工厂里换一款产品、改一条产线，传统机器人得重新采集数据、重训、再验证，周期以周计。Skild AI 的新模型 S1 想干一件事：你拿手机拍一段"我想让机器人这么做"的视频，丢给它，11 分钟后机器人就能自己干起来——不用改权重、不用专门后训练。对 AI 数据工程师而言，真正值钱的不是"机器人变聪明"，而是"数据从哪来、怎么被高效利用"这件事被彻底重写了。
图片来源：Pexels
一段视频，约等于 380 条手工样本
9 月 10 日，Skild AI 发布机器人基础模型 S1，核心是"上下文学习（in-context learning）"：把一段视频演示作为提示词输入，模型理解其中的意图、物体和步骤顺序，直接映射成眼前机器人的动作，全程不更新模型权重、不做任务专属后训练。它能完成最长约 10 分钟、含数十个操作步的陌生任务——比如给植物换盆、煎饼、手冲咖啡、套件组装，且能在物体移位时自我调整、从错误中恢复。
几个硬数字很说明问题：在全新多步任务上，S1 每步成功率约 66%，而同类 AI 系统仅 9%，提升超 7 倍；Skild 估算，给机器人看一段短视频示例，价值约等于约 380 条亲手采集的训练样本——而人工采集这些样本可能要 50–100 小时；在一个"植物换盆"测试中，从录示范到硬件自主执行只用了 11 分钟。
完整技术栈，与一条落地的路
这背后是完整的 NVIDIA 技术栈：用 Cosmos 把视频转成结构化描述、用 Cosmos Curator 大规模标注筛选数据；用 Omniverse 与 Isaac Sim 生成物理可信的虚拟环境做训练与边界测试；用开源框架 Isaac Lab（基于 Newton 物理引擎）做强化学习、压低"仿真到现实"的落差；上线前再用 Nsight 找性能瓶颈、TensorRT 优化推理，让机器人响应够快。
商业落地也在跑：Skild、NVIDIA 与 富士康（Foxconn）正把"Skild Brain"部署到双臂机械臂上，做 NVIDIA Blackwell 系统的高精度装配——装汇流排、拧 16 颗螺丝、在扰动中保持节拍。Skild 成立 10 个月已达 1 亿美元年化营收，建成 60+ 部署合作。
对 AI 数据工程师，这是"数据工程 + 仿真 + 模型部署"全链路打通的范本：考的就是怎么把稀缺的真实数据，用合成数据、仿真、标注工具放大成可训练资产——S1 把这条路走通了。
来源：NVIDIA 官方博客《Skild AI teaches robots new tasks from a single video with NVIDIA physical AI》