數據自己造，能力自己長，小米要讓機器人“自我進化”

作者｜李楠
微信 ｜tqkm1510

全球具身智能競爭正從單點之爭轉向系統之爭。

特斯拉 Optimus、Figure 等海外公司較早探索本體、模型、數據與場景的垂直整合，一邊研發機器人本體，一邊建設數據采集和模型訓練體系，并嘗試將機器人部署到工廠、倉儲等真實環境。中國具身智能產業早期更多依靠專業分工建立速度優勢，如今也開始將硬件、模型、數據與場景連接起來，形成持續迭代的閉環。

小米現在走到了前面。

7月14日至16日，小米連續公布機器人進廠、Xiaomi-Robotics-U0 和 Xiaomi-Robotics-1 三項進展，第一次較為完整地展示了其具身智能技術布局。三項成果分別落在本體、數據和模型環節，卻指向同一件事——讓機器人進入真實世界，在操作中積累經驗，再將有限經驗轉化為可遷移到更多場景和任務的能力。

單臺機器人、單個模型和單項能力依然重要，但企業間的長期差距，越來越取決于整套學習系統的迭代速度。小米的三天三連發，恰好串起了真實場景、數據生產、模型訓練和機器人部署。

而這也折射出中國具身智能優勢的變化。制造、供應鏈和應用場景仍是基礎。新的看點，則是如何將本體、數據和模型組織成一套高效運轉的系統。

1

小米連跨具身三道檻

具身智能領域一直在追問，機器人策略模型能否復制大模型的 Scaling 路徑。作為小米三連發的最后一項成果，Xiaomi-Robotics-1 給出回應。

傳統機器人策略高度依賴特定本體、場景和任務。機器人學習抓取杯子、整理物品或安裝零件，往往需要分別采集數據、訓練策略；一旦更換機械臂、物體或環境，原有能力就可能明顯下降。這種方式很難支撐機器人快速擴展能力。Robotics-1 探索的方向，是通過擴大數據和模型規模，讓機器人逐步形成能夠遷移到更多場景和任務的通用能力。

為此，小米采用“無本體 UMI（Universal Manipulation Interface）預訓練＋規模化自動標注流程”。預訓練階段使用10萬小時不依賴特定機器人本體的 UMI 真實世界操作軌跡，并借助自動標注流程學習通用動作生成能力；后訓練階段再引入約1萬小時跨本體數據，完成機器人本體對齊與自然語言指令對齊。

實驗顯示，隨著預訓練數據和模型規模擴大，模型的動作預測能力持續改善，并且這種收益也延續到了真實機器人任務中。數據更多、模型更大，機器人在陌生環境中的任務成功率也隨之提高，為具身智能領域的 Scaling Law 提供了證據。

而規模化訓練進一步帶來兩類能力。第一類是面對陌生環境和新物體時的“開箱即用”：機器人無須針對測試場景重新微調，就能根據自然語言指令完成操作，減少對固定場景、物體和流程的依賴。第二類是對復雜新任務的高效適配：基座模型已經學習了大量抓取、移動、放置等操作經驗，只需補充少量真實機器人數據，便可完成新任務訓練。

機器人訓練由此有機會從“一個任務訓練一個策略”，轉向“通用基座加少量數據適配”。在 RoboCasa365 公開排行榜中，Xiaomi-Robotics-1 以57.4%的平均成功率排名第一，也為這條可規模化訓練路線提供了進一步佐證。

不過模型能力能否繼續增長，還取決于訓練數據的規模和質量。這時候，Xiaomi-Robotics-U0 登場。

真實機器人數據是具身智能最昂貴的資源之一。機器人必須在現實環境中持續操作，才能記錄視覺、動作、接觸和結果。但有限的真實數據無法窮盡光照、背景、物體形變、擺放方式和異常情況，模型可能在熟悉環境中表現良好，進入陌生場景后成功率卻明顯下降。

小米將 Xiaomi-Robotics-U0 定義為全球首個統一具身生成模型。它類似一套面向具身智能的“世界模型式”數據引擎，用生成模型拓展機器人的經驗邊界，將有限的真實樣本延展至更多場景、物體和機器人本體。

U0 將具身場景生成、具身遷移、機器人交互視頻生成，以及通用圖像生成與編輯統一到一個模型中，并通過五維結構化控制保持多視角間的幾何一致性。它還支持不同機器人本體之間的數據遷移。由一種機械臂記錄的操作經驗，可以轉換為其他機器人可用的訓練數據，降低數據對單一本體的依賴。

U0的五維度結構化場景描述

幾組測試數據體現了 U0 的強悍。通過 FlashAR+ 方案，U0 的生成效率提升82.9倍；在 WorldArena 評測中，U0 在全球126個模型中排名第一，總分73.64；在300個樣本的雙難度測試中，其具身場景生成和遷移效果超過了 GPT-Image-2.0。

更直接的驗證來自真實機器人實驗。在未知光照、陌生背景等分布外場景中，加入 U0 增強數據后，機器人任務表現從36.9%提升至63.2%。生成數據由此轉化為機器人應對陌生環境的實際執行能力。

