万小时数据，可能有9000小时是重复的，增加的时长未必给模型带来更多变化；而保洁人员擦桌子，目标是擦干净，会观察污渍、根据实际情况调整方向力度和次数，没擦干净还会再来一次，这种数据才真正有价值。

第二个标准是后端的系统性数据处理链路。采回来的数据要做严格的质量筛选、分类，保证海量数据中能精准检索到训练所需的数据。比如，今天要十万个叠衣服的，明天要一百万个放杯子的，必须有数据挖掘系统打上标签、随时挖掘。之后做自动标注（AutoLabel），给所有数据打上训练需要的真值，最后用来训练模型。