Skild AI 融资 3 亿美元，用于扩展通用物理 AI 数据

Skild AI 已完成一项披露的 3 亿美元（https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/）A 轮融资，估值约为15 亿美元（https://www.bloomberg.com/news/articles/2024-07-09/bezos-softbank-back-robotics-startup-skild-ai-at-1-5-billion-valuation/），旨在解决行业最紧迫的瓶颈：物理世界高保真数据的稀缺性。本轮融资由 Lightspeed Venture Partners、Coatue 和软银集团领投，杰夫·贝索斯参投，旨在通过物理交互数据的“规模法则”创建能够驱动各种机器人硬件的基石模型。

物理数据的大转变

虽然大型语言模型（LLM）受益于互联网上大量易于获取的数据集，但物理人工智能需要一种根本不同的信息类别。Skild AI 的核心论点是，智能的下一个前沿在于“交互数据”——即机器与物理环境互动时产生的感官和运动反馈循环。与文本数据不同，这些信息无法从网络上抓取；它必须通过大规模模拟和真实世界的远程操作来生成。该公司旨在训练其Skild Brain，其数据量将是当前竞争对手的 1000 倍（https://techcrunch.com/2024/07/09/skild-ai-is-building-a-general-purpose-ai-brain-for-robots-with-300m-from-bezos-and-softbank/），从而将其定位为机器人行为资产的主要聚合者和处理器。

为机器人扩展基石模型

此次投资凸显了市场日益增长的信念，即通用机器人将遵循与生成式人工智能相同的扩展轨迹。通过将“大脑”（模型）与“身体”（硬件）分离，Skild AI 正在构建一种与硬件无关的数据资产。这使得该模型可以授权给从人形机器人到工业机械臂的各种制造商。这种方法直接借鉴了Physical Intelligence (Pi) 的策略，该公司最近获得了约4 亿美元（https://www.bloomberg.com/news/articles/2024-11-04/robotics-startup-physical-intelligence-raises-400-million-from-bezos-openai/）的融资，以追求类似的“通用型”数据路径。对投资者而言，价值不在于机器人本身，而在于能够优化模型预测能力的专有物理故障和成功数据集。

世界模型竞争格局

随着专业数据提供商成为新的关键参与者，“世界人工智能”的竞争日益激烈。除了 Skild AI，像 Wayve 这样在今年早些时候融资了 10.5 亿美元（https://wayve.ai/news/wayve-series-c/）的公司，正专注于自动驾驶系统的“具身人工智能”。这些公司越来越争夺有限的高质量传感器数据池，导致了专门用于处理物理世界多模态输入的专用硬件（https://www.forbes.com/sites/kenrickcai/2024/06/25/etched-funding-120-million-sohu-chip-nvidia-competitor/）激增。随着 Skild AI 的扩展，其通过许可协议将其专有数据货币化的能力将是其长期企业价值的主要衡量标准。

这对数据所有者意味着什么

对于工业、物流和传感器数据的所有者来说，Skild AI 的融资标志着可寻址市场的巨大扩张。我们正从数据货币化的“文本时代”迈向“交互时代”。物理运动的专有数据集、自动化仓库的错误日志以及自动驾驶车队的が高分辨率遥测数据不再仅仅是运营的副产品——它们是下一代通用人工智能的高辛烷值燃料。能够构建和许可这些物理交互资产的数据所有者，随着对“世界就绪”训练数据的需求超过供应，将能够获得显著的溢价。