软银/英伟达/红杉资本/贝佐斯等参投，机器人初创公司Skild AI融资14亿美元，打造通用基础模型

机器人初创公司 Skild AI 完成 14 亿美元 C 轮融资，估值超 140 亿美元。这笔融资由日本软银集团领投，Nvidia 旗下 NVentures、Macquarie Capital、亚马逊创始人杰夫·贝佐斯的 Bezos Expeditions 等战略投资者参与，三星、LG、施耐德电气、Salesforce Ventures 也悉数在列。

2026 年 1 月中旬，机器人初创公司 Skild AI 宣布完成约 14 亿美元的 C 轮融资，公司估值超过 140 亿美元。这笔融资由日本软银集团领投，Nvidia 旗下 NVentures、Macquarie Capital、亚马逊创始人杰夫·贝佐斯的 Bezos Expeditions 等战略投资者参与，三星、LG、施耐德电气、Salesforce Ventures 也悉数在列。

对于关注该领域的读者而言，这份投资者名单似曾相识，其中多位投资方在不久前也押注了另一家明星机器人初创公司——Field AI，其致力于打造能够跨不同类型机器人和适配各种环境的「通用机器人智能大脑」，而此刻的 Skild AI 则明确宣称要打造人工智能驱动的机器人「大脑」，双方在战略方向上似有异曲同工之妙。

在机器人硬件形态尚未定型、应用场景仍高度碎片化的当下，资本却在几乎同一时间，反复聚集到少数几家并不只造机器人的公司身上。资本逐利的铁律之下，也在某种程度上印证了这家成立不足 3 年的初创企业选择了一条颇有前景的赛道。

公司官网 ：https://www.skild.ai

任何机器人、任何任务、一个大脑

「Any robot. Any task. One brain.」

打开 Skild AI 官网，首先映入眼帘的就是这句极具野心的口号。在官方 X 账号上，以及创始人之一 Abhinav Gupta 前几天参加的 NDTV 采访中，都反复提到了这句被奉为宗旨的话：「任何机器人、任何任务、一个大脑」，这精准的概括了 Skild AI 与大多数机器人公司截然不同的独特之处。

图源：Skild AI 官网

Deepak Pathak 在采访中直言：「在过去的 70 年间有很多机器人演示，但仍然没有机器人真正出现在我们的身边，那是因为机器人缺少大脑。」在他看来，机器人长期难以大规模落地的根本原因，在于缺乏一个真正通用的「智能大脑」。

因此 Skild AI 的核心目标并非打造某一款特定机器人，而是开发一套可部署在各种机器人上的基础模型。无论是人形机器人、四足机器人，还是工业机械臂或移动平台，这套系统都能跨任务、跨环境的进行工作，为机器人全向感知智能提供动力。其核心价值在于提供了一种可持续扩展的数据解决方案，使机器人能够像人类一样通过观察和学习来适应物理世界。

这是是非有趣的一个方向，众所周知大语言模型的成功离不开背后庞大的数据互联网，但 Deepak Pathak 指出了一个关键痛点「机器人的互联网在哪里？」，现实中并不存在一个现成的、包含海量物理交互数据的「机器人互联网」。因从他们给出的独特配方是将互联网上无穷无尽的人类视频数据转化为机器人的经验，「人类通过观察学习，机器人也应该如此」。

图源：Skild AI 官方 X 账号

两位「导师式」创始人：从学术研究到产业落地

Skild AI 的故事另一个有趣的部分，是它的创始人团队。

公司由 Deepak Pathak 和 Abhinav Gupta 创立，二人均为人工智能及机器人领域的资深研究者。Deepak Pathak 是现任 CEO，此前在人工智能与机器人交叉研究方面有深厚积累。 Abhinav Gupta 担任公司总裁，同样是一位在 AI 自监督学习与机器人学习领域有深厚学术积累的学者。两位联合创始人之前都在卡内基梅隆大学（Carnegie Mellon University）任教与研究，这是世界上最早在机器人与 AI 结合方面开展深入工作的机构之一。

前卡内基梅隆大学教授 Deepak Pathak（左）和 Abhinav Gupta（右），图源：福布斯

现任 CEO Deepak Pathak 的技术哲学，早在他在加州大学伯克利分校攻读博士期间就已成型。据福布斯报道 Pathak 曾开发了一种通过激发「好奇心」驱动机器人学习的方法，借此去鼓励人工智能探索更多场景，相关研究以「Curiosity-driven Exploration by Self-supervised Prediction」为题于 2017 年发表，已被引用将近 4000 次。

