新一轮融资与估值跃升 - 软银集团与英伟达正商谈参与Skild AI规模超过10亿美元的新一轮融资 [2] - 若融资成功，Skild AI的估值将增至140亿美元，较其今年6月B轮融资时的47亿美元估值高出近两倍 [1][2] - 此轮融资预计将在圣诞节前完成，谈判仍在进行中，部分细节可能变化 [2] 公司技术与业务模式 - Skild AI成立于2023年，由前Meta AI研究人员创立，专注于为各种形态的机器人开发通用AI模型（“大脑”），而非制造硬件 [4][5] - 公司于今年7月发布了首个通用AI模型，该系统能够适应从仓库物流到家务劳动的广泛环境和任务 [5] - 作为英伟达的合作伙伴，Skild AI借助其加速计算基础设施开发了机器人基础模型Skild Brain，该模型能适应新机器人形态且无需或只需极少后训练即可掌握新技能 [5] - 通过英伟达基础设施，Skild AI开发出成本仅为4000美元至15000美元的机器人，而传统机器人系统需要25万美元以上的投资 [5] 行业趋势与市场前景 - 投资者对人形机器人公司的兴趣激增，AI的进步使此类机器人越来越能够执行复杂任务 [2] - 据CB Insights数据，2025年机器人领域融资规模有望达到23亿美元，是去年总额的两倍 [3] - 高盛估计，到2035年全球人形机器人市场规模可达380亿美元 [3] - 软银CEO孙正义认为，未来十年内“至少10%”的全球GDP将被超级智能和物理AI机器人替代 [3] 主要投资者动态 - 软银CEO孙正义将机器人业务视为其战略规划的关键部分，公司于今年10月以54亿美元收购了瑞士工程集团ABB的机器人业务 [3] - 孙正义表示，出售英伟达股份是为了筹集资金投资OpenAI和其他机会，软银需在年底前向OpenAI支付225亿美元以增持股份 [3] - 英伟达是Skild AI的投资者与合作伙伴，参与了其今年6月的B轮融资 [2][5] 政府政策与产业竞争 - 美国商务部长卢特尼克近期频繁会见机器人行业CEO，全力支持该行业加快发展 [1][2] - 特朗普政府正考虑在明年发布一项关于机器人的行政命令 [1][2] - 美国交通部在准备宣布成立机器人工作组，可能在年底前公布 [7] - 国际机器人联合会估计，截至2023年，中国工厂内拥有180万台工业机器人，是美国的四倍 [7] - 行业正推动美国政府提供税收优惠或联邦拨款，以帮助整合先进自动化技术并强化供应链 [7] 行业领袖观点 - 软银CEO孙正义强调，改变世界的将是“具身化到机器人中的物理AI”，而非机械机器人 [3] - 特斯拉CEO马斯克认为，由AI驱动的机器人提高生产率和产出，是解决超过38万亿美元美国债务的唯一途径 [8] - 马斯克估计，在大约三年或更短时间内，AI和机器人技术将重塑经济和货币体系 [8] - 估值50亿美元的美国人形机器人公司Apptronik CEO表示，美国需要制定国家机器人战略以保持竞争力 [8]

Skild AI新一轮融资与估值跃升 - 软银与英伟达正商谈参与Skild AI规模超10亿美元的新一轮融资 若成功 公司估值将增至140亿美元 [1][3] - 此轮融资估值较2024年6月B轮融资时的47亿美元高出近两倍 当时B轮融资5亿美元 由软银领投 英伟达等参投 [1][3] - 谈判预计在圣诞节前完成 软银对Skild AI在试点项目中展示的技术印象深刻 [3] 行业巨头战略布局与市场前景 - 软银CEO孙正义视“具身化到机器人中的物理AI”为改变世界的关键 软银于2024年10月以54亿美元收购了ABB的机器人业务 [5] - 孙正义预测未来十年内AI将比人类聪明得多 至少10%的全球GDP将被超级智能和物理AI机器人替代 [6] - 机器人领域投资需求激增 CB Insights预计2025年该领域融资规模达23亿美元 