SoftBank, NVIDIA, Sequoia Capital, Jeff Bezos und andere haben an der Finanzierung beteiligt. Der Robotik-Start-up Skild AI hat 1,4 Milliarden US-Dollar finanziert, um ein universelles Basis-Modell zu entwickeln.

Der Robotik-Startup Skild AI hat eine Serie-C-Finanzierung in Höhe von 1,4 Milliarden US-Dollar abgeschlossen und einen Unternehmenswert von über 14 Milliarden US-Dollar erreicht. Diese Finanzierung wurde von der japanischen SoftBank Group geleitet. Strategische Investoren wie NVentures von Nvidia, Macquarie Capital und Bezos Expeditions des Amazon-Gründers Jeff Bezos waren beteiligt. Auch Samsung, LG, Schneider Electric und Salesforce Ventures gehörten zu den Investoren.

Mitte Januar 2026 gab der Robotik-Startup Skild AI die Absolvierung einer Serie-C-Finanzierung in Höhe von rund 1,4 Milliarden US-Dollar bekannt. Der Unternehmenswert überschritt 14 Milliarden US-Dollar. Die Finanzierung wurde von der japanischen SoftBank Group geleitet. Strategische Investoren wie NVentures von Nvidia, Macquarie Capital und Bezos Expeditions des Amazon-Gründers Jeff Bezos waren beteiligt. Auch Samsung, LG, Schneider Electric und Salesforce Ventures gehörten zu den Investoren.

Für Leser, die sich für diesen Bereich interessieren, dürfte diese Investorenliste vertraut vorkommen. Viele dieser Investoren haben kürzlich auch in einen anderen angesehenen Robotik-Startup, Field AI, investiert. Dieses Unternehmen bemüht sich um die Entwicklung eines "allgemeinen Robotik-Gehirns", das für verschiedene Robotertypen und Umgebungen geeignet ist. Skild AI hingegen hat sich ausdrücklich erklärt, ein künstliche-intelligenzgesteuertes Robotergehirn zu entwickeln, und die strategischen Richtungen beider Unternehmen scheinen auf ähnlichen Wegen zu liegen.

Zu einer Zeit, in der die Hardwareform von Robotern noch nicht festgelegt ist und die Anwendungsfälle stark fragmentiert sind, sammeln sich die Kapitalquellen fast gleichzeitig wiederholt bei wenigen Unternehmen, die nicht nur Roboter herstellen. Das Prinzip der Kapitalgewinnorientierung bestätigt in gewisser Weise, dass dieser Startup, der vor weniger als 3 Jahren gegründet wurde, einen vielversprechenden Geschäftsweg gewählt hat.

Firmenwebseite: https://www.skild.ai

Jeder Roboter, jede Aufgabe, ein Gehirn

„Jeder Roboter. Jede Aufgabe. Ein Gehirn.“

Beim Öffnen der Skild AI-Webseite fällt direkt dieser ehrgeizige Slogan auf. Auf dem offiziellen X-Konto und in einem Interview von NDTV, an dem einer der Gründer, Abhinav Gupta, vor ein paar Tagen teilgenommen hat, wird dieser als Leitspruch gefeierte Satz immer wieder erwähnt: „Jeder Roboter, jede Aufgabe, ein Gehirn.“ Dies fasst präzise das Besondere von Skild AI im Vergleich zu den meisten Robotikunternehmen zusammen.

Quelle: Skild AI-Webseite

Deepak Pathak sagte in einem Interview direkt: „In den letzten 70 Jahren gab es viele Roboterdemonstrationen, aber es gibt immer noch keine Roboter in unserer unmittelbaren Umgebung. Das liegt daran, dass Roboter ein Gehirn fehlen.“ Nach seiner Meinung liegt der grundlegende Grund für die langfristige Schwierigkeit, Roboter in großem Maßstab einzusetzen, in der fehlenden Existenz eines wirklich universellen "Intelligenzgehirns".

Das Kernziel von Skild AI besteht daher nicht darin, einen bestimmten Roboter zu entwickeln, sondern ein Basis-Modell zu entwickeln, das auf verschiedenen Robotern eingesetzt werden kann.

