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]

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]

公司融资与估值 - 美国机器人初创公司Skild AI于1月15日完成约14亿美元（约合人民币97.6亿元）的C轮融资 [2] - 公司估值升至超140亿美元（约合人民币976.3亿元），达到7个月前的3倍 [2] - 自2023年5月成立以来，公司已累计融资约20亿美元（约合人民币139.4亿元） [5] 投资方与资金用途 - 本轮融资由软银领投，英伟达、Macquarie、1789 Capital、贝索斯家族办公室Bezos Expeditions跟投，三星、LG、Salesforce等公司也参与其中 [5] - 融资资金将用于Skild Brain软件的推广、训练优化与机器人部署扩展 [5] 公司背景与团队 - Skild AI由Deepak Pathak与Abhinav Gupta共同创立，二人早年曾在Meta机器人实验室共事，后分别在卡内基梅隆大学机器人研究所担任教授 [6] - 公司团队规模已超100人，成员多数来自Meta、特斯拉、谷歌、亚马逊和英伟达等科技公司 [11] 核心技术：Skild Brain - 公司目标是打造一个无需定制芯片、能运行在标准GPU上的“通用机器人大脑”，实现跨平台、跨任务、跨场景的泛化执行能力 [9] - Skild Brain以大规模人类视频与模拟练习为训练基础，通过动作执行与错误数据生成反馈闭环，不断优化控制策略 [9] - 系统融合机器人内部感知与外部视觉信号，使其能同步理解自身状态与环境变化，具备较强的任务鲁棒性 [9] - 即便一个机械臂损坏，系统仍能继续完成任务，这是此前机器人不具备的安全能力 [9] - Skild Brain目前已适配多类机器人形态，从四足平台到机械臂、人形机器人均可部署，并能在家庭、仓库、医院和施工现场等复杂环境中执行任务 [9] - 2024年2月，公司团队购入一款宇树人形机器人，并首次将Skild Brain部署到实际硬件中，仅用一天就实现了可感知的实验效果 [10] 业务进展与市场潜力 - 截至2025年，Skild AI已服务超过8家客户，营收从零跃升至数千万美元 [11] - LG CNS已宣布将与其合作开发人形机器人解决方案 [13] - 公司软件将用于英伟达位于休斯顿的GPU工厂自动化部署 [13] - 公司认为机器人在危险、重复或不受欢迎的岗位中具备巨大潜力，有望填补美国超百万空缺岗位 [13] - 机器人最终可以完成几乎所有人类能做的工作，但这并不是威胁，人类有足够时间去准备 [13] 行业趋势与竞争格局 - Skild AI的高估值与超额融资，折射出当前科技巨头在机器人方向上的投资模式变化：不再依赖重资产并购，而是倾向通过早期投资押注潜力选手 [13] - 三星对Skild AI的投资被视为一种“轻量级布局”，既能持续关注技术动态与人才储备，又无需承担高额收购成本 [13] - 英伟达除Skild AI外，还投资了Figure AI与Serve Robotics等公司 [13] - 另一家三星支持的机器人AI公司Physical Intelligence，在2025年末估值已达56亿美元（约合人民币390.5亿元），正与Skild处于类似赛道 [13] - 这一领域的玩家普遍面临相似挑战，尤其是在面向消费者的仿人机器人部署中，续航、机动性与安全性仍是卡点，即便是特斯拉的Optimus项目至今仍在攻坚阶段 [14] - 高估值融资背后，是机器人行业从炫技式演示走向规模化落地的集体冲刺 [15] - 随着英伟达、三星等科技巨头加快下注，围绕机器人智能演化的共识正在形成 [16] - 对整个行业来说，真正的拐点可能来自那些最早跑通训练、适配到部署闭环的通用系统 [17]

