一家只做“大腦”的公司，撐起了140億美元估值

全球機器人產業的資本重心，正在從本體移向大腦。

近日，多家媒體報道稱，日本軟銀集團與英偉達正商談聯合向機器人基礎模型公司 Skild AI 投資超 10 億美元。一旦交易完成，這家成立僅兩年的創業公司估值將升至約 140 億美元，較今年早些時候的 47 億美元翻了 3 倍。

為什么是 Skild AI？

這是所有人在聽到 140 億美元這個數字時的第一反應。

相比于特斯拉擎天柱（Optimus）的鋼鐵身軀，或是波士頓動力炫酷的空翻動作，Skild AI 在大眾視野中顯得頗為低調。這家由卡內基梅隆大學兩位教授 Abhinav Gupta 和 Deepak Pathak 創立的公司，自誕生之初就確立了一條與其競爭對手截然不同的路徑：不造身體，只造大腦。

長期以來，機器人領域受困于“莫拉維克悖論”：讓計算機在智力測試中擊敗人類很容易，但要讓它們像一歲孩子一樣感知和行動卻難如登天。傳統的機器人開發往往是專機專用，比如掃地機器人只能掃地，機械臂只能擰螺絲。一旦環境變化，代碼就需要重寫。

Skild AI 試圖打破這一魔咒。他們正在構建一個通用的機器人基礎模型——Skild Brain。這其中的核心邏輯是 Scaling Laws 在物理世界的復刻。正如 OpenAI 通過喂給模型海量文本從而誕生了 ChatGPT，Skild AI 堅信，如果喂給模型海量的物理交互數據，機器人也能涌現出通用的運動智能。

據 Skild AI 宣稱，其模型訓練數據量是競爭對手的 1,000 倍，且數據來源多樣，包括互聯網視頻、仿真環境，以及真實機器人采集。他們先通過大規模仿真與人類視頻進行預訓練，再以目標場景下的真實機器人數據進行后訓練，以獲得穩定的能力。

這種“大腦”具備驚人的泛化能力，可適用于各種四足機器人、人形機器人、桌面機械臂、移動機械臂等，機器人可以執行各種任務，例如收拾餐具和上下樓梯。

（來源：Skild AI）

英偉達與軟銀為何押注 Skild AI？

對英偉達而言，押注 Skild AI 的核心動機在于補齊其“物理 AI”戰略中長期缺失的第三層——通用機器人操作系統。英偉達過去幾年構建的機器人技術棧，本質上是一個清晰的“三層結構”。

最底層是算力基座。無論是 H100/H200/B200 這樣的訓練端 GPU，還是面向端側執行的 Jetson Thor，它們都通過 CUDA 體系牢牢綁定全球開發者。這部分英偉達已形成事實壟斷。

第二層是工具鏈與仿真環境。Isaac Sim、Omniverse、CUDA 加速庫構成了機器人訓練和部署的數字工廠，是業界認可度最高、成熟度最強的工業級仿真平臺。幾乎所有具身智能創業公司都把 Isaac Sim 作為默認訓練場，這意味著英偉達已經掌握了模型訓練和策略開發的基礎設施話語權。

真正缺失的是第三層，也就是能夠跨形態、跨場景運行的通用機器人基礎模型。英偉達曾發布 GR00T 等示范性模型，用于吸引開發者，但并不是商業化大規模部署的核心產品。在模型層，英偉達依然沒有一個足以統領生態、能在全球千萬級機器人上運行的標準化大腦。Skild AI 的價值，正是要把這塊缺口補上。

換句話說，云端算力是英偉達的第一條增長曲線，而通用機器人基礎模型將成為第二條。投資 Skild，就是提前鎖定下一代 AI 操作系統的制高點。

軟銀的機器人布局一直頗具野心。早在十年前，它就高調推出情感機器人 Pepper，并相繼持有波士頓動力等公司，但這條路徑最終因為商業化遲緩而中斷。經歷沉浮后，孫正義在近兩年重啟機器人戰略。

這一戰略的底層框架，在軟銀過去一年的密集動作中已逐漸浮現。2024 年起，軟銀大舉推動 Arm 進入自動化、機器人等高增長領域，在計算架構層面打造統一標準；隨后又以逾 50 億美元收購 ABB 機器人業務，直接拿下全球最大的工業機器人生產體系之一；同時，軟銀還在積極構建 AI 數據中心與超算集群，試圖掌控未來機器人訓練與推理所需的底層算力。

但要讓這一整套基礎設施真正運轉，需要的是能夠運行在億級機器人上的通用大腦。這正是 Skild AI 的價值。

一旦 Skild 成為行業標準，它不僅將綁定 ABB 的全球部署能力，更可能成為整個機器人生態的應用入口。重倉 Skild AI，是軟銀試圖在物理世界復制當年投資阿里巴巴神話的一次豪賭。

巨頭為何開始瘋搶機器人基礎模型？

從英偉達與軟銀豪賭背后，可以一窺：市場正從對單一硬件本體的關注，轉向對通用基礎模型的爭奪。

在這一進程中，硬件本體如執行器、關節、傳感器等隨著供應鏈的成熟，將不可避免地陷入同質化競爭，操作系統層的價值卻會像 PC 時代的微軟、智能手機時代的 iOS/Android 一樣形成壟斷。

其次，Scaling Laws 正在進入物理世界。OpenAI 已證實，正確架構疊加海量數據會催生智能涌現。資本相信同樣的規律正在遷移到具身智能。而 Skild AI 通過構建超大規模的參數模型，利用海量的跨模態數據進行預訓練，從而實現智能的涌現。

（來源：Skild AI）

此外，具備通用泛化能力的機器人大腦，未來瞄準的是各類服務場景，包括搬運、分揀、流水線、配送乃至家庭服務。如果一個模型能讓機器人像人一樣執行任務，那么它賣的不是軟件，而是標準化、可規模化的勞動力。

Skild AI 能否撐起 140 億美元的估值，最終仍需在真實世界接受驗證：模型的泛化能力是否足夠穩定、推理成本能否壓低到商業可行區間、跨機器人平臺的適配是否真的如愿順暢。但幾乎可以確認的是，機器人行業的競爭重心正在從造更強的身體轉向打造統一的大腦。

英偉達與軟銀的下注，只是這場變革的序幕。

1.https://techfundingnews.com/softbank-and-nvidia-plan-1b-investment-in-skild-ai-at-14b-valuation/

2.https://www.linkedin.com/in/pathak22/

3.https://www.linkedin.com/in/abhinav-gupta-319193164/

4.https://siliconangle.com/2025/12/08/report-nvidia-softbank-invest-1b-robotic-brains-startup-skild-ai/

5.https://www.skild.ai/blogs/building-the-general-purpose-robotic-brain

6.https://www.nvidia.com/en-us/customer-stories/skild-ai/

7.https://techcrunch.com/2025/12/08/softbank-and-nvidia-reportedly-in-talks-to-fund-skildai-at-14b-nearly-tripling-its-value/

8.https://www.skild.ai/