当ChatGPT用语言模型重构人机交互时，谁将成为物理世界的规则改写者？2023年5月成立的Skild AI，用15亿美元估值和3亿美元A轮融资给出答案——他们正在编写的，可能是机器人界的Linux内核。
资本狂潮：解码机器人界的"天价赌注"
Menlo Ventures、红杉资本、亚马逊及贝索斯个人基金的联合押注，让Skild AI的A轮融资成为机器人赛道年度标志性事件。这与OpenAI早期融资路径惊人相似：红杉资本合伙人将其称为"物理世界的Transformer时刻"，而亚马逊的参投直接锁定了物流机器人场景的优先落地权。
资本逻辑清晰可见：在数据稀缺的机器人领域，构建通用基础模型的价值链顶端地位。正如贝索斯基金投资经理所言，这并非单点技术投资，而是对下一代人机交互入口的抢占。
技术核爆：1000倍数据训练的"机器人大脑"
SkildBrain的颠覆性体现在三个维度：
- 数据规模：其训练数据集达到竞品的1000倍，整合远程操控数据、随机任务视频及公开素材，形成跨平台、跨场景的泛化能力基础。
- 零样本学习：在陌生环境操作未知物体的测试中，模型展现出类人的适应能力，预告片展示的越障场景即为例证。
- 参数效率：对比Physical Intelligence的3B参数π0模型，SkildBrain在模型规模与硬件适配间找到平衡点，为低成本机器人普及创造条件。
生态博弈：英伟达三星的"物理AI"卡位战
巨头布局揭示产业变革方向：
- 英伟达通过投资构建"芯片-算法-机器人"闭环，补充其GR00T模型生态；
- 三星的1000万美元投资着眼于传感器模组协同，为硬件平台寻找新场景；
- 亚马逊的物流场景成为首批试验田，验证模型在真实环境中的商业价值。
这种纵向整合正在加速"算法-硬件-场景"的闭环形成，正如Skild AI联合创始人Deepak Pathak强调："我们正在证明，单一共享模型可以服务任何机器人、任何任务。"
行业拐点：通用机器人还差几个GPT-3时刻？
三个关键问题决定商业化进程：
- 场景渗透：相比ChatGPT的快速落地，工业/家庭场景需突破安全认证、成本控制等现实壁垒；
- 算力阈值：CMU团队研究表明，机器人"涌现能力"需要更高算力支撑；
- 伦理边界：自主决策权限设定成为争议焦点，越障场景已引发责任归属讨论。
当Physical Intelligence、Covariant等初创公司同步崛起时，行业正迎来"具身智能的GPT-3时刻"。正如Pathak的宣言："这不是某个机器人的升级，而是整个物种的进化。"这场革命或许比预期来得更快——下个月的功能展示，将验证通用机器人大脑是幻想还是未来。
