Skild AI 深度调研：CMU 机器人研究所孵化的通用机器人基础模型，1.4 亿美元 C 轮对应 140 亿美元估值，但 B 轮规模存在 1.35 亿与 5 亿的口径冲突

执行摘要

Skild AI, Inc. 是一家总部位于匹兹堡的公司，构建通用机器人基础模型，由卡内基梅隆大学机器人研究所孵化、2023 年成立。它是通用机器人模型这一波中融资最好、技术最扎实的公司之一，同时也是标题宣称与可核证据之间落差最大的公司之一。本报告认为这两个事实同等重要，不偏向其中任何一侧。

科学领导层是最强资产，而且可核。 首席执行官 Deepak Pathak 是卡内基梅隆的 Raj Reddy 副教授，UC Berkeley 博士，2017 年的好奇心驱动探索工作被引用 4000+ 次，2024 年入选 MIT Innovator Under 35，2025 年获 Sloan Research Fellowship。总裁 Abhinav Gupta 领导卡内基梅隆机器人研究所，是 Meta FAIR 创始成员，UMD 博士。两人此前在 Meta FAIR 共事。公司「在通用机器人模型上位置独特」这一论点，恰恰建立在这对组合上。

技术弧线有三个带日期的里程碑，且必须分开看，因为它们的承诺不同。 Skild Brain 于 2025-07-29 首发，被定位为跨多种机器人本体的层级控制器；2025-09-24 公司称已训练其控制10 万种机器人的宇宙。2026-03-19 宣布与 ABB Robotics、Universal Robots、NVIDIA 合作。2026-04-15 收购 Zebra Technologies 机器人事业部（含 Fetch Robotics 与 Symmetry Fulfillment）。S1 于 2026-08-18 到来，给出一个具体的上下文学习宣称：单次视频演示即可执行未见任务、最长约 10 分钟，执行期间模型权重冻结，训练数据为仿真 + 互联网人体视频 + 夹爪 + 少量遥操作。最具体的内部数字是未见任务步进成功率约 66%（对语言条件化基线 9%）、已见任务约 96%。2026-09-23 推出 Physical Self-Play：唯一目标=进球，策略在 NVIDIA Isaac Sim 中自我对抗相当于 140 模拟年后迁移至真机人形。

商业面是全档最强的量化证据，但需要仔细读。 2026-09-10 宣布年度经常性收入突破 1 亿美元，距首次商业部署仅 10 个月，付费客户 60+ 家，已确认收入 5000 万美元。构成很关键：mobility 约占收入 10%，其中 AMR 与被收购的 Zebra 业务占 4%，其余约 90% 来自 manipulation。最重要的注意事项是：1 亿美元 ARR 对 5000 万美元已确认收入是前瞻性 run-rate，而非已入账业务，两者之间的差额是在给这家公司估值时最该握住的一个数字。

融资规模巨大，而文档上有一个洞。 2024-07-09 Series A 3 亿美元 @ 15 亿美元估值，Lightspeed / Coatue / SoftBank / Bezos Expeditions 领投，红杉的 Stephanie Zhan 进入董事会。2025-06 Series B 由软银领投，NVIDIA 投 2500 万美元、三星 1000 万美元，韩国资方 LG / 韩华 / 未来资产各投 500 万–1000 万美元，估值约 45 亿美元。该轮规模有两种相差近四倍的口径：1.35 亿美元 与 5 亿美元，本报告不做调和。 2026-01-14 Series C 14 亿美元 @ 140 亿美元以上估值，软银领投，NVentures、Macquarie、Bezos Expeditions 参与，老股东加倍，LG、Schneider、CommonSpirit、Salesforce Ventures 新入。累计融资：官方与数据库口径 超 18 亿–18.3 亿美元，Pathak 称超 20 亿美元，逐轮相加约 22 亿美元。

