试运行：收录范围与分类仍在校准，更新可能延迟。 最近内容更新：2026-11-04 17:28（北京时间）
外媒报道 Physical Intelligence 正洽谈新一轮融资，计划募集至少 10 亿美元，目标估值约 200 亿美元。该公司成立于 2024 年，此前已完成约 7000 万美元种子轮、4 亿美元、6 亿美元和约 10.5 亿美元融资，估值从 24 亿美元升至约 112 亿美元。
关注价值：对比 Physical Intelligence 与 Skild AI 两种商业化节奏，读者可据此判断机器人基础模型从演示走向付费部署的难点。
Skild AI 公布物理 AI 自博弈后训练结果：以旗舰机器人基础模型 S1 为底座、只给定“进球”这一目标，让策略在 NVIDIA Isaac Sim 中与自身近期版本对弈。
关注价值：这条结果把自博弈从数字 AI 带到人形机器人本体，读者可据此判断纯仿真自我对弈能否突破人类数据上限。
Skild AI 宣布年化经常性收入（ARR）突破 1 亿美元，首次商业部署至今约十个月，已累计确认收入 5000 万美元。公司称已有 60 多家付费客户，覆盖搬运、配送、巡检、安保、餐饮及仓库、工厂、数据中心场景，其中移动类业务占收入 10%（含收购 Zebra/Fetch Robotics 带来的 AMR 方案 4%），其余约 90% 来自操作类任务。
关注价值：Skild AI 两位创始人结合自身部署数据，说明以部署驱动研究与数据回流为何比演示更能决定机器人能否落地。
Skild AI 发布旗舰机器人基础模型 S1，该模型以视频演示作为任务提示，无需微调即可执行未见过、时长最长约 10 分钟的操作任务。官方称在 100k 小时预训练数据下，S1 在未见任务上的成功率为 66%，语言提示的 VLA 基线为 9%；在已见任务上 S1 达到 96%。单次演示的上下文学习效果约相当于 380 条后训练示范，后者需 50–100 小时遥操作采集。
关注价值：S1 用视频演示替代语言提示，并给出从 1k 到 100k 小时预训练数据的对比曲线，可供判断上下文学习路线与 VLA 路线的分歧。
Skild AI 宣布收购 Zebra Technologies 的机器人部门（原 Fetch Robotics），计划把其 omni-bodied brain 部署到仓储场景。
关注价值：Skild AI 通过收购获得已在物流环境验证的机器人平台，读者可据此判断通用机器人基础模型进入仓储的路径。
Skild AI 宣布与 ABB Robotics、Teradyne Robotics 旗下 Universal Robots 和 Mobile Industrial Robots 合作，将其 omni-bodied 的 Skild Brain 集成进这些厂商的机器人产品线，目标是在无需逐任务重新编程的情况下跨行业部署。
关注价值：Skild AI 与 ABB、UR、NVIDIA 的合作给出了通用机器人基础模型进入工业产线的具体路径与数据飞轮设想。
Skild AI 宣布完成 14 亿美元 C 轮融资，由 SoftBank 领投，NVentures（NVIDIA）、Macquarie Capital 相关实体和 Jeff Bezos（通过 Bezos Expeditions）参与。
关注价值：Skild AI 以超 140 亿美元估值完成 14 亿美元 C 轮融资，便于读者观察通用机器人基础模型的资本集中度。
Skild AI 发文提出用人类视频数据训练机器人技能，认为遥操作受限于场景多样性和实时采集速度，难以达到基础模型所需的数据规模。其模型通过观看视频微调学习新技能，只需不到 1 小时机器人数据，公司称这能改变机器人数据瓶颈。