在一个被劳动力短缺困扰的世界中，机器人正迅速成为解决这一危机的关键力量。然而，传统机器人的发展面临着技术瓶颈：它们高度依赖特定数据集和预编程指令，成本昂贵且难以适应变化多端的环境。这不仅限制了中小型企业的采用，也让许多复杂场景下的自动化需求难以实现。
Skild AI 致力于解决这一根本性问题，其创新性的通用型机器人“大脑”正在重新定义机器人智能的边界。这一灵活且可扩展的人工智能平台能够让机器人摆脱任务限制，实现真正的自我学习与适应性。无论是医院中的医疗机器人、建筑工地上的四足机器狗，还是制造业流水线上的协作机械臂，Skild AI 的解决方案都可以帮助它们快速适应新任务，甚至在动态环境中与人类和周围事物自由互动。
根据硅谷科技评论创投库（svtr.ai），近两年来全球313家机器人初创企业获得投资机构押注。根据累计融资金额排名，Skill AI在AI机器人排行榜与Agility并列排名第三。
一、创业故事
Skild AI 于 2023 年由 Deepak Pathak（首席执行官） 和 Abhinav Gupta（总裁） 创立，目标是打造一个通用型机器人操作系统。这两位联合创始人均曾任教于卡内基梅隆大学的计算机科学项目，为追求这一愿景，他们毅然放弃了学术岗位。
Deepak Pathak 的职业生涯始于印度。他早期通过在纸上编写代码并利用网吧有限的上网时间进行测试，学习了编程。Pathak 就读于印度理工学院（IIT），并于2014年以计算机科学专业最高学术成绩获得金牌。毕业后，他进入加州大学伯克利分校攻读人工智能博士学位，并在2015年联合创办了面部识别初创公司 VisageMap，该公司随后被 FaceFirst 收购。2017年，他开发了一种在机器人中注入“人工好奇心”（artificial curiosity）的技术，并发表相关论文，截至2024年7月，这篇论文已获得超过4000次引用。在完成博士学位后，他于2019年加入 Facebook AI Research（FAIR）。
Abhinav Gupta 于2000年进入印度理工学院学习计算机科学，随后于2004年在马里兰大学攻读计算机科学博士学位。他在2009年博士毕业后成为卡内基梅隆大学机器人研究所的教授。2018年，Gupta 加入 FAIR，担任创始成员和研究负责人，专注于推动人工智能和机器人领域的发展。他的研究涉及机器人操作、运动和导航等领域，截至2024年11月，其研究成果已被引用超过7.5万次。
Pathak 和 Gupta 在机器人领域的贡献广泛，包括 自监督机器人、自主学习代理 和 自适应机器人学习 等。他们的研究在2021年和2022年达到高潮，当时他们开发了一种大规模自适应 SIM2REAL（从模拟到现实）训练 方法，并凭此获得 机器人学习大会最佳机器人系统奖。
尽管 Skild AI 正式成立于2023年，但这一想法早在近十年前便已萌芽。在 FAIR 工作期间，Gupta 和 Pathak 经常讨论共同创办一家公司的可能性。2023年初，两人注意到这一领域的快速发展，许多进步源自他们的研究，因此决定通过 Skild AI 扩大自己的影响力。经过长期筹备，Skild AI 于2024年7月正式亮相。
二、公司产品
Skild AI 正在开发一个基础型操作系统，旨在为广泛的工业和个人机器人提供支持，从而实现安全的人机交互。其目标是通过创建一个能够无缝适应新环境（如建筑工地和工厂）的模型，推动移动机器人的普及，而无需重新训练。通过专注于 适应性 和 安全性，Skild AI 希望克服移动机器人在各种行业和场景中部署的主要障碍。
1、机器人基础模型
Skild AI 正在开发一款可扩展的机器人基础模型，被称为 Skild Brain，设计为各种机器人在不同场景和任务中的通用“大脑”。这一模型能够适应不同的硬件平台和环境，从建筑工地到工厂，再到家庭等场景。Skild AI 首席执行官 Deepak Pathak 表示：
“我们正在构建的大规模模型展示了在机器人和任务上的无与伦比的泛化能力和新兴能力，为真实世界中的自动化提供了巨大的潜力。”
Skild AI 的机器人基础模型训练所用的数据点比竞品模型多 1000倍，包括从人类操作机器人中收集的数据以及数百万个公开视频的数据。该模型设计用于 非结构化环境，无需针对新环境进行重新训练。Skild AI 致力于让基于其操作系统的机器人实现“任何任务、任何环境、任何硬件平台”的目标。
