点击蓝字

关注我们

中国AI生态最容易被低估的一点，是它并不只靠单点突破。

巴菲特说，“你买的不是股票，而是一家公司的一部分。”放到创投市场也一样，投资人下注的不是一条融资新闻，而是一套团队能力、工程路径和未来兑现的可能性。2026年7月6日，具身智能企业墨奇智能宣布完成超10亿元天使轮系列融资，融资后估值突破70亿元；本轮融资由阿里巴巴、腾讯联袂投资，蓝驰创投、君联资本、华业天成、高榕资本、中科创星、源码律动、光合创投、柏睿资本、58产业基金等机构参投。墨奇成立于2025年底，半年左右拿到这轮融资，真正让行业关注的不是金额本身，而是自动驾驶团队正在把感知、规划、决策、数据闭环和量产经验带进具身智能。

资本市场对机器人公司的判断口径正在变：能展示样机已经不够，能否进入真实场景、积累数据、持续迭代，才会成为后续估值能否兑现的关键。

智能驾驶人才外溢，具身智能开始寻找可量产的工程答案

墨奇智能的融资热度，很大程度来自创始团队。公开报道显示，公司由黄青虬与高文礼联合创立。黄青虬任CTO，主导技术路线和产品定义，曾任华为车BU智驾AI部门负责人，参与华为ADS 1.0至4.0全链路AI算法迭代与量产落地；高文礼任CEO，曾作为跨境物流企业iMile联合创始人搭建全球全链路运营体系。

这个组合很典型。一边是车端AI，一边是全球运营。前者解决机器人能不能理解环境、做出决策、完成动作；后者解决产品能不能进入场景、形成交付、跑出组织效率。具身智能早期不缺技术天才，也不缺好看的演示视频，缺的是把复杂系统做成可运营产品的能力。

自动驾驶行业过去十年，给中国AI产业训练出了一批工程化人才。多传感器融合、端侧模型优化、仿真测试、长尾场景处理、数据回流、量产质量控制，这些能力都不是实验室单点突破，而是复杂系统反复打磨出来的经验。机器人面对的物理世界更碎片化，但底层问题和智能驾驶有相似处：机器要感知环境，要理解目标，要规划动作，要处理失败，还要把失败样本转成下一轮训练材料。

墨奇智能的核心看点，不是“华为智驾人创业”这个标签，而是机器人行业开始进入系统工程阶段。人形机器人本体会越来越多，供应链也会逐渐成熟，真正拉开差距的，是谁能把模型、硬件、数据和场景运营拧成一个闭环。

霍华德·马克斯经常提醒投资者，要看清价格背后的假设。墨奇70亿元估值背后的假设很清楚：资本相信智能驾驶的方法论可以迁移到具身智能，相信团队有能力从商用场景起步，最终靠数据闭环向家庭机器人延伸。这是一张工程化信任票，还不是商业化成绩单。

家庭机器人空间最大，商用场景更适合作为第一块试验田

墨奇智能长期目标指向通用家庭机器人。投资界报道提到，公司希望打造具备自主进化能力的通用家庭机器人，让机器人深度进入家居场景、具备全局物理理解能力，并能自主完成复杂事务。这个愿景很大，也足够吸引资本。家庭场景如果跑通，机器人会从工具产品升级为生活基础设施。

但家庭机器人也是最难的场景。家庭空间高度非标，家具摆放、老人儿童、宠物、易碎品、隐私边界、清洁习惯、收纳习惯都不一样。家庭用户对价格敏感，对安全敏感，对售后也敏感。机器人在工厂里出错，客户会用SOP解决；机器人在家庭里出错，用户的容忍度会低很多。

所以墨奇选择了更稳的路径。公开报道显示，公司商业化上采用“商用场景先行、逐步向家庭场景迁移”的策略，先在同构性较高的商业服务场景部署机器人，在真实运营环境中积累物理世界操作数据，再用数据飞轮反哺模型迭代，最终向家庭场景延伸。

这个路径更符合机器人商业化规律。商用场景的流程更稳定，任务边界更清楚，客户也更容易计算投入产出。酒店、商场、写字楼、展厅、餐饮、养老机构这些场景，虽然没有家庭场景的终局想象大，但适合早期打磨导航、交互、递送、抓取、巡检和运维能力。商用场景提供的不只是订单，更重要的是高频真实数据。

