具身ICL赛道升温：可可矩阵押注上下文学习，机器人看一遍演示即可学新任务
继Skild AI、Generalist AI展示机器人通过观看演示视频即可学习新任务后，国内创业公司可可矩阵（COCO Matrix）宣布将In-Context Learning（ICL）作为具身智能的底层范式，其创始人高宇翔称已跑通技术路线，并计划定义人机教学交互数据标准。
核心事实
据量子位报道，国内具身智能创业公司可可矩阵（COCO Matrix）正致力于将In-Context Learning（ICL）打造为具身智能的底层范式。该公司成立于2026年4月，创始人兼CEO高宇翔透露，其技术路线已基本跑通，目前处于数据规模化阶段。可可矩阵的思路是将后训练的ICL前置到预训练阶段，并开发了一套“条件表征”模型，可根据任务意图动态提取视觉信息，已在八、九类视觉任务上验证，部分能力接近上一代专用模型。
背景与影响
ICL最早由OpenAI在2020年GPT-3论文中提出，指模型无需参数更新，仅通过输入中的示例即可执行新任务。近期，Skild AI发布机器人基础模型S1，支持最长10分钟任务演示；Generalist AI发布GEN-1.5，实现数秒内学习新任务。可可矩阵创始人高宇翔认为，具身智能的Scaling维度正从数据堆叠转向上下文学习，但面临视觉理解、多模态融合、长上下文记忆等挑战。他提出“强理解、轻生成”方向，并称在相同训练设置下，将动作头压缩至约60M参数仍优于1.1B参数的对照方案。
限制与来源
以上信息来自量子位对可可矩阵创始人的专访，部分技术细节（如模型参数、成功率）为创始人自述，尚未经第三方独立验证。可可矩阵的One-Shot能力在简单抓取任务上完成率稳定在80%以上，但复杂任务评测尚未完成。文中提及的Skild AI、Generalist AI产品均为成果发布，技术细节未完整公开。具体产品功能、性能及可用性请以各公司官网当前信息为准。