Skild AI supera los $100 millones de ingresos anuales en diez meses

Skild AI dijo el 9 de septiembre de 2026 que superó los $100 millones en tasa de ingresos anuales, diez meses después del primer despliegue comercial de la empresa de robótica.

El hito se reveló en una publicación del blog de la empresa titulada “The Hidden Pillar of Robotics.” En la publicación, la compañía dijo que ha escalado a más de 60 clientes de pago en áreas como transporte de mercancías, realización de entregas, inspección de sitios, provisión de seguridad y preparación de alimentos, así como operaciones dentro de almacenes, fábricas y centros de datos. La movilidad representa el 10 % de los ingresos y las soluciones Fetch el 4 %, según la empresa.

Despliegues Comerciales Nombrados

La publicación describió tres despliegues con socios tecnológicos e industriales. Junto con NVIDIA y Foxconn, Skild AI está implementando el Skild Brain en manipuladores de doble brazo para el ensamblaje de alta precisión de los sistemas NVIDIA Blackwell, trabajo que, según la compañía, cambia en cada ciclo de producto y antes requería reprogramar cada robot de la línea.

En Sumitomo Wiring Systems, Skild AI dijo que está trabajando para desplegar S1, su último modelo fundacional, para automatizar procesos en la fabricación de arneses de cable que, según la publicación, se consideraban imposibles de automatizar. Con Mitsui & Co., cuyas cadenas de suministro sirven 1,4 millones de comidas al día en todo Japón, la compañía está pilotando robots de propósito general impulsados por S1 en cocinas comerciales.

Modelo S1 y Resultados Reportados por la Empresa

Skild AI presentó S1, al que denomina su modelo fundacional robótico insignia, en una publicación del 18 de agosto de 2026. La compañía dijo que construyó S1 desde cero como un aprendiz en contexto: un operador graba una única demostración en video de una tarea y se la entrega al robot como indicación, sin actualizar los pesos del modelo. S1 se basa en la infraestructura de IA de NVIDIA, que, según la empresa, brinda la base de computación acelerada necesaria para entrenar a gran escala con su combinación de datos de robótica. Según la publicación de agosto, S1 es el primer modelo fundacional de robótica que muestra aprendizaje en contexto en tareas de horizonte extremadamente largo de hasta diez minutos que nunca se habían visto durante el preentrenamiento.

En un estudio interno controlado descrito en esa publicación, Skild AI entrenó aprendizaje en contexto y políticas VLA condicionadas por lenguaje con datos, arquitecturas y cómputo idénticos en conjuntos de datos que van de 1 000 a 100 000 horas. Con 100 000 horas de preentrenamiento, la política en contexto alcanzó una tasa de éxito del 66 % en tareas de horizonte largo no vistas de cuatro a ocho minutos, frente al 9 % de la política guiada por lenguaje, informó la compañía. En tareas extraídas de la distribución de preentrenamiento, las cifras respectivas fueron 96 % y 89 %. La empresa dijo que utilizó intervención humana para recuperarse de fallas durante los despliegues, principalmente para la línea base guiada por lenguaje, de modo que cada paso pudiera evaluarse de forma acumulativa.

La publicación de agosto también indicó que una única demostración en contexto equivalía aproximadamente a 380 episodios de postentrenamiento en tareas no vistas, una cifra que la compañía estimó interpolando entre los puntos medidos. Recopilar 380 demostraciones de horizonte largo requiere de 50 a 100 horas de teleoperación, según la publicación, mientras que el postentrenamiento de la política VLA con 2 000 demostraciones alcanzó una tasa de éxito del 86 %. Para una tarea de trasplante de plantas, la empresa registró 11 minutos desde la demostración hasta la ejecución autónoma: los suministros llegaron a las 8:54 p.m., se grabó una única demostración humana egocéntrica a las 9:22 p.m., y S1 comenzó a ejecutar la tarea de forma autónoma a las 9:27 p.m.

Sobre la calidad de los datos, la empresa escribió: “Por cada dólar que gastamos en recopilar datos, gastamos tres en control de calidad.” Cada punto de datos que ingresa al preentrenamiento es revisado en busca de precisión de bajo nivel, coherencia de la tarea y fidelidad de la anotación, según la publicación.

La publicación del 9 de septiembre describe el despliegue como el pilar oculto de la investigación en robótica y sostiene que los videos de demostración son una medida poco fiable del progreso, porque un clip exitoso de un robot con un 5 %, 10 % o 99 % de precisión puede verse igual. La compañía dijo que enseñó a su modelo a cocinar huevos el año pasado: el primer huevo tomó una semana, y lograr que el proceso fuera fiable con diferentes huevos y configuraciones tomó dos meses. Exprimir el último 5 % del rendimiento requiere mucho más esfuerzo que el primer 95 %, afirma la publicación. Asimismo, la publicación argumenta que un robot con un 99,9 % de precisión pero diez veces más lento no es desplegable, ya que cada estación de una línea de fábrica debe terminar en aproximadamente el mismo tiempo de ciclo.

Según la publicación, las lecciones de los despliegues dirigieron la investigación de la compañía hacia S1, porque un sistema que requiere un nuevo conjunto de datos y otra ejecución de postentrenamiento para cada cambio de proveedor, reordenación de estaciones de trabajo o secuencia de ensamblaje revisada no escala. La empresa describió el bucle resultante como auto‑mejora recursiva física: la experiencia de los despliegues especializados se incorpora al modelo base general, de modo que cada nuevo despliegue parte de un modelo más sólido.

La publicación de agosto documenta una línea de tiempo de desarrollo que va desde LocoFormer, un aprendiz en contexto para locomoción, en septiembre de 2025, pasando por los primeros resultados en‑contexto dentro del dominio en febrero de 2026 y la primera voltereta de panqueques fuera de distribución en mayo de 2026, hasta el lanzamiento de S1 en agosto de 2026. Esa publicación indicó que S1 ya está trabajando con los socios comerciales de la compañía. La publicación del 9 de septiembre cierra: “La era de las demostraciones ha terminado; la era del despliegue ha comenzado.”