对话COCO Matrix高宇翔：难以提前穷举世界，不如「学习适应」世界

文｜白鲸实验室，作者 | 刘培，编辑｜柳嘉 8月20日，当国内诸多企业的机器人在2026年世界机器人大会上，忙着展示物流分拣、装卸、切菜、做早餐等任务时，太平洋的另一端，具身智能突然掀起一个技术新风向。 当天，美国机器人基础模型公司Generalist AI发布了最新模型GEN-1.5，展现出很好的In-Context Learning（上下文，ICL）能力。几天后，Skild AI也开始把ICL放到具身智能的核心叙事中。 ICL可以简单理解为，机器人应该像人类一样高效利用观察到的上下文，来适应和学习新的环境与任务。而现在流行的范式是，机器人每次学习一个任务，都要针对性地为这个任务提前采集数据并重新训练。这完全像刷题库取得高分的学生，一旦测试题超出题库的内容，就无法胜任了。 尽管现在两家公司展现的机器人长上下文学习能力仍处于早期，但他们在ICL上的展示成果，让高宇翔异常兴奋。他说，“机器人的ICL范式会成为主流共识”，就像当初 ICL 能力的出现，标志语言模型从“BERT时代”走向“GPT-3”，机器人现在也看到自己的GPT-3时刻的曙光。 早在2021年GPT-3展现出上下文学习能力时，仍在约翰斯·霍普金斯大学（JHU）读博的他，就开始思考怎样把这种学习能力迁移到具身智能中。5年后，具身智能的变化，更像是对他判断的回应。 95后高宇翔出身西交大少年班，现在是COCO Matrix可可矩阵的CEO。在具身行业，高宇翔一直隐身于聚光灯之外。他甚至都没有像绝大部分机器人的研究员，建一个展示个人履历的网站，也没有在社交平台上分享过任何对行业的看法。 实际上，很难给这位创业者分类。他看起来像是乖乖的学霸，却在过去五年，接连做了四次有些“叛逆”的选择，约翰斯·霍普金斯大学（JHU）博士辍学、回国创业、加入工业界、再次创业。如果不是具身大脑上的进化加速，高宇翔有可能会成为一名青年教授，在学术上一年发表几篇论文。而他的每一次跳出常规，也都是让自己离终局更近。 高宇翔是个学习天赋极高的学霸。2024年加入工业界后，一个人，两台机器，硬是花了3个月，成为业内最早跑通全尺寸人形机器人遥操数据采集工作的人之一，还因此拿到了和全球头部大厂的VLA模型上的合作。 2025年Q3，他仅花一百多万元，在全尺寸双足人形机器人上训练出具备一定泛化能力的世界模型。但是这些工程能力，在任何地方都鲜有报道。 决定创业前夕，傅利叶创始人顾捷听完高宇翔的想法，告诉他："如果能从模型范式上有根本变化，这真的会改变行业，看到AGI机会" 。2026年春节后，高宇翔在连办公室都没有的阶段，仅凭In-Context Learning 这个技术理念和个人热情，陆续搭建好了主创团队。 创业以来，当团队有了超预期的进展后，他首次站出来，同步COCO Matrix在In-Context Learning上的进展。他的用词也非常谨慎，这算是“初步验证”。 “通过训练方式的改变和多样任务数据的构建，模型涌现出超预期的适应和上下文理解能力。”高宇翔说。如果这种能力能够在更大规模、更多任务和更多真实场景中稳定复现，意味着机器人学习新任务的方式可能发生变化：不再每遇到一个新任务，都依赖重新采集大量数据、重新训练模型，而是可以更多地利用现场提供的示范、纠正和历史经验完成适应。相应地，机器人的部署门槛和新任务适配成本，也有机会被显著降低。 目前，COCO Matrix是个20余人的小团队，成员基本来自海内外顶尖高校和实验室。核心成员有来自学术界ICL方向顶级研究员，也有来自top实验室的技术小天才们。 