是2024年的两倍 高盛估计到2035年全球人形机器人市场规模可达380亿美元 [6] - 英伟达是Skild AI的合作伙伴 为其提供加速计算基础设施 Skild AI借助该设施开发了机器人基础模型Skild Brain [8] Skild AI公司技术与融资历程 - Skild AI成立于2023年 由前Meta AI研究人员创立 专注于为各种形态的机器人开发通用AI模型（即“大脑”）而非硬件 [7] - 公司于2024年7月发布首个通用AI模型 声称能适应从仓库到家务的广泛任务 其技术可将机器人开发成本降至4000至15000美元 远低于传统系统所需的25万美元以上 [7][8] - 公司A轮融资于2023年以15亿美元估值筹集3亿美元 投资者包括贝索斯、软银等 [7] 美国政府政策与行业推动 - 美国商务部长近期频繁会见机器人行业CEO 全力支持该行业加快发展 特朗普政府考虑2025年发布关于机器人的行政令 [1][3][4] - 美国交通部准备在2024年底前宣布成立机器人工作组 国会也有立法努力旨在支持机器人产业发展 [10] - 行业推动政府介入 希望获得税收优惠或联邦拨款以整合先进自动化技术并强化供应链 [11] 行业竞争格局与领军者观点 - 国际机器人联合会估计 截至2023年中国工厂拥有180万台工业机器人 是美国的四倍 多国已制定国家机器人计划 [10] - 估值50亿美元的美国人形机器人公司Apptronik CEO呼吁制定国家机器人战略以保持竞争力 其开发的Apollo机器人已在汽车工厂运营 [11] - 特斯拉CEO马斯克认为 AI驱动的机器人提高生产率是解决美国超过38万亿美元债务的唯一途径 并预计约三年内相关技术将重塑经济体系 [11]

公司融资与估值动态 - 软银与英伟达正洽谈牵头对Skild AI进行一轮逾10亿美元的投资 对该公司的估值约为140亿美元 [1] - Skild AI上一次估值为47亿美元 于今年5月完成了一轮5亿美元的融资 由软银领投 LG技术风投 三星 英伟达等机构参与投资 [3] - 另一家机器人基础模型公司Physical Intelligence近期完成了6亿美元融资 估值达56亿美元 本轮融资由CapitalG领投 [4] - 人形机器人公司Figure于今年9月完成了一轮超10亿美元的融资 估值高达390亿美元 [4] - 人形机器人开发商1X据报也在洽谈一轮最高达10亿美元的融资 估值约为100亿美元 [4] 公司业务与技术 - Skild AI是一家致力于构建基础机器人模型的软件公司 不开发自有硬件 专注于打造一种适配不同机器人的基础模型 [3] - 该公司于今年7月发布了其通用机器人模型"Skild Brain" 并展示了相关视频 内容包括机器人拾取餐具 上下楼梯等操作 [3] - Skild AI已与LG CNS及慧与科技建立了战略合作关系 以共同构建其生态系统 [3] - Physical Intelligence同样专注于为各类机器人开发"大脑" 但其模型据一位投资者表示仍处于早期开发阶段 [4] 行业趋势与投资者情绪 - 投资者对人工智能机器人领域的兴趣正持续升温 [4]

投资动态 - 软银集团与英伟达正牵头对Skild AI进行超过10亿美元的投资 公司估值达140亿美元[1] - 此次潜在投资距公司上一轮融资仅数月 2024年5月公司以47亿美元估值融资5亿美元 由软银领投 LG Technology Ventures 三星 英伟达等参与[2] - 行业内其他AI机器人公司近期亦获大额融资 Physical Intelligence公司以56亿美元估值融资6亿美元 由CapitalG领投[4] Figure公司以390亿美元巨额估值融资超10亿美元[5] 1X公司据传正洽谈以100亿美元估值融资高达10亿美元[5] 公司业务与战略 - Skild