最后，數據與模型仍要回到物理世界接受檢驗。7月14日的展示中，小米機器人首次在汽車工廠完成柔性工件的長時作業，并拓展至中控臺側蓋板排序、料箱折疊等復雜工站。據官方數據，自攻螺母上件工站的機器人作業成功率達到98%，中控臺側蓋板排序和料箱折疊回收任務的成功率均達到90%。

雖然這些任務遠不如各種舞臺表演吸睛，卻實實在在展現了機器人的生產力。

1

一個自我進化的圓環

Robotics-1、U0 和汽車工廠中的機器人，分開看分別對應模型、數據和本體，連接起來則構成一套可以持續迭代的學習系統。

Robotics-1 從大規模經驗中學習通用操作能力，U0 擴大訓練經驗的數量和邊界，機器人和汽車工廠則不斷提出真實問題，并檢驗這些能力能否轉化為生產力。并且這套系統還能反復運轉。

展開來看，機器人進入工廠后，會遇到柔性工件變形、接觸卡滯、設備誤差和多機配合等問題，每一次失敗和調整都會留下有價值的運行數據，而U0 可以將有限的真實數據擴展到更多環境、光照、物體和機器人本體，Robotics-1 則可以從規模更大、情況更復雜的數據中進行學習。

之后模型變強，機器人便能進入更多工站、處理更復雜的任務，同時產生新一輪問題和數據，繼續推動模型進化，形成自我進化的循環。

這意味著，具身智能企業之間的長期差距，會越來越取決于這套循環的運轉速度。一次演示只能體現某個時刻的能力上限，持續迭代才決定機器人最終能走多遠。

這也解釋了小米為何要同時布局。模型在工廠暴露的問題，可以轉化為數據需求；真實樣本不足，可以借助 U0 擴展環境和異常情況；本體設計與任務不匹配，也可以根據模型和運行反饋繼續優化。

這帶來了不少好處。對研發而言，這讓企業可以更快地發現問題、補充數據、訓練模型并重新部署。對產業化而言，這套閉環還有望系統性地降低機器人的部署成本。

本體價格只是機器人產業化成本的一部分。每進入一個新場景，企業通常還需要工程師重新采集數據、編寫策略和調試系統，這些部署成本同樣限制規模擴張。

但對小米來說，其自有工廠能夠提供成功率、生產節拍和異常情況等真實數據，在此基礎上，U0 可以減少重復采集和構造長尾場景的成本，Robotics-1 則降低新任務從零訓練的需求。隨著系統持續運轉，機器人進入新工位所需的數據量、調試時間和工程投入，都可能持續縮減。

總之，小米三天內展示的并非三個彼此孤立的成果，而是一套從數據生產、模型訓練到場景落地的完整鏈路。這讓它成為行業內少數真正打通全棧技術鏈路的公司，在一個群雄逐鹿的戰場上走到了行業前列。

不過在進化的不只有小米，中國整個具身智能產業也在加速向前。

1

具身智能進入系統之爭

過去兩年，中國具身智能正在逐步擺脫全面跟隨美國的局面。

在機器人本體、關鍵零部件、供應鏈完整度、成本控制和工程迭代速度上，中國已經形成局部優勢。然而具身智能的最終競爭，仍取決于機器人能否持續變得更聰明。在模型、算法等上游環節，美國依然保持領先。

值得關注的不只有特斯拉 Optimus 和 Figure。Google DeepMind 的 Gemini Robotics 已從大型多模態模型向機器人控制延伸，頭部模型公司也在重新加強機器人和硬件布局。

OpenAI 的公開招聘覆蓋硬件、仿真、數據采集、機器學習、執行器和感知基礎設施，觸及具身模型研發所需的多個環節。Anthropic 近期發布機器人研究項目“Claude Plays Robotics”，探索讓語言模型控制不同形態的機器人和仿真系統。

在這一背景下，中國要進一步縮小差距，就需要把本體、供應鏈和制造場景上的積累更快轉化為數據與模型能力，將制造端的局部優勢延伸為系統優勢。

實際上，小米的價值也正在這里。它的三項進展，恰好提供了一個中國具身智能加速演進的樣本。

作為一家業務廣泛的科技企業，小米同時擁有機器人本體、自有汽車工廠、數據生成模型和機器人基座模型，也具備消費電子與汽車業務長期積累的硬件工程、供應鏈、質量控制和量產能力。這讓它有機會把AI、硬件、制造與真實場景放入同一套體系。

其中，小米的自有工廠還提供了更深一層的優勢。機器人接入工廠數字系統，獲取生產任務、物料信息、料格編號和其他機器人狀態，并保留遠程接管與運行反饋機制，由此真正成為生產系統中的一個節點，具身模型也能獲得更完整的任務信息和反饋。

而這些資源和能力組合起來，便形成了一條從中國制造現場生長出來的獨特技術路徑——先從柔性操作、長時作業和多機協同等真實需求出發，再利用數據生成擴大經驗邊界，通過基座模型形成跨任務能力，最后依靠硬件工程和制造體系，把模型重新送回生產環境，將模型能力轉化為可長時運行、可泛化的生產力。

說到底，機器人在舞臺上完成一次高難度動作，只能證明它在某個瞬間的能力上限。能否在工廠里反復穩定運行，才決定它有沒有成為生產工具的資格。

具身智能下一階段的評價標尺，也終究要回到真實生產中的經濟賬。

點個“愛心”，再走 吧