Skild AI于9月10日宣布，其机器人基础模型S1已在首 个商业部署后10个月内达到1亿美元年经常性收入跑率（ARR），客户从年初的8家增至60多家，数百台机器人已在制造、物流、检验、安防和食品制备等领域实际运行。[[1]](https://www.bloomberg.com/news/articles/2026-09-10/robotics-startup-skild-ai-hits-100-million-in-revenue-run-rate)[[2]](https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/)
这一里程碑标志着具身智能从实验室demo转向规模化部署的转折。S1采用上下文学习（in-context learning），机器人仅需观看一段人类操作视频即可执行全新多步任务（最长10分钟、数十步骤），无需更新权重或专项后训练。在内部测试中，已见任务成功率96%，全新任务66%，单视频示范相当于约380个传统训练样本。NVIDIA Isaac Lab与Cosmos为其提供合成数据、仿真和部署支持，Foxconn等伙伴已在Blackwell芯片组装线上应用。[[2]](https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/)
对比传统工业机器人需为每条产线重新编程，或Figure、特斯拉Optimus仍以demo为主的阶段，Skild的路径更直接对接企业痛点：动态环境下的快速适应。OpenAI与Anthropic聚焦通用模型与代理，Skild则以垂直物理世界切入，营收增速远超多数纯软件AI初创，印证“AI接管真实资产运营”的商业化窗口已打开。
这也带来新变量：欧洲机械法规2027年1月起覆盖自演化行为系统，Skild式模型正中监管焦点；同时，NVIDIA等硬件伙伴的深度绑定，加速了算力与机器人软件的垂直整合。未来6-12个月，关键悬念在于S1能否在更多长时序、高精度场景中稳定达到生产级可靠率，并被竞争者复制——若成功，物理AI的资本与部署竞赛将从模型参数转向真实工厂吞吐量。[[3]](https://thenextweb.com/news/skild-ai-100m-run-rate-eu-rules)
信源：
https://www.bloomberg.com/news/articles/2026-09-10/robotics-startup-skild-ai-hits-100-million-in-revenue-run-rate
https://blogs.nvidia.com/blog/skild-ai-s1-physical-ai/
https://www.skild.ai/blogs/skild-crosses-100m-arr