行元智能发布跨本体数据引擎 Chorus：1 小时人类视频扩出 16 种本体的训练数据
行元智能 10 月 27 日发布跨本体数据引擎 Chorus：1 小时人类视频产约 13.6 小时、16 种本体轨迹，自称 40 倍扩容，均为官方自述。
机器人基础模型公司行元智能（Action Intelligence）10 月 27 日在其官网研究页发布跨本体数据引擎 Chorus（中文名「众行」）：把智能眼镜、胸戴相机、UMI 设备等采集的人类第一视角操作视频，清洗、重建并转写成适配不同机器人本体的训练轨迹。官网研究页（版本号 v=20261027-5）给出的扩容公式是「1 筛选后源小时 × 16 本体 × 85% ≈ 13.6 轨迹小时」——先把人的一段操作视频跨到 16 种机器人本体，再叠加约 3 倍指令增广，钛媒体与雷科技的报道据此得出约 40 倍有效训练数据扩容的口径。这套数据引擎面向的买家是做机器人预训练的团队；要说明的是，页面上的转化率、成本等数字全部为官方自述，目前没有任何第三方评测。
要点
- Chorus 官方扩容公式为「1 筛选后源小时 × 16 本体 × 85% ≈ 13.6 轨迹小时」，叠加约 3 倍指令增广后合计约 40 倍有效训练数据扩容；处理成本按官方口径折算约 14.7 元/轨迹小时（雷科技写作四舍五入后的 15 元）。
- 标注靠自研的 4B 原子动作识别模型，帧级处理速度 10 FPS，官方称标注成本约为 Gemini 3.8 Flash 基线的 1/20——这是页面里唯一的对比实验，且对象是成本而非效果。
- 公司由 00 后研究者杨世琦创立，钛媒体明确时间为其今年（2026 年）6 月；战略上不做硬件本体，走「数据 + 模型」路线，全部关键数字均为官方自述、无第三方评测。
背景
Chorus 不是凭空出现的。行元智能官网把产品线写成三章：第一章 Continuo（随行）「For Human」，是把人类经验持续收进模型的体验层，状态为已发布（雷科技称其此前已发布，可部署于可穿戴设备）；第二章 Chorus（众行）「From Human」，也就是这次发布的数据引擎，页面同样标为已发布，另给出一个演示站 chorus.a-i.co；第三章 Duet（同行）「With Human」规划人类指导、纠错与交互反馈的训练回流，官网标注为「Classified / UNRELEASED」，雷科技称其计划年内推出。公司名「行元」的来历，钛媒体解释为：LLM 的基础单元是词元（Token），而机器人要解决「行动」（Action）维度，杨世琦想定义机器人的「Action Token」。
这条路线放在当下的行业里读更有意思。OpenAI 的招聘页上挂着 19 个机器人职位，从电机设计排到制造采购（见我们此前的报道），模型公司亲自下场造硬件；杨立昆阵营则押注世界模型，H-JEPA 论文用分层规划做物理世界的预测（见我们此前的报道）。行元选了第三条路：不碰本体、不绑硬件，只做「物理世界的通用具身大脑」所需的数据与模型。钛媒体引述的理由很直接——中国已有成熟庞大的机器人硬件供应链，自建本体投入巨额资本，还会拖慢模型迭代。
事实部分
Chorus 的流水线（官网研究页口径）：先把多源人类操作视频做清洗与三维重建，再经原子动作识别、语义标注、轨迹优化，最后跨本体映射到目标机器人。页面给出的可核对数字如下，全部为官方口径：
| 项目 | 数字 | 出处 |
|---|---|---|
| 本体适配 | 16 种机器人本体 | 官网研究页 |
| 转化率 | 平均可用数据转化率 85% | 官网研究页 |
| 扩容公式 | 1 源小时 × 16 本体 × 85% ≈ 13.6 轨迹小时 | 官网研究页 |
| 指令增广 | 约 3 倍 | 官网研究页 |
| 处理成本 | 约 200 元/输入小时，折合约 14.7 元/轨迹小时 | 官网研究页 |
| 标注模型 | 自研 4B，帧级 10 FPS | 官网研究页 |