图源：预印本平台 arXiv

如果说 Pathak 解决了机器人「如何主动学习」的问题，那么 Abhinav Gupta 则带来了「大规模学习」的基因。作为计算机视觉与机器人学习领域的资深学者，Gupta 长期致力于研究如何通过海量的无标注视频数据来训练 AI。这种互补性构成了 Skild AI 的技术护城河，一个通过好奇心机制让机器人具备在物理世界中自我探索的能力，另一个则通过处理互联网规模的视觉数据赋予机器人理解世界的通用常识。

图源 Abhinav Gupta 卡内基梅隆大学个人主页

他们在 2023 年决定组建 Skild AI 并迅速启动，这并不是一次「赚快钱」的创业，而像是将一项长期思考与研究的方向做成现实的尝试。 在他们看来，传统机器人的垂直化困境越来越明显，都是基于特定任务进行专门化的设计，这种路线难以解决机器人在未知环境中需要的通用物理推理与反应能力，他们希望能真正的打破机器人领域的数据壁垒。这样的愿景，也吸引了一批来自来自 Meta、特斯拉、英伟达、亚马逊、谷歌以及卡内基梅隆大学、斯坦福大学、加州大学伯克利分校和伊利诺伊大学香槟分校等顶尖学府机构的机器人和人工智能专家加盟其中。

图源：Skild AI 官网

Skild Brain 把「基础模型」带进物理世界

如果说前面的理念解决的是「机器人应该如何学习」，那么 核心产品 Skild Brain 回答的则是另一个更工程化的问题：这种学习方式，如何被真正部署到现实中的机器人系统里。

从 Skild AI 官方技术博客的描述来看，Skild Brain 并不是为某一单一任务或特定机器人形态训练的控制模型，而是被定位为一套可部署在不同机器人本体之上的通用智能系统。Skild Brain 遵循分层架构，一个低频高层行动策略负责理解环境语义并规划目标，为高频低层行动策略提供输入，其底层控制能力通过完全端到端的运动控制得以实现，完全由在线视觉和本体感觉进行驱动，实现了真正的物理交互闭环。

图源：Skild AI 官网

这种架构最终赋予了 Skild Brain 三项颠覆性的技术特性：

* 全能本体的跨形态能力（Omni-bodied）： 传统的机器人算法往往是「专机专用」，而 Skild Brain 证明了同一个预训练模型可以同时驱动四足机器人、双足机器人甚至机械臂。通过在多元化的机器人形态数据上进行大规模训练，系统能够提取出跨硬件的通用物理规律。这意味着，模型不再受限于特定的电机转矩或足端结构，而是具备了某种「通用运动直觉」。

* 观察学习的数据规模化（Learning by Watching）： Skild AI 绕过了昂贵的人工演示，直接让模型从互联网上数以亿计的人类活动视频中汲取养分。这种技术能将视觉信号转化为机器人的物理经验，让机器人通过看人类如何开门、如何跨越障碍，来建立对物理世界的常识认知，从而实现极强的零样本泛化能力。

* 单策略应对全场景（One Policy, All Scenarios）： 在 Skild AI 的实测中，搭载该系统的机器人表现出了极强的鲁棒性。无论是实验室平滑的地板、堆满杂物的仓库，还是布满乱石与积雪的野外森林，Skild Brain 都能凭借同一个策略实时调整姿态。这种对未知环境的自适应力，正是机器人走出实验室、进入各行各业的关键钥匙。

图源：Skild AI 官方 Youtube 账号

结语

Skild AI 并没有选择一条最容易被验证的路径，直接押注在「通用性」这个机器人领域最困难、也最长期的问题上。在一个硬件尚未定型、应用边界仍在不断变化的阶段，这种选择本身具备高风险但也是对未来的无限展望，Skild AI 所尝试的或许正是下一阶段机器人发展的必要前提。

除此之外通用机器人是否会真正到来仍有待时间验证，但可以确定的是行业的关注重心正在发生变化。过去很长一段时间里，机器人讨论更多围绕具体形态、单一场景或局部性能展开，而如今越来越多的资本、研究者与创业团队开始把视线投向一个更基础的问题：机器人是否需要一套真正通用、可迁移的智能底座。

参考资料：

1.https://www.bloomberg.com/news/articles/2026-01-14/robotics-startup-skild-valued-above-14-billion-after-softbank-led-funding-round?embedded-checkout=true

2.https://www.forbes.com/sites/rashishrivastava/2024/07/09/this-15-billion-ai-company-is-building-a-general-purpose-brain-for-robots

3.https://www.businesswire.com/news/home/20240709306400/en/Skild-AI-Raises-%24300M-Series-A-To-Build-A-Scalable-AI-Foundation-Model-For-Robotics

4.https://www.youtube.com/watch?v=yesita2zN5c

本文来自微信公众号“HyperAI超神经”，作者：派大星行，36氪经授权发布。