小米人形机器人工厂实战：螺母安装成功率98%，开源AI模型加持，但离“转正”还有多远

小米总裁卢伟冰当时在接受CNBC采访时，将这些机器人称为“实习生”——它们能在3小时轮班中完成90%以上分配的工作，包括安装螺母和物料搬运 。

到2026年4月27日的投资者日，小米展示了一款历经四年研发的全尺寸新人形机器人，已在工厂中完成复杂安装任务，成功率超过90% 。

7月15日的最新数据显示，经过四个月迭代，螺母安装成功率达到98%，同时机器人还新增了两项任务——中控台侧板分拣和零件箱折叠回收，这两项的成功率均为90% 。

Xiaomi-Robotics-U0：380亿参数的开源“数据引擎”

与工厂进展同步，小米在2026年7月15日发布了Xiaomi-Robotics-U0——一个380亿参数的多模态自回归世界基础模型，并已完全开源 。

这个模型的核心能力可以理解为：让AI能够“想象”物理世界。它在一个统一的自回归框架内，处理四类具身生成任务——文生图、图像编辑、具身场景生成和具身视频生成 。

性能方面值得关注：

• 在World Arena评测基准的具身视频生成项目中排名第一；在具身场景生成的人类评估中击败了GPT-Image-2.0 。
• 通过FlashAR+推理加速方案，生成效率比原始自回归范式提升约83倍 。
• 最关键的实战成果：当研究人员用U0生成的合成数据训练一个名为π₀.₅的机器人策略后，该机器人在真实世界的分布外（OOD）场景中，成功率从36.9%飙升至63.2%，提升幅度达26.3个百分点 。

这意味着，即使面对从未见过的光线、背景和干扰物，机器人依靠U0“喂”出来的数据，也能表现得更加可靠。

从“实习生”到“正式工”：还有哪些坎要过？

尽管成绩亮眼，但要让这些机器人真正取代人类工人，还有几个硬性指标需要突破。

1. 节拍与续航：今年3月的测试证明了76秒的节拍是可行的，但测试仅持续了3小时。汽车生产线上的正式工人通常要完成8小时以上的轮班，且要求几乎没有非计划停机。小米尚未公布更长时段的可靠性数据 。

2. 缺陷成本：98%的成功率听起来不错，但在汽车制造中，2%的失败率意味着实实在在的成本——返工、废料以及可能的下游质量问题。人类工人的99%+仍然有优势，而对安全关键工序，可接受的缺陷率往往以百万分之几来计算 。

3. 任务广度：螺母安装是一个相对固定、重复的工位。要扩展到一条完整汽车产线上数十种不同的、需要灵活操作的装配任务，难度呈几何级增长。虽然小米已经将机器人应用扩展到中控台侧板分拣和零件箱处理，但目前来看仍然有限 。

正如卢伟冰所比喻的，它们仍然是“实习生”——进步很快，但还不足以胜任一份全职工作。不过，小米CEO雷军已明确表示，目标是在未来五年内，将**“大量”**人形机器人部署到小米的生产设施中 。