Dies ist eine sehr interessante Richtung. Es ist bekannt, dass der Erfolg von Large Language Models auf riesigen Datenmengen im Internet beruht. Deepak Pathak hat jedoch einen entscheidenden Punkt herausgestellt: „Wo ist das Internet der Roboter?“ In der Realität gibt es kein fertiges "Roboter-Internet", das eine riesige Menge an physischen Interaktionsdaten enthält. Deshalb ist ihre einzigartige Lösung, die unendlichen menschlichen Videodaten im Internet in Erfahrungen für Roboter umzuwandeln. „Menschen lernen durch Beobachtung, und Roboter sollten das auch tun.“

Quelle: Offizielles X-Konto von Skild AI

Zwei "Mentorartige" Gründer: Von der akademischen Forschung zur industriellen Umsetzung

Ein weiteres interessantes Aspekt der Geschichte von Skild AI ist sein Gründerteam.

Das Unternehmen wurde von Deepak Pathak und Abhinav Gupta gegründet, beide sind erfahrene Forscher auf dem Gebiet der Künstlichen Intelligenz und Robotik. Deepak Pathak ist derzeitiger CEO und hat zuvor umfangreiche Erfahrungen in der Kreuzforschung von Künstlicher Intelligenz und Robotik gesammelt. Abhinav Gupta ist Präsident des Unternehmens und ebenfalls ein angesehener Wissenschaftler auf dem Gebiet des selbstüberwachten Lernens und Robotiklernens in der KI. Beide Gründer haben zuvor an der Carnegie Mellon University gelehrt und geforscht, einer der ersten Institutionen weltweit, die tiefgehende Arbeiten auf dem Gebiet der Kombination von Robotik und KI durchgeführt hat.

Der ehemalige Professor der Carnegie Mellon University Deepak Pathak (links) und Abhinav Gupta (rechts), Quelle: Forbes

Die technische Philosophie des derzeitigen CEO Deepak Pathak war bereits während seiner Promotion an der University of California, Berkeley, geformt. Laut einer Meldung von Forbes hat Pathak eine Methode entwickelt, die Roboter durch die Anregung von "Neugier" lernen lässt, um die Künstliche Intelligenz zu ermutigen, mehr Szenarien zu erkunden. Die entsprechende Studie mit dem Titel "Curiosity-driven Exploration by Self-supervised Prediction" wurde 2017 veröffentlicht und hat fast 4.000 Zitationen.

Quelle: Preprint-Plattform arXiv

Wenn Pathak die Frage beantwortet, wie Roboter aktiv lernen können, bringt Abhinav Gupta das Gen für "Massenlernen" mit. Als erfahrener Wissenschaftler auf dem Gebiet des Computer-Vision und Robotiklernens hat Gupta lange Zeit daran geforscht, wie KI mithilfe von riesigen Mengen an unmarkierten Videodaten trainiert werden kann. Diese Komplementarität bildet die technologische Schutzmauer von Skild AI. Der eine gibt den Robotern durch einen Neugier-Mechanismus die Fähigkeit, die physische Welt selbstständig zu erkunden, während der andere den Robotern durch die Verarbeitung von Internet-skaligen visuellen Daten das allgemeine Weltverständnis verleiht.

Quelle: Persönliche Homepage von Abhinav Gupta an der Carnegie Mellon University

Im Jahr 2023 beschlossen sie, Skild AI zu gründen und setzten es schnell in Gang. Dies war keine "Schnell-Geld"-Gründung, sondern eher ein Versuch, eine langjährige Überlegung und Forschung in die Realität umzusetzen. Nach ihrer Meinung wird die vertikale Schwierigkeit traditioneller Roboter immer deutlicher. Sie sind auf bestimmte Aufgaben spezialisiert, und dieser Ansatz kann die allgemeine physische Inferenz- und Reaktionsfähigkeit von Robotern in unbekannten Umgebungen nicht gewährleisten. Sie hoffen, die Datenbarrieren im Robotikbereich wirklich zu brechen. Diese Vision hat auch eine Gruppe von Robotik- und KI-Experten aus Meta, Tesla, Nvidia, Amazon, Google sowie von Spitzenuniversitäten wie der Carnegie Mellon University, Stanford University, University of California, Berkeley und University of Illinois at Urbana-Champaign angelockt.

Quelle: Skild AI-Webseite

Skild Brain bringt das "Basis-Modell" in die physische Welt

Wenn die zuvor genannten Konzepte die Frage beantworten, wie Roboter lernen sollten, beantwortet das Kernprodukt Skild Brain eine eher technische Frage: Wie kann diese Lernweise tatsächlich in realen Robotersystemen implementiert werden?

