声明：本文来自于微信公众号 硅星人Pro，作者：李楠
全球具身智能竞争正从单点之争转向系统之争。
特斯拉 Optimus、Figure 等海外公司较早探索本体、模型、数据与场景的垂直整合，一边研发机器人本体，一边建设数据采集和模型训练体系，并尝试将机器人部署到工厂、仓储等真实环境。中国具身智能产业早期更多依靠专业分工建立速度优势，如今也开始将硬件、模型、数据与场景连接起来，形成持续迭代的闭环。
小米现在走到了前面。
7月14日至16日，小米连续公布机器人进厂、Xiaomi-Robotics-U0和 Xiaomi-Robotics-1三项进展，第一次较为完整地展示了其具身智能技术布局。三项成果分别落在本体、数据和模型环节，却指向同一件事——让机器人进入真实世界，在操作中积累经验，再将有限经验转化为可迁移到更多场景和任务的能力。
单台机器人、单个模型和单项能力依然重要，但企业间的长期差距，越来越取决于整套学习系统的迭代速度。小米的三天三连发，恰好串起了真实场景、数据生产、模型训练和机器人部署。
而这也折射出中国具身智能优势的变化。制造、供应链和应用场景仍是基础。新的看点，则是如何将本体、数据和模型组织成一套高效运转的系统。
小米连跨具身三道槛
具身智能领域一直在追问，机器人策略模型能否复制大模型的 Scaling 路径。作为小米三连发的最后一项成果，Xiaomi-Robotics-1给出回应。
传统机器人策略高度依赖特定本体、场景和任务。机器人学习抓取杯子、整理物品或安装零件，往往需要分别采集数据、训练策略;一旦更换机械臂、物体或环境，原有能力就可能明显下降。这种方式很难支撑机器人快速扩展能力。Robotics-1探索的方向，是通过扩大数据和模型规模，让机器人逐步形成能够迁移到更多场景和任务的通用能力。
为此，小米采用“无本体 UMI（Universal Manipulation Interface）预训练+规模化自动标注流程”。预训练阶段使用10万小时不依赖特定机器人本体的 UMI 真实世界操作轨迹，并借助自动标注流程学习通用动作生成能力;后训练阶段再引入约1万小时跨本体数据，完成机器人本体对齐与自然语言指令对齐。
实验显示，随着预训练数据和模型规模扩大，模型的动作预测能力持续改善，并且这种收益也延续到了真实机器人任务中。数据更多、模型更大，机器人在陌生环境中的任务成功率也随之提高，为具身智能领域的 Scaling Law 提供了证据。
而规模化训练进一步带来两类能力。第一类是面对陌生环境和新物体时的“开箱即用”:机器人无须针对测试场景重新微调，就能根据自然语言指令完成操作，减少对固定场景、物体和流程的依赖。第二类是对复杂新任务的高效适配:基座模型已经学习了大量抓取、移动、放置等操作经验，只需补充少量真实机器人数据，便可完成新任务训练。
机器人训练由此有机会从“一个任务训练一个策略”，转向“通用基座加少量数据适配”。在 RoboCasa365公开排行榜中，Xiaomi-Robotics-1以57.4%的平均成功率排名第一，也为这条可规模化训练路线提供了进一步佐证。
不过模型能力能否继续增长，还取决于训练数据的规模和质量。这时候，Xiaomi-Robotics-U0登场。
真实机器人数据是具身智能最昂贵的资源之一。机器人必须在现实环境中持续操作，才能记录视觉、动作、接触和结果。但有限的真实数据无法穷尽光照、背景、物体形变、摆放方式和异常情况，模型可能在熟悉环境中表现良好，进入陌生场景后成功率却明显下降。
小米将 Xiaomi-Robotics-U0定义为全球首个统一具身生成模型。它类似一套面向具身智能的“世界模型式”数据引擎，用生成模型拓展机器人的经验边界，将有限的真实样本延展至更多场景、物体和机器人本体。
U0将具身场景生成、具身迁移、机器人交互视频生成，以及通用图像生成与编辑统一到一个模型中，并通过五维结构化控制保持多视角间的几何一致性。它还支持不同机器人本体之间的数据迁移。由一种机械臂记录的操作经验，可以转换为其他机器人可用的训练数据，降低数据对单一本体的依赖。
U0的五维度结构化场景描述
几组测试数据体现了 U0的强悍。通过 FlashAR+ 方案，U0的生成效率提升82.9倍;在 WorldArena 评测中，U0在全球126个模型中排名第一，总分73.64;在300个样本的双难度测试中，其具身场景生成和迁移效果超过了 GPT-Image-2.0。
更直接的验证来自真实机器人实验。在未知光照、陌生背景等分布外场景中，加入 U0增强数据后，机器人任务表现从36.9%提升至63.2%。生成数据由此转化为机器人应对陌生环境的实际执行能力。