公司融资与估值 - 美国机器人初创公司Skild AI完成约14亿美元（约合人民币97.6亿元）的C轮融资 [1] - 公司估值升至超140亿美元（约合人民币976.3亿元），达到7个月前的3倍 [1] - 自2023年5月成立以来，公司已累计融资约20亿美元（约合人民币139.4亿元） [3] 投资方与资金用途 - 本轮融资由软银领投，英伟达、Macquarie、1789 Capital、贝索斯家族办公室Bezos Expeditions跟投，三星、LG、Salesforce等公司也参与其中 [3] - 融资资金将用于Skild Brain软件的推广、训练优化与机器人部署扩展 [3] 公司技术与产品 - 公司正试图打造“通用机器人大脑”，推动机器人像人类一样通过观看视频和实践学习完成任务 [3] - 目标是打造一个无需定制芯片、能运行在标准GPU上的“通用机器人大脑”，实现跨平台、跨任务、跨场景的泛化执行能力 [6] - Skild Brain以大规模人类视频与模拟练习为训练基础，通过动作执行与错误数据生成反馈闭环，不断优化控制策略 [6] - 系统融合机器人内部感知与外部视觉信号，使其能同步理解自身状态与环境变化，具备较强的任务鲁棒性 [6] - Skild Brain目前已适配多类机器人形态，从四足平台到机械臂、人形机器人均可部署，并能在家庭、仓库、医院和施工现场等复杂环境中执行任务 [7] - 2024年2月，公司团队购入一款宇树人形机器人，并首次将Skild Brain部署到实际硬件中，仅用一天就实现了可感知的实验效果 [9] 公司团队与背景 - 公司由Deepak Pathak与Abhinav Gupta共同创立，二人早年曾在Meta机器人实验室共事，后分别在卡内基梅隆大学机器人研究所担任教授 [4] - 目前，其团队规模已超100人，成员多数来自Meta、特斯拉、谷歌、亚马逊和英伟达等科技公司 [10] 业务进展与市场潜力 - 截至2025年，公司已服务超过8家客户，营收从零跃升至数千万美元 [10] - LG CNS已宣布将与其合作开发人形机器人解决方案 [10] - 公司软件将用于英伟达位于休斯顿的GPU工厂自动化部署 [10] - 公司认为机器人在危险、重复或不受欢迎的岗位中具备巨大潜力，有望填补美国超百万空缺岗位 [10] 行业趋势与竞争格局 - Skild AI的高估值与超额融资，折射出当前科技巨头在机器人方向上的投资模式变化：不再依赖重资产并购，而是倾向通过早期投资押注潜力选手 [11] - 三星对Skild AI的投资被视为一种“轻量级布局” [11] - 英伟达除Skild AI外，还投资了Figure AI与Serve Robotics等公司 [11] - 另一家三星支持的机器人AI公司Physical Intelligence，在2025年末估值已达56亿美元（约合人民币390.5亿元），正与Skild处于类似赛道 [12] - 这一领域的玩家普遍面临相似挑战，尤其是在面向消费者的仿人机器人部署中，续航、机动性与安全性仍是卡点 [12] - 机器人行业正从炫技式演示走向规模化落地 [13] - 随着英伟达、三星等科技巨头加快下注，围绕机器人智能演化的共识正在形成 [13]

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]

