文章核心观点 - 机器人基础模型初创公司Skild AI完成14亿美元C轮融资，估值超140亿美元，创下该领域融资纪录，标志着行业对通用机器人大脑技术路线的集体认可 [1][22] - 全球顶级科技巨头罕见联手投资，反映了产业共识：随着机器人硬件标准化，产业价值正加速向软件和智能系统层集中 [5][14] - 通用机器人大脑技术旨在解决机器人行业长期面临的专用化与需求多样性矛盾，通过构建可跨平台泛化的“大脑”来降低部署成本并提升灵活性 [8][9] 创始团队背景 - 公司由卡内基梅隆大学机器人研究所的Deepak Pathak与Abhinav Gupta教授联合创立，兼具学术界与产业界背景 [5] - 创始团队在2022年洞察到实验室机器人系统缺乏在真实世界稳定运行的能力，此洞察直接影响了公司创立理念 [7] 技术与产品 - 核心产品为Skild Brain，是一个旨在安装到各种机器人上的通用大脑，使其能完成爬楼、绕障、拾物等基本动作 [7] - 技术路径带来根本性范式转变：不依赖预设指令集，而是通过大规模多模态数据端到端训练，融合人类活动视频行为模式与仿真环境数万亿次试错训练 [9] - 关键创新在于硬件与智能层的解耦设计，使Skild Brain能适配四足机器人、工业机械臂、人形机器人等多种硬件平台，并整合本体感知与外部环境数据 [11] - 系统在公开演示中展现了适应能力，即使面对硬件故障或环境突变仍能调整策略继续执行任务 [11] 融资与估值 - C轮融资完成约14亿美元，由软银集团领投，英伟达、三星、LG、亚马逊创始人贝索斯家族办公室、Salesforce等参与 [1][5] - 公司估值飙升至超140亿美元，在短短7个月内估值增长超过200% [1][5] - 融资总额累计达20亿美元 [5] 投资方战略布局 - **英伟达**：投资是其AI生态的自然延伸，旨在构建从芯片、开发平台到应用系统的全栈机器人解决方案 [12] - **软银**：投资体现了其重塑机器人产业影响力的决心，旨在连接其硬件能力与智能系统，构建完整机器人生态 [12] - **三星与LG**：在消费电子增长放缓背景下，机器人成为重要战略方向，投资是高效且风险可控进入通用机器人软件赛道的方式 [14] - **亚马逊**：参与源于其物流业务对提升效率、降低履约成本的核心需求，通用机器人大脑可能大幅降低其自动化系统部署成本 [14] 商业化进展 - 截至2025年底，公司已服务超过8家企业客户，涵盖安防巡检、建筑施工、物流配送等领域 [15] - 2025年公司营收实现从零到数千万美元的突破 [15] - 早期试点项目显示积极信号，如在纽约某机场，搭载Skild Brain的移动机器人成功完成了非结构化环境下的巡检任务 [18] - 与LG CNS在人形机器人解决方案方面的合作标志着技术向更复杂场景延伸 [18] 市场需求与行业挑战 - 商业化潜力根植于全球多个行业面临的劳动力短缺问题，尤其是在重复性高、危险性大的岗位 [15] - 传统机器人系统因定制成本高、灵活性差，难以有效填补市场需求缺口 [15] - 技术可靠性需在复杂多变的真实工业环境中长期验证，对系统鲁棒性要求极高 [19] - 经济可行性面临挑战，训练大规模基础模型消耗巨量算力，需在模型性能与推理成本间找到商业平衡点 [21] - 产业碎片化是挑战，当前机器人硬件缺乏统一标准，使得通用适配面临巨大工程挑战 [21] 竞争态势 - 公司面临多方竞争，包括特斯拉的Optimus项目、三星支持的Physical Intelligence（估值56亿美元）以及一众正在崛起的中国机器人企业 [21]

