“假设数据质量无限高，再简单的模型也能训出很好的结果。”前华为“天才少年”、墨奇智能CTO黄青虬近日在接受36氪采访时，阐述了他对具身智能发展路径的独特见解。他认为，当前具身智能面临的核心挑战是模型泛化能力不足，而解决之道在于优先构建高质量的数据闭环体系，而非盲目追求模型架构创新。
黄青虬曾主导华为ADS系统的数据工程从0到1的搭建，这段经历让他深刻认识到数据的重要性。他提出，模型的本质是信息压缩与模态转换，能力上限由参数量决定，而架构改进更多是提升数据吸收效率，可通过更多数据和更长训练时间弥补。因此，在高质量数据稀缺的当下，数据工程的优先级应高于模型架构创新。
基于此，墨奇智能已构建了一套覆盖采集、筛选、标注、评测的数据飞轮，并计划在积累足够数据后，从零训练自研的原生具身模型。黄青虬强调，数据闭环中存在大量细节决定成败，而他的方法论正是源于自动驾驶领域的实战经验。这条路径能否在具身智能领域复现，仍有待行业验证。