Skild AI｜S1基础模型：10分钟上下文学习，单次演示未见任务成功率约66%

机器人行业最贵的隐性成本，常常不是硬件报价，而是「换一台本体就重训一遍」——Skild S1把赌注押在「看一遍就会」：不改权重，只给一段示范视频，就能扛住十分钟级的陌生长程任务。若这条路线在更多工厂站得住，技能开发方式可能从采数据变成录视频。

Skild AI是2023年成立的北美具身智能公司，由卡内基梅隆大学机器人研究所教授Deepak Pathak与Abhinav Gupta联合创立，投资方包括软银、英伟达、贝索斯等；2024年走出隐身模式后估值快速抬升，2026年1月C轮融资后公开估值口径逾140亿美元。公司长期强调「Any robot, any task, one brain」——同一套Skild Brain可跑在机械臂、四足、人形等不同本体上，延续自2022年WHIRL等「单次模仿学习」学术路线。

8月26日前后，Skild发布机器人基础模型S1，核心能力是上下文学习（In-Context Learning，ICL）：在不改动模型权重、不做后训练微调的前提下，仅观看一段人类示范视频，即可执行煎饼、冲泡咖啡、植物换盆与设备组装等最长约10分钟的未见过长程任务。官方博客称，在分布外（OOD）任务上，视频ICL成功率约66%，而基于语言提示的视觉-语言-动作（VLA）模型约9%；若走传统后训练路线，若要追平单次演示效果，约需380次任务演示；堆到约2000次演示后，传统路线最终约可达86%，但数据与真机成本显著更高。

实验与Scaling叙事：

1. 数据规模效应：训练数据从约1000小时增至约10万小时后，ICL在「见过」任务上约96%，语言Prompt约89%；在OOD任务上差距拉至约66%对约9%，语言路线性能下降幅度最高约为ICL的3倍。
2. 任务长度：从秒级动作扩展到十分钟级长程，机器人需在多步骤中维持「做到哪一步、下一步做什么、搞砸了怎么续」的任务图意识，而非逐帧模仿。
3. One-shot对比：新任务零后训练，单条视频演示成功率约66%；传统VLA需约380次演示才追平——官方将此称为具身领域的「ICL Scaling Law」。

所谓上下文学习，白话是模型把示范视频当作「临时说明书」塞进上下文，当场照做，而不是把说明书写进权重里再出厂。所谓VLA（视觉-语言-动作），白话是听人话指挥动手——在陌生长程任务上，语言往往不如「让你看我做一遍」信息密度高。所谓OOD任务，白话是训练时没见过的工位、道具与顺序组合，检验泛化而不是背题。

官方演示强调「从录示范到机器人上手」可压缩到约11分钟级（以植物换盆为例），这对工厂试点意味着标定与换线成本可能数量级下降。与上周Generalist Gen 1.5等「具身大脑」进展同向，但Skild更强调跨本体与十分钟级OOD——验收仍要看真实工位节拍、安全急停与失败恢复，而非宣传片里的厨房场景。

产业观察上，若「录一条示范≈六七十分」在工业POC中可复现，机器人软件商业模式可能从「卖license+驻场调参」转向「卖大脑+按技能订阅」。可以把它想成：过去学开车要进驾校刷几十小时，现在给你看一段教练示范就能上路——能开多远，还得看路况与交规。对资本，Skild高估值押的是通用大脑能否成为「机器人时代的安卓」；对买方，应先签可审计的成功率与人工接管率SLA。

需要把边界读清楚。66%与380次等数字来自官方博客与自有实验设置，第三方独立基准仍少；长程任务的安全认证与责任边界未在公开材料中完整披露。下一观察点是制造业客户POC报告、不同本体迁移是否需额外标定工时。