黄青虬，前华为智驾AI一号位、墨奇智能CTO，在具身智能领域提出了一套围绕数据质量为核心的方法论。他认为高质量的数据是训练出高性能模型的关键要素，甚至可以弥补复杂模型架构的不足。“假设数据质量无限高，再简单的模型也能训出很好的结果。”这种观点颠覆了传统上对AI模型设计的认知，强调在当前阶段，具身智能企业应优先关注如何构建和优化数据闭环系统。黄青虬的经验来自其在华为自动驾驶领域的工作经历，在那里他主导搭建了一套从零到一的数据工程体系，并将其成功应用到了墨奇智能的具身机器人开发中。

数据工程的重要性

对于具身智能行业而言，高质量的数据是模型性能提升的关键因素之一。黄青虬强调了数据质量在AI训练中的重要性，认为即便使用非常简单的模型架构也能通过高质量的数据达到良好的结果。“假设数据质量无限高”，这意味着无论多么基础的算法，在面对高质量、经过严格筛选和处理过的数据时都能展现出强大的学习能力。

华为ADS项目中，黄青虬主导构建了自动驾驶系统的数据闭环体系。从激光感知到多传感器融合再到端到端的AI化过程，他深刻体会到数据工程对于智能系统开发的重要性。“在3.0已经算是比较成型”，这意味着该阶段的数据采集、处理和应用已经形成了一套成熟的流程，并能够有效支持多种任务需求。

黄青虬认为，“模型架构其实是越简单越好”。复杂的模型结构虽然可能带来更高的参数量，但对提升模型性能的实际贡献相对有限。相反地，通过提高数据的质量与多样性可以更有效地增强模型的泛化能力。“效率是能够用更多的数据、更长的训练时间弥补”，这表明在具备足够高质量的数据资源时，即便是简单的架构也能发挥出强大的学习效能。

高质量数据的采集与处理

黄青虬团队致力于通过自研轻便穿戴式设备来收集具身机器人所需的大量真实场景数据。这些设备被部署于酒店、商住公寓等商用环境中，并由清洁工人佩戴完成日常任务的数据记录工作。“采回来之后，就需要做严格的数据质量筛选”，这一步骤是为了剔除那些无效或不准确的数据片段。

接下来是归类和标签化过程，“筛出来之后还要给它们做归类”。通过细致的分类与标注，可以确保训练模型时能够精准地检索到所需数据集。“保证我的数据虽然是海量的，但最终训练每一个模型要用哪些数据”，这种严谨的方法论有助于提高训练效率及准确性。

在完成初步的数据筛选和整理后，“下一步我们叫AutoLabel（自动标注）”。这一阶段的目标是对所有采集来的信息进行自动化处理，并添加必要的真值标签以供后续机器学习算法使用。“打上训练需要的真值ground truth，最后送进训练”，这一步骤确保了数据集的质量与完整性。

此外，墨奇智能还设计了一套多防线测评体系，“评测完后那些觉得不太好的场景，我们又重新回去采集、挖掘”。这种持续迭代的方法保证了模型能够覆盖更多复杂且具有挑战性的任务环境。“这就是整个数据飞轮”，通过不断循环优化数据处理流程，黄青虬团队力求构建一个高效的数据闭环系统。

墨奇智能的数据闭环系统

在具身智能领域内，“墨奇智能搭建了一套完整的数据闭环系统”。这套体系不仅涵盖了从采集到标注的全链条环节，还包括了自动化测评与反馈机制。“我们搭了一套完整的数据闭环系统”，旨在通过不断地循环迭代来提升模型训练的效果和效率。

黄青虬团队在酒店及商住公寓环境中部署穿戴式设备，“雇了许多保洁员进行数采”。这种场景选择不仅能够提供大量真实世界的互动数据，还便于监控与维护机器人执行任务的能力。“筛出来之后还要给它们做归类”，通过细致的数据分类工作确保训练模型时的精准度。

在完成初步筛选和整理后，“下一步我们叫AutoLabel（自动标注）”。“打上训练需要的真值ground truth，最后送进训练”。这套系统的核心在于自动化处理与评估流程的设计，使得数据能够迅速转化为可利用的信息资源。

此外，“评测完后那些觉得不太好的场景”，团队会重新采集并挖掘更多有价值的样本信息。通过这种方式构建了一个动态调整的数据闭环机制。“这就是整个数据飞轮”，黄青虬表示这种循环迭代的方法有助于持续提升模型的泛化能力与实际应用效果。

黄青퀴, 前华为智驾AI一号位、墨奇智能CTO，在具身智能领域强调了高质量数据的重要性。他指出，即便使用简单的模型架构也能通过高质量的数据训练出高性能的结果。“假设数据质量无限高”，意味着无论多么基础的算法在面对优质且经过严格筛选处理过的数据时都能展现出强大的学习能力。

黄青虬认为，“模型架构其实是越简单越好”。复杂的模型结构虽然可能带来更高的参数量，但对提升模型性能的实际贡献相对有限。相反地，通过提高数据的质量与多样性可以更有效地增强模型的泛化能力。“效率是能够用更多的数据、更长的训练时间弥补”，这表明在具备足够高质量的数据资源时，即便是简单的架构也能发挥出强大的学习效能。

黄青虬带领团队构建了一套完整且高效的具身智能数据闭环系统。这套体系不仅涵盖了从采集到标注的全链条环节，并通过自动化测评与反馈机制实现持续优化。“我们搭了一套完整的数据闭环系统”，旨在提升模型训练效果和效率，从而推动具身机器人技术的实际应用与发展。

黄青虬强调，建立高质量的数据工程是解决当前具身智能领域挑战的关键。他相信未来墨奇智能将基于这套理念构建起更加完善且高效的原生预训练模型体系。“我们一定要做自己的预训练”，这意味着通过持续积累与优化数据资源来实现更强大的机器人智能化水平。

通过对高质量数据的重视以及对完整闭环系统的建设，黄青虬为具身智能领域的发展提供了新的思路。他相信，在不久的将来，基于高质数据驱动的方法将引领该行业走向更加成熟和广泛应用的新阶段。