美國機器人基礎模型領域近日迎來一筆巨額融資，初創(chuàng)公司Skild AI宣布完成約14億美元C輪融資，公司估值一舉突破140億美元，刷新該領域融資紀錄。此次融資不僅金額驚人，投資方陣容更是堪稱豪華，軟銀集團領投，英偉達、三星、LG、亞馬遜創(chuàng)始人貝索斯家族辦公室、Salesforce等全球科技巨頭集體入局，形成橫跨芯片、互聯(lián)網(wǎng)、消費電子等多領域的投資聯(lián)盟。

Skild AI正在構(gòu)建的通用大腦Skild Brain，可安裝到各類機器人和機器狗上，使其完成爬樓、繞過障礙物、拾取物品等基本動作。公司成立恰逢機器人產(chǎn)業(yè)從專用系統(tǒng)向通用平臺演進的關鍵時期，為其發(fā)展提供了良好機遇。

在技術(shù)層面，Skild AI帶來了根本性范式轉(zhuǎn)變。機器人行業(yè)長期面臨“莫拉維克悖論”，即系統(tǒng)高度專用化與真實世界需求多樣性存在矛盾，導致機器人部署成本高、靈活性不足。Skild AI的核心產(chǎn)品Skild Brain不依賴預設固定指令集，而是通過大規(guī)模多模態(tài)數(shù)據(jù)進行端到端訓練。該系統(tǒng)融合從海量人類活動視頻中提取的行為模式，以及在仿真環(huán)境中數(shù)萬億次試錯訓練，形成從感知、決策到執(zhí)行、反饋的完整閉環(huán)。其關鍵創(chuàng)新在于硬件與智能層解耦設計，Skild Brain能適配多種硬件平臺，實時整合本體感知信息與外部環(huán)境數(shù)據(jù)，提高了系統(tǒng)靈活性，為復雜環(huán)境穩(wěn)健運行提供基礎。公開演示中，面對硬件故障或環(huán)境突變，系統(tǒng)仍能調(diào)整策略繼續(xù)執(zhí)行任務，展現(xiàn)出強大適應能力。

此次眾多科技巨頭共同投資Skild AI，背后有著各自的戰(zhàn)略考量。英偉達作為AI算力領域領導者，通過GPU + CUDA組合掌握訓練端基礎設施，其Isaac機器人仿真平臺是行業(yè)標準開發(fā)工具。投資Skild AI填補了其在機器人技術(shù)棧頂層生態(tài)空缺，有望構(gòu)建從芯片、開發(fā)平臺到應用系統(tǒng)的全棧解決方案。軟銀早期在機器人領域布局廣泛但效果有限，近來收購ABB機器人業(yè)務獲得硬件基礎和行業(yè)渠道，投資Skild AI成為連接硬件能力與智能系統(tǒng)的關鍵紐帶，符合其構(gòu)建完整機器人生態(tài)的戰(zhàn)略。三星和LG在消費電子增長放緩背景下，將機器人產(chǎn)業(yè)作為重要戰(zhàn)略方向，通過投資而非自研進入通用機器人軟件賽道，是高效且風險可控的選擇，LG CNS與Skild AI的合作協(xié)議也表明投資正快速轉(zhuǎn)化為業(yè)務協(xié)同。亞馬遜作為物流巨頭，對提升運營效率、降低履約成本有持續(xù)需求，通用機器人大腦若成熟，可能大幅降低自動化系統(tǒng)部署成本，對其超大規(guī)模物流網(wǎng)絡具有重要戰(zhàn)略價值。這些投資決策共同反映出產(chǎn)業(yè)共識：隨著機器人硬件逐漸標準化，產(chǎn)業(yè)價值正加速向軟件和智能系統(tǒng)層集中。

商業(yè)化方面，Skild AI進展顯著。據(jù)其2025年業(yè)務更新報告，截至2025年底，公司已服務超8家企業(yè)客戶，涵蓋安防巡檢、建筑施工、物流配送等多個領域，2025年營收實現(xiàn)從零到數(shù)千萬美元突破。商業(yè)化潛力源于巨大市場需求缺口，全球多個行業(yè)面臨勞動力短缺，尤其是重復性高、危險性大的崗位，傳統(tǒng)機器人系統(tǒng)因定制成本高、靈活性差難以填補。Skild Brain提供的通用模型若能驗證經(jīng)濟可行性，可能改變機器人經(jīng)濟模型。早期試點項目也顯示出積極信號，在紐約某機場環(huán)境監(jiān)測試點中，搭載Skild Brain的移動機器人成功完成非結(jié)構(gòu)化環(huán)境巡檢任務；與LG CNS在人形機器人解決方案方面的合作，也標志著技術(shù)向更復雜場景延伸。

不過，通用機器人大腦從技術(shù)突破到產(chǎn)業(yè)成熟仍面臨諸多挑戰(zhàn)。技術(shù)可靠性方面，在受控環(huán)境中表現(xiàn)良好的泛化能力，能否在復雜多變的真實工業(yè)環(huán)境中保持穩(wěn)定，需長期驗證，且機器人物理世界決策關聯(lián)安全，對系統(tǒng)魯棒性要求極高。經(jīng)濟可行性上，訓練大規(guī)模機器人基礎模型消耗巨量算力資源，如何在模型性能與推理成本間找到商業(yè)平衡點是技術(shù)普及必須跨越的門檻。產(chǎn)業(yè)碎片化也是問題，當前機器人硬件缺乏統(tǒng)一標準，通用適配面臨巨大工程挑戰(zhàn)，實現(xiàn)真正通用性可能需要推動硬件接口標準化，涉及復雜生態(tài)建設。競爭態(tài)勢激烈，特斯拉的Optimus項目持續(xù)投入，由三星支持的Physical Intelligence估值已達56億美元，還有眾多中國機器人企業(yè)也在加速探索相關方向。