图片来源：Alex Heath
Z Highlights
Skild AI 致力于打造适用于所有形态机器人的“通用大脑”。无论是人形机器人、四足机器狗还是机械臂，均可由同一模型驱动。其核心优势在于自适应能力：当硬件受损（如肢体断裂）时，系统能快速摸索出新状态下的运行策略并持续工作，而非直接丧失行为能力。
针对遥操作数据集规模小（仅百万级）的痛点，Skild AI 融合文本、图像与视频构建跨模态数据集，体量较竞品高出千倍，并利用网络上海量的人类视频数据。大规模多模态输入旨在让模型理解物体属性与物理规律，从而应对训练未见的场景，如接住滑落物体或调整物体朝向。
公司采用"AI as a Service"商业模式，提供 API 接口及微调平台，不售卖机器人本体。目前产品优先落地工业场景，聚焦安防与巡检，部署 Skild Brain 的机器人可执行检测、监控及精细操作任务，已服务 8 家客户。
Deepak Pathak 是 Skild AI 联合创始人兼 CEO，前卡内基梅隆大学机器人学教授，深耕计算机视觉、机器学习与机器人交叉领域，曾提出好奇心驱动探索、RMA 等里程碑技术。2023 年，他将 CMU 实验室成果商业化，确立“全载体、通用大脑”研发路径。2025 年企业客户增至 8 余家，营收达数千万美元。2026 年 1 月，Skild AI 完成 14 亿美元 C 轮融资，软银、英伟达、贝索斯等参投，估值超 140 亿美元。2026 年公司将重点推进仓储、数据中心及有人环境工业场景的规模化部署，加速“机器人操作系统”平台化发展。
融资 14 亿美元估值达 140 亿美元，Skild AI 定义“全载体智能”，构建物理世界通用 OS
Alex Heath：当前机器人与 AI 行业正处于爆发期。在深入探讨公司之前，能否介绍一下您的个人经历？您曾是卡内基梅隆大学的知名学者，如今领导着资金最充裕的机器人 AI 创业公司。您是如何从学术研究走向商业领袖的？Skild AI 又是如何成立的？
Deepak Pathak：与大多数 AI 领域的发展规律一致，达到一定规模后，唯有获取更多资本和算力资源才能推动进一步增长。我的职业生涯始终专注于 AI 和机器人研究，至今已达 15 年。从本科接触该领域，到博士期间在伯克利攻读 AI，我的课题核心一直是“构建真正的智能”。通过与心理学家、神经科学家合作，我深入研究了人类和动物智能的运作机制。
深入思考智能的本质，答案始终指向一点——智能主要是在真实世界中演化而成的。考察自然界中人类与动物的进化史，我们会发现身体机能的进化耗时数亿甚至数十亿年。智能体现为动物在森林中快速移动以躲避捕食者，或视觉系统识别成熟食物的能力。
而语言的出现距今仅约一万至五万年，相较于整个进化尺度微不足道。目前用于语言训练的数据也仅能追溯至百年内。若仅聚焦当前时间点，语言似乎是智能的成因，但事实并非如此。语言是智能的产物而非原因，因为智能存在时语言尚未诞生。要真正理解智能，必须深入研究物理世界。
Alex Heath：贵公司刚刚完成 14 亿美元融资，投资方包括软银、英伟达、贝索斯及 Disruptive 等大型机构，估值超 140 亿美元。本轮融资是如何促成的？促使他们大额投资的核心逻辑是什么？
Deepak Pathak：这并非我们的首轮融资。我与联合创始人在两年半前创办公司，我们均为 CMU 教授，在该领域深耕多年，并在实验室取得了前所未有的成果——我们的机器人可完全通过模拟或视频训练，甚至在学习第二天即可进行现场演示。为了大规模发展，我们选择成立公司并融资以获取更多算力。
学术界提供了重要支持，但若不融资，资源终将遭遇瓶颈。我们致力于构建机器人的“通用大脑”，即任何形态的机器人（人形、四足或机械臂）执行任何任务，均由同一个大脑驱动。
Alex Heath：您真的认为能做到如此通用吗？这些目标都能实现吗？
Deepak Pathak：是的，我们已经实现了。六个月前我们在一次会议上发表了相关研究，并被提名为最佳论文候选，这是会议最高荣誉之一。研究表明，即使大脑未曾见过某种机器人，也能控制其行动；甚至在切断机器人肢体后，大脑也能在真实世界中立即自适应并继续工作。