可靠性方面的证据很薄，而公司自身似乎也清楚。 没有公布任何误差率、客户部署任务成功率或失效模式分类。 66% 是内部测试的步进级指标；Physical Self-Play 公告没有公布真机进球率——而那才是真正影响部署决策的数字。

竞争集是机器人领域资金最雄厚的一批。 Physical Intelligence、Google DeepMind（Gemini Robotics）、NVIDIA（GR00T）、Figure AI、1X 争夺同一批预算，且在若干情况下争夺同一批客户。Skild AI 的差异化在于：通用模型 + 不绑定单一机器人本体的基础模型训练路线 + 早于多数同行的商业化轨迹。

公司概览

Skild AI, Inc. 成立于 2023 年，总部匹兹堡，另设旧金山与班加罗尔（2026-02 增设）。公司由卡内基梅隆大学机器人研究所孵化，两位创始人就是该所的学术领导层：Deepak Pathak 任 CEO，Abhinav Gupta 任总裁。

创始人的履历是公司主张中最清晰的部分。 Pathak 2017 年的好奇心驱动探索研究确立了「智能体自身的『新颖感』可替代人工设计的外在奖励」，被引用 4000+ 次；2024 年入选 MIT Innovator Under 35，2025 年获 Sloan Research Fellow。Gupta 领导 Facebook AI Research 的机器人实验室、是 FAIR 创始成员，其团队在大规模视觉表征自监督学习上的工作早于当前这一波具身基础模型。「通用机器人模型既需要探索研究、又需要大规模表征学习」这个技术论点，在这个案例里是由做过这两件事的人提出的。

公司结构被一笔收购简化了。 2026-04-15 公司收购 Zebra Technologies 的机器人事业部，把 Fetch Robotics 与 Symmetry Fulfillment 平台纳入集团。这一动作在战略上有一面是自洽的（Fetch 曾是市场上最可信的移动操作栈之一），另一面是含混的——它带来的是一条业务线，而不是一项模型能力。

商业披露好于多数私营机器人公司，但仍不完整。 付费客户 60+ 家、1 亿美元 ARR（run-rate 口径）、5000 万美元已确认收入、收入构成为 mobility 约 10%、AMR 与被收购的 Zebra 业务约 4%、manipulation 约 90%。没有披露毛利率、没有客户集中度、没有留存或扩张数据，也没有 ARR 在新老客户之间的拆分。

员工数、现金余额、burn rate、员工股权、上市时间表均无公开信息。

常见误读警示：五处会改变结论的错误

1 亿美元的 ARR 不是营收。 公司 2026-09-10 宣布年度经常性收入突破 1 亿美元，同时报告已确认收入 5000 万美元。这是两个不同的量，两者之间的差额才是关键。 把 ARR 当作已入账营收，会把当前业务高估一倍。

Skild AI 不是从零开始造的人形机器人。 它在 2026 年 4 月收购了 Zebra Technologies 的机器人事业部。一家通过收购而非自研获得产品的公司，与全部内部自建的公司，风险特征并不相同；这笔收购还带来了 4% 的收入和一块与「模型优先」叙事并不覆盖的硬件邻接业务。

66% 是内部测试的步进成功率，不是部署成功率。 它来自公司自评的未见任务，且是步进级指标。没有任何客户部署成功率被公布，两者不可比。

140 模拟年是训练过程，不是运行记录。 Physical Self-Play 让策略在 NVIDIA Isaac Sim 内自我对抗，相当于 140 模拟年。其旁没有公布任何真机进球率，因此迁移结果目前只有定性描述。

Series B 不是一笔定义清晰的事件。 估值被一致报为约 45 亿美元，但金额有 1.35 亿与 5 亿两种口径。估值是两者中更可靠的数字，因为它出现在官方公告里。

