2026 世界机器人大会期间，成立仅半年的墨奇智能完成国内首次系统性亮相，对外发布自研具身智能模型架构 MoRA，同时推出适配家庭长程任务的 MORPHI KINO 轮式机器人。企业兼顾具身大脑模型与硬件本体研发，致力于打破人形机器人只能完成单项演示的局限，实现多步骤连续任务执行，推动具身智能从 Demo 走向真实物理环境。

　　大会现场 MORPHI KINO 完成一场 15 分钟跨区域家庭长程任务完整演示。机器人自主导航移动，识别茶几上纸巾、矿泉水瓶等杂物完成抓取丢弃，收纳零散物品；移动至冰箱核查饮品库存，完成矿泉水补货并关闭冰箱门；之后前往洗烘区域，依次完成取出烘干衣物、投放湿衣物、启动烘干设备，最后对烘干衣物进行折叠整理。整套流程串联导航、识别抓取、家电操控、衣物折叠等多项复杂行为，其中识别按键、把控按压力度、折叠衣物，都是家庭机器人落地的关键技术卡点。整套演示体现机器人不再只执行孤立动作，能够理解总体目标，在较长时间内一步步把现实环境向目标状态推进。

　　现实环境充满各类不确定性，长时序任务不能每一步都等待上层大模型下发指令，MoRA 架构就此给出解决方案，提出 Agentic‑Native 具身模型路线，将智能体能力原生植入策略模型。架构重构后的 System1 即 Agentic‑Native 具身动作模型，拥有三大核心能力：以目标为条件持续执行，接收图文目标并全程围绕目标开展行动；构建短中长期多层记忆体系，支撑长时间连续作业；具备进度感知闭环，除输出动作之外同步输出任务状态、进度预判。System2 作为面向物理世界的认知中枢，负责解析用户真实意图、拆解全局任务流、监控执行过程，同时完成语音动作等多模态交互反馈。两套系统分工明确，System2 确定任务目标，System1 持续落地执行；高频物理交互、细节调整交由 System1 保障实时流畅，目标规划、异常处置交给 System2 保障灵活智能，兼顾运行效率与环境鲁棒性。

　　这套系统范式落地离不开高质量数据集与底层基础设施。行业普遍面临具身数据质量参差不齐、缺少统一标准的现状，想要实现模型规模效应，高质量数据优先级高于单纯的数据总量。墨奇采用自研设备下沉真实场景的数据获取路径，自研 MORPHI Sense Kit 采集系统，在弱纹理、高反光等复杂环境下实现毫米级轨迹重建，保障数据精度；把采集设备部署到酒店、商务公寓，由一线工作人员生成真实作业数据，规避摆拍演示带来的数据偏差。企业已经沉淀三万小时真实场景数据，计划年内扩充至十五至二十万小时，搭建从采集到模型迭代的数据飞轮。

　　成立时间虽短，墨奇已经完成模型架构、软硬协同、数据闭环、跨场景泛化的全栈布局，跳出零部件、单点算法的内卷竞争，搭建起系统级的差异化竞争壁垒。