AI与机器人行业发展阶段 - AI发展遵循先专用化、再通用化、然后在通用基础上进入高价值细分场景的路径 [1] - 相比上一代需训练专有模型完成人脸识别、语音转录等任务，当前通用全模态模型可完成各种复杂任务 [1] - 将通用模型进行针对性后训练，能在医疗、法律、客服等特定场景表现突出 [1] - 上一代工业机器人、清洁机器人只能在特定场景工作，无法泛化到通用场景，尤其难以在非常规环境中完成复杂任务 [1] - 家用人形机器人进入实际应用尚需时日，但已有具身智能公司试图让物理AI走入通用时代 [1] Skild AI公司概况与融资 - Skild AI在2024年获得3亿美元A轮融资，近期又完成14亿美元B轮融资 [3] - B轮融资由SoftBank领投，NVentures、Macquarie Capital及Jeff Bezos跟投，公司估值被推至140亿美元以上 [3] - Lightspeed、Felicis、Coatue、Sequoia Capital等头部VC，以及LG、Schneider、CommonSpirit、Salesforce Ventures等战略投资者也参与投资 [3] - 公司两位创始人Deepak Pathak与Abhinav Gupta在过去10年引领机器人领域重大突破，共同拥有超过110000次论文引用 [4] - 创始人团队由来自Meta、Tesla、NVIDIA、Amazon、Google及CMU、斯坦福、加州大学伯克利分校等机构的机器人与人工智能专家组成 [4] Skild Brain技术愿景与核心能力 - Skild AI致力于打造面向真实世界的通用人工智能，其机器人大脑Skild Brain旨在具备跨任务和跨机器人硬件的泛化能力 [6] - 上一世代机器人公司采用定制化解决方案，只能打造适应特定任务的专用机器人，无法泛化 [6] - Skild Brain无需预先知晓机器人身体形态，即可控制任何形态的机器人，涵盖四足机器人、人形机器人、桌面机械臂及移动操作机器人 [6] - 该大脑赋予机器人处理各类事务的能力，从简单家务到高难度物理挑战，如湿滑地形通过 [6] - 跨形态训练解锁了海量数据，并显著提升了模型应对硬件变更或故障的鲁棒性 [6] 技术架构与创新方法 - Skild Brain采用分层架构：上层是低频运作的操作与导航策略，下层是高频响应的底层动作策略 [8] - 底层单一神经网络能将上层宏观指令实时转化为驱动躯体的精确关节角度与电机扭矩，使机器人告别繁琐的路径规划、建图或手动模式切换 [8] - 技术本质是完全由在线视觉和本体感觉驱动的端到端运动控制 [9] - 公司设计了特殊的训练方法以打破传统“过拟合”模式 [11] - 方法一是让AI学会控制包含10万种不同机器人形态的“机器人多重宇宙”，迫使模型找到通用生存策略 [11] - 方法二是将大语言模型的“上下文学习”引入物理AI领域，让模型在失败中学习 [12] - 通过模拟肢体缺失、关节故障、轮子卡死、加装高跷等非常规环境或状态进行训练 [12] - 经过“上下文学习”训练后，模型能够实现零样本运动控制，甚至适应极端的形态变化 [15] 数据来源与训练体系 - 构建机器人基础模型面临缺乏大规模机器人数据的挑战，利用硬件采集真实世界数据缓慢且成本高昂 [7] - 一些公司基于现有视觉-语言模型掺入不足1%的真实机器人数据构建模型，但缺乏物理常识，难以适应真实物理世界 [7] - Skild Brain能从四大来源进行学习 [16] - 在预训练阶段，能从大规模仿真数据和互联网视频中学习，观看人类视频是解决数据规模和多样性缺乏的重要来源 [17] - 公司模型具有跨越具身差异的核心能力，使机器人能直接从视频演示中习得新技能 [18] - 仅通过观看视频及极少量机器人数据（少于1小时）进行微调，即可使模型掌握新技能 [18] - 在后训练阶段，通过遥操作和真实世界部署两种方法获取数据，机器人已广泛部署于安防、建筑、配送、数据中心、仓库及工厂组装等多个领域 [18] 商业化进展与行业展望 - 2025年，Skild AI实现了规模化营收增长，在点对点配送、安防、数据中心及制造业仓库等场景部署机器人，仅几个月内营收增长到3000万美元 [19] - 公司对应用场景的终极目标是家庭消费级市场 [19] - 大语言模型已跨过通用性鸿沟，拥有数亿用户的标杆消费级应用并进入千行百业 [20] - 具身模型正开始跨越通用性门槛，Skild AI已初步创造出能够跨机器人形态、适应各种任务的具身基础模型 [20] - 通过将“上下文学习”引入物理AI，提升了机器人学习新技能和新任务的效率，降低了进入新应用场景的成本 [20] - 一旦物理AI进入成熟期，其应用范围将大幅拓展，创造的价值将指数级提升 [20]