2、移动操作平台
Skild AI 提供了一个 移动操作平台，由其基础模型驱动，使开发者能够通过 API 调用开发机器人应用程序。此平台的设计旨在让机器人开发变得更加简单易用，开发者可以通过高级算法和专用机器人功能的 API 集成来实现应用开发。这种灵活性使得 Skild AI 驱动的机器人能够在彼此独立的环境中运行，适应性极强。
3、安全与巡检机器人平台
Skild AI 还提供了 全面的机器人解决方案，专注于视觉巡检、数据收集和巡逻任务。尽管截至2024年11月，关于其安全与巡检机器人平台的详细信息仍有限，但公司已初步将这些机器人应用于工业场景。
三、市场格局
1、公司客户
Skild AI 的目标客户是那些面临 劳动力短缺 的行业，包括医疗、建筑、仓储和制造业。公司专注于开发用于机器人技术的 AI 模型，以解决危险任务或需要与人类协作完成的任务。
截至2024年11月，Skild AI 的产品仍处于开发阶段，其直接客户可能主要是 研究机构 和 机器人公司，这些客户希望在其系统中整合先进的人工智能技术。目前，Skild AI 尚未报告拥有任何正式客户，公司表示其资金将用于扩展其基础模型并建设团队。
2、市场规模
全球劳动力短缺问题 日益严重。到2030年，预计全球人才缺口将达到 8,520万人，这可能导致高达 8.5万亿美元 的经济损失。这种现状为机器人和像 Skild AI 这样的 AI 驱动解决方案提供了巨大市场机会。
人形机器人市场
Skild AI 的技术能够为人形机器人市场提供支持。该市场在2023年的估值为 13亿美元，预计从2024年到2030年的复合年增长率（CAGR）为 17.3%。据高盛预测，到2035年，人形机器人的 总可用市场（TAM） 可能达到 380亿美元，这一数字相比其2022年的预测（60亿美元）有大幅提升。
工业领域市场
在工业领域，人形机器人的潜在市场规模预计将随着工人需求从2024年的 2.52亿 增长到2035年的 4亿。截至2024年3月，这一领域的 TAM 估值约为 1.8万亿美元。
家用市场潜力
如果人形机器人能够在2035年前应用于 1.5亿全球家庭 的 15%，以每台 1万到1.5万美元 的平均售价计算，其 家用市场TAM 可能达到 2.8万亿美元。
四、竞争对手
根据硅谷科技评论创投库（svtr.ai），近两年来全球313家机器人初创企业获得投资机构押注，生成式AI的问世，让机器人成为资本重点关注的赛道之一。
在半年前，我们盘点了人形机器人赛道，但截止2024年11月底，整个行业已经发生巨大的变化。Skill AI在今年7月以3亿美元的累计融资额，在SVTRAI机器人排行榜与Agility并列排名第三。
1、横向比较
在机器人技术领域，采取横向市场策略的公司专注于为开发者创建抽象层，利用广泛的机器学习模型使机器人硬件能够与物理世界交互。以下是与 Skild AI 具有竞争或合作潜力的几家公司，它们都采用了类似的横向方法。
Sanctuary AI：人形机器人与AI控制系统的融合
成立于2018年，已筹集超过1.4亿美元融资，截至2024年11月估值达到2.39亿美元。其主要投资方包括 Workday Ventures、Verizon Ventures 和 Accenture Ventures。公司研发的人形机器人 Phoenix 和 AI控制系统 Carbon，旨在开发能够执行各种类人任务的智能机器人。
Sanctuary AI 与 Skild AI 同为推动机器人通过AI执行复杂任务的竞争者。虽然 Skild AI 致力于为各种工业与个人机器人提供适配性强的基础模型，Sanctuary AI 同样专注于开发适应多环境、可安全与人交互的智能机器人。
Physical Intelligence ：通用机器人AI的基础模型
成立于2024年，专注于开发通用机器人AI的基础模型和学习算法，其技术可应用于广泛的场景。截至2024年11月，该公司已获得 Thrive Capital、OpenAI、Lux Capital、Khosla Ventures 和 Sequoia Capital 等投资者的4.7亿美元融资，公司估值达到24亿美元。