技术分析

技术主张是：单一模型可以控制广泛范围的机器人本体、从极少量演示中学习新任务、并能通过对物理目标的自我对练改进自身行为。

Skild Brain（2025-07-29 发布）是层级控制层。 设计要点在本体广度：2025-09-24 公司称已训练该模型控制10 万种机器人的宇宙。真正有分量的是架构而不是那个计数——10 万种本体是关于「模型所运行的接口抽象」的一句话，而公开记录没有说明其中有多少种是在真机而非仿真上评估过的。2026-03 与 ABB Robotics、Universal Robots、NVIDIA 的合作把这一广度转化为商业通道：ABB 与 UR 是全球最大的两家工业机器人制造商，而 NVIDIA 是该领域主导的算力供应商。

S1（2026-08-18 发布）是上下文学习这一贡献，也是公司迄今技术含量最高的一项。 其机制是：模型权重冻结，新任务规格以「上下文」形式给入——对机器人而言就是一段视频演示，而不是一次新的训练。训练数据是仿真、互联网人体视频、夹爪画面与少量遥操作的混合。公布的内部数字是：未见任务步进成功率约 66%，对比语言条件化基线 9%；已见任务约 96%。

66% 这个数字需要仔细读，而不是庆祝。 它是未见任务上的步进级成功率，而其 9% 的对照是一个刻意偏弱的比较类——语言条件化基线，而不是当前最好的替代方法。真正有意义的参照系是：同一任务分布下，一个精心工程化的脚本行为或人类遥操作能达到什么水平，而这个对比从未公布。 一个冻结权重、靠上下文接入的体系，在未见任务上以步进计约有三分之二的成功率，是一项有意义的研究结果；但它还不是一条部署可靠性主张。

Physical Self-Play（2026-09-23）是方法论上最有趣、量化上最少的一项。 其设定刻意最简：唯一目标就是进球，策略在 NVIDIA Isaac Sim 内自我对抗训练，公司描述为相当于 140 模拟年，随后迁移到真机人形。它的吸引力在于免去了手工指定任务分布与奖励函数——而这正是机器人学习的主要扩展瓶颈。公布的数字里没有真机进球率，且该策略并非训练于跨多任务泛化，只是训练于「能进球」这一件事。

与物理的连接是真实的，但属间接。 Physical Self-Play 的仿真跑在 NVIDIA Isaac Sim 上，后者构建于 PhysX 与 Omniverse 物理栈之上。一家自我对练训练依赖第三方模拟器的公司，就继承了那个模拟器的保真度上限，而这个依赖是结构性的、不是表面的。更广地说，Skild AI 的贡献在学习与控制一侧，而非物理建模，这使它站在物理 AI 公司那条「模型侧」边界上，它不能替代求解器、网格生成器或多物理场软件。

产品与商业化

商业模式是「把基础模型当平台卖」，落地面为工业机器人、移动操作机器人与人形机器人。

已披露的收入图景是现有材料中最强的部分。 付费客户 60+ 家、1 亿美元 ARR（run-rate 口径）、5000 万美元已确认收入。公司于 2026-09-10 公布 ARR 里程碑，距首次商业部署 10 个月，在任何读法下这都是一次很快的爬坡。

收入构成比总额更重要。 mobility 约占收入 10%，其中 AMR 与被收购的 Zebra 业务占 4%，约 90% 来自 manipulation。这意味着公司当下是一家 manipulation 公司，而人形机器人与物理世界模型叙事是关于未来收入结构的期权，不是当下的结构。

具名客户参照是实体生产场景。 NVIDIA 与富士康在 Blackwell 双臂装配，Sumitomo Wiring Systems 做线束，三井在日本做每天 140 万餐的商用厨房试点，LG CNS，匹兹堡国际机场的四足机器人。这些是有生产后果的工业部署，比演示视频强得多。

没有公开价格、没有披露毛利率、没有续约或扩张数据。 在 60+ 付费客户的规模上，集中度问题很实质性，而它无法从公开来源回答。

收购 Zebra 机器人业务以一个尚未反映在叙事里的方式改变了产品故事。 Fetch Robotics 与 Symmetry Fulfillment 带来有存量客户的可售产品，用合理的方式买来了收入与渠道；它也引入了一块硬件邻接业务和 4% 的收入贡献，而它并不落在模型论点之内。