AI专注于开发机器人基础模型 而非专有硬件 其模型具有机器人无关性 可针对不同类型机器人和用例进行定制[3] - 公司于2024年7月发布了通用机器人模型Skild Brain 演示视频展示了机器人执行拾取餐具和上下楼梯等任务[3] - 公司已与LG CNS和慧与建立战略合作伙伴关系 以开发生态系统[3] 行业趋势 - 投资者对AI机器人领域的兴趣持续增长[4] - 尽管获得高额融资 部分公司的技术模型仍处于早期开发阶段 有投资者因此评估后未对Physical Intelligence进行投资[4]

融资与估值 - 软银集团与英伟达据报正洽谈参与Skild AI一轮超过10亿美元的融资轮次 [1] - 此轮融资若完成 将使Skild的估值从今年早些时候的47亿美元飙升至约140亿美元 实现近三倍增长 [2] - Skild在B轮融资中筹集了5亿美元 估值达47亿美元 去年A轮融资3亿美元 估值15亿美元 [2] 公司技术与产品 - Skild AI致力于开发用于机器人的基础模型 旨在成为适用于各种机器人、场景和任务的“共享通用大脑” [3] - 其模型“Skild Brain”可运行在几乎任何机器人上 使机器人能像人类一样思考、运作和响应 [5] - 公司通过针对性现实世界数据对基础模型进行后训练 为客户提供可工作的解决方案 [5] - 与专为特定应用设计的模型不同 其技术旨在使低成本机器人能广泛应用于各行业和领域 [3] 战略愿景与市场定位 - 公司联合创始人提出 通用机器人能在任何环境中安全执行任何自动化任务 从而扩展机器人能力、降低其成本并支持严重人手不足的劳动力市场 [4] - 英伟达在5月发布了70多篇研究论文 推进其在制造业、生物技术和运输等行业的“具身智能”AI研究 [6] - 软银集团于10月宣布计划以53.75亿美元收购ABB的机器人业务 以补充其在AI和机器人领域的现有投资 [6]

文章核心观点 - 具身智能领域“通用机器人大脑”赛道正成为全球资本与技术竞争的新焦点，以Physical Intelligence (PI)和Skild AI为代表的公司正通过不同的技术路径（真实世界训练 vs. 大规模仿真）和商业模式（纯软件平台 vs. 垂直场景切入）竞逐未来主导权 [2][5][9][17][18][21] - 中国创新力量如千诀科技等公司正在快速崛起，其技术路线和平台化战略与PI高度对齐，标志着围绕机器人“大脑”的全球竞赛已拉开帷幕 [9][21][22] - 行业当前存在“大脑”（高级认知）与“小脑”（运动控制）发展不均衡、“数据与硬件耦合度”以及“软硬一体”与“纯大脑”平台化路线的核心争论，2025年被视为人形机器人从“演示价值”走向“实用价值”的关键分水岭 [29][30][25][26][35] Physical Intelligence (PI) 公司概况 - **融资与估值**：公司在最新一轮（A轮）融资中获6亿美元，估值从20亿美元跃升至56亿美元（约396亿元人民币），成为赛道估值最高的玩家 [2] - **投资方**：本轮由Alphabet旗下CapitalG领投，现有投资者Lux Capital、Thrive Capital、杰夫·贝索斯加码，新晋投资方Index Ventures与T. Rowe Price参与，OpenAI也是其早期投资者 [2][3] - **团队背景**：组建了来自Google DeepMind、加州大学伯克利分校、谷歌、特斯拉、斯坦福大学等机构的“全明星团队”，学术与产业深度融合 [4] - **技术路线**：坚持“软件先行”和“真实世界训练”策略，旨在打造不依赖特定硬件的“通用机器人大脑”，让一个模型控制不同机器人本体成为可能 [5][17] - **核心理念**：提出“世界多样性被高估了”，认为实现通用智能需要精心挑选的、高质量的真实操作数据，而非无限多样的数据 [19] - **最新成果**：发布新一代机器人基础模型π*0.6，引入RECAP训练方法，在制作咖啡、折叠衣物、组装纸箱等复杂任务中成功率突破90% [6][8] - **商业模式**：坚守平台化梦想，致力于成为纯粹的“机器人大脑”供应商，赋能各种机器人硬件，模式类似机器人领域的“OpenAI”或“Android系统” [21][34] Skild AI 公司概况 - **融资与估值**：在两年内完成三轮融资总额超4亿美元，估值从2024年7月A轮的15亿美元跃升至2025年6月的45亿美元（约318亿元人民币），一年内翻了三倍 [13] - **投资方**：投资方阵容包括软银集团、贝佐斯、红杉资本、光速创投、Coatue、英伟达、三星以及卡内基梅隆大学等 [14][15] - **技术路线**：全力构建超大规模仿真训练场，已完成“相当于一千年”的机器人仿真训练，相信规模定律适用于机器人学习 [18][19] - **能力展示**：展示了出色的抗损伤与自主恢复能力，在腿部关节严重受损后能快速调整步态继续任务 [20] - **商业模式**：选择从垂直场景突破的务实路线，已明确将工业安防和巡检机器人作为首个商业化落地点，追求快速产生收入 [21] 中国代表公司：千诀科技 - **公司定位**：国内少数几家只专注于研发通用“机器人大脑”的公司，由清华自动化系类脑中心孵化，旨在打造能跨形态、跨环境、跨任务部署的通用机器人大模型 [22] - **技术路线**：技术上对标PI核心成员Sergey Levine的研究，坚持独特的“类脑分区”路线，模仿人脑功能区协同工作以实现长时程自主工作能力 [22] - **商业模式**：与PI一致，通过打造“脑坞”等端侧计算方案为硬件厂商提供大脑能力，自身不制造机器人本体，商业化路径清晰：先家庭，后服务，最后进入工厂 [22] - **商业进展**：其具身大脑已在家庭服务、物流配送、商业运营等多个场景运行，与7类不同形态的具身机器人公司达成商务合作 [22][23] - **融资情况**：已完成多轮融资，投资方包括钧山投资、祥峰投资、德同资本、英诺天使基金、水木清华校友种子基金等 [23] 行业技术路线与争论 - **软硬一体 vs. 纯大脑平台**： - **软硬一体派**（如特斯拉、Figure AI）：认为为特定机械结构优化的控制模型具有高度专属性，“数据跟着本体走”，自研大脑和本体是保证性能与打造壁垒的务实选择 [25][26] - **纯大脑平台派**（如PI、千诀科技）：押注通用平台价值，致力于打造可跨本体通用的机器人大脑，模式类似“Android系统” [21][34] - **数据来源与训练方法之争**： - **真实世界训练**（PI）：认为必须在真实物理环境中学习和验证，注重数据质量和有效性 [17][19] - **大规模仿真训练**（Skild AI）：通过仿真整合海量数据，让机器人在短时间内经历数百万次失败学习 [18][19] - **视频数据预训练**（智源研究院思路）：认为通过观看海量互联网视频可先建立对物理世界的通用理解，再适配不同机器人本体 [27] - **“大脑”与“小脑”发展现状**：行业面临“小脑”（运动控制）相对成熟，但“大脑”（高级认知）发展滞后的困境，导致许多机器人硬件能力强但智能水平低 [29][30] - **主流技术架构**：“大小脑”分层架构成为当前主流折中方案，即“大脑”负责认知规划（追求通用化），“小脑”负责运动控制（与硬件结合紧密） [33] - **前沿探索方向**：如“具身神经智能”概念，旨在用一个统一模型处理感知、认知和运动控制，模仿人类“全脑”工作方式，从根本上解决协同难题 [33] 行业生态与竞争格局 - **全球主要玩家**：除PI和Skild AI外，中国公司如千诀科技、智平方、自变量机器人等也在快速崛起，构成全球竞争格局 [9][37] - **商业化路径差异**：短期看，从垂直工业场景切入（如Skild AI）可能更快产生收入；长期看，通用平台模式（如PI）若走通则想象空间更大 [21] - **发展关键节点**：随着硬件成本快速突破和大模型技术加速渗透，2025年被视为人形机器人从“演示价值”走向“实用价值”的关键分水岭 [35] - **竞争核心**：谁能更快破解数据与机器人本体之间的耦合难题，谁就能在智能体进化竞赛中占据先机 [36]