从视频中启蒙，在仿真中练习，Skild AI 跨越具身智能的数据鸿沟
Alex Heath：这一成果的关键研究思路是什么？你们如何进行训练？机器人训练一直是 AI 领域的难点，数据获取困难且难以泛化。对此你们做了哪些独特尝试？
Deepak Pathak：这可拆解为两个问题：用什么数据训练（提出什么问题），以及如何训练。两者截然不同。
关于“用什么数据训练”，当前 AI 模型（语言、视觉、视频等）的训练逻辑相似——收集大量数据并整理为 Token 用于大模型训练。这一流程先应用于语言领域，随后延伸至图像、视频和语音领域，业界普遍认为下一个应用将是机器人领域。
然而，机器人领域并不适用此方法。该领域极其特殊，缺乏数据。在没有“机器人互联网”的情况下，如何开始训练具身 AI？这也是机器人领域停滞 70 年的核心原因。事实上，机器人是最早的 AI 应用，上世纪六十至九十年代已有大量关于机器人鞭打、后空翻、跑酷的视频记录。
本轮发展的真正变革在于机器人开始从数据中学习。主流方法是遥操作，即人工远程操控机器人。
业界对此反应两极分化。但我关注的问题是，若仅依赖遥操作，必须提前明确数据量需求。在训练开始前，这个问题无法回答，只能参考类似领域。例如 GPT-3.5 大语言模型使用了 30 万亿至 100 万亿 Token 的数据，而目前最大的机器人遥操作数据集仅为百万级，远未达到类似领域的需求量。
图片来源：BEAVR
针对这一问题，我们的思路是寻找替代性数据来源，如合成数据或人类视频。人类本质上是生物机器人，虽无马达，但拥有肌肉、关节和神经元。人与机器人抓取杯子或开门的方式具有共性，因此我们认为机器人可以通过观看视频学习知识。这是我们扩展数据的方法之一，即从网络上海量的视频中大规模获取数据。
但仅靠观看不足够，还需理解力与表面推理练习。若仅凭观看就能掌握技能，理论上任何人都能成为钢琴家。我们的方法是先从视频中学习“怎么做”，再在基于物理的模拟环境中练习，以此“启蒙”机器人大脑。这是一种非常独特的方法，与当前主流方式截然不同。
训练数据量不等于多样性，落地部署是机器人智能的真正壁垒
Alex Heath：你们获得了大量融资，这与许多 AI 创业者的情况一致。在技术资本密集的背景下，你们如何与马斯克的公司竞争？听说他押注特斯拉，制造大量人形机器人，并声称其自动驾驶数据集优势无人能及。
Deepak Pathak：用第一性原理思考，机器人行业长期追求的“完美数据再部署”逻辑行不通。例如开车并非为了帮助马斯克制造自动驾驶，而是因为汽车本身是有用的产品。因此，收集大量机器人数据的前提是让机器人具备实际用途，而要使其有用，就必须将其部署到现实世界中。
遥操作数据难以快速扩展。无论大公司还是小公司，在机器人领域几乎都从零起步，因此“怎么做”的答案至关重要。创新可来自任何地方，不一定需要谷歌那样的大团队，一小群专注的工程师和研究人员也能做到。与语言、视觉等已有海量数据、仅需增加算力即可提升效果的领域相比，机器人领域是一个更加公平的赛场。
Alex Heath：听起来特斯拉的 FSD（全自动驾驶）方法真能让 Optimus 实现泛化，您怎么看？
Deepak Pathak：以 FSD 为例，即便已有机器人用于流水线工作，甚至拥有成千上万台设备，但如何基于这些数据泛化到“拿起杯子”这样的场景？这是一个常被忽略的技术细节。在语言模型中，数据规模越大，多样性通常越高，因为互联网数据来源广泛。但机器人领域不同，数万亿小时的自动驾驶数据虽提升了总量，却缺乏多样性。同样，机器人在传送带上重复捡拾物品收集的数十亿样本，也不具备多样性。
因此，在机器人领域，数十亿个同种类数据不等于语言领域的数十亿数据点。目前，数据多样性正是机器人领域的难点。即使将一百个机器人放在房间里不断工作，最终获得的也只是该房间内的数据。
图片来源：Skild AI
Alex Heath：据我了解，OpenAI 也在机器人领域投入巨大，同样以全面泛化为目标。您是否关注他们的动向？会担心这类基础前沿实验室进入该领域吗？
Deepak Pathak：机器人领域广阔，在没有现成发展路径的情况下，参与者越多越有益。OpenAI 目前尚无公开成果，我了解有限，难以评价。即使他们在探索，也只是众多玩家之一。
