Skild AI 的机器人模型仅凭一段视频就能学习新任务

宾夕法尼亚州匹兹堡，2026年9月10日。Skild AI表示，其新款S1机器人基础模型在观看一段人类演示视频后，即可完成陌生的多步骤任务，每步骤成功率约为66%，而采用传统方式训练的同类系统成功率仅为9%。 该公司采用英伟达（NVIDIA）的物理AI技术栈，报告称现在一段演示视频的训练价值相当于约380个人工采集的示例，将向机器人展示任务与使其自主执行任务之间的时间差距缩短至11分钟。

Skild AI 是一家总部位于匹兹堡的机器人初创公司，由前卡内基梅隆大学教授迪帕克·帕塔克（Deepak Pathak，现任首席执行官）和阿比纳夫·古普塔（Abhinav Gupta，现任公司总裁）于 2023 年共同创立。 其产品在公司内部被称为“Skild Brain”，是一个旨在控制多种不同机器人机身和任务的单一基础模型，而非长期主导工业自动化的那些狭窄、单一用途的模型。 自2024年年中以来，该公司已筹集资金超过20亿美元，其中包括由软银领投、以140亿美元估值完成的14亿美元融资轮，参与方包括英伟达的风险投资部门、亚马逊创始人杰夫·贝索斯、三星、LG、施耐德电气和Salesforce Ventures。

一段视频究竟能让机器人学会什么

周四披露的核心主张在于“样本效率”，即系统所需训练数据量与其性能表现之间的比率。目前大多数机器人学习系统仍依赖庞大的遥控演示库——这些是人类操作员通过物理方式引导机械臂完成某项任务数百甚至数千次后，才使行为能够可靠泛化的记录。 Skild的主张是，S1能够吸收一段视频，观察任务的执行过程，并在无需重新训练或更新模型权重的情况下，在实体机器人上重现该任务——该公司将这项技术称为“情境内学习”，其概念借鉴了

大型语言模型能够仅通过提示中的一小部分示例来遵循新的指令，而无需进行完整的重新训练。

英伟达表示，此次合作涵盖了机器人开发流程的四个阶段：通过其Cosmos世界模型生成合成数据；通过Isaac Lab、Isaac Sim和Newton物理引擎进行仿真与训练；以及通过TensorRT和Nsight性能分析工具进行部署优化。 对于评估机器人学习供应商的采购团队而言，这一“四阶段”主张至关重要，因为它表明 Skild 并非仅仅在借用的计算资源上运行一个研究模型。该公司正在构建一条生产管道，其中合成数据和真实演示数据共同为同一个模型提供训练数据——这正是实验室成果与工厂车间经理能够实际订购的系统之间的区别。

演示的任务涵盖植物盆栽、制作煎饼、冲泡咖啡，以及在富士康工厂基于 NVIDIA Blackwell 系统的双臂装配序列——该机器人安装了母线和限位块，拧紧了 16 颗螺丝，并在任务过程中适应了物理干扰。 这些任务的运行时间最长可达10分钟，按机器人学习演示的标准来看，这已属较长——通常情况下，单次“拾取并放置”动作就构成了整个基准测试。 相比过去两年间定义了大多数基础模型机器人公告的短时演示，这种长度的多步骤任务更能真实反映仓库或电子产品装配线实际所需。

样本效率数据背后的经济考量

对于采购方而言，样本效率绝非学术上的奇谈。收集遥控演示数据是部署基于学习的机器人所面临的最大隐性成本之一，这需要一名受过培训的操作员、一个经过校准的机器人工作站，以及针对客户希望实现自动化的每种新任务变体进行数小时的录制操作。 如果Skild的380:1比例在精心策划的演示之外也能成立，它不仅能加快开发速度，还能

这改变了哪些任务在经济上值得首先进行自动化处理的判断标准，因为原本需要数周数据收集才能证明部署合同合理性的任务，现在只需一个下午的拍摄就能完成。

正是基于这一经济论点，Skild的营收数据才真正成为影响采购决策的关键因素，而不仅仅是融资新闻的噱头。该公司表示，在推出约10个月后，其年化营收已达到1亿美元，并与制造、物流、检测、安防及食品加工等领域的60多家合作伙伴建立了部署合作关系。 该阶段的营收运行率向买家表明，该模型目前正在产生付费部署，而不仅仅是风险投资资助的试点项目——这一区别恰恰区分了值得进行多年集成承诺的基础模型供应商，与仍在证明其首个生产合同可行性的供应商。

