Skild AI Umabot sa $100 Milyong Taunang Kita sa Loob ng Sampung Buwan

Ayon sa Skild AI noong Setyembre 9, 2026, naabot nito ang $100 milyon sa taunang revenue run rate, sampung buwan matapos ang unang komersyal na pag-deploy ng kumpanya ng robotics.

Inilathala ang milestone sa isang blog post ng kumpanya na may pamagat na “The Hidden Pillar of Robotics.” Sa post, sinabi ng kumpanya na umabot na ito sa higit sa 60 nagbabayad na kliyente sa larangan ng paggalaw ng mga kalakal, paggawa ng mga paghahatid, inspeksyon ng mga site, pagbibigay ng seguridad, at paghahanda ng pagkain, pati na rin ang operasyon sa loob ng mga bodega, pabrika, at data center. Ayon sa kumpanya, 10% ng kita ay nagmumula sa mobility at 4% naman mula sa mga solusyon ng Fetch.

Mga Tinukoy na Komersyal na Pag-deploy

Inilarawan sa post ang tatlong pag-deploy kasama ang mga teknolohiya at industriyal na kasosyo. Kasama ang NVIDIA at Foxconn, inilalagay ng Skild AI ang Skild Brain sa mga dual-arm manipulators para sa mataas na presisyon na pag-assemble ng mga sistemang NVIDIA Blackwell, isang gawain na ayon sa kumpanya ay nagbabago sa bawat siklo ng produkto at dati ay nangangailangan ng muling pag-programa ng bawat robot sa linya.

Sa Sumitomo Wiring Systems, sinabi ng Skild AI na nagsusumikap itong mag-deploy ng S1, ang pinakabagong foundation model nito, upang i-automate ang mga proseso sa paggawa ng wire harness na ayon sa post ay itinuturing na imposibleng i-automate. Kasama ang Mitsui & Co., na may supply chain na nagsisilbi ng 1.4 milyong pagkain araw-araw sa buong Japan, sinusubukan ng kumpanya ang mga pangkalahatang robot na pinapagana ng S1 sa mga komersyal na kusina.

Modelo ng S1 at Mga Resultang Iniulat ng Kumpanya

Inilunsad ng Skild AI ang S1, na tinatawag nitong pangunahing robotic foundation model, sa isang post noong Agosto 18, 2026. Ayon sa kumpanya, binuo nila ang S1 mula sa simula bilang isang in-context learner: nagre-record ang operator ng isang video demonstration ng isang gawain at ibinibigay ito sa robot bilang prompt, nang hindi ina-update ang mga timbang ng modelo. Ang S1 ay nakabatay sa NVIDIA AI infrastructure, na ayon sa kumpanya ay nagbibigay ng pinabilis na computing foundation na kailangan para magsanay nang malakihan sa iba’t ibang datos ng robotics. Ayon sa post ng Agosto, ang S1 ang unang robotics foundation model na nagpapakita ng in-context learning sa napakahabang gawain na umaabot hanggang sampung minuto na hindi kailanman nakita sa pre‑training.

Sa isang kontroladong internal na pag-aaral na inilalarawan sa post na iyon, sinanay ng Skild AI ang in-context learning at language‑conditioned VLA policies gamit ang magkaparehong datos, arkitektura, at compute sa mga dataset na sumasaklaw mula 1,000 hanggang 100,000 oras. Sa 100,000 oras ng pre‑training, umabot ang in‑context policy sa 66% na tagumpay sa mga hindi pa nakikitang long‑horizon tasks na tumatagal ng apat hanggang walong minuto, kumpara sa 9% para sa language‑prompted policy, ayon sa ulat ng kumpanya. Sa mga gawain na kinuha mula sa pre‑training distribution, ang mga bilang ay 96% at 89%. Ayon sa kumpanya, gumamit ito ng interbensyon ng tao upang maibalik ang mga pagkabigo sa panahon ng rollouts, pangunahin para sa language‑prompted baseline, upang ang bawat hakbang ay maaaring i‑grado nang pinagsama‑sama.

Ayon din sa post ng Agosto, ang isang solong in‑context demonstration ay katumbas ng humigit‑kumulang 380 post‑training episodes sa mga hindi pa nakikitang gawain, isang paglapas na tinantiya ng kumpanya sa pamamagitan ng pag‑interpol ng mga nasukat na punto. Ayon sa post, tumatagal ng 50 hanggang 100 oras ng teleoperation ang pagkuha ng 380 long‑horizon demonstrations, habang pagkatapos ng training, ang VLA policy sa 2,000 demonstrations ay umabot sa 86% na tagumpay. Para sa isang gawain ng pag‑pot ng halaman, itinatala ng kumpanya ang 11 minuto mula demonstration hanggang autonomous execution: dumating ang mga suplay ng 8:54 PM, isang solong egocentric na human demonstration ay naitala ng 9:22 PM, at nagsimulang isakatuparan ng S1 ang gawain nang autonomous noong 9:27 PM.

Tungkol sa kalidad ng datos, isinulat ng kumpanya: “Sa bawat dolyar na ginugol namin sa pangongolekta ng datos, tatlong dolyar ang ginugol namin sa quality control.” Ayon sa post, bawat data point na pumapasok sa pre‑training ay sinusuri para sa low‑level precision, task coherence, at annotation fidelity.

Inilarawan ng post noong Setyembre 9 ang deployment bilang nakatagong haligi ng pananaliksik sa robotics at iginiit na ang mga demo video ay hindi maaasahang sukatan ng pag‑unlad, dahil ang isang matagumpay na clip mula sa robot na may 5%, 10%, o 99% na katumpakan ay maaaring magmukhang pareho. Sinabi ng kumpanya na tinuruan nito ang modelo na magluto ng itlog noong nakaraang taon: tumagal ng isang linggo ang unang itlog, at ang pagpapasiguro ng proseso sa iba’t ibang itlog at setup ay tumagal ng dalawang buwan. Ayon sa post, ang pagkuha ng huling 5% ng performance ay nangangailangan ng mas malaking pagsisikap kaysa sa unang 95%. Dagdag pa ng post na ang robot na 99.9% na tumpak ngunit sampung beses na mas mabagal ay hindi maaaring i‑deploy, dahil kailangang matapos ng bawat istasyon sa linya ng pabrika sa halos pareho ng cycle time.

Ayon sa post, ang mga aral mula sa mga deployment ay nagdirekta ng pananaliksik ng kumpanya patungo sa S1, dahil ang isang sistema na nangangailangan ng bagong dataset at isa pang post‑training run para sa bawat pagbabago ng supplier, pag‑ayos ng workstation, o binagong assembly sequence ay hindi scalable. Inilarawan ng kumpanya ang nagresultang loop bilang physical recursive self‑improvement: ang karanasan mula sa mga espesyal na deployment ay ibinabalik sa pangkalahatang base model, kaya ang bawat bagong deployment ay nagsisimula mula sa mas matibay na modelo.

Itinatala ng post ng Agosto ang timeline ng pag‑unlad mula sa LocoFormer, isang in‑context learner para sa locomotion, noong Setyembre 2025, hanggang sa unang in‑domain in‑context results noong Pebrero 2026 at unang out‑of‑distribution na pag‑flip ng pancake noong Mayo 2026, hanggang sa paglabas ng S1 noong Agosto 2026. Ayon sa post, ang S1 ay kasalukuyang ginagamit na kasama ang mga komersyal na kasosyo ng kumpanya. Tinapos ng post noong Setyembre 9: “Tapos na ang panahon ng mga demo; nagsimula na ang panahon ng deployment.”