机器人预训练最贵的往往不是模型参数，而是「能用的动作数据」。10月27日，行元智能（Action Intelligence）发布跨本体数据引擎「Chorus 众行」，把多源人类操作视频转写成适配不同机器人本体的预训练轨迹，试图把「人的一遍示范」放大成「多种身体都能学」的数据资产。
行元智能定位偏「数据与模型」路线，公开口径强调不做硬件本体。Chorus 以统一数据模型串联清洗、三维运动重建、轨迹优化、质量校验与跨本体映射，支持智能眼镜、胸戴相机、腕部相机、UMI 类设备等采集条件，降低对单一采集硬件的依赖。
与常见的「一份示范对应一种机器人」不同，Chorus 宣称可将单份人类示范映射到不同身体结构与运动范围；新增目标本体时，可复用前期处理结果，避免整条管线重跑。官方给出的测试配置数字包括：平均可用数据转化率约85%；适配16种机器人本体；每小时有效机器人轨迹处理成本约15元；叠加约3倍指令增广后，有效训练数据约40倍扩容，单位训练样本等效成本约5元/小时。上述指标均为主体自述，未见独立第三方复测。
产业卡点清晰：遥操作真机贵、仿真迁移有鸿沟、人类视频丰富却难对齐到关节空间。Chorus 押注的是中间层——把异构视频变成可共享的动作表示，再分发给多种本体。若转化率与跨本体一致性在外部数据上站得住，数据供给会从「按台采集」转向「按人采集、按机复用」。
也要看到边界。跨本体映射对遮挡、相机抖动与手部自遮挡敏感；官方提到的三维重建与质量校验正是为这些问题服务，但不同任务难度下的可用率可能显著分化。买方更应追问的是：扩容后的轨迹能否提升下游策略成功率，而不只是轨迹小时数变多。
对整机厂与基础模型团队，Chorus 提供另一种采购逻辑：不必先堆本体再堆数据，可以先买「人类视频→多本体轨迹」的产能。行元同步勾勒的人机协作纠偏回流（规划中的 Duet 等）若落地，还将把现场接管片段重新送回训练闭环。
收尾判断：Chorus 把具身数据瓶颈写成工程报价单——接下来要用外部任务成功率，而不是自述倍数，证明这张单子值钱。