Skild AI新一轮融资与估值跃升 - 软银与英伟达正商谈参与Skild AI规模超10亿美元的新一轮融资 若成功 公司估值将增至140亿美元 [1][3] - 此轮融资估值较2024年6月B轮融资时的47亿美元高出近两倍 当时B轮融资5亿美元 由软银领投 英伟达等参投 [1][3] - 谈判预计在圣诞节前完成 软银对Skild AI在试点项目中展示的技术印象深刻 [3] 行业巨头战略布局与市场前景 - 软银CEO孙正义视“具身化到机器人中的物理AI”为改变世界的关键 软银于2024年10月以54亿美元收购了ABB的机器人业务 [5] - 孙正义预测未来十年内AI将比人类聪明得多 至少10%的全球GDP将被超级智能和物理AI机器人替代 [6] - 机器人领域投资需求激增 CB Insights预计2025年该领域融资规模达23亿美元 是2024年的两倍 高盛估计到2035年全球人形机器人市场规模可达380亿美元 [6] - 英伟达是Skild AI的合作伙伴 为其提供加速计算基础设施 Skild AI借助该设施开发了机器人基础模型Skild Brain [8] Skild AI公司技术与融资历程 - 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（即“大脑”）而非硬件 [7] - 公司于2024年7月发布首个通用AI模型 声称能适应从仓库到家务的广泛任务 其技术可将机器人开发成本降至4000至15000美元 远低于传统系统所需的25万美元以上 [7][8] - 公司A轮融资于2023年以15亿美元估值筹集3亿美元 投资者包括贝索斯、软银等 [7] 美国政府政策与行业推动 - 美国商务部长近期频繁会见机器人行业CEO 全力支持该行业加快发展 特朗普政府考虑2025年发布关于机器人的行政令 [1][3][4] - 美国交通部准备在2024年底前宣布成立机器人工作组 国会也有立法努力旨在支持机器人产业发展 [10] - 行业推动政府介入 希望获得税收优惠或联邦拨款以整合先进自动化技术并强化供应链 [11] 行业竞争格局与领军者观点 - 国际机器人联合会估计 截至2023年中国工厂拥有180万台工业机器人 是美国的四倍 多国已制定国家机器人计划 [10] - 估值50亿美元的美国人形机器人公司Apptronik CEO呼吁制定国家机器人战略以保持竞争力 其开发的Apollo机器人已在汽车工厂运营 [11] - 特斯拉CEO马斯克认为 AI驱动的机器人提高生产率是解决美国超过38万亿美元债务的唯一途径 并预计约三年内相关技术将重塑经济体系 [11]

公司融资与估值动态 - 软银与英伟达正洽谈牵头对Skild AI进行一轮逾10亿美元的投资 对该公司的估值约为140亿美元 [1] - Skild AI上一次估值为47亿美元 于今年5月完成了一轮5亿美元的融资 由软银领投 LG技术风投 三星 英伟达等机构参与投资 [3] - 另一家机器人基础模型公司Physical Intelligence近期完成了6亿美元融资 估值达56亿美元 本轮融资由CapitalG领投 [4] - 人形机器人公司Figure于今年9月完成了一轮超10亿美元的融资 估值高达390亿美元 [4] - 人形机器人开发商1X据报也在洽谈一轮最高达10亿美元的融资 估值约为100亿美元 [4] 公司业务与技术 - Skild AI是一家致力于构建基础机器人模型的软件公司 不开发自有硬件 专注于打造一种适配不同机器人的基础模型 [3] - 该公司于今年7月发布了其通用机器人模型"Skild Brain" 并展示了相关视频 内容包括机器人拾取餐具 上下楼梯等操作 [3] - Skild AI已与LG CNS及慧与科技建立了战略合作关系 以共同构建其生态系统 [3] - Physical Intelligence同样专注于为各类机器人开发"大脑" 但其模型据一位投资者表示仍处于早期开发阶段 [4] 行业趋势与投资者情绪 - 投资者对人工智能机器人领域的兴趣正持续升温 [4]

投资动态 - 软银集团与英伟达正牵头对Skild AI进行超过10亿美元的投资 公司估值达140亿美元[1] - 此次潜在投资距公司上一轮融资仅数月 2024年5月公司以47亿美元估值融资5亿美元 由软银领投 LG Technology Ventures 三星 英伟达等参与[2] - 行业内其他AI机器人公司近期亦获大额融资 Physical Intelligence公司以56亿美元估值融资6亿美元 由CapitalG领投[4] Figure公司以390亿美元巨额估值融资超10亿美元[5] 1X公司据传正洽谈以100亿美元估值融资高达10亿美元[5] 公司业务与战略 - Skild AI专注于开发机器人基础模型 而非专有硬件 其模型具有机器人无关性 可针对不同类型机器人和用例进行定制[3] - 公司于2024年7月发布了通用机器人模型Skild Brain 演示视频展示了机器人执行拾取餐具和上下楼梯等任务[3] - 公司已与LG CNS和慧与建立战略合作伙伴关系 以开发生态系统[3] 行业趋势 - 投资者对AI机器人领域的兴趣持续增长[4] - 尽管获得高额融资 部分公司的技术模型仍处于早期开发阶段 有投资者因此评估后未对Physical Intelligence进行投资[4]

