行元智能杨世琦：不做本体，押注机器人Action Token

在具身智能的创业浪潮中，多数团队正涌向整机制造与大模型架构的军备竞赛。曾任北美顶尖机器人实验室研究员的杨世琦却给出了不同判断：具身智能真正的命门不在于硬件，也不在于单纯的模型架构创新，而在于如何实现高质量训练数据的规模化供给与复用。

今年6月创立行元智能后，杨世琦并未急于发布机器人本体。行元智能正式推出跨本体数据引擎“Chorus众行”，试图打通从人类行为到机器人动作的核心底层基建。

警惕Demo繁荣，探索机器人的Action Token

回国深入调研后，杨世琦发现具身智能在科研与产业落地之间存在脱节。当前行业普遍偏向用Demo或论文展示学习能力，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（VLA）或世界模型，但对于系统如何持续迭代、能力如何规模化，往往缺乏清晰路径。

在杨世琦看来，正如大语言模型（LLM）的基石是Token，机器人基础模型的核心则是解决行动（Action）维度的智能。行元智能的名字便来源于此——团队希望定义并探索机器人的“Action Token”。大语言模型已在理解、记忆和规划上取得突破，但机器人必须将理解转化为实体动作。团队的目标是从人类数据出发建立数据与模型体系，而不是再去制造一台机器人本体。

将人类示范数据扩容40倍

数据匮乏始终是机器人训练的痛点。遥操作采集成本高昂且受限于场景，而现有方案仍未能盘活真实世界中海量的人类日常行为数据。

人类拥有丰富的运动经验和灵巧操作能力，直接利用人类视频是解决数据瓶颈的关键路径。然而，人类视频存在手部遮挡、视角多变、轨迹不全等缺陷，加之人体结构与机器人形态差异巨大，未经清洗的数据大多无法直接使用。

行元智能推出的Chorus引擎，核心正是解决数据的规模化复用问题。该引擎通过原子动作识别、语义标注、三维运动重建、轨迹优化及跨本体映射，构建起一套标准化处理管线，将单一人类示范适配到不同的机器人本体上。

在实测配置下，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；再结合3倍指令增广，最终能实现约40倍的有效训练数据扩容。杨世琦强调，数据规模化并非简单堆砌数量，必须让数据规模、质量与模型训练需求协同设计，通过真实场景部署形成闭环反馈，探索机器人学习的Scaling Law。

坚决不做硬件本体，主打系统闭环

在商业与产品路径上，行元智能明确划定界限：坚决不做硬件本体。

杨世琦指出，国内拥有极其成熟且庞大的硬件供应链，自建本体不仅资本投入巨大，还可能拖慢算法迭代效率。对工业客户而言，他们需要的不是外形酷炫的人形机器人，而是能够稳定完成特定工序的自动化系统。

因此，行元智能主打System Scaling（系统规模化）路径。模型不需要达到100%自主可用才上线，达到可用阈值后即可切入真实场景。面对训练数据未覆盖的分布外（OOD）异常状况，系统设计了低门槛人机协作机制：当机器人停滞时，普通工人使用简易设备在2至3秒内即可接管纠偏，纠偏数据再回流反哺模型。

在仓储物流等场景中，这种模式可在初期实现“一人照看一台”，随着模型准确率提升逐步过渡到“一人照看三台”，在任务完成度与综合成本间取得平衡。

杨世琦认为，具身智能行业目前本质上仍处于“非标自动化”阶段，距离机器人成为通用劳动力普遍应用，可能还需要三到四年的技术沉淀。这段时间正是各家企业拉开技术差距的关键窗口期。行业不仅需要让机器人完成特定任务，更需要让机器智能建立起自主进化的闭环能力。