Skild AI, On Ayda $100 Milyon Yıllık Gelir Hızını Aştı

Skild AI, 9 Eylül 2026 tarihinde, robotik şirketinin ilk ticari dağıtımından on ay sonra, yıllık gelir hızını $100 milyon seviyesine yükselttiğini duyurdu.

Bu kilometre taşı, şirket blog gönderisi başlıklı “The Hidden Pillar of Robotics” içinde açıklanmıştır. Gönderide, şirket, mal taşıma, teslimat yapma, saha denetimi, güvenlik sağlama ve yiyecek hazırlama gibi alanlarda 60’tan fazla ücretli müşteriye hizmet verdiğini ve ayrıca depolarda, fabrikalarda ve veri merkezlerinde çalıştığını belirtti. Mobilite gelirin %10’unu, Fetch çözümleri ise %4’ünü oluşturuyor, şirket söyledi.

Adlandırılmış Ticari Dağıtımlar

Gönderi, teknoloji ve endüstri ortaklarıyla üç dağıtımı tanımladı. NVIDIA ve Foxconn ile birlikte, Skild AI, NVIDIA Blackwell sistemlerinin yüksek hassasiyetli montajı için çift kollu manipülatörlerde Skild Brain’i dağıtıyor; şirketin belirttiğine göre bu çalışma her ürün döngüsüyle değişiyor ve daha önce hat üzerindeki her robotun yeniden programlanmasını gerektiriyordu.

Sumitomo Wiring Systems’te, Skild AI, en yeni temel modeli S1’i, gönderide otomatikleştirmenin imkânsız olduğu söylenen kablo demeti üretim süreçlerini otomatikleştirmek için dağıtmaya çalıştığını belirtti. Japonya genelinde günde 1,4 milyon öğün sağlayan tedarik zincirlerine sahip Mitsui & Co. ile birlikte, şirket S1 destekli genel amaçlı robotları ticari mutfaklarda pilot olarak kullanıyor.

S1 Modeli ve Şirket Tarafından Bildirilen Sonuçlar

Skild AI, 18 Ağustos 2026 tarihli bir gönderide S1’i, amiral gemisi robotik temel modeli olarak adlandırdığını tanıttı. Şirket, S1’i sıfırdan bir bağlam içinde öğrenen olarak inşa etti: bir operatör, bir görevin tek bir video gösterimini kaydeder ve modeli ağırlıklarını güncellemeden robotun talimatı olarak verir. S1, NVIDIA AI altyapısı üzerine kuruludur; şirket, bunun robotik verilerin karışımı üzerinde ölçekli eğitim için gereken hızlandırılmış bilgi işlem temelini sağladığını belirtti. Ağustos gönderisine göre, S1, ön eğitim sırasında hiç görülmemiş, on dakikaya kadar uzanan son derece uzun vadeli görevlerde bağlam içinde öğrenmeyi gösteren ilk robotik temel modelidir.

Bu gönderide açıklanan kontrollü bir iç çalışmada, Skild AI, bağlam içinde öğrenme ve dil koşullı VLA politikalarını, 1.000 ile 100.000 saat arasında değişen veri setlerinde aynı veri, mimari ve hesaplama üzerinde eğitti. 100.000 saatlik ön eğitimde, bağlam içi politika, görülmemiş dört ila sekiz dakikalık uzun vadeli görevlerde %66 başarı oranına ulaşırken, dil‑tabanlı politika %9 oranındaydı, şirket bildirdi. Ön eğitim dağılımından alınan görevlerde ise ilgili oranlar %96 ve %89 idi. Şirket, özellikle dil‑tabanlı temel için, dağıtımlar sırasında hatalardan kurtulmak amacıyla insan müdahalesi kullandığını ve böylece her adımın kümülatif olarak puanlanabildiğini söyledi.

Ağustos gönderisi ayrıca, tek bir bağlam içi gösterimin, görülmemiş görevlerde yaklaşık 380 eğitim sonrası bölümü eşleştirdiğini, şirketin ölçülen noktalar arasında ara değer alarak tahmin ettiğini belirtti. 380 uzun vadeli gösterimin toplanması, gönderiye göre, 50‑100 saatlik teleoperasyon gerektirirken, 2.000 gösterim üzerinde eğitim sonrası VLA politikası %86 başarı oranına ulaştı. Bir bitki dikim görevinde, şirket gösterimden otonom yürütmeye 11 dakikalık bir süre kaydetti: malzemeler 20:54’te geldi, tek bir özmerkezli insan gösterimi 21:22’de kaydedildi ve S1 görevine 21:27’de otonom olarak başladı.

Veri kalitesi hakkında şirket şu ifadeyi kullandı: “Veri toplama için harcadığımız her dolar için kalite kontrolüne üç dolar harcıyoruz.” Gönderiye göre, ön eğitime giren her veri noktası düşük seviyeli hassasiyet, görev tutarlılığı ve etiketleme doğruluğu açısından taranır.

9 Eylül gönderisi, dağıtımı robotik araştırmanın gizli bir sütunu olarak tanımlıyor ve demo videolarının ilerlemeyi ölçmede güvenilmez olduğunu savunuyor; çünkü %5, %10 veya %99 doğruluk oranına sahip bir robotun başarılı bir klibi aynı görünebilir. Şirket, modeline geçen yıl yumurta yapmayı öğrettiğini belirtti: ilk yumurta bir hafta sürdü ve farklı yumurtalar ve kurulumlar arasında süreci güvenilir hâle getirmek iki ay aldı. Performansın son %5’ini sıkıştırmak, ilk %95’ine göre çok daha fazla çaba gerektiriyor, gönderi belirtiyor. Ayrıca, %99,9 doğrulukta ama on kat yavaş bir robotun dağıtılabilir olmadığı savunuluyor; çünkü bir fabrika hattındaki her istasyon yaklaşık aynı çevrim süresi içinde bitmek zorundadır.

Gönderiye göre, dağıtımlardan elde edilen dersler şirketin araştırmasını S1’e yönlendirdi; çünkü her tedarikçi değişikliği, istasyon yeniden düzenlemesi veya revize montaj dizisi için yeni bir veri seti ve bir eğitim sonrası çalıştırma gerektiren bir sistem ölçeklenemez. Şirket, ortaya çıkan döngüyü fiziksel yinelemeli öz‑gelişim: uzman dağıtımlardan elde edilen deneyimin genel temel modele geri getirildiği ve böylece her yeni dağıtımın daha güçlü bir modelle başladığı şeklinde tanımladı.

Ağustos gönderisi, gelişim zaman çizelgesini, Eylül 2025’te locomotion için bağlam içinde öğrenen LocoFormer’dan Şubat 2026’da ilk alan içi bağlam sonuçlarına ve Mayıs 2026’da ilk dağılım dışı pankek çevirisine, ardından Ağustos 2026’da S1’in yayınlanmasına kadar belgeledi. Bu gönderi, S1’in şirketin ticari ortaklarıyla zaten çalıştığını belirtti. 9 Eylül gönderisi şu sözle son bulur: “Demo dönemi sona erdi; dağıtım dönemi başladı.”