美國(guó)機(jī)器人基礎(chǔ)模型領(lǐng)域近日迎來(lái)一筆巨額融資，初創(chuàng)公司Skild AI宣布完成約14億美元C輪融資，公司估值一舉突破140億美元，刷新該領(lǐng)域融資紀(jì)錄。此次融資不僅金額驚人，投資方陣容更是堪稱豪華，軟銀集團(tuán)領(lǐng)投，英偉達(dá)、三星、LG、亞馬遜創(chuàng)始人貝索斯家族辦公室、Salesforce等全球科技巨頭集體入局，形成橫跨芯片、互聯(lián)網(wǎng)、消費(fèi)電子等多領(lǐng)域的投資聯(lián)盟。

Skild AI正在構(gòu)建的通用大腦Skild Brain，可安裝到各類機(jī)器人和機(jī)器狗上，使其完成爬樓、繞過(guò)障礙物、拾取物品等基本動(dòng)作。公司成立恰逢機(jī)器人產(chǎn)業(yè)從專用系統(tǒng)向通用平臺(tái)演進(jìn)的關(guān)鍵時(shí)期，為其發(fā)展提供了良好機(jī)遇。

在技術(shù)層面，Skild AI帶來(lái)了根本性范式轉(zhuǎn)變。機(jī)器人行業(yè)長(zhǎng)期面臨“莫拉維克悖論”，即系統(tǒng)高度專用化與真實(shí)世界需求多樣性存在矛盾，導(dǎo)致機(jī)器人部署成本高、靈活性不足。Skild AI的核心產(chǎn)品Skild Brain不依賴預(yù)設(shè)固定指令集，而是通過(guò)大規(guī)模多模態(tài)數(shù)據(jù)進(jìn)行端到端訓(xùn)練。該系統(tǒng)融合從海量人類活動(dòng)視頻中提取的行為模式，以及在仿真環(huán)境中數(shù)萬(wàn)億次試錯(cuò)訓(xùn)練，形成從感知、決策到執(zhí)行、反饋的完整閉環(huán)。其關(guān)鍵創(chuàng)新在于硬件與智能層解耦設(shè)計(jì)，Skild Brain能適配多種硬件平臺(tái)，實(shí)時(shí)整合本體感知信息與外部環(huán)境數(shù)據(jù)，提高了系統(tǒng)靈活性，為復(fù)雜環(huán)境穩(wěn)健運(yùn)行提供基礎(chǔ)。公開(kāi)演示中，面對(duì)硬件故障或環(huán)境突變，系統(tǒng)仍能調(diào)整策略繼續(xù)執(zhí)行任務(wù)，展現(xiàn)出強(qiáng)大適應(yīng)能力。

此次眾多科技巨頭共同投資Skild AI，背后有著各自的戰(zhàn)略考量。英偉達(dá)作為AI算力領(lǐng)域領(lǐng)導(dǎo)者，通過(guò)GPU + CUDA組合掌握訓(xùn)練端基礎(chǔ)設(shè)施，其Isaac機(jī)器人仿真平臺(tái)是行業(yè)標(biāo)準(zhǔn)開(kāi)發(fā)工具。投資Skild AI填補(bǔ)了其在機(jī)器人技術(shù)棧頂層生態(tài)空缺，有望構(gòu)建從芯片、開(kāi)發(fā)平臺(tái)到應(yīng)用系統(tǒng)的全棧解決方案。軟銀早期在機(jī)器人領(lǐng)域布局廣泛但效果有限，近來(lái)收購(gòu)ABB機(jī)器人業(yè)務(wù)獲得硬件基礎(chǔ)和行業(yè)渠道，投資Skild AI成為連接硬件能力與智能系統(tǒng)的關(guān)鍵紐帶，符合其構(gòu)建完整機(jī)器人生態(tài)的戰(zhàn)略。三星和LG在消費(fèi)電子增長(zhǎng)放緩背景下，將機(jī)器人產(chǎn)業(yè)作為重要戰(zhàn)略方向，通過(guò)投資而非自研進(jìn)入通用機(jī)器人軟件賽道，是高效且風(fēng)險(xiǎn)可控的選擇，LG CNS與Skild AI的合作協(xié)議也表明投資正快速轉(zhuǎn)化為業(yè)務(wù)協(xié)同。亞馬遜作為物流巨頭，對(duì)提升運(yùn)營(yíng)效率、降低履約成本有持續(xù)需求，通用機(jī)器人大腦若成熟，可能大幅降低自動(dòng)化系統(tǒng)部署成本，對(duì)其超大規(guī)模物流網(wǎng)絡(luò)具有重要戰(zhàn)略價(jià)值。這些投資決策共同反映出產(chǎn)業(yè)共識(shí)：隨著機(jī)器人硬件逐漸標(biāo)準(zhǔn)化，產(chǎn)業(yè)價(jià)值正加速向軟件和智能系統(tǒng)層集中。