竞争格局

Skild AI 身处机器人领域资金最雄厚的技术赛道，其竞争位置强于该赛道平均水平、弱于其头条估值所隐含的水平。

对 Physical Intelligence，这是最接近的一组对比：两者都做通用机器人模型、都有基础模型框架、都出自学术研究、都融到十亿美元量级。Physical Intelligence 在科研与开发者渠道的商业能见度更早；Skild AI 的营收更早。

对 Google DeepMind 的 Gemini Robotics，这是资源与聚焦的对比。Google DeepMind 可以无限期资助一个通用机器人模型，同时拥有机器人硬件知识与部署通道；Skild AI 的优势在于它不必在机器人业务与搜索业务之间做平衡。

对 NVIDIA 的 GR00T，这段关系比「竞争」更纠缠。NVIDIA 既是 Skild AI 的投资方，又是其自对练训练所依赖算力与 Isaac Sim 模拟器的供应方，并于 2026-03 与 Skild AI 宣布合作。一个同时是供应商与股东的对手，是真实的战略含混；不过这种模式是全领域的普遍现象，而非本公司独有。

对 Figure AI 与 1X，对比在于这两家自建了硬件与人形，而 Skild AI 建的是模型、买的是机器人业务。如果耐久价值最终落在硬件上，Skild AI 的路线就是暴露的；如果落在模型上，它的位置很强。 已公布证据无法裁定这个问题，而这场争论本身就是投资风险本身。

对工业机器人在位平台，ABB 与 UR 的关系是 go-to-market 的战略核心。嵌入主导的工业机器人存量装机，是没有这些合作的任何创业公司都不具备的分发优势。

融资

2024-07-09 Series A 融资 3 亿美元，估值 15 亿美元。 由 Lightspeed Venture Partners、Coatue Management、软银与 Bezos Expeditions 领投，红杉资本的 Stephanie Zhan 进入董事会。金额与估值口径一致。

2025-06 Series B 由软银领投，NVIDIA 投资 2500 万美元、三星 1000 万美元，LG、韩华与未来资产各投 500 万–1000 万美元。估值被报为约 45 亿美元。

Series B 的规模有两种口径，本报告不予调和。 一条记录给出 1.35 亿美元（若是，则为含战略方金额的合计），另一条给出 5 亿美元。估值数字出现在官方公告中，因而是该轮中更可靠的一项；金额则同时出现在数据库记录与媒体报道里。 两者都在下文列出。

2026-01-14 Series C 融资 14 亿美元，估值 140 亿美元以上。 软银领投，NVentures、Macquarie、Bezos Expeditions 参与，老股东加倍，LG、Schneider Electric、CommonSpirit Health 与 Salesforce Ventures 作为新入股东。

累计融资有三个公开版本。 官方与数据库口径为 超 18 亿至 18.3 亿美元；CEO 称 超 20 亿美元；按各轮相加约为 22 亿美元。三者全部列于下文，其差异源于统计了哪些轮次、以及宣布金额是总额还是实收额。

种子轮同样有两种记录。 一条给出 1450 万美元（来自 Lightspeed 与红杉），另一条未公开金额。

DISCREPANCIES

1. Series B 规模。 口径 A：1.35 亿美元（DB）。口径 B：5 亿美元（MEDIA）。裁定：两者并列列示；该轮约 45 亿美元的估值被视为更可靠的一项，因为它出现在官方公告中。 两个金额相差近四倍，没有任何来源说明其中一方是否排除了另一方包含的某一笔。本报告不给出已确定的累计总额。