公司概况与融资 - 公司是卡内基梅隆大学的衍生公司，成立于2023年5月，致力于构建可安装到各种机器设备上的通用人工智能系统，即“通用大脑” [5] - 公司在两年内完成三轮融资，总额超过4亿美元，估值从2024年7月A轮的15亿美元跃升至2025年6月的45亿美元，一年内翻了三倍 [6] - 投资方阵容包括软银集团、贝佐斯、红杉资本、光速创投、Coatue等顶级机构，卡内基梅隆大学也作为战略投资者入场 [6] 创始团队与技术愿景 - 两位创始人均为卡内基梅隆大学教授，在机器人领域有十余年积累，团队成员多来自Meta、特斯拉、英伟达及顶尖高校 [8] - 公司的长期目标是开发扎根于物理世界的通用人工智能，以打造通用、灵活、智能的人形机器人产品 [8] - 公司的技术核心是构建名为Skild Brain的基础模型，旨在实现“任何机器人、任何任务、一个大脑”，以解决传统机器人行业控制器碎片化的问题 [9][10][11] 技术突破与性能展示 - 通过创建包含十万台不同机器人的模拟环境并进行长达一千年的模拟训练，逼出了真正通用的“大脑” [11] - 测试显示该大脑具备强大的适应能力，包括机器人腿被锯断后能用残肢爬行、关节锁死后重新规划步态、轮子卡住时切换为步行模式等 [12] - 在公布的演示视频中，一台四足机器人的四条腿被全部锯断后，依然能依靠躯干和残肢继续前进 [1][14] 核心竞争壁垒 - **技术壁垒**：通过LocoFormer技术，模型能利用“跨回合长上下文”记忆过去的操作经验，其上下文窗口长度是多数机器人控制策略的百倍以上 [16][17] - **数据壁垒**：通过仿真训练、真实机器人数据回灌以及从人类在线视频中提取行为模式，构建了“部署→数据→优化→再部署”的数据飞轮，解决了行业数据稀缺痛点 [18][19][20] - **生态壁垒**：顶级资本和产业伙伴提供了远超资金的支持，如亚马逊提供物流场景、HPE解决算力、软银提供全球供应链资源，形成了纯创业公司难以复制的组合 [21][22] 商业化进展与成本优势 - 2025年3月与HPE合作解决算力难题，同年7月与LG CNS合作，瞄准物流和工业场景，探索模型授权模式 [24] - 在匹兹堡的测试中，机器人能在收集数据后的几个小时内实现60%-80%的任务性能 [26] - Skild Brain能适配低成本硬件，成功在价值4000至15000美元的机器人系统上部署，而传统定制系统成本超过25万美元，展现出显著的成本优势 [26] 行业意义与前景 - 公司的核心价值在于用共享基础模型解锁了机器人在物理世界的“涌现能力”，这与过去不可扩展的“单点控制器”有本质区别 [28] - 该技术意味着工业生产线上的机器人容错性更高，灾难救援机器人受损后仍能工作，消费级市场可通过“换壳”大幅降低成本 [28] - 公司被视为可能让所有机器人共享智能的“底层操作系统”，代表了机器人“大脑革命”的开端 [27][28]