Physical Intelligence 与 Skild AI 在开发通用AI模型以支持多行业机器人方面目标一致。两者均旨在提供通用“机器人大脑”，使机器人能够在多样化环境中自主处理复杂任务。然而，Skild AI 更注重工业场景中安全的人机交互与适应性，而 Physical Intelligence 专注于打造无需任务专用编程即可操作任意机器人的“通用型AI”。
OpenAI：从语言模型到机器人领域的探索
成立于2015年的 OpenAI，以其语言模型与消费者AI技术闻名。截至2024年11月，公司总融资额达219亿美元，市值为1570亿美元。2024年3月，OpenAI 与 Figure 合作进军人形机器人领域，为 Figure 提供高级AI模型，助力机器人理解和执行人类语言指令。这与 Skild AI 的适配性强、面向工业的任务导向型机器人AI目标高度契合。
Covariant：专注于仓储自动化的AI机器人公司
成立于2017年，是一家致力于开发使机器人在复杂仓储环境中“看、思考并行动”系统的AI机器人公司。其旗舰产品 Covariant Brain 支持物流和履约操作中的拣货和分拣任务。2024年8月，亚马逊宣布雇用 Covariant 创始团队和约四分之一员工，同时签订非独家许可协议以使用其机器人基础模型。截至2024年11月，Covariant 已筹集2.22亿美元，估值为6.25亿美元。
Covariant 与 Skild AI 在工业自动化中的目标高度重合。Covariant 的平台利用基础模型与集群学习，实现机器人在动态环境中的高水平自主操作，特别是在仓储和履约中心。这种适应性与 Skild AI 针对劳动力短缺行业的解决方案产生交集。
NVIDIA：提供机器人开发工具的生态系统
成立于1993年的 NVIDIA，为机器人开发者提供硬件、软件及工具生态系统，包括其 Project GR00T 项目，专注于人形机器人适配的通用AI基础模型。此外，NVIDIA 的 Isaac 机器人平台 提供 Manipulator 和 Perceptor 等工具，并结合硬件解决方案如 Jetson Thor 计算机。
NVIDIA 的 Project GR00T 旨在开发可适应人形机器人多功能性的通用AI模型，与 Skild AI 提供多场景适应性强的机器人系统的愿景相似。NVIDIA 的平台和技术解决方案，使其在多样化AI驱动机器人应用领域成为潜在竞争者。
2、垂直比较
采用垂直市场方法的公司，针对某一特定行业的特定问题，设计既包括机器人硬件解决方案，也包括AI模型或“智能大脑”。
Figure：专注于人形机器人研发的创新公司
成立于2022年，是一家专注于开发结合AI与人形形态及功能的机器人公司。其最新型号 Figure 02 可广泛应用于制造、物流和仓储等商业领域，完成各种任务。2024年2月，该公司完成了由微软、NVIDIA、OpenAI、ARK风险基金和贝索斯探险基金等知名投资方参与的6.75亿美元B轮融资。截至2024年11月，Figure已经完成五轮融资，总金额达到8.54亿美元，公司估值高达27亿美元。
Figure 与 Skild AI 存在相似与不同之处。两家公司均致力于为机器人开发通用型AI解决方案，以在制造和物流等动态环境中与人类协同工作。然而，Figure 同时内部开发硬件和AI能力，而 Skild AI 仅专注于打造能够适配各种机器人硬件的通用AI“机器人大脑”软件，目标同样是解决劳动力短缺问题的行业。
1X：面向劳动力短缺的全能机器人
成立于2014年的 1X，致力于通过开发能够在人类环境中协同工作的机器人，解决劳动力供应不足的问题。1X 设计的人形机器人可模仿人类的行为和动作。2024年8月，1X推出了一款面向家庭任务的机器人 NEO Beta。该公司于2024年1月完成了1亿美元的B轮融资，由 EQT Ventures 领投。截至2024年11月，1X 已通过八轮融资筹集到总计1.365亿美元，估值达到2.1亿美元，投资方包括 OpenAI Startup Fund 和 Tiger Global Management。
1X 在AI驱动机器人领域被视为 Skild AI 的竞争对手。尽管 Skild AI 专注于开发通用型AI模型，1X 则研发像 NEO 和 EVE 这样的人形机器人，结合自家AI技术以完成多样化、以人为中心的任务。两家公司均面向劳动力短缺的行业，但1X 正逐步进入消费者应用场景，同时推动物流与仓储等商业领域的部署。
