Skild AI 发布 S1 模型：上下文学习将机器人任务长度推至 10 分钟

北美具身智能初创 Skild AI 近日发布机器人基础模型 S1，主打「上下文学习」（in-context learning，ICL）：无需针对新任务做后训练微调，机器人只需观看一段人类示范视频，就能照猫画虎完成一整套从未见过的复杂操作。在官方演示中，机器人完成了煎饼、冲泡咖啡、植物换盆以及设备组装等长程任务，单条示范视频最长可达 10 分钟。

核心数据：OOD 任务成功率 66%，远超语言 Prompt VLA

Skild AI 在技术博客中给出的实验结果显示，S1 在训练时未见过的新任务上，仅凭单条示范视频即可达到 66% 的成功率；而采用传统语言 Prompt 的 VLA 模型，同类任务成功率仅 9%，差距超过 7 倍。

如果走传统后训练微调路线，需要约 380 次任务级演示才能追平 S1 单次演示的效果；继续堆数据到 2000 次后，传统路线才能将成功率推到 86%。换言之，S1 把「新技能的学习成本」从「教几百遍」压缩到了「示范一遍」。

技术路线：从 BERT 时代走向 GPT 时代

Skild AI 将当前机器人学习范式类比为 NLP 领域的「BERT 时代」：每遇到一个新任务，都需要收集数据并微调模型权重，而机器人数据采集成本远高于互联网文本，这让后训练难以规模化。

S1 的目标是实现与 GPT-3 相似的范式跃迁——不改动模型权重，仅以示范视频作为「Prompt」，让机器人在推理阶段直接从上下文里学会新技能。模型在整个演示过程中权重完全冻结，没有使用 fine-tuning，也没有 post-training。

缩放趋势：数据越多，越「会从演示里学」

Skild AI 同时公布了一组 ICL 与语言 Prompt VLA 的缩放实验：当训练数据仅 1000 小时时，语言 Prompt 效果更优；随着数据规模增加，ICL 逐步反超。

• 训练数据 10 万小时、训练时见过的任务：ICL 96%，语言 Prompt 89%。
• 训练数据 10 万小时、OOD（未见）任务：ICL 66%，语言 Prompt 9%。
• 改变实验条件后，语言 Prompt VLA 的性能下降幅度最高达到 ICL 的 3 倍。

Skild 将此称为「ICL scaling law」：数据规模扩大带来的不仅是技能数量增加，模型从演示中学习技能的能力本身也在变强。

公司背景：估值两年翻近 10 倍

Skild AI 由卡内基梅隆大学机器人研究所的 Deepak Pathak 与 Abhinav Gupta 于 2023 年共同创立。两人长期从事机器人学习、强化学习与自监督视觉研究，2022 年曾合作 WHIRL 项目，探索机器人通过观看人类视频进行 one-shot imitation，是 S1 路线的直接前身。

融资方面，Skild AI 于 2024 年走出隐身模式即完成 3 亿美元 A 轮融资，估值 15 亿美元；2025 年 1 月又完成 14 亿美元 C 轮，估值突破 140 亿美元，由软银领投，英伟达、贝索斯等机构跟投。

定位与数据策略：Any Robot, Any Task, One Brain

Skild AI 强调跨硬件形态的通用智能层，希望同一套「Skild Brain」能够运行在机械臂、四足机器人、人形机器人等不同本体上。在数据策略上，公司同时采集真机遥操、UMI、第一视角人类视频与仿真数据，覆盖 hardware proximity、diversity 与 scalability 三个维度。

从 2025 年 9 月的 LocoFormer，到 2026 年 2 月的首次 In-Domain ICL，再到煎饼演示与本次 S1 发布，Skild AI 沿着「上下文学习」这条路线持续推进，将任务长度从秒级拉到了 10 分钟量级。对于具身智能领域而言，S1 的真正意义在于把机器人新技能的学习成本，从「几百次演示」拉向了「一次示范」。