Skild AI 发布 S1 机器人基础模型：看一段视频即可学习新任务
Skild AI（美国机器人基础模型公司）发布 S1 机器人基础模型，机器人可通过观看一段视频演示学习此前未见的长时程任务，无需更新模型权重或做任务微调，即上下文学习（in-context learning，指模型在不更新参数的情况下根据输入示例直接完成任务）。
模型在 NVIDIA（美国芯片与 AI（人工智能） 计算公司）AI 基础设施上开发，双方合作覆盖合成数据生成、模型训练、仿真与真实部署。
这帮助读者理解机器人“免重训学习新任务”目前进展到哪一步，以及公司自测数据与真实产线验证之间的边界。
Skild AI 的 S1 机器人基础模型于 2026 年 9 月报道时的“上周”发布，以视频作为输入理解并执行任务，不更新权重、不做任务特定后训练，该技术称为上下文学习（in-context learning）。 S1 可执行此前未见过、时长最长约 10 分钟的任务，包括盆栽种植、煎饼制作、手冲咖啡和套件组装，任务可包含数十个操作步骤。
在一次盆栽测试中，团队从录制演示到硬件上自主执行仅用 11 分钟。 在 Skild 的新多步任务测试中，S1 每一步成功率约 66%，对比同类 AI（人工智能） 系统为 9%。 Skild 估计，给机器人看一段短视频示例的效果，约相当于提供 380 个人工实操训练样本，人工采集这些样本可能需要 50 至 100 小时。
Skild 与 NVIDIA、Foxconn（富士康，中国台湾电子制造服务商）正在双臂机械臂上部署 Skild Brain，用于 NVIDIA Blackwell 系统的高精度组装； 其中一个演示工作流中，机器人需安装母线排与限位块、拧紧 16 颗螺丝，并在多步任务中对扰动做出调整。
Skild 称，在首个商用部署后 10 个月达到 1 亿美元年化收入运行率，并建立了 60 多个部署合作关系，覆盖制造、物流、巡检、安防、食品制备等应用。
S1 的核心主张是把“为每个新任务重新采集数据、重新训练”的流程，替换为操作员录制一段视频即可让机器人执行新任务，这针对的正是制造业、仓储和生产线任务频繁变化、布局调整、新产品导入的现实痛点。 66% 对 9% 的对比来自 Skild 自身的测试口径，属于公司内部基准，尚不构成独立验证；
11 分钟从演示到自主执行、以及“一段视频约等于 380 个实操样本”同样是公司估算而非第三方复现结果。 真正值得关注的是与 Foxconn 在 NVIDIA（英伟达） Blackwell 系统组装中的落地：这类高精度装配对运动精度、接触感知控制和差错恢复的要求远高于演示场景，是判断该路线能否从实验室走向产线的关键样本。
商业化速度方面，10 个月达到 1 亿美元年化收入运行率与 60 多个部署合作关系由公司披露，具体客户构成、收入确认方式与部署规模未公开。
后续观察信号
- 查阅 Skild AI 发布的 S1 研究材料，确认 66% 与 9% 对比的测试条件、任务集合与评价方式
- 核实 Skild 与 Foxconn 在 NVIDIA（英伟达） Blackwell 组装中的部署范围、时间表与产出指标
- 追踪 NVIDIA（英伟达） Newton 中 GPU（图形处理器） 加速仿真求解器对开发者的开放时间与使用条件