小米人形機器人於電動車工廠達到 98% 成功率，開源 AI 模型成關鍵，但距離全面取代人類仍有一段路

小米（Xiaomi）在將其人形機器人部署於北京電動車（EV）工廠產線的進程中，取得了重大突破。根據公司最新公布的資料（2026 年 7 月 15 日），這批機器人仍處於「實習生」階段，表現雖令人驚艷，但距離完全取代人類全職工作，還需要數年時間。以下為詳細分析。

螺帽安裝成功率達 98%，緊追人類員工

歷經四個月的反覆迭代，小米人形機器人在「自攻螺帽裝載站」的成功率已從 2026 年 3 月的 90.2% 大幅提升至 2026 年 7 月的 98%。這個數字與人類員工 99% 的合格率僅有一步之遙 。

在最初的三月測試中，該機器人已能連續自主運作三小時，執行雙側同步螺帽安裝任務，並達到 90.2% 的成功率，同時跟上生產線要求的 76 秒週期時間 。那次測試為這批機器人贏得了「實習生」的綽號，小米總裁盧偉冰更向 CNBC 表示，兩台人形機器人能在三小時的輪班中完成超過 90% 的指定工作，內容包括安裝螺帽和搬運物料等 。

任務擴展：從裝螺帽到分類零件

除螺帽安裝外，小米也擴大了機器人的任務範圍。公司新增了兩項工作：中控台側面板分類，以及零件箱折疊回收，這兩項任務的成功率均達到 90% 。在 2026 年 4 月的投資者日上，小米更首次展示了歷經四年開發的全新人形機器人，這款機器人已在工廠中以超過 90% 的成功率，完成複雜的安裝任務 。

Xiaomi-Robotics-U0：開源 AI 模型，成機器人性能躍進的關鍵

2026 年 7 月 15 日，小米正式發布並完全開源了 Xiaomi-Robotics-U0。這是一個擁有 380 億參數的多模態自回歸世界基礎模型，專為具身智能設計 。其主要特色如下：

• 統一框架：在單一的自回歸框架下，處理四大類具身生成任務：文字生成圖片、圖片編輯、具身場景生成、以及具身影片生成 。
• 架構基礎：基於 EMU3.5 和 Qwen-3-32B 建構，採用「下一個 Token 預測」的架構來模擬物理世界的互動 。
• 驚人速度：透過 FlashAR+ 推理加速方案，其生成效率較原始的自回歸範式提升了約 83 倍 。
• 頂尖表現：在「World Arena」基準測試中，於具身影片生成項目奪得 第一名；在人類評估中，其具身場景生成能力更勝 GPT-Image-2.0 。

對現實世界的影響：當一個名為 π₀.₅ 的機器人策略模型，使用由 U0 產生的合成數據進行訓練後，其在現實世界中面對「分布外」（OOD, Out-of-Distribution）場景的成功率，從 36.9% 一舉躍升至 63.2%，進步幅度高達 26.3 個百分點 。

官方公布的迭代曲線

日期	成功率	任務	來源
2026 年 3 月 2 日	90.2%	自攻螺帽安裝（3 小時測試）
2026 年 4 月 27 日	>90%	複雜安裝（全新全尺寸機器人）
2026 年 7 月 15 日	98%	自攻螺帽裝載站（歷經 4 個月迭代）

這代表了機器人在 短短四個月內，進步了 7.8 個百分點。小米 CEO 雷軍已設定目標，要在未來五年內，於小米的生產設施中部署 「大量」 人形機器人 。

從「實習生」到全職員工：尚未克服的鴻溝

儘管進展迅速，但要讓這些機器人從「實習生」變成能獨當一面的產線全職員工，前方仍有巨大挑戰：

1. 週期時間：機器人在三月份測試中雖然達成了 76 秒的週期，但汽車產線某些工站的要求往往更快。機器人能否在連續數小時的輪班中維持甚至超越這個速度，目前尚未有數據證實 。
2. 運作時間與可靠度：目前的測試均僅持續三小時。全職產線工人通常需要進行 8 小時以上的輪班，且要求近乎零的非計劃停機時間。小米尚未公布機器人長時間運作的可靠性數據 。
3. 瑕疵成本：即便達到 98% 的成功率，那 2% 的失敗率在汽車製造中依然會轉化為實際成本——例如需要重工、產生廢料，甚至可能引發下游的品質問題。人類員工 99% 以上的合格率仍具優勢，而在關鍵安全任務上，可接受的瑕疵率往往是以百萬分之幾（ppm）來計算的 。
4. 任務廣度：螺帽安裝只是單一且相對單純的任務。要將其擴展到整車產線所需的上百種不同工序，其難度將呈指數級增長。雖然任務已擴展到靈活工件處理和物料搬運，但目前看來仍相當有限 。

簡而言之，小米的人形機器人已從純實驗室項目，進入了真實工廠進行測試，並繳出了可測量、且持續進步的成績單。但正如小米總裁盧偉冰所言，它們現在仍只是「實習生」，距離成為一名合格的「全職員工」，還有一段不短的路要走。