彼得·林奇说，投资人要找那些能不断扩大市场的公司。墨奇如果只卖一台服务机器人，估值会被硬件毛利限制；如果机器人在每一次商用部署里积累动作数据、失败样本和运营经验，公司就可能从设备销售走向能力复用。家庭机器人不是一开始就冲进去的战场，更像是商用场景训练后的下一站。

这里也有一层风险。商用场景如果过度定制，数据很难迁移；如果任务太简单，模型能力提升有限；如果客户付费不稳定，现金流质量会被拖累。墨奇后续真正要证明的是，商用场景产生的数据能否成为家庭机器人的能力资产，而不是一堆无法复用的项目经验。

高估值买来的是试错时间，后续要交付产品、数据和复购

墨奇这轮融资足够大，也会带来更高的外部预期。超10亿元融资和70亿元估值，给公司争取到研发、供应链、团队和场景拓展的时间，但具身智能不是只靠融资速度取胜的行业。

机器人公司会很快遇到三本账。第一本是产品账，通用家庭机器人的愿景很大，但早期必须找到足够明确的任务切口。清洁、看护、递送、陪伴、收纳、巡检，每一个任务背后都是不同硬件配置和模型能力。任务太宽，产品会迟迟无法定型；任务太窄，又支撑不起长期想象。

第二本是数据账。智能驾驶行业已经证明，算法能力来自持续数据闭环。机器人也是一样。墨奇如果从商用场景起步，关键指标不是部署多少台，而是每台机器人每天能产生多少有效数据，失败样本能否被结构化处理，模型升级后任务成功率有没有提升。低质量数据不会形成壁垒，还会拖慢训练效率。

第三本是经营账。机器人不是纯软件，硬件本体、关节、传感器、电池、安全冗余、售后维护都会进入成本结构。公司一旦进入交付阶段，市场会盯住良率、故障率、BOM成本、客户回款、运维费用和复购。早期估值可以靠团队和路径支撑，后续估值必须靠交付和经营指标验证。

巴菲特讲“护城河”，放在具身智能里，护城河不会只来自某个单点算法或一款好看的机器人本体。硬件会被追赶，算法会被开源，供应链会降价。更难复制的是大规模真实场景里的数据闭环、工程经验和场景运营能力。墨奇的机会在于团队背景确实适合做复杂系统；墨奇的不确定性也在这里，家庭机器人比车端智能更开放、更非标，失败样本更多，交付周期更长。

阿里和腾讯同时出手，也让墨奇多了一层产业想象。阿里有云、AI基础设施和商业服务场景，腾讯有内容、交互和生态入口。巨头投资不等于商业化必然成功，但可以帮助机器人公司更快接触数据、算力、场景和生态资源。对具身智能创业公司来说，这些资源会影响早期迭代速度。

结语：自动驾驶人正在进入机器人行业，但履历不能替代交付

墨奇智能这轮融资，最值得写的不是“天使轮融超10亿”，而是中国具身智能行业正在出现新的人才流向。自动驾驶人才从车端走向机器人，从道路场景走向商业空间和家庭空间，背后是AI工程化能力的一次迁移。

过去几年，中国自动驾驶行业完成了一轮高强度训练：复杂场景、软硬协同、数据闭环、量产交付、成本控制。现在，这批人开始进入具身智能，试图把车端智能的经验带到更开放的物理世界。墨奇智能是这个趋势里的高关注样本。

但机器人行业不会只奖励履历。汽车至少有道路规则，家庭没有统一标准；汽车主要解决移动问题，机器人要处理人的生活秩序。墨奇拿到的是一笔足够大的试错资金，也拿到一张很贵的入场券。后面要交的作业会更具体：产品能不能落地，场景能不能复用，数据能不能回流，客户会不会持续买单。

具身智能下一轮分化会发生在真实场景里。融资额会被很快遗忘，团队光环也会被交付进度重新校准。真正留下来的公司，必须证明机器人不是发布会上的技术展示，而是能在商业和家庭场景里持续学习、持续工作、持续创造价值的产品。