商業(yè)化方面，Skild AI進(jìn)展顯著。據(jù)其2025年業(yè)務(wù)更新報(bào)告，截至2025年底，公司已服務(wù)超8家企業(yè)客戶，涵蓋安防巡檢、建筑施工、物流配送等多個(gè)領(lǐng)域，2025年?duì)I收實(shí)現(xiàn)從零到數(shù)千萬(wàn)美元突破。商業(yè)化潛力源于巨大市場(chǎng)需求缺口，全球多個(gè)行業(yè)面臨勞動(dòng)力短缺，尤其是重復(fù)性高、危險(xiǎn)性大的崗位，傳統(tǒng)機(jī)器人系統(tǒng)因定制成本高、靈活性差難以填補(bǔ)。Skild Brain提供的通用模型若能驗(yàn)證經(jīng)濟(jì)可行性，可能改變機(jī)器人經(jīng)濟(jì)模型。早期試點(diǎn)項(xiàng)目也顯示出積極信號(hào)，在紐約某機(jī)場(chǎng)環(huán)境監(jiān)測(cè)試點(diǎn)中，搭載Skild Brain的移動(dòng)機(jī)器人成功完成非結(jié)構(gòu)化環(huán)境巡檢任務(wù)；與LG CNS在人形機(jī)器人解決方案方面的合作，也標(biāo)志著技術(shù)向更復(fù)雜場(chǎng)景延伸。

不過(guò)，通用機(jī)器人大腦從技術(shù)突破到產(chǎn)業(yè)成熟仍面臨諸多挑戰(zhàn)。技術(shù)可靠性方面，在受控環(huán)境中表現(xiàn)良好的泛化能力，能否在復(fù)雜多變的真實(shí)工業(yè)環(huán)境中保持穩(wěn)定，需長(zhǎng)期驗(yàn)證，且機(jī)器人物理世界決策關(guān)聯(lián)安全，對(duì)系統(tǒng)魯棒性要求極高。經(jīng)濟(jì)可行性上，訓(xùn)練大規(guī)模機(jī)器人基礎(chǔ)模型消耗巨量算力資源，如何在模型性能與推理成本間找到商業(yè)平衡點(diǎn)是技術(shù)普及必須跨越的門檻。產(chǎn)業(yè)碎片化也是問(wèn)題，當(dāng)前機(jī)器人硬件缺乏統(tǒng)一標(biāo)準(zhǔn)，通用適配面臨巨大工程挑戰(zhàn)，實(shí)現(xiàn)真正通用性可能需要推動(dòng)硬件接口標(biāo)準(zhǔn)化，涉及復(fù)雜生態(tài)建設(shè)。競(jìng)爭(zhēng)態(tài)勢(shì)激烈，特斯拉的Optimus項(xiàng)目持續(xù)投入，由三星支持的Physical Intelligence估值已達(dá)56億美元，還有眾多中國(guó)機(jī)器人企業(yè)也在加速探索相關(guān)方向。