新一轮融资与估值跃升 - 软银集团与英伟达正商谈参与Skild AI规模超过10亿美元的新一轮融资 [2] - 若融资成功，Skild AI的估值将增至140亿美元，较其今年6月B轮融资时的47亿美元估值高出近两倍 [1][2] - 此轮融资预计将在圣诞节前完成，谈判仍在进行中，部分细节可能变化 [2] 公司技术与业务模式 - Skild AI成立于2023年，由前Meta AI研究人员创立，专注于为各种形态的机器人开发通用AI模型（“大脑”），而非制造硬件 [4][5] - 公司于今年7月发布了首个通用AI模型，该系统能够适应从仓库物流到家务劳动的广泛环境和任务 [5] - 作为英伟达的合作伙伴，Skild AI借助其加速计算基础设施开发了机器人基础模型Skild Brain，该模型能适应新机器人形态且无需或只需极少后训练即可掌握新技能 [5] - 通过英伟达基础设施，Skild AI开发出成本仅为4000美元至15000美元的机器人，而传统机器人系统需要25万美元以上的投资 [5] 行业趋势与市场前景 - 投资者对人形机器人公司的兴趣激增，AI的进步使此类机器人越来越能够执行复杂任务 [2] - 据CB Insights数据，2025年机器人领域融资规模有望达到23亿美元，是去年总额的两倍 [3] - 高盛估计，到2035年全球人形机器人市场规模可达380亿美元 [3] - 软银CEO孙正义认为，未来十年内“至少10%”的全球GDP将被超级智能和物理AI机器人替代 [3] 主要投资者动态 - 软银CEO孙正义将机器人业务视为其战略规划的关键部分，公司于今年10月以54亿美元收购了瑞士工程集团ABB的机器人业务 [3] - 孙正义表示，出售英伟达股份是为了筹集资金投资OpenAI和其他机会，软银需在年底前向OpenAI支付225亿美元以增持股份 [3] - 英伟达是Skild AI的投资者与合作伙伴，参与了其今年6月的B轮融资 [2][5] 政府政策与产业竞争 - 美国商务部长卢特尼克近期频繁会见机器人行业CEO，全力支持该行业加快发展 [1][2] - 特朗普政府正考虑在明年发布一项关于机器人的行政命令 [1][2] - 美国交通部在准备宣布成立机器人工作组，可能在年底前公布 [7] - 国际机器人联合会估计，截至2023年，中国工厂内拥有180万台工业机器人，是美国的四倍 [7] - 行业正推动美国政府提供税收优惠或联邦拨款，以帮助整合先进自动化技术并强化供应链 [7] 行业领袖观点 - 软银CEO孙正义强调，改变世界的将是“具身化到机器人中的物理AI”，而非机械机器人 [3] - 特斯拉CEO马斯克认为，由AI驱动的机器人提高生产率和产出，是解决超过38万亿美元美国债务的唯一途径 [8] - 马斯克估计，在大约三年或更短时间内，AI和机器人技术将重塑经济和货币体系 [8] - 估值50亿美元的美国人形机器人公司Apptronik CEO表示，美国需要制定国家机器人战略以保持竞争力 [8]

公司概况与融资 - 公司是卡内基梅隆大学的衍生公司，成立于2023年5月，致力于构建可安装到各种机器设备上的通用人工智能系统，即“通用大脑” [5] - 公司在两年内完成三轮融资，总额超过4亿美元，估值从2024年7月A轮的15亿美元跃升至2025年6月的45亿美元，一年内翻了三倍 [6] - 投资方阵容包括软银集团、贝佐斯、红杉资本、光速创投、Coatue等顶级机构，卡内基梅隆大学也作为战略投资者入场 [6] 创始团队与技术愿景 - 两位创始人均为卡内基梅隆大学教授，在机器人领域有十余年积累，团队成员多来自Meta、特斯拉、英伟达及顶尖高校 [8] - 公司的长期目标是开发扎根于物理世界的通用人工智能，以打造通用、灵活、智能的人形机器人产品 [8] - 公司的技术核心是构建名为Skild Brain的基础模型，旨在实现“任何机器人、任何任务、一个大脑”，以解决传统机器人行业控制器碎片化的问题 [9][10][11] 技术突破与性能展示 - 通过创建包含十万台不同机器人的模拟环境并进行长达一千年的模拟训练，逼出了真正通用的“大脑” [11] - 测试显示该大脑具备强大的适应能力，包括机器人腿被锯断后能用残肢爬行、关节锁死后重新规划步态、轮子卡住时切换为步行模式等 [12] - 在公布的演示视频中，一台四足机器人的四条腿被全部锯断后，依然能依靠躯干和残肢继续前进 [1][14] 核心竞争壁垒 - **技术壁垒**：通过LocoFormer技术，模型能利用“跨回合长上下文”记忆过去的操作经验，其上下文窗口长度是多数机器人控制策略的百倍以上 [16][17] - **数据壁垒**：通过仿真训练、真实机器人数据回灌以及从人类在线视频中提取行为模式，构建了“部署→数据→优化→再部署”的数据飞轮，解决了行业数据稀缺痛点 [18][19][20] - **生态壁垒**：顶级资本和产业伙伴提供了远超资金的支持，如亚马逊提供物流场景、HPE解决算力、软银提供全球供应链资源，形成了纯创业公司难以复制的组合 [21][22] 商业化进展与成本优势 - 2025年3月与HPE合作解决算力难题，同年7月与LG CNS合作，瞄准物流和工业场景，探索模型授权模式 [24] - 在匹兹堡的测试中，机器人能在收集数据后的几个小时内实现60%-80%的任务性能 [26] - Skild Brain能适配低成本硬件，成功在价值4000至15000美元的机器人系统上部署，而传统定制系统成本超过25万美元，展现出显著的成本优势 [26] 行业意义与前景 - 公司的核心价值在于用共享基础模型解锁了机器人在物理世界的“涌现能力”，这与过去不可扩展的“单点控制器”有本质区别 [28] - 该技术意味着工业生产线上的机器人容错性更高，灾难救援机器人受损后仍能工作，消费级市场可通过“换壳”大幅降低成本 [28] - 公司被视为可能让所有机器人共享智能的“底层操作系统”，代表了机器人“大脑革命”的开端 [27][28]

谷歌联合创始人谢尔盖·布林对人形机器人的观点 - 机器人硬件炫酷但软件系统存在短板 目前离真正实用仍有距离 [1] - 不看好人形机器人形态 认为执着于人形可能低估AI的适应能力 [1][2] - 认为AI可通过仿真模拟快速适应环境 不一定要拥有人类数量肢体才能有效工作 [2] - 曾表示机器人技术虽神奇但未达日常使用水平 看不到具体前景 [2] 具身智能赛道主要参与者 - 特斯拉是人形机器人赛道引领者 Optimus是行业标杆 [3] - 英伟达从芯片和中间件层面入局 打造底层开发生态 [3] - 谷歌Deepmind是具身智能大模型研究引领者 最早布局大模型 [3] - 谷歌2017年提出Transformer架构 成为大语言模型底层基座 [3] - 谷歌模型从Saycan迭代到RT-H 在软件层面步步为营 [3] 谷歌DeepMind最新机器人模型进展 - 2025年3月推出基于Gemini 2.0的两个机器人模型 [5] - VLA模型Gemini Robotics可让机器人理解执行新任务 [5] - VL模型Gemini Robotics-ER增强对物理世界理解 特别是空间推理 [5] - 已与Apptronik、Agile Robots、Boston Dynamics等展开合作 [8] - 依托Gemini多模态世界理解能力 加入物理行动新模态 [9] 人形机器人行业现状与问题 - 炫技视频多为预设动作序列 依赖遥控器和预先编程 [10][11] - 国内企业陷入"炫技"死循环 展示功夫、空翻等与商业化关联不大 [11][13] - 运动能力展示收效佳但实际技术未达生产力时代要求 [10][11] - 国内发展乱象包括重"运动"轻"大脑" 商业化路径不清晰 [11][15] - 部分企业通过ToG和ToB展示场景实现现金流 但持续价值存疑 [15][16] 人形机器人技术发展方向 - 需要实现四个可达：移动、操作、语义、价值和智慧 [11] - 关键突破在于手眼脑协调 才能赋能千行百业 [10] - Gemini Robotics模型特点包括通用性、交互性、灵巧性等 [12] - 采用云端与本地端结合方式 主干网络在云端 Action decoder在机器人芯片 [12] 行业资本与商业化现状 - 赛道受资本和政策扶持 但出现"揠苗助长"趋势 [16] - 商业化核心在于创造持续价值 而非研究或展示需求 [15] - 技术突破和场景探索是关键 但"大脑"突破仍道阻且长 [16] - 部分企业凭借低价策略和营销迅速出圈 但面临流量反噬风险 [15][24]