可可矩阵创始人高宇翔：将后训练ICL前置到预训练阶段

可可矩阵创始人兼CEO高宇翔近日接受量子位采访，围绕具身智能中的In-Context Learning（ICL）技术路线展开对谈。据他介绍，可可矩阵成立于2026年4月，核心思路是将后训练的ICL前置到预训练阶段，让机器人通过上下文学习快速适应新任务。

高宇翔回顾了自己此前在傅利叶的工作经历。2024年加入傅利叶后，他带队打通了全尺寸人形机器人从遥操作、数据采集到模型部署的完整链路，并于2025年5月至8月用一百多万成本，在全尺寸双足人形上训练出具备一定泛化能力的世界模型。这段经历让他直观看到VLA数据Scaling的边界，也促使他决定创业押注ICL。

在采访中，高宇翔也分享了对行业数据规模与能力关系的判断。他认为，针对单一任务，采集两百条左右数据即可拟合得很好，但继续增加数据后，模型并未出现大家期待的通用泛化能力；同时具身数据本身很难Scale，遥操作数据质量不统一，场景多样性有限。因此，行业开始从单纯Scale数据转向关注机器人的学习能力和适应能力，ICL成为新的Scaling方向。

高宇翔进一步提到，具身ICL仍面临三大技术难点：视觉理解需兼顾高层语义与精细空间信息，多模态数据规模差异大，以及长上下文与记忆的压缩利用问题。但他强调，ICL并不意味着不再需要数据，基础数据的数量和多样性依然重要，目前人机教学、实时纠偏和协同作业类数据存在明显缺口。

可可矩阵目前的技术路线已基本跑通，下一阶段将重点进行数据Scale和模型能力提升。