Nach der Beschreibung auf dem offiziellen technischen Blog von Skild AI ist Skild Brain kein Steuerungsmodell, das für eine einzelne Aufgabe oder eine bestimmte Roboterform trainiert wurde, sondern ein universelles Intelligenzsystem, das auf verschiedenen Roboter-Körpern eingesetzt werden kann. Skild Brain folgt einer geschichteten Architektur. Eine niederfrequente, hochrangige Handlungsstrategie versteht die Umgebungs-Semantik und plant Ziele, um die hochfrequente, niederrangige Handlungsstrategie zu steuern. Seine unterste Steuerungsebene wird durch eine vollständig end-to-end-Bewegungssteuerung realisiert, die vollständig von Online-Vision und Eigenwahrnehmung angetrieben wird, um eine echte physische Interaktions-Schleife zu erreichen.

Quelle: Skild AI-Webseite

Diese Architektur verleiht Skild Brain drei revolutionäre technische Eigenschaften:

* Omni-bodied Fähigkeit:  Traditionelle Roboteralgorithmen sind oft "spezifisch für einen bestimmten Roboter". Skild Brain hat jedoch gezeigt, dass dasselbe vortrainierte Modell Vierbeiner-Roboter, Zweibeiner-Roboter und sogar Roboterarme steuern kann. Durch die Massentrainierung auf diversen Roboterform-Daten kann das System universelle physische Gesetze über verschiedene Hardware hinweg extrahieren. Dies bedeutet, dass das Modell nicht auf bestimmte Motordrehmomente oder Fußendstrukturen beschränkt ist, sondern eine Art "allgemeines Bewegungseinverständnis" hat.

* Learning by Watching:  Skild AI umgeht die teuren manuellen Demonstrationen und lässt das Modell direkt von Milliarden von menschlichen Aktivitätsvideos im Internet lernen. Diese Technologie kann visuelle Signale in physische Erfahrungen für Roboter umwandeln, sodass Roboter durch das Beobachten, wie Menschen Türen öffnen oder Hindernisse überwinden, ein allgemeines Verständnis der physischen Welt entwickeln können und somit eine starke Null-Shot-Generalisation-Fähigkeit erreichen.

* One Policy, All Scenarios:  In den praktischen Tests von Skild AI hat der mit diesem System ausgestattete Roboter eine starke Robustheit gezeigt. Ob auf glatten Laborböden, in mit Gegenständen vollgestopften Lagerhäusern oder in wilden Wäldern mit Steinen und Schnee - Skild Brain kann mit derselben Strategie die Haltung in Echtzeit anpassen. Diese Anpassungsfähigkeit an unbekannte Umgebungen ist der Schlüssel dafür, dass Roboter aus dem Labor in verschiedene Branchen gelangen können.

Quelle: Offizielles Youtube-Konto von Skild AI

Fazit

Skild AI hat nicht den am einfachsten zu validierenden Weg gewählt, sondern sich direkt dem schwierigsten und langfristigsten Problem im Robotikbereich, der "Universellität", gewidmet. In einer Phase, in der die Hardware noch nicht festgelegt ist und die Anwendungsgrenzen sich ständig ändern, birgt diese Wahl zwar hohe Risiken, aber auch eine unendliche Hoffnung auf die Zukunft. Was Skild AI versucht, könnte möglicherweise die notwendige Voraussetzung für die nächste Phase der Robotikentwicklung sein.

Außerdem bleibt abzuwarten, ob universelle Roboter tatsächlich entstehen werden. Es ist jedoch sicher, dass sich das Interesse der Branche ändert. In der Vergangenheit wurden Roboter hauptsächlich in Bezug auf konkrete Formen, einzelne Szenarien oder lokale Leistung diskutiert. Heute richten immer mehr Kapitalgeber, Forscher und Gründerteams ihren Blick auf eine grundlegendere Frage: Brauchen Roboter ein wirklich universelles, übertragbares Intelligenz-Grundgerüst?

Quellenangaben:

1.https://www.bloomberg.com/news/articles/2026-01-14/robotics-startup-skild-valued-above-14-billion-after-softbank-led-funding-round?embedded-checkout=true

2.https://www.forbes.com/sites/rashishrivastava/2024/07/09/this-15-billion-ai-company-is-building-a-general-purpose-brain-for-robots

3.https://www.businesswire.com/news/home/20240709306400/en/Skild-AI-Raises-%24300M-Series-A-To-Build-A-Scalable-AI-Foundation-Model