Xingyuan Intelligence's Yang Shiqi: We Don't Build Robot Bodies, We Bet on Robot "Tokens" and the Cross-Embodiment Data Engine Chorus

在具身智能这场高热度的创业潮中，多数玩家正涌向本体制造与大模型架构的“军备竞赛”。然而，曾任北美顶尖机器人实验室研究员的00后学者杨世琦却持相反判断：行业真正的命门不在于硬件，也不在于一味追逐模型创新，而在于如何实现训练数据规模化地供给与复用。

杨世琦在今年6月创立行元智能后，并未急于发布机器人整机或宣讲模型的宏大叙事，直到10月27日，行元智能将推出跨本体数据引擎“Chorus众行”。

Chorus试图将智能眼镜、胸戴相机、UMI设备等多源人类操作视频进行清洗与三维重建，从而能够将单份人类示范跨本体适配至多种机器人，尝试打通从人类行为到机器人动作的底层基础设施。

在Chorus发布前一周，他不仅剖析了具身智能行业中的“Demo迷思”，还指出当前行业仍处于“非标自动化”阶段。透过行元智能坚持“不做硬件本体”的策略，杨世琦讲述了团队以 System Scaling（系统规模化）为技术路径，贯通数据、模型与真实部署，探索机器人基础模型的规模化发展的底层逻辑。

00后杨世琦闯入具身赛道，他不做本体，而是押注机器人“词元”创业。

创业前先诊断具身行业

2025年7月回国后，杨世琦花了数月时间深入调研国内具身智能的真实进展，发现了科研与产业上的部分差异。

在北美顶尖实验室时，杨世琦是全球最早将人类数据用于机器人训练的研究者之一。在他的认知中，正确的研究路径，应是发布第一个模型或产品时，已经能推算出下一代数据如何采集、何时面市以及如何实现规模化扩展；相比之下，他看到了行业中的部分团队更热衷于追逐大模型架构的热点，频繁发布视觉-语言-动作模型（VLA）或世界模型（World Model），但系统如何持续迭代、能力如何规模化，往往缺乏明确的路径。

“具身行业普遍偏重以Demo或Paper的形式来反映机器人学习能力，甚至部分演示背后的真实模型能力也需要打个问号。”杨世琦表示。

基于对“Demo繁荣”的警惕，行元智能选择跳出整机制造的思维定式。

正如大语言模型（LLM）的基础是“词元”（Token），而机器人基础模型要解决的是“行动”（Action）维度的智能。行元的名字也是由此而来，杨世琦希望，未来能进一步探索和定义机器人的“Action Token”。

“大语言模型已经在理解、记忆和规划上取得突破，但机器人最终必须把理解转化为动作。”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。

把人类数据“扩容40倍”

机器人训练数据短缺是行业老生常谈的痛点。早期依赖遥操作采集数据，成本高昂且场景受限；后来的UMI等方案虽脱离了机器人本体限制，但仍未能彻底盘活现实世界中海量、持续产生的人类行为数据。

“人类本身就是一种具身形态，拥有丰富的运动经验和灵巧操作能力。”杨世琦认为，直接利用人类视频是破解数据瓶颈的必然方向。但人类会做，不代表机器人能直接照搬。人类视频存在手部遮挡、视角变化以及轨迹不完整等问题，加之在身体结构、运动方式等存在差异，若未经处理，绝大多数据会在质量筛选中被直接剔除。

行元智能推出的Chorus引擎，核心是要解决机器人学习中的数据规模化问题：如何让有限的人类经验，转化为大规模复用的机器人训练数据。

为此，Chorus通过原子动作识别、语义标注、三维运动重建、轨迹优化及跨本体映射，将不同来源的人类操作数据纳入统一处理管线，使同一份人类经验能够适配不同机器人本体，从而扩大有效训练数据的供给规模。

在当前测试配置下，Chorus实现了约85%的有效数据转化率。通过适配16种机器人本体，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；进一步结合3倍指令增广，最终实现约40倍的有效训练数据扩容。

不过，杨世琦并不认为数据规模化就是简单地增加训练数据，数据与模型的Scaling需要协同设计，只有让数据的规模与质量匹配模型的训练需求，才能进一步探索机器人学习中的Scaling Law。

当然，模型能力是否随着数据规模的扩大而持续提升，最终还是要在真实场景中验证。这也是行元智能强调System Scaling的原因，需要从数据规模化出发，让模型训练和真实的场景部署相互反馈，持续推动机器人能力迭代升级。

不做本体，让模型跑得更快

在战略选择上，行元智能划定了明确的边界：坚决不做硬件本体。

“中国已经拥有成熟且庞大的机器人硬件供应链。”杨世琦解释，自建本体不仅需要投入巨额资本，还可能拖慢软件模型的迭代速度。更重要的是，工业客户需要的不是一台外形完整的人形机器人，而是一个能稳定完成特定工序的系统。

这种战略定位决定了行元智能的技术路径：不做本体，也不绑定单一硬件。

行元智能的解决思路是，模型不必等到具备近乎完美的自主能力才进入实际应用。当模型达到一定可用水平后，就可以尝试部署到真实场景中；遇到无法处理的情况时，由人及时介入，完成纠正，再将这些经验回流至训练系统。

他反复强调两件事：数据能复用多少次，模型多久能迭代一轮。

“大量工厂客户根本不关心你用了什么模型、什么算法，他们只关心你能不能把活干了。”杨世琦直言。

在真实工厂环境中，机器人极易遭遇训练数据未覆盖的分布外（OOD）状况，导致任务中断。为此，行元智能设计了一套人机协作机制：当机器人卡住时，不懂技术的普通工人可通过简单设备在2至3秒内快速接管，纠偏后交还系统继续执行，而人工接管形成的反馈会持续反哺模型。

通过这种方式，行元智能试图在任务成功率与人工成本之间取得平衡。在物流等场景中，初期可由一名工人监督一台机器人（“一拖一”），随着模型成功率提升再向“一拖三”演进。

对行元智能而言，这也是System Scaling与单纯扩大模型或者数据规模的区别，机器人能力的提升，不仅取决于训练阶段投入了多少数据，更取决于整个系统能否在真实应用中持续迭代。

未来3年是具身智能的技术窗口期

谈及当前的具身赛道，杨世琦并不避讳产业正处于资本热潮与市场宣发的竞争阶段，但作为创业新兵，他看到的是具身智能还有足够大的技术空间。

他觉得，现阶段行业应当合力把技术落到实处，而非相互争夺名义上的领先位置。

对于现今产业的发展状态，杨世琦给出客观判断：具身智能本质上仍处于“非标自动化”阶段，距离机器人真正广泛承担通用劳动力，可能还需要三到四年的沉淀。

当然，这也是每家具身智能企业实现突破的技术窗口期。

具身行业并不缺乏关于未来的想象，也不缺少惊艳的Demo，但从机器人完成一个任务到持续学习，还有很长的路要走。对杨世琦和行元智能而言，Chorus是这一探索的起点，从人类经验出发，让数据得以规模化复用，让模型在训练与真实部署中持续迭代。他们期待的，不只是机器人能够完成更多任务，而是让机器智能逐渐拥有自主成长的能力。（本文首发于钛媒体APP，文｜钱方）