2. 累计融资额。 口径 A：超 18 亿至 18.3 亿美元（OFFICIAL 与 DB）。口径 B：超 20 亿美元（CEO 陈述）。口径 C：按各轮相加约 22 亿美元。裁定：三者全部列示，不给出唯一答案。 差异可由「统计了哪些轮次」与「宣布金额是总额还是实收」解释。本报告不选定任何单一累计数字。

3. 种子轮。 口径 A：1450 万美元，来自 Lightspeed 与红杉（DB）。口径 B：未公开金额（OFFICIAL 披露未列金额）。裁定：金额按数据库口径列示，并明确写出官方未披露金额这一事实。 该轮的存在本身没有争议。

4. ARR 与已确认收入。 口径 A：截至 2026-09-10 年度经常性收入超 1 亿美元（OFFICIAL）。口径 B：已确认收入 5000 万美元（OFFICIAL）。裁定：两者并列，并明确写出「这是读这家公司时的核心阅读指令」。 ARR 是前瞻性 run-rate，已确认收入是已入账业务，把较大的那个数字当作当期营收，会把业务高估一倍。

5. 收入构成。 口径 A：mobility 约占收入 10%（公司披露）。口径 B：AMR 与被收购的 Zebra 业务约占 4%，其余约 90% 来自 manipulation。裁定：两者一并报告，并作为一份自洽的拆分来读。 两个陈述是互补而非矛盾，合起来确立了「当下业务以 manipulation 为主」。

6. 未见任务表现。 口径 A：未见任务步进成功率约 66%、已见任务约 96%（公司内部评测）。口径 B：语言条件化方法的 9% 基线（公司对比）。裁定：三个数字全部列示，并写明指标定义为「内部测试上的步进级成功率」。 该基线被明确标为语言条件化，而非当前最好的替代方法，且没有公布任何客户部署成功率，也没有任何第三方复现。

7. Physical Self-Play。 口径 A：在 NVIDIA Isaac Sim 中自我对抗相当于 140 模拟年后迁移至真机人形（2026-09-23 公司公告）。口径 B：公告未附带任何真机进球率。 裁定：训练过程如实报告，并把「缺少真机量化」这一事实本身作为结论的一部分。 本条属于「只有一份披露」，而不是「两个互相冲突的记述」。

8. 机器人业务收购。 口径 A：公司于 2026-04-15 收购 Zebra Technologies 的机器人事业部，含 Fetch Robotics 与 Symmetry Fulfillment（公司公告）。口径 B：没有任何来源表明被收购的硬件与产品是 Skild AI 内部开发的。 裁定：该收购按收购报告，被收购资产不计入内部自研能力。 收购被定性为收入与渠道，而不是模型的技术验证。

9. 机器人本体广度。 口径 A：Skild Brain 已训练至控制 10 万种机器人的宇宙（公司陈述，2025-09-24）。口径 B：未披露其中有多少种是在真机而非仿真上评估的。 裁定：该数字按公司陈述列示，并写明披露缺口。 这个计数应被理解为「关于接口抽象」的陈述，而不是已测量的部署广度。

10. 人员规模与财务透明度。 口径 A：无公开员工数、现金余额、burn rate 或上市时间表。口径 B：2026-01 Series C 对应 140 亿美元以上估值。裁定：披露缺失在风险章节中作为一项发现报告，而非作为「信息缺失」一笔带过。 估值是对某一轮私募交易的市场观察，不能替代一份已披露的资产负债表。

风险与尽调缺口

可靠性证据是最大缺口。 没有公布误差率、没有客户部署成功率、没有失效模式分类。66% 的未见任务步进成功率是内部测试，且对照的是偏弱的基线类。 对一家客户做线束装配和商用厨房作业的公司而言，决定采购的数字是部署成功率，而它不公开。尽调动作：覆盖至少 6 个部署、跨至少 3 个行业的客户推荐访谈，以及内部失效分类。

ARR 头条与收入现实相差一倍。 1 亿美元 run-rate 对 5000 万美元已确认收入，且距首次商业部署仅 10 个月——这意味着业务要么有异常集中的近期部署，要么 run-rate 包含了尚未转化的承诺。无论如何，run-rate 不是营收，两者应当成对报告。

