小米人形機械人廠房實戰：扭螺絲成功率達98%，開源AI模型加持，但離全面取代人類仲有幾遠？

小米喺北京電動車（EV）工廠組裝線上部署嘅人形機械人，最近交出咗亮麗嘅成績表。不過，呢班「機械人員工」目前仍處於「實習生」階段——有潛力，但未夠班做全職。以下係根據小米最新公布（2026年7月15日）嘅詳細進展同分析。

扭螺絲成功率：98%，僅僅追貼人類

經過四個月嘅迭代，小米人形機械人喺自攻螺絲裝載工站嘅成功率，由2026年3月嘅90.2% 提升到7月嘅98%，距離人類工人嘅99%合格率只差1個百分點 。

喺3月嘅初期試驗中，機械人連續自主運作三個鐘，以90.2%嘅成功率完成雙側同步螺絲安裝，同時達到生產線要求嘅76秒生產節拍 。小米總裁盧偉冰當時向CNBC透露，兩台人形機械人能夠喺三小時嘅輪班中完成超過90%嘅指定工作，包括安裝螺絲同搬運物料 。

擴展至更複雜嘅任務

除咗扭螺絲，小米已經將機械人嘅工作範圍擴闊。公司新增咗兩項任務：中控台側面板分類，以及零件箱摺疊回收，兩者嘅成功率都達到90% 。另外，喺2026年4月嘅投資者日上，小米仲展示咗一款研發咗四年嘅全新全尺寸人形機械人，佢哋已經喺工廠測試中，喺複雜安裝任務上取得超過90%嘅成功率 。

Xiaomi-Robotics-U0：開源AI模型大幅提升效能

喺2026年7月15日，小米發布並全面開源咗Xiaomi-Robotics-U0，一個擁有380億參數嘅多模態自回歸世界基礎模型，專為「具身智能」（Embodied Intelligence）而設 。佢嘅主要特點包括：

• 統一框架： 能夠處理四類生成任務——文字生成圖像、圖像編輯、具身場景生成、以及具身影片生成，全部喺同一個自回歸框架內完成 。
• 架構： 基於EMU3.5同Qwen-3-32B，採用「下一個Token預測」嘅架構，模擬物理世界嘅互動 。
• 速度： 透過FlashAR+推理加速方案，生成效率比原本嘅自回歸範式提升大約83倍 。
• 標杆表現： 喺World Arena基準測試中，U0喺具身影片生成項目中取得第一名，並且喺人類評估中擊敗GPT-Image-2.0 。

實際效果： 當一個名為π₀.₅嘅機械人操作策略用U0生成嘅合成數據訓練後，喺真實世界嘅未知場景（Out-of-Distribution, OOD）中，成功率由36.9% 躍升至63.2%，大幅提升咗26.3個百分點 。

迭代進度一覽

日期	成功率	任務	資料來源
2026年3月2日	90.2%	自攻螺絲安裝（3小時試驗）
2026年4月27日	>90%	複雜安裝（全新全尺寸機械人）
2026年7月15日	98%	自攻螺絲裝載工站（四個月迭代後）

呢份成績表顯示，機械人喺四個月內進步咗7.8個百分點。小米CEO雷軍已經表明，目標係喺未來五年內，喺小米嘅生產設施中部署**「大量」**人形機械人 。

仲有咩障礙？由「實習生」到「全職員工」嘅距離

雖然進展神速，但呢班「機械人實習生」要成為正式嘅生產線員工，仲有好大段路要行。

1. 生產節拍： 3月試驗時雖然達到76秒嘅生產節拍，但汽車生產線通常要求更高效率。機械人能否維持呢個速度完成一整更（8小時以上）而不出現效率下降，暫時未有數據支持 。
2. 運作時間同可靠性： 目前試驗最長只係三個鐘。全職工人通常要返8小時甚至更長嘅更數，而且要求接近零嘅非計劃停工時間。小米仲未公布更長時間嘅可靠性數據 。
3. 缺陷成本： 98%嘅成功率雖然亮眼，但2%嘅失誤率喺汽車組裝中係一個好大嘅成本——返工、報廢，以至影響後續工序嘅質量問題。人類工人99%以上嘅成功率仍然有優勢，而對於安全關鍵嘅工序，可接受嘅缺陷率通常係以百萬分之一（PPM）嚟計算 。
4. 任務廣度： 安裝螺絲只係一個相對單一同受限嘅任務。要將機械人應用喺整條生產線上幾十種、各式各樣嘅精密裝配工序，係一個難度大好多倍嘅問題。雖然小米已經擴展到零件分類同物料搬運，但規模仍然好有限 。

總括嚟講，小米嘅人形機械人已經由純實驗室項目，進化到真實工廠試用嘅階段，而且交出咗具體、持續改善嘅成績。但正如公司總裁盧偉冰所講，佢哋而家仲係「實習生」，未準備好擔起全職嘅工作。