智能制造網APP
智能制造網手機站
智能制造網小程序
智能制造網官微
智能制造網服務號
智能控制
機器人
儀器儀表
物聯網
3D打印
工業軟件
回放
回放
品牌
海富達
近日，美國機器人初創公司Skild AI宣布完成3億美元(約20億人民幣)A輪融資，資方陣容豪華，包括軟銀集團、紅杉資本、Lightspeed Venture Partners、Coatue、亞馬遜等頂級投資機構。
Skild AI的投后估值達到15億美元(約108億人民幣)，躍升新晉獨角獸。
作為一家成立僅一年的初創公司，Skild AI能夠在如此短的時間內，獲得眾多“大佬”加持的巨額融資，無疑是現象級。
那么，Skild AI到底有什么過人之處，能讓這么多頂級投資機構爭相押注？
打造機器人的“通用大腦”
長期以來，機器人技術一直存在一個巨大的瓶頸：大多數機器人都是為特定任務設計的，缺乏靈活性和通用性，這導致機器人的應用場景受到很大限制，難以適應復雜多變的實際環境。
Skild AI的核心理念就是要打破這一瓶頸，為機器人打造一個"通用大腦"。
公司由兩位卡內基梅隆大學(CMU)的前教授Deepak Pathak和Abhinav Gupta于2023年共同創立。兩位創始人在機器人和人工智能領域均有超過25年的研究經驗，在自監督機器人學習、好奇心驅動的智能體和自適應機器人學習等方面都取得了開創性的突破。
除了兩位聯合創始人，公司還匯聚了來自Meta、特斯拉、英偉達、亞馬遜、谷歌等科技巨頭，以及CMU、斯坦福大學、加州大學伯克利分校等頂尖學府的機器人和AI專家，為Skild AI研發工作提供了堅實的人才保障。
在AI領域，頂尖人才的重要性怎么強調都不為過。
從DeepMind到OpenAI，幾乎所有引領AI革命的公司都擁有一支由行業頂尖專家組成的核心團隊，Skild AI在這方面已具備了與這些公司比肩的潛力。
Skild AI聯合創始人兼CEO Deepak Pathak表示：“我們正在構建的大規模模型展示了機器人在任務中無與倫比的泛化和緊急能力，為現實世界環境中的自動化提供了巨大的潛力。”
具體而言，Skild AI正在開發一種機器人基礎模型，這個模型可以充當各種不同類型機器人的“大腦”，使它們能夠執行廣泛的任務，包括操作、運動和導航等。
Skild AI表示，他們的模型是在比競爭對手大1000倍的數據集上訓練的。這個數據集包含了人類操作員遠程控制機器人、隨機任務執行以及大量公開視頻等多種來源的數據。通過如此海量和多樣化的數據訓練，Skild AI的模型展現出了驚人的泛化能力和“涌現能力”。
所謂“涌現能力”，指的是AI系統能夠表現出超出其明確編程范圍的行為。
比如，Skild AI的機器人能夠自主完成一些從未經過明確訓練的任務，如撿起意外掉落的物體，或者更靈活地操縱物品以提高效率，這種能力使得Skild AI的機器人在面對復雜多變的現實環境時，更接近真人。
而從應用上講，Skild AI的出現恰逢其時。
當前，美國正面臨嚴重的勞動力短缺問題，尤其是醫療保健、制造、倉儲等行業。
根據美國制造商協會數據，目前美國有超過170萬個工作崗位空缺，協會還預測，到2030年，僅制造業就將有210萬個工作崗位空缺。
而這些崗位中，很多涉及重復性、甚至危險的任務，非常適合由機器人來替代。
在這樣的背景下，Skild AI的技術無疑為解決勞動力短缺問題提供了一個富有前景的方案。通過部署智能機器人，企業可以彌補人力資源的不足，同時提高生產效率和安全性。
Skild AI的聯合創始人兼總裁Abhinav Gupta表示："借助能夠在任何環境中、任何類型的實踐案例中安全地執行任何自動化任務的通用機器人，我們可以擴展機器人的功能，使其成本民主化，并支持嚴重人手不足的勞動力市場。"
資本爭相布局AI+機器人
Skild AI的這輪融資，反映了資本市場對機器人AI領域的熱切關注。
事實上，不只是Skild AI，近期多家機器人AI初創公司都獲得了大額融資。
例如，OpenAI、紅杉在今年早些時候投資了Skild AI的競爭對手Physical Intelligence，7000萬美元的融資把公司估值一下干到4億美元。
熱潮背后，是投資者對機器人+AI市場潛力的看好。
紅杉資本的合伙人Stephanie Zhan將Skild AI的突破比作機器人技術的“GPT-3時刻”，預測該行業將發生巨大轉變。Lightspeed Venture Partners的合伙人Raviraj Jain也表示，Skild AI有潛力“重新定義我們對機器能力的概念”。
然而，過度的資本追逐可能導致估值泡沫，最終引發行業洗牌。對于企業來說，技術與落地才是“硬通貨”，切忌陷入燒錢換規模的怪圈。
通往AGI的漫漫長路
盡管Skild AI的愿景令人振奮，但通往AGI的路，還很長。
物理世界的復雜性遠超虛擬世界，機器人需要在充滿不確定性的三維空間中進行感知、規劃和行動，這比在虛擬環境中處理文本或圖像要復雜得多。
因此，盡管Skild AI聲稱其模型具有強大的泛化能力，但目前的AI技術仍存在明顯局限。即使是最先進的AI系統，在面對完全陌生的環境或任務時，其表現仍然遠遠不如人類靈活。
如何讓AI系統真正理解世界，而不僅僅是模仿人類行為，仍然是一個巨大的挑戰。
此外，機器人的“身體化智能”涉及到感知、運動控制、任務規劃等多個層面的協同，如何將這些不同層面的能力整合到一個統一的框架中，還是難題。
而即使AI系統能夠做出正確的決策，機器人的機械結構能否支持復雜的動作執行，也存在失誤風險，特別是在需要精細操作的場景中，物理能力可能成為制約其應用的瓶頸。
保持適度期待才是正解，既不低估其潛力，也不高估其短期內實現可能性。
浙公網安備 33010602000006號
智能制造網APP
智能制造網小程序
微信公眾號