模型优先的论点依赖模拟器足够好，而模拟器是 NVIDIA 的。 Isaac Sim、PhysX 与 Omniverse 栈决定了自对练训练程序的保真度上限。一个针对现实的近似训练出来的模型，会继承那个近似的误差，而 Skild AI 没有自己的模拟器。这个依赖是结构性的，也让它与一家既是投资方、又是供应商、又是对手的公司处在尴尬位置。

「通用本体」的主张是 2027–2028 年才可验证的命题。 其公开目标是实现跨本体模型的大规模部署，公司自己的表述把这个时点放在 2027 年前后。目前不存在该主张的部署级证据，公司也未公布可供追踪进度的路线图。

60+ 付费客户基数下的收入集中度无从量化。 在 60+ 付费客户中，一两个账户可能占很大比例；而具名参照中 NVIDIA 与富士康出现在同一个项目上，这引出「这些是两个独立合同、还是一个项目被计了两次」的问题。没有集中度披露。

估值内含大量期权。 一家已确认收入 5000 万美元的公司对应 140 亿美元估值，前瞻倍数很高，这要求人形机器人与通用预训练叙事兑现。如果通用机器人市场最终演化为硬件主导的市场，这就是错误的公司对应错误的价格。

收购整合无人监测。 Zebra 机器人业务在 2026 年 4 月并入，距本报告约五个月，贡献 4% 收入。把硬件邻接业务整合进一家模型公司是公认的干扰源，而公开信息中没有任何关于整合进展的描述。

竞争领域资金雄厚且推进极快。 Physical Intelligence、Google DeepMind、NVIDIA、Figure、1X 全部资金充足且全部在出货。在这个领域里「是一个可信参与者」本身并不构成护城河，而且公司自己的客户名单里就有它的一位主要竞争对手。

没有退出通道，也没有公开市场信号。 公司为私营、无上市时间表、无估值方法披露、无任何投资人流动性事件记录。

综合评分

• 技术 8.0。 可核到单篇引用级别的研究记录：好奇心驱动探索论文被引 4000+ 次，MIT Innovator Under 35 与 Sloan Fellowship。跨「10 万种本体」的通用层级控制器、真正有技术含量的上下文学习贡献（冻结权重 + 单次视频演示）、免去手工指定奖励的自对练方法、经核验的 NVIDIA Isaac Sim 集成，以及与 ABB Robotics、Universal Robots 的工业合作。扣分项：66% 未见任务结果是内部步进级指标且对照偏弱基线、自对练公告无真机量化、任何能力数字均无第三方复现、以及对同时是竞争对手的模拟器存在依赖。
• 商业化 7.5。 付费客户 60+ 家、首次部署后 10 个月即达成 1 亿美元 run-rate、5000 万美元已确认收入、约 90% manipulation 的清晰且业务相关的收入结构，以及 NVIDIA 与富士康、Sumitomo Wiring Systems、三井、LG CNS、匹兹堡国际机场等具名生产部署。扣分项：无价格、无毛利率、无客户集中度、无留存或扩张数据，且 ARR 数字需要一条极易丢失的 run-rate 说明。
• 融资 8.0。 3 亿美元 A 轮对应 15 亿美元估值；B 轮约 45 亿美元估值，由软银领投，NVIDIA、三星、LG、韩华、未来资产全部参与；14 亿美元 C 轮对应 140 亿美元以上估值，软银领投，NVentures、Macquarie、Bezos Expeditions、Schneider Electric 与 Salesforce Ventures 参与；官方与数据库口径累计融资超 18 亿美元。扣分项：B 轮规模冲突未决、三个公开累计口径不一致、种子轮金额无官方披露、无估值方法与二级流动性事件。
• 产品成熟度 7.5。 已交付的通用模型带上下文学习模式、成熟的层级控制层、通过两家最大工业机器人制造商建立的渠道、一条带存量客户的被收购商业机器人产品线，以及一项没有竞争对手以同样措辞公开描述过的自对练训练能力。扣分项：可靠性头条数字是内部数字、通用本体主张无部署级证据、收购太新无法评估、无公开定价与产品包装。
• 市场位置 7.5。 身处机器人领域资金最雄厚的技术赛道，拥有该领域最受尊重的两位学术人物，经由 ABB 与 UR 掌握的工业通道，与 NVIDIA 的算力与模拟器关系，以及早于多数同行的商业化轨迹。扣分项：以远小于 Google DeepMind 与 NVIDIA 的资源与之竞争、既是投资方又是供应商兼对手的股东关系、对 Figure 与 1X 的硬件路线风险、无国际或中国市场存在证据、且估值已计入大量未经验证的期权。