融资与估值 - 软银集团与英伟达据报正洽谈参与Skild AI一轮超过10亿美元的融资轮次 [1] - 此轮融资若完成 将使Skild的估值从今年早些时候的47亿美元飙升至约140亿美元 实现近三倍增长 [2] - Skild在B轮融资中筹集了5亿美元 估值达47亿美元 去年A轮融资3亿美元 估值15亿美元 [2] 公司技术与产品 - Skild AI致力于开发用于机器人的基础模型 旨在成为适用于各种机器人、场景和任务的“共享通用大脑” [3] - 其模型“Skild Brain”可运行在几乎任何机器人上 使机器人能像人类一样思考、运作和响应 [5] - 公司通过针对性现实世界数据对基础模型进行后训练 为客户提供可工作的解决方案 [5] - 与专为特定应用设计的模型不同 其技术旨在使低成本机器人能广泛应用于各行业和领域 [3] 战略愿景与市场定位 - 公司联合创始人提出 通用机器人能在任何环境中安全执行任何自动化任务 从而扩展机器人能力、降低其成本并支持严重人手不足的劳动力市场 [4] - 英伟达在5月发布了70多篇研究论文 推进其在制造业、生物技术和运输等行业的“具身智能”AI研究 [6] - 软银集团于10月宣布计划以53.75亿美元收购ABB的机器人业务 以补充其在AI和机器人领域的现有投资 [6]

