Skild AI 获得 3 亿美元 A 轮融资，用于构建物理 AI 基础模型

Skild AI 已完成一项已披露的 3 亿美元（https://techcrunch.com/2024/07/01/skild-ai-robotics-funding-softbank-bezos/）A 轮融资，该机器人初创公司的估值估计为 15 亿美元（https://www.bloomberg.com/news/articles/2024-07-01/jeff-bezos-softbank-back-robotics-startup-skild-ai-at-1-5-billion-value）。这家总部位于匹兹堡的公司由卡内基梅隆大学前教授创立，代表着风险投资格局向“物理人工智能”（Physical AI）的重大转变——即开发能够驱动从人形机器人到工业机械臂等各种硬件的基础模型。本轮融资由 Lightspeed Venture Partners、Coatue 和 SoftBank Group 领投，Jeff Bezos 的 Bezos Expeditions 参投，这是迄今为止具身人工智能（embodied AI）领域最大规模的早期投资之一。

向具身智能数据转型

与依赖互联网规模文本的传统大型语言模型（LLMs）不同，Skild AI 正在为物理世界构建其所描述的“通用大脑”。这需要一种根本不同类型的数据资产：多模态传感器运动数据集，用于捕捉机器与物理环境的交互方式。通过对已披露的各种机器人数据量（https://www.forbes.com/sites/kenrickcai/2024/07/01/skild-ai-300-million-funding-bezos-softbank/）进行训练，Skild AI 旨在克服长期困扰机器人领域的“数据稀缺”问题。其模型旨在跨不同机器人配置进行泛化，从而有效地将人工智能“智能”与其所处的特定硬件分离。

这种方法与近期其他物理人工智能先驱的成功相似。例如，自动驾驶初创公司 Wayve 最近获得了已披露的 10.5 亿美元（https://www.reuters.com/technology/softbank-leads-1-billion-funding-uk-self-driving-startup-wayve-2024-05-07/）C 轮融资，以推进其在车辆领域的“具身人工智能”。两家公司都押注人工智能价值的下一个前沿不在于数字内容，而在于导航和操纵三维世界的能力。Skild AI 的融资进一步验证了高保真物理交互数据正成为世界上最有价值的专有资产类别的论点。

资本密集度与物理人工智能军备竞赛

Skild AI 融资的规模反映了获取、模拟和处理物理世界数据所需的巨大资本密集度。该公司在一个快速拥挤的领域竞争，其中包括 Figure AI，该公司今年早些时候获得了已披露的 6.75 亿美元（https://www.bloomberg.com/news/articles/2024-02-29/bezos-nvidia-join-openai-in-funding-humanoid-robot-startup-figure）融资；以及特斯拉，该公司继续利用其数百万辆汽车的车队作为其 Optimus 人形机器人项目的庞大数据收集引擎。这些公司的主要瓶颈不再仅仅是计算能力，而是高质量、已标记的“动作数据”的可用性——即展示机器人成功完成现实世界任务的序列。

除了纯粹的机器人技术，物理人工智能趋势正在扩展到专业领域。EvolutionaryScale 最近获得了已披露的 1.42 亿美元（https://www.reuters.com/technology/biotech-startup-evolutionaryscale-raises-142-mln-led-by-nat-friedman-daniel-gross-2024-06-25/）融资，以将基础模型应用于生物数据，将蛋白质的物理结构视为一种需要解码的语言。同样，国防科技公司 Helsing 最近获得了已披露的 4.5 亿欧元（https://www.reuters.com/technology/european-defense-tech-startup-helsing-raises-487-million-2024-07-02/）融资，以在物理国防平台部署人工智能。这些交易共同表明，“人工智能数据”市场正朝着弥合数字比特与物理原子之间鸿沟的资产发展。

数据许可新前沿

随着高质量训练数据需求超出公开可用性，许可协议正成为模型开发商的标准。OpenAI 最近与《时代》杂志（Time）（https://openai.com/index/time-and-openai-partnership/）签署了一项多年期许可协议，以访问其超过 100 年的档案；而据报道，YouTube 正在与各大唱片公司洽谈，以获取音乐用于人工智能训练数据（https://www.ft.com/content/13812821-2e5f-4a6c-95b7-7e6144e54a9d）。对于 Skild 这样的物理人工智能公司来说，许可新前沿可能涉及与物流巨头、制造商和传感器供应商的合作，这些供应商拥有大量未被充分利用的遥测数据存储库。

这对数据所有者意味着什么

对于工业、物流或生物数据的所有者来说，Skild AI 的融资是市场认可的明确信号。随着基础模型向物理领域发展，“真实世界”遥测数据的溢价正在飙升。能够提供高保真、时间序列物理过程数据（无论是仓库移动、化学反应还是机械故障）的数据所有者，不再仅仅是管理运营记录；他们掌握着下一代数十亿美元人工智能平台所需的核心燃料。从大型语言模型向物理人工智能的转变表明，未来 24 个月最有利可图的数据许可交易很可能发生在物理和通用人工智能领域，在这些领域，模拟和真实世界传感器数据是主要的护城河。