Skild AI年化经常性收入突破1亿美元，S1模型看一遍视频即可学会新任务

美国机器人基础模型公司Skild AI公开了九位数的收入规模，把“机器人大脑”之争引向商业化比拼。公司于2026年9月10日表示，首次商业部署十个月后年化经常性收入（ARR）突破1亿美元，期间已确认收入5000万美元。

据Skild介绍，其付费客户已超过60家，机器人用于搬运货物、配送、现场巡检、安保和餐食制作，并在仓库、工厂和数据中心内部作业。移动类业务占收入10%，其中自主移动机器人（AMR）方案占4%；其余约90%主要来自操作类任务。公司未披露在役机器人数量、毛利率及盈利情况。

Skild列出了三个具名部署。公司称正与英伟达和富士康合作，在英伟达Blackwell系统的高精度组装工序中部署搭载Skild Brain的双臂机器人；在住友电装推进S1用于线束制造；与三井物产合作，在商用厨房试点通用机器人。按Skild的说法，三井物产的供应链每天为日本各地提供140万份餐食。

收入数据紧随8月18日发布的S1。Skild称S1为“上下文学习”模型：无需针对每项任务重新训练，看一段任务视频即可执行。公司表示，S1完成了此前未见过、时长最长10分钟的任务，包括翻煎饼、手冲咖啡、植物换盆和套件组装。在一个案例中，从录制种植示范到机器人自主完成，仅用了11分钟。

Skild用同样数据训练的传统语言指令式视觉语言动作（VLA）模型作对照，数据规模从1000小时到10万小时。在未见任务上，S1的逐步累计成功率平均为66%，语言指令式模型仅为9%。公司称，上下文中的一段示范约等于380条后训练样本；对超过4分钟的任务，采集380条示范需要50至100小时遥操作。不过，用2000条示范后训练的模型最终以86%反超S1。在训练中见过的任务上，随着预训练规模扩大，S1准确率升至96%。

训练数据混合了遥操作、UMI手持夹爪数据、第一视角人类视频和仿真。Skild表示，每花1美元采集数据，就花3美元做质量控制。英伟达9月10日发文称，S1使用了Cosmos世界模型及Cosmos Curator数据工具、采用Newton物理引擎的Isaac Sim与Isaac Lab，以及TensorRT推理优化。

Skild成立于2023年，融资规模可观。2024年7月A轮融资3亿美元，估值15亿美元；2026年1月由软银领投完成14亿美元C轮，估值超过140亿美元，NVentures、麦格理资本、贝索斯探险、LG、施耐德电气和未来资产等参投。公司当时称2025年数月内收入约3000万美元。2026年4月，Skild收购了Zebra Technologies的机器人业务（前身为Fetch Robotics）及其Symmetry Fulfillment编排平台。

对中国产业链而言，最值得注意的是富士康产线。Skild把模型部署在英伟达服务器的组装环节，意味着“机器人大脑”开始进入电子代工这一中国制造的核心场景。国内具身智能企业多以整机或垂直场景切入，而Skild展示的是在他人硬件上卖软件、按客户收费的路线。宇树科技于2026年8月18日在上交所科创板发布上市相关公告，国内资本市场对机器人本体已给出定价，纯软件“大脑”的估值逻辑则仍待检验。

与同行相比，Skild的位置更清晰。Figure AI于2025年9月融资10亿美元，投后估值390亿美元；Apptronik于2026年2月完成5.2亿美元A轮扩展；两家都未公布经常性收入。2025年11月完成B轮的Physical Intelligence以发布研究为主。谷歌DeepMind 7月30日推出的Gemini Robotics 2，其动作模型仍只对合作伙伴开放。

上下文学习的吸引力在于经济性。每项新任务的微调都要付出数据采集、算力和工程人力。如果客户录一段视频，几分钟就能得到可用策略，新增任务的成本就接近拍摄成本。但Skild自己的数据也显示了边界：用2000条示范后训练的模型成功率仍更高，大批量任务或许仍值得走传统微调路线。

疑问仍然不少。ARR是按当前趋势年化的数字，并非审计收入；Skild未拆分软件授权、硬件、服务以及4月收购的Zebra机器人业务各自的占比。66%是公司内部评测的逐步平均值，并非独立基准，S1测试所用的机器人硬件也未公开。