靠儿童陪伴机器人Miko卖出50万台后，这家公司转身做物理AI底座，完成3000万美元融资

follow us

AING硬迹

从“卖机器人”到“卖大脑”。

今年，物理AI（Physical AI）的热度一度被拉高。NVIDIA把GR00T塞进人形机器人的开发工具箱，Physical Intelligence、Skild AI相继拿下巨额融资，背后的逻辑相似：大模型不应只活在聊天窗口里，还要能感知物理世界、驱动机器的身体。

近日，儿童陪伴机器人Miko的母公司Inner SkyLabs正式发布了一套自研的物理AI基础模型家族，覆盖感知、动作与安全三层，且明确表示并非基于开源模型微调，而是完全自研。

同期，该公司正在收尾一笔约3000万美元的融资，投资方包括现有股东YourNest Venture Capital、Keshav R Murugesh，以及新的全球投资方。完成后，这家公司的累计融资将达到1亿美元。

三层架构模型

Inner SkyLabs的模型体系分为三层，命名带有明显的印度文化色彩，全部用梵语命名。

感知层由三个模型组成：Drishti负责视觉，Shruti负责音频，Sparsh负责触觉。值得注意的是，Sparsh的技术路线与学术界近期在触觉表示学习上的进展方向一致：通过自监督学习从大量无标签触觉数据中提取通用表征，再以少量样本适配下游任务。

动作层包含三个模型：Kriya（视觉-语言-动作策略模型）、Karma（世界模型）和Prana（旗舰级全模态双脑基础模型）。根据官方公布的技术路线图，这三个模型将分别从当前的40亿、40亿和90亿参数规模，扩展至120亿、160亿和370亿参数。Kriya的VLA策略定位意味着它承担着将感知输入转化为具体动作指令的职责，而Karma作为世界模型，则负责预判动作的物理后果，这与当前具身智能领域“先预测、再行动”的主流范式一脉相承。

感知负责“看见世界”，动作层负责“决定怎么做”，而真正的差异化藏在第三层。

Inner Sky Labs为这套模型配了一个独立的安全层Kavach，梵语意为“护甲”。它作为独立于动作模型的验证层，在每一个动作执行前进行校验，内置20多条安全护栏，涵盖人员在场检测、运动速度限制、允许操作区域等规则。

这套安全层脱胎于一个特殊的训练场：儿童身边。Miko机器人的核心场景是陪伴孩子，这意味着它的AI必须在最不容出错的用户群体旁边运行了十年。

这种“规划-预判-审核”的三段式架构，把安全从“训练时对齐”抽离出来，变成“执行时校验”，其设计的工程意义在于：即使动作模型本身出现异常输出，Kavach仍然可以在动作执行前将其拦截。

十年数据积累

Inner SkyLabs的故事始于2015年。三位IIT孟买校友创立了这家公司，推出了儿童陪伴机器人品牌Miko。此后十年，Miko成长为全球消费级机器人领域的知名品牌，产品进入140多个国家，部署量超过50万台，并成功切入Costco等北美主流零售渠道，是美国市场儿童机器人品类的头部品牌。

据CEO Sneh Vaswani透露，早在2017年的投资人路演中，团队就已经在讨论开发AI基础模型的计划，Miko只是这些模型的第一个应用场景。当时市场对独立AI模型的需求不足，团队选择先通过Miko验证技术，再将能力向更广阔的场景扩展。如今，Inner SkyLabs作为母公司品牌正式亮相，标志着这家公司从消费级机器人公司向物理AI平台型企业的战略转型。

这一转型的核心逻辑在于：开发基础模型的成本正在急剧上升，尤其是对于产量有限的中小机器制造商而言，自建模型团队在经济上不可行。Inner SkyLabs的定位是做“通用的模型供应商”，让多家制造商共享同一套AI能力，而无需各自重复投入。

CEO Vaswani强调：“这不是在开源模型上做微调。这是我们自己的模型。”近十年来做消费机器人的同时，这套底层模型一直在同步积累。

这种“一体两面”的路径带来了一个别的实验室难以复制的资产：数据。50万台分布在全球的Miko机器人，意味着十年的真实世界交互数据；50多个仪表化的制造站点，意味着产线级的数据采集能力；再加上从sim-to-real的强化学习闭环，构成了一个自我改进的数据飞轮。

融资上，他们在2019年获750万美元A轮，2021年2800万美元，2025年又拿下iHeartMedia的1050万美元战略投资。在“物理AI”成为热词之前，这家公司已经完成了近7000万美元的积累。

从“卖机器人”到“卖大脑”

Inner SkyLabs认为，如果具身智能的基础模型真正存在，它应该跨形态泛化，空间智能不应被锁死在某一类机器人形态里。

因此在商业化上，Inner SkyLabs正在将这套模型能力以API或平台形式对外输出，支持工业机械臂、人形机器人、移动机器人、四足机器人、汽车和CCTV系统等多种硬件形态。部署方式覆盖云端API、本地化部署、端侧推理等。

据悉，其商业化落地早于此次公开发布两到三个季度，已完成4到5个企业与政府的大型部署，其中部分在印度以外；一家全球游戏巨头已经在用它的Shruti和Kavach做NPC安全。不过客户名单均未披露，目前平台采取受邀制接入。

这一战略转身也意味着其商业化模式的变化，从B2C扩展到B2B2G。Miko在儿童陪伴机器人领域积累的是消费级产品经验——语音交互、情感陪伴、家庭场景。儿童陪伴是一个被验证过但天花板可见的市场，而物理AI被称为“下一个万亿美元市场”。公司选择把消费级产品打磨出的感知与交互能力，包装成通用物理AI基础设施出售，是合理的商业推演。

物理AI

物理AI基础模型赛道，目前大致可以分为三类玩家。

实验室派以Physical Intelligence、Skild AI为代表，靠大额融资和顶尖论文切入，优势在算法前沿，短板是真实世界部署的落地数据。芯片生态派以NVIDIA GR00T为代表，用开发工具箱绑定自家算力生态，规则制定者的位置稳固。而Inner Sky Labs代表的是第三条路，消费品反哺派：先用一台儿童机器人把量铺开、把数据养出来，再把模型能力横向卖给所有机器。

Vaswani的判断是：自研基础模型对单一家机器制造商来说成本是比较高的。Inner Sky Labs要做的，是把这套能力变成行业共享的基础设施——机器厂商可以只买感知，可以买全套，也可以只要那层“护甲”。

但从“自己用”到“卖给所有人”，中间隔着的不是技术，而是信任。这或许也是Inner Sky Labs优先从to G切入的原因，先给自己拿到信任背书。

另外，Inner Sky Labs表示下一代模型已经在路上，将支持多机械臂协同，并处理更丰富的触觉信号。当AI从数字世界走进物理世界，这场竞赛的入场券，或许不止一种赚法。

硬迹正在打造AI硬件社区，对加入社群感兴趣的读者，欢迎add：AINGmaker0411加入【AING硬迹产业交流群】。

AING硬迹

AING，取自“AI+ING”的缩写，中文谐音“硬迹”，寓意着“人工智能正当其时”，致力于追寻硬科技发展的足迹，不断探索人工智能与智能硬件的深度融合。

未来，AING硬迹将不断发布AI大模型技术、AI产业生态、AI硬件产品等行业资讯、发展趋势与市场动态，我们相信大多数硬件都值得用AI重做一遍，AING硬迹期望与AI大模型厂商、与AI硬件厂商共同成长，迎接AI时代的来临。

人工智能正当时

一起追寻AI+硬件的足迹