共计 1127 个字符，预计需要花费 3 分钟才能阅读完成。
“行元智能”杨世琦: 不做本体, 押注机器人“词元”| 首发
在具身智能的创业热潮里, 多数团队忙着造本体、发模型 , 行元智能创始人杨世琦却选了另一条路: 不造机器人, 先去解决训练数据从哪来、能复用多少次的问题。10 月 27 日, 这家成立不到半年的公司发布跨本体数据引擎“Chorus 众行”。
📌 先诊断行业, 再决定做什么
- 重点: 杨世琦团队要做的, 是从人类数据出发, 建立模型与数据体系, 而不是再造一台机器人。
- 重点: 当前公开信息主要集中在产品、策略或节奏变化上。
- 重点: 后续仍需关注官方更新、落地范围以及实际反馈。
杨世琦是 00 后, 曾在北美顶尖机器人实验室做研究 , 也是较早把人类数据用于机器人训练的研究者之一。2025 年 7 月回国后, 他花数月时间调研国内具身智能的真实进展, 看到的落差在于: 不少团队热衷追逐大模型架构热点, 频繁发布视觉—语言—动作模型或世界模型, 但系统如何持续迭代、能力如何规模化, 路径并不清晰。
他把这种现象称为“Demo 迷思”——演示视频看起来很热闹, 背后的真实模型能力却要打个问号 。行元智能的名字取自“Action Token”: 大语言模型的基础是词元, 机器人基础模型要解决的则是行动维度的智能。
🔍 Chorus 想解决的是数据复用率
机器人训练数据短缺是行业老问题。 早期靠遥操作采集 , 成本高、场景窄;UMI 等方案虽摆脱了本体限制, 但仍未真正盘活现实世界里持续产生的人类行为数据。杨世琦的判断是, 人类本身就是一种具身形态, 直接利用人类视频是破解瓶颈的必然方向, 但人类会做不等于机器人能照搬——手部遮挡、视角变化、轨迹不完整, 加上身体结构差异, 大量素材在筛选中会被直接剔除。
Chorus 的处理思路, 是把不同来源的人类操作数据放进同一条管线: 原子动作识别、语义标注、三维运动重建、轨迹优化 , 最后做跨本体映射。按当前测试配置, 其有效数据转化率约为 85%; 在适配 16 种机器人本体的情况下,1 小时经过预筛选的人类视频可生成约 13.6 小时的跨本体动作轨迹, 叠加 3 倍指令增广后, 相当于约 40 倍的有效训练数据扩容。
💡 不做本体, 是为了让模型跑得更快
在产品落地方式上, 团队没有等待模型具备近乎完美的自主能力 。机器人卡住时, 不懂技术的普通工人可通过简单设备在 2 至 3 秒内接管纠偏, 随后交还系统继续执行, 这些人工介入形成的反馈会回流到训练环节。物流等场景中, 初期可由一名工人监督一台机器人, 随着成功率提升再向“一拖三”演进。
📊 行业判断: 仍处“非标自动化”阶段
围绕““行元智能”杨世琦: 不做本体, 押注机器人“词元”| 首”，这一部分可从背景、现状与影响三个角度理解其关键信息。结合已公开内容来看，核心结论是趋势已较为明确，但细节仍需结合后续进展持续观察。
