# 年化收入 1 亿美元之后：Skild AI 把「机器人大脑」第一次卖成了可查的账
> 一家不造本体的公司，在首次商业部署后第 10 个月把年化收入做到 1 亿美元。这是具身智能「大脑层」第一次有了可核查的收入曲线——但 run rate 不是审计 ARR，而它的招牌能力恰好撞在 2027 年 1 月生效的欧盟机械法规上。
### TLDR
- **里程碑**：Skild AI 在 2026 年 9 月 9 日的官方博客中宣布年化收入（run rate）突破 **1 亿美元**，距首次商业部署 **10 个月**；软件运行在 **60 多家付费客户**的**数百台**机器人上，而今年早些时候这个数字还是 **8 台**。
- **收入结构**：官方披露 **Mobility 占收入 10%、Fetch 方案占 4%**——两条加起来只有 14%，剩下 **86% 未拆分**，公司未说明软件授权与集成实施各占多少。
- **技术卖点**：S1 模型（8 月 18 日发布）看**一段视频**就能执行训练中没见过的任务，无需更新权重；官方口径是分布内任务 **96%**、未见长程任务 **66%**，对照语言提示基线 **89% / 9%**；**一次演示约等于 380 条后训练样本**。
- **钱是怎么花的**：官方博客原话——「每花 1 美元采集数据，就花 3 美元做质量管控」。
- **判断：这是「大脑层」第一次被定价，但不是第一次被审计**——1 亿美元是公司自述的 run rate，非审计 ARR；真正的风险不在收入口径，而在 S1 的「自演进」卖点与欧盟机械法规 (EU) 2023/1230（**2027 年 1 月 20 日**适用）正面相撞，且至今无人评估过。
### SRC
本文事实来自四处并交叉比对：① Skild AI 官方博客《The Hidden Pillar of Robotics》，发布日期 **2026-09-09**（窗口外），是 1 亿美元、60+ 客户、Mobility 10% / Fetch 4% 等数字的一手出处；② Bloomberg 2026-09-10 报道（Skild 向单一媒体披露，公司未披露客户名单）；③ NVIDIA 官方博客对 S1 与 Blackwell 装配的补充说明；④ **FutureX Physical AI Daily Issue 117（09/12）**与中文「具身机器人-每日速递」（09/12）在**本素材时间窗（2026-09-11 18:00 → 2026-09-12 09:00）内**把该条列入当日要点——这是本文把它纳入本批的**窗口内新增量**，中文侧同时给出「9 月 9 日披露」「已服务 60 余家企业客户」「单段视频可驱动至多 10 分钟未见任务」等表述。**公司成立于 2023 年、1 月完成软银领投的 14 亿美元融资、估值超 140 亿美元、2025 年收入约 3000 万美元**（后者为公司总裁 2026 年 8 月对 TNW 的单一信源说法）。**1 亿美元为 run rate，不是审计 ARR**，Skild 未拆分软件授权与集成实施收入，客户名单未公开，也未说明是否向欧洲销售——以上均为未核实边界，已在正文标注。所有商业与法规判断为作者判断，已用「判断：」标注。
### BODY
1第一个数字
1 亿美元是怎么被说出口的
2026 年 9 月 9 日，Skild AI 在官方博客《The Hidden Pillar of Robotics》里写下第一句：公司跨过了 **1 亿美元年化收入（run rate）**，时间在首次商业部署之后 **10 个月**。同一篇博客给出的配套数字是：**60 多家付费客户**，覆盖搬运货物、配送、场地巡检、安防、备餐，以及仓库、工厂与数据中心内部的作业；机器人装机量从「今年早些时候的 8 台」涨到**数百台**。
这三组数字要说清楚一件事：Skild 是一家**不造机器人本体**的公司。它卖的是「通用机器人大脑」——一个跨本体、跨任务的操控策略。放在中国语境里，这相当于有人说自己既不造车也不造电池，靠卖自动驾驶软件在 10 个月内做到 1 亿美元年化收入。
需要先把两个口径掰开。**run rate 不是 ARR**。run rate 是拿近期收入（通常是一个月或一个季度）乘上 12 或 4 推算出来的年化值，不是审计过的年度经常性收入。Skild 自己没有拆分这 1 亿美元里**软件授权**占多少、**集成实施与部署服务**占多少；也**没有公布客户名单**。Bloomberg 拿到的是公司向单一媒体的披露——这意味着外部无法验证客户质量、合同期限与续约条款。
官方博客倒是主动拆了一个结构：**Mobility（移动类）占收入 10%，Fetch（取物类）方案占 4%**。两条加起来只有 **14%**。剩下 86% 是什么，公司没说。
Skild AI 官方博客 2026-09-09 披露的收入结构；公司未说明软件授权与集成实施各占多少
2技术卖点
S1：一段视频顶 380 条后训练样本
Skild 的招牌是 8 月 18 日发布的 **S1**。它的机制叫 **in-context learning**：操作员录一段第一人称视频，把它当作 prompt 交给机器人，模型**不更新任何权重**，也不需要为新任务做后训练。
官方给的实验数字是两组对照。在**训练分布内**的任务上，in-context 策略 **96%**，语言提示基线 **89%**——差距不大。真正的分野在**未见过的长程任务**（4 到 8 分钟）：in-context 策略 **66%**，语言提示基线 **9%**，差七倍多。这个实验是在 1,000 到 100,000 小时预训练数据规模上、用相同数据、架构与算力做的对照。