特斯拉：以人形机器人推动通用用途
2022年9月，特斯拉宣布开始研发人形机器人 Optimus。其第二代机器人 Optimus Gen 2 正被设计为可在制造、建筑、医疗和娱乐领域广泛使用的通用机器。特斯拉专注于开发结合自有AI与硬件的人形机器人，目标是实现诸如装配、搬运重物及与人类互动等任务。
与 Skild AI 类似，特斯拉也专注于开发能够执行通用任务的AI驱动机器人，应用于制造、物流等劳动密集型领域。不同的是，特斯拉在强调人形机器人设计，而 Skild AI 的目标是打造能够适应多种环境、无需重新训练的机器人。尽管两者在工业劳动力与人机互动场景存在重叠，特斯拉对人形机器人的关注使其在某些用例上与 Skild AI 区别明显。
五、商业模式
截至2024年11月，Skild AI 的商业化计划仍在发展中，但其潜在的收入来源包括以下几方面：
API访问收费 Skild AI 可以通过提供其AI模型的API访问权进行收费，让客户在其机器人应用中使用Skild的AI能力。这种按使用量付费的方式，能够吸引广泛的客户群体，从初创企业到大型工业公司都能灵活应用。
模型微调服务 Skild AI 可以通过提供模型微调服务产生额外收入，帮助客户根据具体需求调整其AI模型，以满足特定的用例要求。这种定制化服务不仅增加客户黏性，还能提升Skild AI在复杂场景中的市场竞争力。
许可协议 Skild AI 还可以通过签订许可协议实现盈利，允许其他公司将其AI技术集成到各自的机器人产品中。这样的合作模式能够扩大Skild AI的市场覆盖范围，同时保证稳定的长期收入来源。
六、重大进展
截至2024年7月，Skild AI 的基础模型展现了显著的进步，运行该模型的机器人表现出了一些涌现行为，例如在遇到障碍时自动避开，以及在机器人手指可能滑动或卡住时自适应调整以操控物体。这些技能并非通过预先编程实现，而是模型通过自主学习与调整能力的自然体现。
Sequoia Capital 合伙人 Stephanie Zhan 在2024年7月指出：
“一个类似GPT-3的时刻即将在机器人领域到来。它将引发一场巨大的变革，把我们在数字智能领域看到的进步带到物理世界。自从我们在种子轮阶段与Skild AI合作以来，我对他们追求这一时代最雄心勃勃愿景的能力充满信心。”
这一观点反映了 Skild AI 技术在机器人行业变革中的潜力，其自主学习与适应能力被视为推动行业迈向新高度的重要动力。
Lightspeed 合伙人 Raviraj Jain 在2024年初观察到 Skild AI 的“AI大脑”在多种机器人上的严格测试。他特别提到，Skild AI 的机器人成功应对了一些不熟悉的任务，包括诸如爬楼梯这样的稳定性挑战，进一步证明了其基础模型的通用性和适应能力。
七、公司估值
2024年7月，Skild AI完成了首轮融资，即3亿美元的A轮融资，公司估值达到了15亿美元。截至2024年11月，这也是该公司唯一的一轮融资。本轮融资由Lightspeed Venture Partners、Coatue、软银集团和Bezos Expeditions领投，参与投资的还有Felicis Ventures、红杉资本（Sequoia Capital）、Menlo Ventures、General Catalyst、CRV、SV Angel、卡内基梅隆大学、亚马逊工业创新基金（Amazon Industrial Innovation Fund）以及Alexa Fund。
公司计划利用此次A轮融资扩展其AI模型的规模、训练更多的数据集并加强团队建设。这笔资金的注入，将为Skild AI未来的发展提供重要支持。
八、主要机会
应对劳动力短缺
各行业的劳动力短缺为Skild AI带来了显著的市场机会。仅制造业一项，预计将面临前所未有的职位空缺，这将进一步推动对机器人解决方案的需求。Skild AI的通用机器人能够填补制造业、安全领域以及医疗保健等严重劳动力短缺行业的空白。根据高盛研究报告，类人机器人可能成为企业解决劳动力短缺问题的“必备设备”。“这些机器人在制造业和危险工作中至关重要，同时也可帮助老年护理并解决工厂劳动力短缺的问题。”
