6人创造320亿估值，用“新机脑”控制机器人，出故障仍能高效工作

在机器人行业，有个困境，实验室里的机器人能跳街舞、后空翻，可到了真实场景里，要么被一根电线绊倒就起不来，要么某个马达卡住就彻底罢工。

直到Skild AI带着它机器人“大脑”出现，这种尴尬局面才终于有了被打破的迹象。

这家2023年成立的公司，团队满打满算只有6个人，却在2025年6月创下了约合320亿人民币的估值。

更让人惊讶的是他们的核心成果，Skild Brain机器人“大脑”，能让断了腿的机器狗继续走路，关节被锁死的机器人快速调整步态，甚至踩上高跷也能稳稳移动。

这种抗故障能力，在过去的机器人领域几乎是不可想象的，要搞懂这颗“大脑”的厉害，得先明白传统机器人的软肋。

传统机器人的控制系统，本质上是死记硬背的产物，工程师会针对特定机器人的硬件、特定场景编写程序，比如让搬运机器人记住从A点到B点，步幅30厘米，速度0.5米/秒。

可一旦环境变了，比如地面有个小凸起，或者某个轮子转不动了，预设程序就完全没用了。

工业场景中这样的例子并不少见，某汽车零部件工厂曾引入一批仓储机器人，调试阶段它们能精准穿梭于货架之间，分拣效率远超人工。

但投入使用后不久，一台机器人因履带卡入异物导致运动受阻，不仅自身停滞，还挡住了后续机器人的路径，整个分拣线瘫痪近两小时，直接影响了订单交付进度。

这种一遇意外就瘫痪的问题，几乎是传统机器人的通病。

Skild AI走了一条完全相反的路。他们没有盯着某一台机器人、某一个场景优化，而是搭建了一个包含十万种不同机器人姿态的虚拟宇宙，有四条腿的、两条腿的，有带轮子的、带机械臂的，甚至还有肢体残缺的。

然后让AI在这个虚拟宇宙里，进行了相当于一千年的模拟训练。

这种训练方式，逼着AI放弃死记硬背，转而总结出一套通用的运动逻辑。

就像人类不管穿运动鞋、高跟鞋还是拖鞋，都能通过脚底的触感调整步态，而不是每种鞋都要重新学走路。

Skild Brain学到的，就是这种不管身体什么样，都能想办法动起来的能力。

测试中的几个场景，把这种能力展现得淋漓尽致，研究人员把四足机器人的大小腿绑在一起，相当于直接砍掉它4个运动自由度。

刚开始机器人只能原地踮脚，可7-8秒后，它就找到了办法，通过大幅度摆动大腿关节，硬生生用被绑住的腿走出了稳定的步伐。

而用传统控制器的机器人，在同样场景下直接失去平衡翻倒，根本无法动弹。

更让人意外的是轮子卡壳测试，研究人员故意卡住轮式机器人的两个后轮，这时候机器人本该寸步难行。

可Skild Brain感知到轮子转不动后，竟然自动切换成了类似双足机器人的步态，用两条机械腿交替迈步，稳稳地继续前进。

等轮子解锁后，它又能立刻切换回滚动模式，效率丝毫不受影响。

软银、英伟达、红杉资本、亚马逊这些对技术落地极其挑剔的巨头，都纷纷给Skild AI投了钱。

从2023年成立到2025年6月，公司累计融资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，要是技术不能落地，这些资本绝不会轻易出手。

还有人觉得6人团队估值320亿，肯定有泡沫。但科技行业的估值逻辑，从来不是按人头算钱，而是看技术壁垒和市场空间。

Skild AI的两位创始人，本身就是机器人领域的顶尖学者，Deepak Pathak本科毕业于印度理工学院，博士毕业于加州大学伯克利分校。

曾开发人工智能好奇心技术，相关论文截至2024年7月被引超4000次，Abhinav Gupta论文被引次数截至2024年11月超过7.5万次，曾在Meta主导机器人感知项目，还帮谷歌搭建过视觉学习团队。

这种顶尖学术背景+突破性技术的组合，本身就具备创造超额价值的潜力。

对比波士顿动力的阿特拉斯机器人，更能看出Skild Brain的突破。

阿特拉斯能后空翻、跳障碍，靠的是极致的硬件关节设计和针对每个动作的精密编程，比如后空翻这个动作，工程师可能要调试上百次参数。

可一旦硬件出问题，比如某个关节扭矩不足，阿特拉斯照样会失灵。而Skild Brain不依赖特定硬件，它更像一个灵活的指挥官，不管手下的士兵（硬件）是完好的、残缺的，都能指挥它们找到干活的办法。

从行业角度看，这颗“大脑”可能会彻底改变机器人的应用生态。

不过，技术落地还有难关要闯，目前Skild Brain的测试还集中在实验室，要应对真实世界的复杂环境，比如雨天地面打滑、工厂里的电磁干扰，还得解决感知延迟能源消耗等问题。

比如现在机器人遇到故障，需要7-8秒适应，要是在高速运转的生产线，这个时间可能还是太长。

但这种通用智能+硬件适配的方向，已经比传统路线更有潜力，其实，6人团队估值320亿的背后，是资本对机器人实用化的迫切期待。

过去几十年，机器人技术一直在硬件更精密程序更复杂的路上走，可始终没解决落地难的核心问题。

Skild AI的尝试，相当于换了个思路，与其让每个机器人都成为精通单一技能的专家，不如先造一个能应对各种意外的通用“大脑”。

这种思路的价值，远不止让机器人摔不坏、用不垮，它其实在探索人工智能与物理世界交互的底层逻辑。

当AI能像人类一样理解身体与环境的关系，能从失败中快速调整，所谓的通用人工智能才真正有了落地的根基。

现在的320亿估值，或许不是这颗机器脑的终点，而是机器人真正走出实验室、走进工厂车间、走进日常生活的起点。