参考资料

1. Skild AI 公司与产品公告，含 2025-07-29 Skild Brain 首发与 2025-09-24「控制 10 万种机器人的宇宙」表述
2. Skild AI S1 模型公告，2026-08-18，含单次视频演示执行最长约 10 分钟的上下文学习、冻结权重、仿真与人体视频训练数据混合，以及相对语言条件化 9% 基线的约 66% 与 96% 内部成功率
3. Skild AI Physical Self-Play 公告，2026-09-23，含在 NVIDIA Isaac Sim 中相当于 140 模拟年的自对练过程与向真机人形的迁移，未公布真机进球率
4. Skild AI 2026-03-19 关于与 ABB Robotics、Universal Robots、NVIDIA 合作的公告
5. Skild AI 与 Zebra Technologies 收购公告，2026-04-15，含 Fetch Robotics 与 Symmetry Fulfillment
6. Skild AI ARR 公告，2026-09-10，含 1 亿美元 run-rate 里程碑、60+ 付费客户、5000 万美元已确认收入，以及 mobility 约 10%、AMR 与被收购 Zebra 业务约 4% 的收入构成
7. Series A 公告，2024-07-09，含 3 亿美元 @ 15 亿美元估值，Lightspeed、Coatue、软银、Bezos Expeditions 领投，红杉 Stephanie Zhan 进董事会
8. Series B 记录，2025-06，含软银领投、NVIDIA / 三星 / LG / 韩华 / 未来资产参与、约 45 亿美元估值，以及 1.35 亿与 5 亿美元两种规模口径
9. Series C 公告，2026-01-14，含 14 亿美元 @ 140 亿美元以上估值、软银领投、NVentures / Macquarie / Bezos Expeditions 参与，以及 LG、Schneider Electric、CommonSpirit Health 与 Salesforce Ventures 新入
10. 种子轮的数据库与媒体记录，含 Lightspeed 与红杉的 1450 万美元与「未公开金额」两种口径，以及超 18 亿 / 超 20 亿 / 约 22 亿美元三个累计口径
11. Skild AI 部署公告，具名 NVIDIA 与富士康 Blackwell 双臂装配、Sumitomo Wiring Systems 线束、三井日本商用厨房日供 140 万餐试点、LG CNS 与匹兹堡国际机场四足机器人
12. 卡内基梅隆大学与 UC Berkeley 关于 Deepak Pathak 的记录，含 2017 年好奇心驱动探索工作、Raj Reddy 副教授职位、2024 年 MIT Innovator Under 35 与 2025 年 Sloan Research Fellowship
13. 卡内基梅隆大学与 Meta FAIR 关于 Abhinav Gupta 的记录，含机器人研究所所长、FAIR 创始成员与 UMD 博士学位
14. NVIDIA Isaac Sim 与 PhysX 文档，用于界定 Physical Self-Play 训练程序所依赖的模拟器保真度依赖

本报告基于公开信息整理，仅供参考，不构成任何投资建议。数据截至 2026 年 10 月 23 日，请以公司公告与定期报告为准。