| 标注成本 | 约 Gemini 3.8 Flash 基线的 1/20 | 官网研究页 |
标注环节用短时间窗加时间 token 压缩，在原子动作、子任务、完整任务三层做标注，再叠加约 3 倍指令增广；数据评分维度包括语义完整性、三维重建质量、运动一致性、视觉质量，外加有效时长与动作数。页面还定义了一个「action surprise」指标：用语言模型在上下文里预测下一个动作，再量预测与实际动作的偏差，用来捕捉意外选择、策略变化和纠偏动作，优先安排人工复核。输入端支持智能眼镜、胸戴/腕部相机、颈挂与头戴系统及 UMI 式设备，覆盖单目、双目、四目、六目配置。雷科技补充了一个等效口径：叠加指令增广后，单位训练样本的等效成本约 5 元/小时。创始人背景出自雷科技：杨世琦毕业于 UCSD，师从 Meta Superintelligence Labs 研究总监王小龙；技术联创司晨阳、杨靖康入选 2026 年全球前 2% 顶尖科学家榜单。钛媒体补充：杨世琦 2025 年 7 月回国，之后花数月调研国内具身智能，今年 6 月创立行元智能。
各方说法
目前对 Chorus 的公开报道只有中文科技媒体，且信息高度依赖官方口径。钛媒体的角度是商业路线：它把「训练数据的规模化供给与复用」称为行业的命门，引述杨世琦「坚决不做硬件本体，也不绑定单一硬件」的表态；部署上，物流场景初期「一拖一」——一名工人监督一台机器人，机器人卡住时不懂技术的工人两三秒内接管、纠偏后交还，反馈回流训练，随成功率提升向「一拖三」演进。雷科技的角度是团队与成本：师承关系、两位技术联创的科学家榜单入选，加上 15 元/轨迹小时、5 元/小时的等效样本成本。机器人卡住时由现场人员短时接管纠偏、纠偏数据回流训练，这个闭环设计与 Duet 一章「GUIDANCE · CORRECTION · COLLABORATION」的规划吻合，但 Duet 本身未发布，回流是规划而非现有功能。
需要指出的是口径问题。钛媒体的关键数字（85%、13.6 小时、16 种本体）与官网一致；雷科技转写了 85%、16 种本体与成本口径（15 元、5 元/小时、40 倍）——两家均转写自官方材料，不是独立复测；机器之心同日仅有标题可读，正文被反爬挡住，本站无法核对其内容。页面唯一自带的对标实验是标注成本对 Gemini 3.8 Flash 的 1/20，没有任何任务成功率或策略性能的基准。检索层面，本站未能找到第四家独立媒体或批评性报道，海外社区（HN/Reddit）暂未见到讨论。
编辑判断
对做机器人预训练或数据采集的团队，Chorus 值得放进对比清单：如果 85% 转化率和 14.7 元/轨迹小时的口径成立，一份人类演示摊到多种本体的成本结构，会好过「一份数据对应一种机器人」的采集方案——演示站 chorus.a-i.co 公开，验证的门槛不高。对关注具身智能路线的人，它是「数据层」细分的一个新样本：OpenAI 在造本体，LeCun 阵营在做世界模型，行元断言行业命门在数据供给，三家赌的是同一个市场的不同瓶颈。
诚实的 catch 是所有关键数字都出自官方页面：85% 转化率没有给出逐本体的明细，13.6 小时是公式推演而非某批数据的实测，40 倍扩容也是两层自述口径的乘积。官方研究页只字未提公司成立时间与融资，钛媒体「今年 6 月创立」的说法也没有第二家独立信源佐证。什么时候出现第三方在自有数据上的复测，什么时候这组数字才从「宣称」变成「证据」——在那之前，把它们当一枚待验证的报价单看待，比当成基准更稳妥。
接下来
三件事值得盯。一是 Duet（同行）落地：年内推出的话，2-3 秒人工接管的数据回流会从规划变成功能，那是行元「系统规模化」叙事的关键一块。二是第三方复测：有没有客户或研究组在自有数据上跑 Chorus，给出公开的成功率。三是机器人基础模型本身：官网把它标为「UNRELEASED / TO BE REVEALED」，行元明确不做本体，这个模型就是它的终局产品——发布时间与形态，会检验「数据引擎先行」这条路线是否走得通。