文章核心观点 - 具身智能领域“通用机器人大脑”赛道正成为全球资本与技术竞争的新焦点，以Physical Intelligence (PI)和Skild AI为代表的公司正通过不同的技术路径（真实世界训练 vs. 大规模仿真）和商业模式（纯软件平台 vs. 垂直场景切入）竞逐未来主导权 [2][5][9][17][18][21] - 中国创新力量如千诀科技等公司正在快速崛起，其技术路线和平台化战略与PI高度对齐，标志着围绕机器人“大脑”的全球竞赛已拉开帷幕 [9][21][22] - 行业当前存在“大脑”（高级认知）与“小脑”（运动控制）发展不均衡、“数据与硬件耦合度”以及“软硬一体”与“纯大脑”平台化路线的核心争论，2025年被视为人形机器人从“演示价值”走向“实用价值”的关键分水岭 [29][30][25][26][35] Physical Intelligence (PI) 公司概况 - **融资与估值**：公司在最新一轮（A轮）融资中获6亿美元，估值从20亿美元跃升至56亿美元（约396亿元人民币），成为赛道估值最高的玩家 [2] - **投资方**：本轮由Alphabet旗下CapitalG领投，现有投资者Lux Capital、Thrive Capital、杰夫·贝索斯加码，新晋投资方Index Ventures与T. Rowe Price参与，OpenAI也是其早期投资者 [2][3] - **团队背景**：组建了来自Google DeepMind、加州大学伯克利分校、谷歌、特斯拉、斯坦福大学等机构的“全明星团队”，学术与产业深度融合 [4] - **技术路线**：坚持“软件先行”和“真实世界训练”策略，旨在打造不依赖特定硬件的“通用机器人大脑”，让一个模型控制不同机器人本体成为可能 [5][17] - **核心理念**：提出“世界多样性被高估了”，认为实现通用智能需要精心挑选的、高质量的真实操作数据，而非无限多样的数据 [19] - **最新成果**：发布新一代机器人基础模型π*0.6，引入RECAP训练方法，在制作咖啡、折叠衣物、组装纸箱等复杂任务中成功率突破90% [6][8] - **商业模式**：坚守平台化梦想，致力于成为纯粹的“机器人大脑”供应商，赋能各种机器人硬件，模式类似机器人领域的“OpenAI”或“Android系统” [21][34] Skild AI 公司概况 - **融资与估值**：在两年内完成三轮融资总额超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（约318亿元人民币），一年内翻了三倍 [13] - **投资方**：投资方阵容包括软银集团、贝佐斯、红杉资本、光速创投、Coatue、英伟达、三星以及卡内基梅隆大学等 [14][15] - **技术路线**：全力构建超大规模仿真训练场，已完成“相当于一千年”的机器人仿真训练，相信规模定律适用于机器人学习 [18][19] - **能力展示**：展示了出色的抗损伤与自主恢复能力，在腿部关节严重受损后能快速调整步态继续任务 [20] - **商业模式**：选择从垂直场景突破的务实路线，已明确将工业安防和巡检机器人作为首个商业化落地点，追求快速产生收入 [21] 中国代表公司：千诀科技 - **公司定位**：国内少数几家只专注于研发通用“机器人大脑”的公司，由清华自动化系类脑中心孵化，旨在打造能跨形态、跨环境、跨任务部署的通用机器人大模型 [22] - **技术路线**：技术上对标PI核心成员Sergey Levine的研究，坚持独特的“类脑分区”路线，模仿人脑功能区协同工作以实现长时程自主工作能力 [22] - **商业模式**：与PI一致，通过打造“脑坞”等端侧计算方案为硬件厂商提供大脑能力，自身不制造机器人本体，商业化路径清晰：先家庭，后服务，最后进入工厂 [22] - **商业进展**：其具身大脑已在家庭服务、物流配送、商业运营等多个场景运行，与7类不同形态的具身机器人公司达成商务合作 [22][23] - **融资情况**：已完成多轮融资，投资方包括钧山投资、祥峰投资、德同资本、英诺天使基金、水木清华校友种子基金等 [23] 行业技术路线与争论 - **软硬一体 vs. 纯大脑平台**： - **软硬一体派**（如特斯拉、Figure AI）：认为为特定机械结构优化的控制模型具有高度专属性，“数据跟着本体走”，自研大脑和本体是保证性能与打造壁垒的务实选择 [25][26] - **纯大脑平台派**（如PI、千诀科技）：押注通用平台价值，致力于打造可跨本体通用的机器人大脑，模式类似“Android系统” [21][34] - **数据来源与训练方法之争**： - **真实世界训练**（PI）：认为必须在真实物理环境中学习和验证，注重数据质量和有效性 [17][19] - **大规模仿真训练**（Skild AI）：通过仿真整合海量数据，让机器人在短时间内经历数百万次失败学习 [18][19] - **视频数据预训练**（智源研究院思路）：认为通过观看海量互联网视频可先建立对物理世界的通用理解，再适配不同机器人本体 [27] - **“大脑”与“小脑”发展现状**：行业面临“小脑”（运动控制）相对成熟，但“大脑”（高级认知）发展滞后的困境，导致许多机器人硬件能力强但智能水平低 [29][30] - **主流技术架构**：“大小脑”分层架构成为当前主流折中方案，即“大脑”负责认知规划（追求通用化），“小脑”负责运动控制（与硬件结合紧密） [33] - **前沿探索方向**：如“具身神经智能”概念，旨在用一个统一模型处理感知、认知和运动控制，模仿人类“全脑”工作方式，从根本上解决协同难题 [33] 行业生态与竞争格局 - **全球主要玩家**：除PI和Skild AI外，中国公司如千诀科技、智平方、自变量机器人等也在快速崛起，构成全球竞争格局 [9][37] - **商业化路径差异**：短期看，从垂直工业场景切入（如Skild AI）可能更快产生收入；长期看，通用平台模式（如PI）若走通则想象空间更大 [21] - **发展关键节点**：随着硬件成本快速突破和大模型技术加速渗透，2025年被视为人形机器人从“演示价值”走向“实用价值”的关键分水岭 [35] - **竞争核心**：谁能更快破解数据与机器人本体之间的耦合难题，谁就能在智能体进化竞赛中占据先机 [36]