核心技术突破 - 提出名为Skild Brain的通用机器人大脑概念，其核心是与机器人身体解耦，可独立适应[3][4] - 控制策略分为高频与低频两个层级，高层负责规划导航，低层负责将策略转化为关节扭矩和角度，并能在不同机器人之间迁移[6] - 系统通过大规模模拟训练实现能力，构建包含1万种不同机器人形态的虚拟宇宙，模型在其中进行了相当于1000年的模拟时间训练[13] 核心能力与特点 - 具备强大的在线自适应机制，能实时感知身体状态（如腿僵住、电机卡住）并立刻调整控制策略[14] - 拥有非凡的长时记忆力，其上下文窗口比多数机器人控制策略长一百倍以上，能记住过去更长时间的反馈和动作轨迹[17] - 展现出“零样本”适应能力，能在训练集中未包含的极端损伤场景（如断肢、关节锁死）下快速找到可行的行动方式[8][9] 技术实现路径 - 融合强化学习路径，模型在模拟世界中不断尝试、失败、优化，并结合长时记忆实现快速修正[13] - 具备迁移与泛化能力，旨在实现“一次学习，处处可用”，可跨不同机器人形态和任务操作[13] - 通过将硬件故障从致命伤转变为可“绕道继续”的挑战，实现了机器人控制范式的一次跃迁[6][12] 应用场景与潜力 - 在工业领域可大幅提升效率，生产线上的机器人不必因小故障就全线停机，能带伤工作至维护窗口[21][22] - 在灾难救援中价值直观，即使机器人“残肢断臂”也能在恶劣条件下继续执行搜救任务[23][24][25] - 潜在应用于军事领域，提升设备在战损后的续航力与生存力，以及在消费级市场实现一个大脑多用途以摊薄成本[26][27]

文章核心观点 - 具身智能已成为全球新焦点 打造通用本体和大脑是创业公司、资本和产业界高度关注的突破方向[2] - 文章旨在全面梳理具身大脑领域国内外知名公司 分析其技术特点、产品布局和应用场景 为行业提供全景图[2] - 重点关注开发机器人"大脑"系统的企业 包括具身大模型、多模态感知决策系统等[3] 国内公司分析 自变量机器人 - 公司成立于2023年 聚焦"通用具身大模型"研发 以真实世界数据为主要来源构建具备精细操作能力的通用机器人[6] - 技术路线偏向"大脑" 坚持走端到端的具身通用大模型路线 成立不到两年已完成8轮融资[6] - 代表成果包括2024年10月推出的WALL-A模型 为全球目前最大参数规模的具身智能通用操作大模型Great Wall系列成员 能整合视觉、语言与运动控制信号实现感知到执行完整闭环[6] - 另一成果为开源具身智能基础模型Wall-OSS 具备强大泛化性和推理能力[6] 星海图 - 公司于2023年9月成立 专注于提供智能导航等大脑相关技术方案 坚持"一脑多形"理念[6] - 通过构建环境地图、路径规划等功能 为机器人在复杂环境中自主行动提供支持[6] - 代表成果为具身基础模型EFM-1 采用"快-慢双系统"模型架构 实现从感知理解到控制的闭环决策[6] 优必选 - 公司成立于2012年 是全球人形机器人商业化领导者 拥有全栈自研能力包括运动控制、关节模组、AI-Embodied系统等[10] - 作为国内人形机器人领域标杆企业 已在全球市场建立广泛品牌影响力和市场份额[10] - 代表成果为2025年自主研发的百亿参数基座多模态大模型Thinker 在机器人感知与规划领域三大国际权威基准测试中斩获四项全球第一[10] - 技术成果包括3D扩散策略DP3 仅需10次人类演示即可让机器人学会复杂操作任务 真实场景成功率高达85%[10] - 空间智能引擎RSR为全球首个real2sim2real引擎 实现低成本三维环境重建与仿真训练[10] 智元机器人 - 公司成立于2023年2月 聚焦AI与机器人深度融合 致力于打造世界级领先的通用具身智能机器人产品及应用生态[10] - 代表成果为2025年3月发布的智元启元大模型 基于Vision-Language-Latent-Action架构 融合多模态大模型与混合专家技术[10] - 该模型具有小样本快速泛化能力 任务成功率较市面模型提升32% 支持"一脑多形"的跨本体应用[10] - "具身智脑"分层系统包括云端超脑、大脑、小脑、脑干等部分 形成完整控制体系[10] 银河通用 - 公司成立于2023年5月 为核心技术与产品构建了三大技术壁垒 