AI 的发展路径，往往经历 专用化 → 通用化 → 高价值细分场景。
在软件 AI 领域，通用多模态模型已取代过去需要单独训练的人脸识别、语音转录等专用模型，并通过后训练在医疗、法律、客服等场景实现专业化落地。
而在物理 AI（具身智能）领域，传统工业与服务机器人只能在固定场景工作，缺乏泛化能力，尤其难以应对复杂、非常规环境，使得真正可用的家用人形机器人仍然遥远。
Skild AI 正试图打破这一限制。其核心产品 Skild Brain 是一个“全具身（Omni-bodied）”机器人大脑，目标是让同一模型适配不同形态的机器人，并完成不同任务，实现跨任务、跨硬件的通用能力。
2024 年，Skild AI 先后完成 3 亿美元 A 轮和 14 亿美元 B 轮融资，B 轮由 SoftBank 领投，NVIDIA、Jeff Bezos 等跟投，公司估值超 140 亿美元。
Skild Brain 采用基于视觉的端到端运动控制，通过分层架构，让机器人无需预设路径或规则，即可在行走、爬楼、越障等复杂环境中实时适应变化。其关键创新在于：
- 用“机器人多重宇宙”训练模型，避免针对单一硬件过拟合
- 将“上下文学习”引入物理 AI，使机器人能在失败中快速自适应，甚至应对肢体缺失、关节故障等极端情况
在商业化上，Skild 的机器人已部署于安防、配送、数据中心和制造业，2025 年营收快速增长至 3000 万美元，长期目标仍指向家庭消费级市场。
具身智能正开始跨越“通用性门槛”。一旦物理 AI 进入成熟阶段，其应用空间与价值释放，或将呈指数级增长。