仍需独立验证的声明

已公布的成功率数据源自Skild和英伟达（NVIDIA）自身的材料，而非独立复现的基准测试结果；且两家公司均未公布足够详细的评估协议，以供第三方重新验证66%与9%的对比数据。 针对产品发布精心策划的演示，与在实际生产车间多变的光照、杂乱环境及物体差异条件下运行的任务之间存在差距，这是基于学习的机器人技术中最常见的失败点，而这恰恰是11分钟的演示视频中无法展现的细节。 计划将S1应用于自身运营的采购方，在根据已公布数据制定部署计划之前，应要求Skild提供在自身厂区实际条件下测得的任务成功率，而非该公司预先安排的基准测试任务数据。

此外还存在一个适用范围的问题。演示中的任务——植物盆栽、煎饼组装、富士康线束组装——虽然单项表现令人印象深刻，但仅涵盖了

仓库或制造企业需要在整条生产线上实现哪些自动化。虽然一种能够通过单次演示快速学习的基础模型仍受限于其运行所在的机器人机身的物理能力，但Skild尚未公布除周四披露的系统之外，S1还经过了哪些具体机械臂、抓取器或移动平台的验证。 “功能强大的模型”与“可部署的系统”之间的区别，正是大多数机器人采购决策陷入停滞的关键所在；因此，周四公布的数据最好被视为一项试点邀请，而非成品规格说明。

基础模型宣称的竞争日趋激烈

Skild并非唯一一家竞相开发通用机器人“大脑”的公司。总部位于旧金山的初创公司Physical Intelligence（其开发的Pi系列视觉-语言-动作模型）也曾针对仓库和家庭操作任务提出过类似的样本效率主张。 Figure AI 选择将其类人机器人硬件与自研的 Helix 模型相结合，而非授权使用第三方基础模型，押注于同时拥有“身体”和“大脑”能实现更紧密的集成。谷歌 DeepMind 则通过其 RT-X 系列推广了一种不同的架构，该架构基于数十个机器人实验室汇集的数据进行训练，而非仅依赖单一公司的演示数据流。 从理论上讲，Skild方法的独特之处在于其宣称S1模型可在不同机器人形态间通用，无需针对每台机器人进行重新训练——这比针对单一硬件平台调优的模型更难实现，商业价值也更高；但这一主张在新闻稿中宣称起来容易，要在客户实际使用的由机械臂、 移动底座和抓取器等组成的实际混合机队中加以验证。

对于正在比较供应商的买家而言，实际的问题不在于哪家公司发布了最令人印象深刻的演示视频，而在于哪家公司愿意在商业合同中承诺成功率保证——该保证需基于买家自身的设备和任务组合进行衡量。目前还没有任何一家

目前正在争夺这一市场的基础模型供应商（包括Skild在内）都已公开做出此类承诺，这使得整个品类在采购团队眼中仍处于评估阶段，而非直接进入供应商选定阶段。

英伟达合作关系的下一步

Skild和英伟达计划在今年晚些时候于柏林举行的英伟达GTC大会上展示双方合作的进一步成果，届时两家公司预计将披露更多任务类别，而正在评估该平台的买家应关注除精心策划的演示集之外、可独立验证的性能数据。 在此期间更值得关注的关键信号是，Skild的60多家部署合作伙伴是否开始披露各自的生产环境成果——因为基础模型的真正考验不在于其介绍演示视频，而在于一年后仍在持续运行该模型的付费客户群体。

一段11分钟的视频，在过去需要数千次录制重复才能完成的任务上实现了66%的成功率，这标志着机器人学习系统吸收新任务速度的真正飞跃， 而这种能力将彻底改变人们对“哪些任务值得自动化”的判断标准——前提是演示与实际生产现场之间的差距能如Skild所言那样迅速缩小。

真正值得关注的硬性数据并非本周的成功率，而是一年后Skild 60多家部署合作伙伴的流失率： 当演示的新鲜感褪去，模型必须在生产线正常的波动中持续表现——而非在为新闻发布会打造的富士康展示现场——时，究竟有多少合作伙伴会将试点项目转化为续签且范围扩大的合同。

封面图片来源：Skild AI。

本分析基于 Skild AI 和 NVIDIA 发布的关于 S1 模型发布的公开声明和技术资料。本文仅供一般信息参考，不构成投资建议，

财务或法律建议。