在合成数据驱动的多模态大模型方面自主研发全球首个"通用具身大模型"[10] - 采用"大脑+小脑"协同框架[10] - 代表成果包括全球首个端到端具身抓取基础大模型GraspVLA 展示无需大规模真实数据、仅通过合成数据达到基础模型预训练的能力[14] - GroceryVLA模型为首款面向零售商业化的端到端大模型 支持复杂零售场景下的精准商品识别与取送[14] - TrackVLA为产品级纯视觉端到端导航大模型 支持自然语言指令驱动 具备零样本泛化能力[14] 千寻智能 - 公司成立于2024年 为国内领先的AI+机器人全栈生产力级技术能力的具身智能公司 团队成员来自顶尖高校和知名企业[14] - 代表成果为Spirit V1 VLA模型 是国内首个攻克柔性物体长程操作难题的AI模型 通过视觉-语言-动作融合实现自然语言指令驱动的复杂任务[14] 星动纪元 - 公司由清华大学交叉信息研究院孵化 研发具身智能以及通用人形机器人技术和产品 聚焦通用人工智能前沿应用[14] - 代表成果为端到端原生机器人大模型ERA-42 是国内首个端到端原生具身大模型 支持机器人完成超过100种动态任务[14] - 该模型通过视频训练快速学习技能 降低数据采集成本 实现跨任务、跨本体迁移[14] 逐际动力 - 公司聚焦具身智能机器人研发与制造 围绕本体硬件设计制造、基于强化学习的全身运动控制、具身大脑训练范式三大核心技术构建具身Agent开发工具链[14] - 代表成果包括LimX VGM具身智能操作算法 利用视频生成技术推动具身大脑突破[14] - LimX DreamActor为全新具身智能训练范式 首次实现Real2Sim2Real、模仿学习和真机强化学习的深度结合[15] 穹彻智能 - 公司聚焦"以力为中心"的具身智能大模型和相关基础设施研发 为不同行业提供通用机器人智能解决方案[18] - 穹彻具身大脑结合先进算法和数据支持 具备指令推理、任务规划、物体分类、环境感知、自主导航等全闭环能力[18] - 代表成果穹彻具身大脑由实体世界大模型和机器人行为大模型组成 Noematrix Brain 2.0新增实体概念学习能力 支持3D模仿学习框架和视-触觉融合网络[18] 智源研究院 - 成立于2018年11月 核心目标是聚焦人工智能原始创新和核心技术 推动人工智能理论、方法、工具、系统和应用取得变革性、颠覆性突破[18] - 代表成果RoboBrain 2.0是新一代具身视觉-语言基础模型 以70亿和320亿参数的两种规格实现感知、推理与规划能力统一[18] 国外公司分析 Figure AI - 公司成立于2022年 总部位于美国硅谷 致力于开发具备人工智能能力的人形机器人以解决劳动力短缺、危险工作环境和老龄化社会等问题[21] - 代表成果Helix为通用视觉-语言-动作模型 采用独特"双系统"AI架构模仿人类"直觉"和"思考"的认知模式[21] Physical Intelligence - 公司成立于2023年1月 为美国具身大脑初创公司 专注于开发能为各类机器人和机器添加高级智能的软件[24] - 目标创建通用机器人系统的人工智能 将用于构建语言模型的技术与控制和指导机器的技术相结合[24] - 代表成果包括2024年10月31日发布的首个机器人通用基础模型π0 以及近期新开源的π0.5模型 后者采用"知识隔离"训练方法提升开放世界场景泛化能力[24] 谷歌DeepMind - 由DeepMind和Google Brain于2023年合并而成 聚焦通用人工智能研究 致力于开发能理解和适应物理世界的智能系统[24] - 代表成果Gemini Robotics基于Gemini 2.0的视觉-语言-动作模型 可直接控制机器人执行复杂任务 具备通用性、交互性和灵巧性[24] - Gemini Robotics-ER专注于具身推理 Project