软银、红杉抢投3亿押注机器人通用大脑

近期，美国机器人初创公司Skild AI在业界掀起了一股不小的波澜。该公司刚刚完成了高达3亿美元的A轮融资，众多顶级投资机构如软银集团、红杉资本、Lightspeed Venture Partners、Coatue以及亚马逊等都纷纷参与其中，为其投下信任一票。这一轮融资使得Skild AI的估值迅速攀升至15亿美元，成为新晋独角兽企业。

作为一家成立仅一年的初创公司，Skild AI的表现无疑是现象级的。那么，它到底有何特异功能，能够吸引如此多的顶级投资机构竞相追捧呢？这背后的秘密就在于其打造的机器人的“通用大脑”。

长期以来，机器人技术面临一个巨大的瓶颈：大多数机器人都是为特定任务设计的，缺乏灵活性和通用性。这使得机器人的应用场景受到很大限制，难以适应复杂多变的实际环境。而Skild AI的核心理念就是要打破这一瓶颈，为机器人研发一个“通用大脑”。

Skild AI由卡内基梅隆大学的前教授Deepak Pathak和Abhinav Gupta于2023年共同创立。这两位创始人在机器人和人工智能领域拥有超过25年的研究经验，并在自监督机器人学习、好奇心驱动的智能体等领域取得了重大突破。除此之外，公司还汇聚了来自Meta、特斯拉、英伟达等科技巨头以及CMU等顶尖学府的机器人和AI专家，为Skild AI的研发工作提供了坚实的人才保障。

Skild AI正在开发一种机器人基础模型，这个模型可以充当各种不同类型机器人的“大脑”，使其能够执行广泛的任务，包括操作、运动和导航等。公司的模型是在一个比竞争对手大1000倍的数据集上训练的，这个数据集包含了多种来源的数据，包括人类操作员远程控制机器人、随机任务执行以及大量公开视频等。通过如此大规模和多样化的数据训练，Skild AI的模型展现出了惊人的泛化能力和“涌现能力”。

所谓“涌现能力”，指的是AI系统能够表现出超出其明确编程范围的行为。Skild AI的机器人能够自主完成一些从未经过明确训练的任务，如捡起意外掉落的物体，或者更灵活地操纵物品以提高效率。这种能力使得Skild AI的机器人在面对复杂多变的现实环境时，表现更接近人类。

从应用层面来看，Skild AI的出现也恰逢其时。当前美国正面临严重的劳动力短缺问题，尤其是在医疗保健、制造、仓储等行业。根据相关数据预测，到2030年，仅制造业就将有210万个工作岗位空缺。而这些岗位中的很多涉及重复性、甚至危险的任务，非常适合由机器人来替代。在这样的背景下，Skild AI的技术为解决劳动力短缺问题提供了一个富有前景的方案。

不仅如此，Skild AI的融资也反映了资本市场对机器人AI领域的热切关注。事实上，多家机器人AI初创公司近期都获得了大额融资，这表明投资者对机器人+AI市场的潜力非常看好。红杉资本的合伙人Stephanie Zhan甚至将Skild AI的突破比作机器人技术的“GPT-3时刻”，预测该行业将发生巨大转变。

投资者热捧的企业仍需保持清醒的头脑。技术与落地才是硬通货，过度资本追逐可能导致估值泡沫，最终引发行业洗牌。对于Skild AI来说，如何保持技术领先并成功落地应用才是其未来发展的关键。走向通用人工智能的征程

尽管Skild AI为我们描绘了一幅振奋人心的前景，但通往通用人工智能（AGI）的道路仍然漫长且充满挑战。

物理世界的复杂性远远超越了虚拟世界，机器人需要在充满不确定性的三维空间中完成感知、规划和行动。这一任务比虚拟环境中处理文本或图像要艰巨得多。

尽管Skild AI声称其模型拥有强大的泛化能力，但当前的AI技术在面对现实世界时仍显露出明显的局限性。在面对未知的环境或任务时，即使是最先进的AI系统也往往难以展现如人类般的灵活应对。

如何让AI系统真正“理解”这个世界，而不仅仅是模仿人类行为，这是摆在我们面前的一大难题。这需要AI超越简单的模式识别，深入到真正的知识获取和推理层面。

“身体化智能”的挑战在于如何将感知、运动控制、任务规划等多层面的能力整合到一个统一的框架中。机器人的每一个动作都需要这些层面的协同工作，如何优化这一流程仍是待解的难题。

即使AI系统能够做出正确的决策，机械结构能否支持复杂的动作执行也是一个风险点。特别是在需要精细操作的场景中，物理能力的限制可能成为制约其性能的关键因素。

我们需要保持适度的期待。既要充分相信AI技术的巨大潜力，也要明白其短期内实现的可能性是有限的。这是一个需要我们持续探索和创新的长途旅程。