硅谷今日最热具身模型！不用后训练，看一遍就学会
内容提要
Skild AI发布机器人基础模型S1，支持上下文学习，机器人仅看人类演示视频即可完成长达10分钟的新任务，无需后训练。在未见任务上成功率66%，远超语言提示VLA的9%。S1旨在推动机器人从“微调时代”迈向“GPT时刻”，降低技能学习成本，其融资估值已超140亿美元。
延伸解读
上下文学习为何关键
传统机器人学习新技能需大量真机数据后训练，成本高昂。Skild AI的S1模型通过上下文学习，仅看一段人类演示视频即可完成长达10分钟的新任务，无需后训练。这类似于GPT-3带来的范式转变，有望将机器人技能学习成本从“教几百遍”降至“看一遍”，推动具身智能迈向“GPT时刻”。
数据规模与泛化能力
实验显示，当训练数据达10万小时时，S1在未见任务上成功率66%，远超语言提示VLA的9%。数据规模增加时，上下文学习优势更明显，性能下降幅度仅为语言提示VLA的三分之一。这表明ICL学到的不是固定动作复读，而是能根据环境重新规划，泛化能力更强。
效率对比与局限
S1仅需一次演示即可达到66%成功率，而传统VLA需约380次演示后训练才能追平。但堆到2000次演示后，传统方法可达86%。因此，结论并非“无需训练”，而是“先看一遍，做到六七十分”。若需更高精度，仍需更多数据或后训练。
公司背景与愿景
Skild AI由CMU教授Deepak Pathak和Abhinav Gupta于2023年创立，2024年估值15亿美元，2025年1月完成14亿美元C轮融资后估值超140亿美元。公司强调“Any robot, any task, one brain”，旨在成为机器人时代的安卓，通过跨embodiment的智能层适配不同机器人形态。
Q&A
Skild AI发布的机器人基础模型S1有什么核心能力？
S1的核心能力是上下文学习（ICL），机器人只需观看一段人类演示视频，就能学会执行长达10分钟的新任务，无需后训练或微调。
S1在未见过的任务上成功率是多少？相比传统VLA有何优势？
S1在未见过的任务上成功率达到66%，而基于语言提示的VLA只有9%，性能差距超过7倍。
S1的上下文学习与传统机器人后训练有何不同？
传统机器人学习需要先预训练再针对任务后训练，而S1通过上下文学习，无需改变模型权重，仅凭视频演示即可学会新任务，大幅降低了数据采集成本。
S1在长程任务中如何应对复杂操作？
S1在长程任务中能理解任务意图，知道当前步骤、下一步动作以及技能组合，即使中途出错也能随机应变，而非简单行为克隆。
S1的上下文学习能力如何随数据规模提升？
Skild提出ICL scaling law：数据越多，模型不仅学会更多技能，还更擅长从演示中学习新技能。实验显示，在10万小时训练数据下，ICL在OOD任务上成功率66%，远超语言提示VLA的9%。
Skild AI的融资和估值情况如何？
Skild AI成立于2023年，2024年完成3亿美元A轮融资，估值15亿美元；2025年1月完成14亿美元C轮融资，估值超140亿美元，由软银领投，英伟达、贝索斯等参投。
Skild AI的长期目标是什么？
Skild AI的目标是成为机器人时代的安卓，实现“Any robot, any task, one brain”，即一个智能层能适配不同形态的机器人（机械臂、四足、人形等），并推动机器人从“微调时代”迈向“GPT时刻”。
