スキルドAI、年間経常収益1億ドル突破　動画1本で作業を覚える「S1」を武器に住友電装や三井物産と組む

米ロボット基盤モデル開発のスキルドAIが9桁の収益規模を公表し、「ロボットの頭脳」を巡る競争を売上高の勝負に持ち込んだ。同社は2026年9月10日、初の商用導入から10カ月で年間経常収益（ARR）が1億ドルを突破し、この間にすでに5000万ドルを売上高として計上したと明らかにした。

同社によると有料顧客は60社を超えた。ロボットは荷物の運搬、配送、設備点検、警備、調理に使われ、倉庫、工場、データセンターの中でも稼働している。売上高の10%は移動ロボット分野で、うち自律走行搬送ロボット（AMR）のソリューションが4%を占める。残る約90%は主に物をつかんで扱うマニピュレーション作業から生まれている。稼働台数、粗利益率、黒字かどうかは開示していない。

同社は具体的な導入先を3件挙げた。エヌビディアとフォックスコン（鴻海精密工業）とともに、エヌビディアのBlackwellシステムの高精度組み立てに双腕ロボットを投入し、自社ソフト「スキルドブレイン」を載せている。住友電装ではワイヤーハーネス製造へのS1導入を進めている。スキルドAIによれば日本全国に1日140万食を供給する三井物産のサプライチェーンとは、業務用厨房で汎用ロボットの試験運用を始めた。

収益の発表は8月18日のS1公開に続くものだ。スキルドAIはS1を「インコンテキスト学習」モデルと呼ぶ。作業ごとにモデルを再学習させるのではなく、作業の動画を1本見せればそのまま実行する仕組みだ。同社によると、S1はパンケーキを返す、ハンドドリップでコーヒーをいれる、植物を植え替える、キットを組み立てるといった初見の作業を最長10分にわたりこなした。植物の植え付けを実演して録画してから、ロボットが自律で作業を終えるまでにかかった時間は11分だった。

同社は同じデータで学習させた従来型の言語指示型視覚言語行動（VLA）モデルとS1を比べた。学習データは1000時間から10万時間まで変えた。初見の作業では、S1の工程ごとの累積成功率の平均が66%だったのに対し、言語指示型は9%にとどまった。同社は文脈内の実演1本が追加学習用の例約380件に相当し、4分を超える作業なら380件の実演を集めるのに遠隔操作で50～100時間かかると説明する。ただ2000件の実演で追加学習したモデルは86%に達し、S1を上回った。学習時に見た作業では、事前学習の規模拡大に伴いS1の精度は96%まで上がった。

学習データは遠隔操作、手持ち型グリッパー装置UMIのデータ、一人称視点の人間の動画、シミュレーションを組み合わせた。データ収集に1ドルを使うごとに品質管理に3ドルを充てているという。エヌビディアは9月10日のブログで、S1の開発に世界モデル「Cosmos」とデータ整備ツール「Cosmos Curator」、物理エンジン「Newton」を使うIsaac SimとIsaac Lab、推論最適化のTensorRTが使われたと説明した。

2023年創業のスキルドAIは巨額の資金を集めてきた。2024年7月のシリーズAで3億ドルを調達し、評価額は15億ドルだった。2026年1月にはソフトバンクが主導した14億ドルのシリーズCで140億ドル超の評価を得た。NVentures、マッコーリーキャピタル、ベゾスエクスペディションズ、LG、シュナイダーエレクトリックなども出資した。当時、2025年の数カ月で約3000万ドルを稼いだとしていた。4月にはフェッチロボティクスを前身とするゼブラテクノロジーズのロボット事業と物流統制基盤「Symmetry Fulfillment」を買収した。

日本市場にとっての意味は大きい。主導投資家がソフトバンクで、導入先として住友電装と三井物産が名を連ねる。ワイヤーハーネスは品種が多く手作業に頼る工程が残り、業務用厨房も人手の確保が難しい現場だ。動画1本で作業を教えられるロボットは、人手不足に悩む日本の製造業や外食産業にとって、専任のロボットエンジニアなしに自動化を進める手段になり得る。ファナックや安川電機など国内の産業用ロボット大手にとっては、自社のアームの上で他社の頭脳が動く構図への対応が問われる。

競合と比べるとスキルドAIの立ち位置がはっきりする。フィギュアAIは2025年9月に10億ドルを調達し評価額は390億ドル、アプトロニクは2026年2月に5億2000万ドルのシリーズA追加調達を終えたが、いずれも経常収益を公表していない。2025年11月にシリーズBを調達したフィジカルインテリジェンスは研究成果の発表が中心だ。Google DeepMindが7月30日に出したGemini Robotics 2は、動作モデルを提携先に限っている。

インコンテキスト学習の魅力は経済性にある。新しい作業のたびに微調整すれば、データ収集、計算資源、技術者の工数がかかる。顧客が動画を1本撮れば数分で動く方策が手に入るなら、作業追加の費用は撮影の費用に近づく。ただし2000件の実演で追加学習したモデルの方が成功率が高いという同社自身の数値は、量の多い作業では従来型の微調整が引き続き有効なことを示している。

疑問も残る。ARRは監査済みの売上高ではなく足元の水準を年換算した数字で、ソフトウエアのライセンス、ハードウエア、サービス、4月に買収したゼブラのロボット事業の内訳は開示されていない。66%は社内評価の工程ごとの平均値で、独立したベンチマークではない。S1の試験に使ったロボットの機種も明らかにしていない。