Alex Heath：那您是否担心谷歌的研究会影响你们的战略或限制发展？
Deepak Pathak：一旦某家公司展现出成功迹象，其他人便会效仿，这是事物发展的本质。若策略有效，他人迟早会采用类似方法，耗时数月或数年即可跟进。
机器人领域达成目标的关键在于能否利用这些技术。我们虽有初步知识产权，但需意识到知识产权壁垒是临时性的，可能持续数月或数年。必须借助它建立真正的壁垒，而机器人领域真正的壁垒是落地部署。
Alex Heath：据悉你们有约 8 家客户，但未公开具体信息。客户是谁？具体在做什么？
Deepak Pathak：我们的终极目标是进军家庭或消费级机器人。但在现阶段，若直接推出家庭机器人而缺乏现实世界的消费级应用场景，会显得突兀。企业端是更好的测试场，场景与家庭类似，但付费意愿更高，耐心更足。
Alex Heath：目前机器人在各领域的应用体验确实较差。
Deepak Pathak：是的。但机器人领域的有趣之处在于，即便追求通用机器人，只要做好几个任务即可实际部署。这在语言领域不适用，语言模型必须整体性能优异才可用。机器人领域的难点不在于整体性能，而在于具体任务的执行。我们正在部署一批掌握相关技能的机器人，主要应用于移动场景，如点到点递送、系统巡检、自动驾驶或安防应用，为合作方创造价值。
Alex Heath：你们的模型可以驱动洛杉矶街头的小型自动餐车吗？会定制硬件或参与运营吗？
Deepak Pathak：那些餐车通常无法跨越台阶，我们会提供适用性更强的机器人方案。我们提供模型，驱动市面上的硬件设备。重点关注工业仓储、制造业及自动化流水线场景，特别是有人环境。在机器人与人协作的随机多变场景中，才真正需要人工智能。此外还有数据中心建设与智能巡检场景。
Skild AI 致力研发机器人接手高危工作，自适应潜能即为 AGI 信号
Deepak Pathak：“机器人将取代人类工作”常成为媒体头条，但真实就业报告显示相反结论——目前已有百万甚至两百万个职位空缺，预计到 2030 年，空缺将达三千万至五千万。这意味着大量岗位无人填补，与失业现象并存。
可能的解释是，这些是社会需求但人们无法或不愿从事的工作。例如到 2026 年，大多数人不愿从事危及生命的工作，导致此类岗位留存率低、招聘难，劳动力缺口日益扩大。
这只是问题的一部分。另一部分是出生率下降和人口老龄化。各国平均年龄上升，老年人口增多，年轻劳动力减少。人口结构差距客观存在，但这些工作必须完成，这正是真实世界需要机器人发挥作用的地方。
Alex Heath：您会专门关注高死亡风险行业，并思考如何用机器人解决难题吗？
Deepak Pathak：实际上无需刻意考虑，市场会自发推动这些进程。不一定是致命风险，也可能是慢性影响。例如长期弯腰工作会导致腰背职业病。企业无需刻意关注，因为这些岗位存在的显性或隐性风险本身就难以招人，对机器人的需求自然产生。
Alex Heath：最后聊聊 AGI。您一直认为机器人是通往 AGI 的路径。每个人对 AGI 定义不同，您如何定义？
Deepak Pathak：AGI 很难定义。我们必须重新思考什么是智能，什么是大脑。许多人将“智能”混淆为能力多少或知识量，但这并非智能本身。智能是指你当前知道什么，以及多快能学会新知识，关注的是“增量”——你能提升多少，速度有多快。
目前尚无能即时学习全新知识并迅速掌握的系统。不过大模型已开始显示“上下文学习”能力，例如给出范例后，输入新问题即可立刻回答。但这目前仅限于语言领域。
在现实物理世界，这种能力尚未出现。我们在研发通用机器人系统时发现了一些初步迹象——机器人能在现实世界持续自适应，类似上下文学习。无论切断肢体还是更换新机器人，本质都是给大脑一个新身体，“大脑”模型会不断适应新场景，只需几次尝试即可恢复工作。若能将这种自适应泛化至任意操作，基本就是通向 AGI 的信号。
Alex Heath：感谢分享，今天的对话非常有价值。
Deepak Pathak：谢谢。
参考资料：Skild AI's CEO on building one brain for every robot
https://youtu.be/h51fVa5XE4Y?si=vtSvJju-L3v6L_Xc