颠覆实体经济
Skild AI有潜力在多个行业内彻底改变危险和高风险工作环境。Coatue的普通合伙人、前Atlassian首席技术官Sri Viswanath表示：
“通过Skild的技术，可以颠覆当前的实体经济，将机器人引入机器房、密闭环境等危险岗位，以及安保、医院等劳动力短缺严重的领域。”
Skild AI的机器人可用于高风险环境，如机器房、密闭区域和灾难救援场景。这种能力满足了人类员工不愿承担危险任务的行业需求。此外，Skild AI的技术可能变革汽车制造等行业，预计到2035年，该行业的劳动力替代率可能达到5%到15%。
降低机器人成本
Skild AI采用了利用现成机械和相对廉价机器的策略，使其具备潜在的竞争优势。这一策略与机器人组件成本下降的趋势一致。2022年，机器人单价在5万至25万美元之间，而到2023年已降至3万至15万美元。根据2024年2月的数据，成本预计每年将继续下降15%-20%。
通过降低成本并提高机器人解决方案的可及性，Skild AI不仅能够扩大其在工业领域的市场份额，还可能逐步进入消费级机器人市场。高盛预计，到2030年，类人机器人年出货量将超过25万台，未来十年内消费级机器人年销量可能突破100万台。埃隆·马斯克甚至预测，到2040年，地球上的类人机器人数量将达到10亿台。
九、主要风险
自动化准备度不足
许多制造商和仓库缺乏自动化基础设施，终端用户往往对如何部署机器人感到迷茫。这为Skild AI等机器人公司创造了一个充满挑战的市场环境，因为潜在客户可能尚未准备好采用或整合新技术。Skild AI的尖端机器人解决方案与目标行业的准备度之间的差距可能会减缓技术采用的速度，从而对公司的增长轨迹产生负面影响。
为应对这一挑战，Skild AI需要投资于定制化的引导策略、试点项目以及合作伙伴关系，以向客户展示其技术价值。此外，公司可能需要优先瞄准自动化准备度较高的行业，或开发可逐步整合到现有系统中的模块化解决方案，从而降低客户采用技术的门槛。解决这些障碍将成为决定公司增长轨迹的重要因素，也将直接影响Skild AI在更广泛机器人市场中的扩展能力。
商业化挑战
尽管机器人组件成本正在下降，供应链选择也在增加，但Skild AI在扩大生产规模方面仍面临重大挑战。一些关键组件需要高精度制造工艺，而当前的工业产能有限，这可能会限制生产扩张的速度。这些瓶颈可能影响Skild AI的市场需求创造能力。如果Skild AI无法确保持续稳定的高质量组件供应，可能会面临生产延误，从而对其增长前景和竞争力扩展造成不利影响。
基础设施需求
开发用于机器人技术的先进AI需要大规模的计算基础设施，这类似于训练大型语言模型（如ChatGPT）所需的资源。Skild AI可能需要在GPU集群或云计算资源上进行大量投资。同时，对亚马逊云服务（AWS）等第三方基础设施提供商的依赖，可能会随着Skild AI的开发规模扩大而引入潜在的依赖性风险和成本不确定性。
尽管公司通过3亿美元的融资获得了充足的财务资源来扩展，但实际障碍依然存在。例如，其机器人系统依赖高速数据处理和大规模计算能力，而许多潜在客户缺乏支持这些需求的基础设施。此外，Skild AI的机器人模型在实际应用中需要高性能数据中心和可靠的连接性，而这些基础设施的可用性在一些目标市场中可能受到限制。这些限制可能会妨碍其技术的部署和采用，使基础设施的准备度成为公司在目标市场中增长的关键风险因素。
十、全文总结
Skild AI 正在开发一种通用的机器人“大脑”，以应对日益严重的劳动力短缺问题。公司由卡内基梅隆大学的前教授于2023年创立，致力于构建一个可扩展的机器人基础模型，使其能够在不同硬件平台和环境中灵活适应。Skild AI 的产品包括移动操作平台以及基于其AI模型的安全/巡检机器人解决方案。
Skild AI 处于快速增长的市场中，预计到2035年，全球类人机器人市场规模将达到380亿美元。公司面临来自横向AI机器人企业（如Sanctuary AI 和 Physical Intelligence）以及纵向机器人制造商（如Figure AI 和特斯拉）的竞争。
2024年7月，Skild AI 完成了3亿美元的A轮融资，公司估值达到15亿美元。本轮融资将用于扩展其AI模型和团队规模，以进一步推进其技术的商业化应用。