更有工程含义的是这一条：**一次演示约等于 380 条后训练样本**。Skild 说这个数是在实测点之间插值估出来的，而人工采集 380 条长程演示需要 **50 到 100 小时**遥操作。博客里还记了一个具体时间线：一盆植物盆栽的物料晚上 **8:54** 送到，**9:22** 录完单段演示，**9:27** 机器人开始自主执行——**11 分钟**。
判断：Skild 真正卖的不是「模型多强」，而是「换一次工序要多久」。工厂里最贵的不是机器人本体，是每次换型都要重新采集数据、重新训练、重新验证的那段时间。11 分钟这个数字的价值，比 96% 这个数字高一个数量级——因为 96% 可以在论文里比，11 分钟只能在产线上兑现。
但也要把官方自己写的另一句话放进来：博客里说，他们教模型煎蛋，煎出第一个蛋用了一周，让它在**不同鸡蛋、不同装置**下稳定工作用了两个月；「把最后 5% 的性能挤出来，远比前 95% 费力」。还有一句更狠的：**一个 99.9% 准确但慢十倍的机器人，不是「差点就能用」，而是「不能用」**——因为产线上每个工位必须卡在同一个节拍里。
成本侧的数字也值得抄下来：**每花 1 美元采集数据，就花 3 美元做质量管控**。这条对国内做数据工厂的团队是直接的定价参照——采集只是入场费，质控才是大头。
数据来源：Skild AI 官方博客（2026-08-18 S1 发布文与 2026-09-09 博文转引）。样本为公司内部受控实验，非第三方复现。
3客户是谁
三个点名客户，和两个没回答的问题
官方博客点名了三处落地：**与 NVIDIA 和富士康一起**，把 Skild Brain 部署在双臂机械臂上做 **NVIDIA Blackwell 系统的高精度装配**（装母线排和限位块、锁 16 颗螺丝，且要在场景偏离计划时恢复）；在**住友电装**，推进用 S1 自动化线束制造中被认为「不可能自动化」的工序；与**三井物产**合作（其供应链在日本每天供应 **140 万份餐食**）在商用厨房试点通用机器人。
Bloomberg 那边，Pathak 描述的是日本咖啡馆与美国仓库；公司拒绝了公布名单。Skild 自己也不只是卖方——**4 月它收购了 Zebra Technologies 的机器人自动化业务**，Bloomberg 的报道里没提这一笔。
| 项目 | 披露数字 | 口径与边界 |
|---|
| 年化收入 | 1 亿美元 | run rate，非审计 ARR；公司向单一媒体披露 |
| 付费客户 | 60+ 家 | 官方口径；名单未公开 |
| 装机机器人 | 数百台（年初 8 台） | Bloomberg 转述公司说法 |
| 2025 年收入 | 约 3000 万美元 | 公司总裁 2026-08 对 TNW 的单一信源说法 |
| 融资 | 1 月 14 亿美元 | 软银领投，估值超 140 亿美元，7 个月涨逾 3 倍 |
Skild AI 关键数字与口径边界；融资含 NVentures、Bezos Expeditions、三星、LG 等参投。
判断：把「约 3000 万美元（2025 全年）」和「1 亿美元 run rate（2026 年 9 月）」并排放，能看出增长确实陡；但这两个数一个是单一信源口述、一个是公司自述推算，都进不了审计口径。对国内同赛道团队，可比的不是 1 亿美元这个数，而是它的**客户结构**——60 多家客户铺在搬运、巡检、安防、备餐、数据中心这些**低节拍、高容忍**的场景里，而不是汽车焊装这类高节拍硬指标场景。选场景的克制，比模型的参数量更值得抄。
4真正的雷
2027 年 1 月 20 日，和一条没人评估过的法规
把这篇稿子读完，我认为最该被国内团队记住的不是 1 亿美元，而是这个日期：**2027 年 1 月 20 日**。
欧盟《机械法规》(EU) 2023/1230 在这一天取代原机械指令，**首次把「基于 AI 的安全功能」和「具备自演进行为的机械」纳入范围**，并要求由**公告机构（notified body）**介入，而不是制造商自我声明。
S1 的卖点是什么？「执行训练数据中不存在的工作」。这句话几乎就是「自演进行为」的定义中心。
目前的状态是：**还没有人评估过任何一台这样的机器**，因为法规还有约十六个月才生效。Skild 也没有说明它是否向欧洲销售——Pathak 提到的客户是日本咖啡馆与美国仓库。
判断：这不是 Skild 一家的问题，而是所有「卖自演进能力」的公司共同的时点风险。国内做具身模型出海的团队，真正该排进日程的不是再刷一个 benchmark，而是在 2026 年底前搞清楚：你的产品如果宣称「能学会训练数据里没有的任务」，在欧盟到底归到哪一档、要不要走公告机构、走一次多久多少钱。这件事的复杂度低于技术，但杀伤力高于技术——它决定的是能不能卖，不是好不好用。
还有一个更朴素的观察。Skild 官方博客的标题叫《The Hidden Pillar of Robotics》，通篇在论证一句大白话：机器人不是「先研究透再部署」，而是**部署本身就是研究的一部分**。它举了四个非技术性问题——供应链怎么走、谁安装、谁做集成、坏了谁修、工艺变了谁更新——并说这些必须到了现场才答得上来。
对做真实场景交付的团队来说，这段话一点都不新鲜。新鲜的是：一家估值 140 亿美元、刚宣布 1 亿美元 run rate 的公司，把它写进了自己的里程碑博客第一段。
来源：Skild AI 官方博客《The Hidden Pillar of Robotics》（2026-09-09）https://www.skild.ai/blogs/how-to-make-100m ；Bloomberg（2026-09-10）；NVIDIA 官方博客；FutureX Physical AI Daily Issue 117（09/12）https://dev.to/future_x/futurex-physical-ai-daily-issue-117-0912-31g5 。欧盟机械法规 (EU) 2023/1230 适用日期与范围为公开法规文本，本文转述自 TNW 报道，未逐条核对官方文本。