Astra为概念AI助理 集成Gemini技术通过摄像头和传感器理解物理环境[24] 英伟达 - 全球领先图形处理器设计公司 已发展为涵盖芯片设计、系统平台、软件生态、云计算服务、人工智能解决方案的全栈计算公司[24] - 代表成果Eureka系统基于GPT-4打造 可自动训练实体机器人动作指令 支持30余种复杂动作 具备零样本生成、编写代码和语境改进等能力[24] - GR00T N1开源模型采用双系统架构 包括快速反应的"系统1"和认知决策的"系统2" 实现接近人类运动控制能力[25] Skild AI - 美国领先机器人"大脑"研发企业 目标研发通用机器人操作系统 帮助机器人理解不同应用场景并驱动机器人自主实现智能精细化操作[28] - 代表成果Skild Brain通过摄像头图像和关节反馈直接控制机器人动作 采用分层架构适用于各种四足机器人、人形机器人、桌面机械臂、移动机械手等[28] Covariant - 专注于为机器人构建基础AI模型的公司 技术依赖于机器人与现实世界的交互产生的体验和反馈[28] - 代表成果RFM-1为世界上首个基于真实任务数据训练的机器人大模型 是参数80亿的transformer模型 支持任何模态输入、预测任何模态输出[28] 知名团队研究 - Meta和CMU联合打造RoboAgent 核心在于多任务动作分块Transformer架构 通过在现有机器人经验基础上创建多样化语义增强集合来倍增离线数据集[30] - Stanford李飞飞团队VoxPoser核心思想是利用VLM和LLM常识知识 借助模型生成代码将常识知识映射到三维空间供运动规划器使用 实现零样本合成日常操纵任务轨迹[30]

核心技术：Skild Brain - 开发出一种名为Skild Brain的通用机器人控制大脑，其核心能力是即使机器人面临肢体断裂、马达卡住等未知故障，也能使其动起来[1][9] - 该大脑在一个包含十万种机器人姿态的虚拟环境中训练了相当于一千年的时间才得以成型[4] - 模型的控制能力是涌现出来的，从未在目标机器人上进行过训练，具备强大的泛化能力[5] 技术原理与创新 - 与传统针对特定机器人训练的控制器不同，该技术旨在找到适用于所有机器人的通用策略，而非记住固定解决方案[8][12] - 大脑具备非凡的记忆力，其上下文窗口比大多数机器人控制策略的内存长了100多倍，使其能从失败中进行快速上下文学习[17] - 在模拟测试中，大脑能在数秒内适应肢体缩短、关节故障等突发状况，并成功实现行走，而专用控制器则彻底失败[18][19][20] 应用场景与性能 - 能够处理踩高跷、适应外力、负载重物等复杂情况，并能完成放置碗碟等精细动作[3][4] - 面对轮式四足机器人车轮锁定的故障，大脑能自动切换到类似双足机器人的行走步态，并在故障解除后切换回更高效的滚动模式[21] - 在将四足机器人置于直立位置的测试中，大脑能将其当作人形机器人控制，并快速判断身体类型以稳定姿态[14][15] 公司背景与融资 - Skild AI创立于2023年，总部位于宾夕法尼亚州匹兹堡，拥有约6名员工[25] - 公司由Deepak Pathak和Abhinav Gupta两位创始人领导，二人在机器人、计算机视觉等领域学术背景深厚，引用指数（h-index）分别为52和117[26][27][28] - 自成立以来，公司共完成种子轮、A轮和B轮融资，筹集总额达4.14亿美元，其中2024年7月A轮融资3亿美元，2025年6月B轮融资1亿美元，目前估值已达45亿美元[29] 行业愿景与定位 - Skild AI旨在开发适用于不同硬件和任务的自适应AI大脑，认为未来可靠的AGI必须依靠适应世界的能力，而非仅仅依靠记忆[24] - 公司确立了在人工智能机器人创新领域的领先地位，投资者包括软银、光速创投、英伟达、三星、红杉资本、亚马逊等顶级机构[29]