在具身智能市场，很多企业因只展示华而不实、过度剪辑的硬件演示视频而饱受诟病。而Skild AI与此不同，他们试图以实打实的投入来建立自身的可信度。

Skild AI是一家机器人基础模型初创公司，总部位于匹兹堡。今年1月，Skild完成14亿美元C轮融资，当时其营收约为3000万美元。目前该公司基础模型实现商用落地仅十个月，而年度经常性收入(ARR)已突破1亿美元，这一里程碑标志着Skild AI创下企业自动化领域少见的商业化增速。

Skild表示已将其通用机器人大脑集成应用到60多个付费企业客户中，业务领域并不局限于包裹分拣、仓库运输这类重复性工作，还覆盖商用厨房自动化备餐、高密度服务器制造、线束制造以及持续设施安防等多个领域。

值得注意的是，其营收结构中复杂操作任务占大头，标准移动机器人业务占比较低：移动出行业务仅占总收入的10%，而专用的Fetch解决方案占比4%，其余绝大部分收入来自工业操作和专业物理作业流程。

多场景落地

Skild营收的高速增长得益于与多家工业和基础设施巨头的合作，其基础模型已渗透进多条核心产线。

在制造车间，Skild与富士康和英伟达合作，将基础模型Skild Brain应用于双臂机器人上，用于英伟达Blackwell系统的组装工作。该自动化单元可执行高精度的装配任务，包括安装母线、定位限位块以及在严格接触感知力阈值下拧紧16个独立螺丝。

由于数据中心架构的每一次迭代都会改变各产品版本的几何布局，传统自动化系统需要停产数月，人工重新编写运动轨迹，而Skild的自适应策略则能实时适配设计调整。

这家初创企业在食品物流等多个领域找到了市场：

• 住友电装系统：自动化线束装配——线束由可变形的柔性线缆组成，是制造业公认的瓶颈工序，而传统计算机视觉系统通常难以稳定抓取。

• 三井物产（AIM Services）：商用厨房的自动化盘碟分装生产线。AIM Services每天为日本机构供餐约140万份，其中摆盘工作仍是一个人力需求巨大的痛点。

• G10 Fulfillment：在电商履约中部署拣选包装机器人。G10的COO兼CTO Brian Wright表示，在Skild的机器人系统支持下，仓库生产线效率从人工基准的平均每小时50单提升至每小时约130至140单。

• STN公司：开展自主数据中心遥测及设施巡检，以降低超大规模基础设施的人工运营成本。

反“演示文化”

Skild联合创始人Deepak Pathak与Abhinav Gupta发表了一篇题为《机器人研究的隐性支柱是部署》的文章，提出真实场景的产品落地不仅是交付的一部分，更是无可替代的研究核心环节。

借此，Pathak和Gupta直接从意识形态角度抨击了由风险投资支持的机器人行业对精心剪辑的视频演示的依赖。

Pathak写道：“观看演示视频已经成为衡量物理人工智能进展的常见方式。但问题在于，一台操作准确率5%、10%或是99%的机器人，成功完成任务的片段看起来可以一模一样。哪怕准确率只有10%，反复拍摄也总能剪出成功的镜头。去年我们训练模型烹饪鸡蛋，第一次成功完成煎蛋花了一周的时间，之后又用了两个月，才让它能用不同的蛋、在不同条件下稳定完成烹饪。这就是机器人领域眼见未必为实的原因。”

两位创始人提出，将机器人与大语言模型(LLM)相比较，忽视了物理部署背后的结构性现实，因而不能简单照搬大语言模型发展路径看待机器人研发。大语言模型可以在实验室完成长期算法迭代，ChatGPT的爆发属于厚积薄发；但具身机器人不能脱离现实环境闭门研发。

他们重点指出，操作吞吐量，即周期时间，是学术论文和宣传视频中总是被忽略的一个评估指标：

“设想一条工厂生产线，十个工位中一半由机器人承担，一半为人工工位。所有工位必须在相近的周期时间内完成作业，只要某个工位运行速度变慢，就会限制整条生产线的生产效率。一台准确率高达99.9%，但运行速度慢了十倍的机器人几乎无法投入使用，根本无法落地。”

Skild认为，行业内推崇短期演示成果的企业文化，会毒害真正的工程激励措施：研究人员自然倾向于追求前50%的突破性进展，因为这些成果能产出炫酷的视频素材，而在现实世界中棘手且不起眼的边缘案例，即那些后50%的难题，往往被人忽视，无人深耕。若想推进产品商用落地，则必须补齐遗留下的问题与短板。

死磕现场学习

从大量客户现场落地中积累的实操经验，直接影响了Skild最新推出的S1基础模型的设计。

在生产环境中，工厂布局经常变动，零部件尺寸不断调整，供应商也会更换部件。在传统的视觉-语言-动作(VLA)系统下，每种环境变化都需要耗费大量时间重新采集数据，记录远程操作日志，还要进行计算成本高昂的模型微调。

而S1通过视觉上下文学习规避了频繁的梯度更新。现场技术人员仅需展示一段新工序的示范视频，即可引导双臂机器人在几分钟内执行这套操作流程。在针对新型多步骤操作场景的测试中，S1模型在非分布任务上的步骤成功率达到66%，要达到同等效果，在过去需要约380次的人工远程操作。

Skild将这些边缘部署数据反馈回其“物理RSI”（递归自我改进）系统。该循环系统将通用模型投入到生产环境中，收集边缘场景下的运行数据，并提炼专业知识学习成果，以反哺核心模型。

部署通用模型 → 真实现场学习 → 更新基础模型 → 再次投入部署，创始人将该模型架构比作学生的基础学术训练：

“高中时，我们对物理、化学和数学已有相当程度的掌握，”Pathak解释道，“现在设想一下，我们可以把高中阶段的自己带到平行宇宙中，分别攻读化学、物理学和数学博士学位。然后想象将所有这些专业知识重新提炼回最初那个高中生身上。通过持续落地部署，我们把S1模型这个‘高中阶段的自己’变得越来越优秀。”

为支持这一提炼循环，Skild依托英伟达完整的物理AI软件套件，利用Isaac Lab、Cosmos生成式数据管理工具，以及集成在Newton物理引擎中的全新开发的GPU加速仿真求解器，在正式上线前验证物理交互行为。

结语

Skild在商业营收上的快速增长，为硅谷一场愈演烈的策略性争论提供了真实数据支撑。

就在几天前，OpenAI的一位研究员展示了GPT-6 Astra使用机械臂逐步学习绘制金门大桥的过程。亚马逊的Zeeshan Zia等研究人员据此推测，通用多模态基础模型最终可能淘汰专精机器人的创新实验室。在这一假设下，具备更强空间推理和算法能力的集中式云端API将彻底吞噬物理智能这一层业务。

然而，Skild的运营资产负债表给出了另一种看法：前沿推理模型或许能在受控的实验室环境中绘制图像，但要想将空间智能转化为工业规模的现金流，就必须应对严格的工厂生产周期、依赖摩擦的装配作业以及紧密的供应链整合。

十个月内实现ARR突破1亿美元证明了Skild的判断，其押注在于：机器人领域决定性的护城河，并不属于那些能拍出最精彩演示视频的团队，而属于那些能够经受住装配流水线严酷物理环境考验的企业。