最后，数据与模型仍要回到物理世界接受检验。7月14日的展示中，小米机器人首次在汽车工厂完成柔性工件的长时作业，并拓展至中控台侧盖板排序、料箱折叠等复杂工站。据官方数据，自攻螺母上件工站的机器人作业成功率达到98%，中控台侧盖板排序和料箱折叠回收任务的成功率均达到90%。
虽然这些任务远不如各种舞台表演吸睛，却实实在在展现了机器人的生产力。
一个自我进化的圆环
Robotics-1、U0和汽车工厂中的机器人，分开看分别对应模型、数据和本体，连接起来则构成一套可以持续迭代的学习系统。
Robotics-1从大规模经验中学习通用操作能力，U0扩大训练经验的数量和边界，机器人和汽车工厂则不断提出真实问题，并检验这些能力能否转化为生产力。并且这套系统还能反复运转。
展开来看，机器人进入工厂后，会遇到柔性工件变形、接触卡滞、设备误差和多机配合等问题，每一次失败和调整都会留下有价值的运行数据，而U0可以将有限的真实数据扩展到更多环境、光照、物体和机器人本体，Robotics-1则可以从规模更大、情况更复杂的数据中进行学习。
之后模型变强，机器人便能进入更多工站、处理更复杂的任务，同时产生新一轮问题和数据，继续推动模型进化，形成自我进化的循环。
这意味着，具身智能企业之间的长期差距，会越来越取决于这套循环的运转速度。一次演示只能体现某个时刻的能力上限，持续迭代才决定机器人最终能走多远。
这也解释了小米为何要同时布局。模型在工厂暴露的问题，可以转化为数据需求;真实样本不足，可以借助 U0扩展环境和异常情况;本体设计与任务不匹配，也可以根据模型和运行反馈继续优化。
这带来了不少好处。对研发而言，这让企业可以更快地发现问题、补充数据、训练模型并重新部署。对产业化而言，这套闭环还有望系统性地降低机器人的部署成本。
本体价格只是机器人产业化成本的一部分。每进入一个新场景，企业通常还需要工程师重新采集数据、编写策略和调试系统，这些部署成本同样限制规模扩张。
但对小米来说，其自有工厂能够提供成功率、生产节拍和异常情况等真实数据，在此基础上，U0可以减少重复采集和构造长尾场景的成本，Robotics-1则降低新任务从零训练的需求。随着系统持续运转，机器人进入新工位所需的数据量、调试时间和工程投入，都可能持续缩减。
总之，小米三天内展示的并非三个彼此孤立的成果，而是一套从数据生产、模型训练到场景落地的完整链路。这让它成为行业内少数真正打通全栈技术链路的公司，在一个群雄逐鹿的战场上走到了行业前列。
不过在进化的不只有小米，中国整个具身智能产业也在加速向前。
具身智能进入系统之争
过去两年，中国具身智能正在逐步摆脱全面跟随美国的局面。
在机器人本体、关键零部件、供应链完整度、成本控制和工程迭代速度上，中国已经形成局部优势。然而具身智能的最终竞争，仍取决于机器人能否持续变得更聪明。在模型、算法等上游环节，美国依然保持领先。
值得关注的不只有特斯拉 Optimus 和 Figure。Google DeepMind 的 Gemini Robotics 已从大型多模态模型向机器人控制延伸，头部模型公司也在重新加强机器人和硬件布局。
OpenAI 的公开招聘覆盖硬件、仿真、数据采集、机器学习、执行器和感知基础设施，触及具身模型研发所需的多个环节。Anthropic 近期发布机器人研究项目“Claude Plays Robotics”，探索让语言模型控制不同形态的机器人和仿真系统。
在这一背景下，中国要进一步缩小差距，就需要把本体、供应链和制造场景上的积累更快转化为数据与模型能力，将制造端的局部优势延伸为系统优势。
实际上，小米的价值也正在这里。它的三项进展，恰好提供了一个中国具身智能加速演进的样本。
作为一家业务广泛的科技企业，小米同时拥有机器人本体、自有汽车工厂、数据生成模型和机器人基座模型，也具备消费电子与汽车业务长期积累的硬件工程、供应链、质量控制和量产能力。这让它有机会把AI、硬件、制造与真实场景放入同一套体系。
其中，小米的自有工厂还提供了更深一层的优势。机器人接入工厂数字系统，获取生产任务、物料信息、料格编号和其他机器人状态，并保留远程接管与运行反馈机制，由此真正成为生产系统中的一个节点，具身模型也能获得更完整的任务信息和反馈。
而这些资源和能力组合起来，便形成了一条从中国制造现场生长出来的独特技术路径——先从柔性操作、长时作业和多机协同等真实需求出发，再利用数据生成扩大经验边界，通过基座模型形成跨任务能力，最后依靠硬件工程和制造体系，把模型重新送回生产环境，将模型能力转化为可长时运行、可泛化的生产力。
说到底，机器人在舞台上完成一次高难度动作，只能证明它在某个瞬间的能力上限。能否在工厂里反复稳定运行，才决定它有没有成为生产工具的资格。
具身智能下一阶段的评价标尺，也终究要回到真实生产中的经济账。