我们的对话，从下午两点持续到晚上八点，高宇翔首次全面复盘了他在具身科研及工业行业十余年的思考沉淀，也尝试用最直白的语言告诉大家他未来想做的事。 01 除了Scale数据，是否有更巧妙的解法？ 白鲸实验室：现在具身行业给我的感受是大家都在往各个方向摸奖，不知道谁能摸中。咱们上一次聊，你讲了很多边界，在具身数据、模型探索以来，你觉得比较重要的一个边界或者反共识是什么？ 高宇翔：单纯依靠现有具身数据Scaling非常困难。具身模型没办法照搬大语言模型经验，因为任务复杂度不一样、数据分布不一样。具身数据不仅少，分布是不均匀的（有些数据好收集，有些数据采集难度非常大），很难单纯在已有数据上完成内插（模型看到 A 轨迹、B 轨迹，直接猜中间状态），实现泛化。 大家很明显也都逐渐看到了这一点。前几天，我看到一个访谈，苏度科技的韩铮讲到，具身如果按照传统数据收集，大概需要100万亿美元的投入。 白鲸实验室：100万亿美元？ 高宇翔：在单一任务上，具身数据需要规模差不多相当于自动驾驶的十几万倍，甚至更多。 具身会比大语言模型率先遭遇数据枯竭和探索效率的问题，会更快来到离线数据和RL（强化学习）能力提升的边际效应递减。我们要更早考虑之后模型迭代问题，这是我们所有思考的出发点。 白鲸实验室：今年世界模型其实很火，视觉生成领域、自动驾驶、3D仿真引擎都在加入世界模型行列。市场上也有一些理性声音认为，真正的世界模型，必须有数据Scaling或者大量的算力才能做，其他的世界模型都是假概念。你怎么看？ 高宇翔：世界模型是个umbrella term（统称）。本质上，世界模型就是对世界状态的一个预测，是比较简单的定义。热门的原因，是大家在VLA做数据Scaling时遇到瓶颈。 因此我希望能找到更好的Scaling方式。目前还没有哪种数据Scaling方式，能把世界模型的能力（基于预测的能力）Scaling和机器人的泛化操作能力Scaling挂钩，哪种数据Scaling能实现这一点，现在依然是个未知数。不少人看到这一点，开始做新的尝试。 白鲸实验室：现在的Scaling方式都有哪几种？ 高宇翔：现在Scaling主要三类，数据、参数和算力（测试时的算力）。在对延迟和pace都很敏感的物理世界中，算力Scaling和参数的Scaling带来的延迟和推理效率限制了它们的上限。 白鲸实验室：但是现在LLM的竞赛还都在往大参数上堆，我了解到，一些国产模型现在接近3t的参数，还要往10t规模训练，为什么？ 高宇翔：大语言模型Scaling law是否会一直生效，至少学术界没有一个定论。 大语言模型的Scaling还可以在液冷服务器中推理，但是具身完全没办法这么搞。机器人不仅需要看，还要听、摸，这些都是连续、高频的信息，对带宽的频率要求也远超过LLM，如果不能达到最基础的十几赫兹，人就能感受到AI的反应很慢。在聊天框里对话，人可以等，如果机器人反应慢，端杯水，杯子可能就掉地上了。 白鲸实验室：这是通用Scaling的一些问题，在具身上只有数据可以Scaling，其他两项是失效的。 高宇翔：对， 具身上算力和参数 S caling失效 ， 主要是因为物理规律的限制。 白鲸实验室：这让我想起梁文锋最近私下对投资人的分享，他觉得让语言智能实现自我迭代之后，让AI直接做具身智能，会更轻松，而在这之前做具身，会非常辛苦。 高宇翔：大语言模型展现出强大的能力，很多人可能会觉得只要等等，大语言模型会把所有的能力覆盖。我不确定这是有点技术乐观还是技术悲观。 因为技术本身是动态的，甚至还超乎预料的。它最终会在哪个方向产生突破