小米人形机器人实现8小时整班作业，两代基座模型开源-知了AI

从实验室到产线：小米人形机器人的”整班作业”时刻

2026年11月3日，世界互联网大会乌镇峰会上，小米对外披露了一个足以改写人形机器人产业叙事的进展：小米人形机器人已经进入汽车工厂的中控台侧盖板排序工站，实现了连续8小时的整班作业。这不是实验室里的表演性演示，也不是发布会上的精心编排，而是与人类工人同岗同责、按班次排班上岗的”真实就业”。

在机器人行业，”8小时”这个数字的分量，远比外行想象的要重得多。工业生产对设备的考核从来不是”能不能做”，而是”能不能一直做”——一个动作重复几千次不能变形，遇到异常不能停线等人来救，数据要能回流到产线系统。此前全球范围内，包括特斯拉Optimus、Figure、宇树等明星产品在内的人形机器人，绝大多数仍停留在数分钟到数十分钟的演示级作业阶段。能够以整班时长连续工作的，寥寥无几。小米人形机器人这次交出的成绩单，等于是把人形机器人从”科技展品”推向了”产业工人”的门槛线。

更值得关注的是技术底座的开放姿态。与整班作业一同公布的，还有两代基座模型——47亿参数的Xiaomi-Robotics-0和80亿参数的Xiaomi-Robotics-1，二者均已开源。这意味着小米不只在做一台机器人，而是在为人形机器人行业铺设一套可复用的”操作系统级”基础设施。

8小时整班作业：为什么是工业可靠性的分水岭

要理解8小时整班作业的含金量，需要先理解工业场景对机器人的真实要求。汽车工厂是全世界自动化程度最高的生产环境之一，这里早已布满了机械臂和专机设备，任何新进入者都必须回答一个问题：你比现有方案强在哪？

中控台侧盖板排序工站给出的答案是”柔性”。传统自动化设备擅长处理规格固定、姿态一致的对象，但汽车零部件在来料环节往往存在位置、角度、表面状态的细微差异，人工排序正是为了消化这些不确定性。人形机器人进入这个工站，意味着它要在8小时里面对成百上千次略有不同的抓取任务，每一次都要正确分类、正确摆放、正确交接。

连续作业背后的三重技术考验

第一重考验是精度保持。人形机器人是高度复杂的机电系统，关节发热、电机扭矩漂移、视觉传感器噪声积累，都会让作业精度随时间衰减。8小时连续作业而不掉精度，意味着小米在热管理、控制补偿和标定维持上做到了工程化水平。

第二重考验是异常自主纠偏。产线上没有”理想工况”这回事——物料偶尔偏移、来料偶尔翻倒、上一道工序偶尔延误。本次披露的关键能力之一，就是小米人形机器人具备异常自主纠偏能力：遇到非预期状况时，不依赖人工干预，能够自行判断、调整策略、恢复作业。这正是”演示”与”上岗”之间最难跨越的鸿沟。演示可以在工程师护航下完成，上岗则必须在无人护航的产线环境里自我生存。

第三重考验是产线系统级协同。机器人不是孤岛，它要和MES系统、PLC、AGV、上下料节拍对齐。小米人形机器人具备与产线系统级协同的能力，说明它已经接入了工厂的调度体系，成为生产网络中的一个节点而非一个”参观者”。这也是为何小米敢于使用”整班作业”这个词——在一个真正的工厂排班表上，占据了一个真实的工位。

从”可达精度”到”可用可靠性”的产业拐点

机器人行业有一个不成文的评价体系：实验室看精度，产业看可靠性。MTBF（平均无故障时间）这类指标，是自动化设备进入工厂的通行证。8小时整班作业的意义在于，它把人形机器人的评价坐标系从”演示成功率”切换到了”班次完成率”。一旦这个坐标切换完成，人形机器人就进入了传统自动化设备的采购决策链条——客户开始用ROI（投资回报）而非”科技尝鲜”来评估它。

这恰恰是小米作为消费电子巨头的优势所在。手机行业多年的大规模制造经验，让小米对”良率、节拍、稼动率”这些工业语言的理解，远比从科研机构孵化出来的机器人公司深刻。人形机器人做出来不难，难的是让它像一台合格的工业设备一样”不出事”。小米把机器人放进自家生态链相关的汽车工厂验证，本质上是把消费电子的制造纪律复用到了机器人产业上。

两代基座模型：小米人形机器人的技术底座

支撑8小时整班作业的，是小米自研的两代通用机器人操作基座模型。11月3日披露的技术架构显示，两代模型分工明确、层层递进，且均已开源。

Xiaomi-Robotics-0：47亿参数的”边缘智能”答案

Xiaomi-Robotics-0是一个47亿参数的基座模型，它最大的亮点不在于参数规模，而在于部署效率：可以在消费级显卡上实现约80毫秒的推理延迟。这个数字值得展开说一说。

机器人实时控制对延迟极其敏感。业内普遍认为，操作类任务的控制回路需要在100毫秒以内完成”感知—决策—执行”的闭环，否则动作会显得迟滞、易碎。而工业部署的现实约束是成本——如果模型必须依赖数据中心级GPU才能跑起来，一台机器人的算力成本就会吞噬整机的经济性。Xiaomi-Robotics-0在消费级显卡上跑出80毫秒延迟，等于同时回答了”实时性”和”经济性”两个问题，为人形机器人的规模化部署扫清了算力成本障碍。

这也透露出小米的技术取向：不追求参数军备竞赛，而是追求”够用且跑得起”。这与小米在手机、IoT领域一贯的性价比哲学一脉相承。

Xiaomi-Robotics-1：80亿参数与10万小时真实操作轨迹

如果说Xiaomi-Robotics-0解决了”跑得起”的问题，那么Xiaomi-Robotics-1解决的是”学得多”的问题。这个80亿参数的基座模型，基于10万小时真实操作轨迹进行预训练。

10万小时是什么概念？按每天8小时计算，相当于一名工人34年的工作量。更关键的是”真实操作轨迹”这个定语——不是仿真数据，不是演示视频，而是机器人在真实物理环境中执行真实任务时采集的第一人称操作数据。基座模型的能力上限，很大程度上由训练数据的质量和多样性决定，10万小时真实轨迹意味着模型见过足够多的”真实世界的意外”：不同材质、不同光照、不同姿态、不同失败方式。

这种”数据飞轮”逻辑与语言大模型的发展路径惊人相似：先有预训练基座，再有场景微调，最后靠部署回流数据持续进化。小米人形机器人每多上一个工站、每多干一个班次，都在为Xiaomi-Robotics系列基座模型贡献新的训练素材。工厂既是机器人的就业场所，也是它的”大学”。

两代基座模型横向对比

为了更直观地理解两代模型的定位差异，下表从多个维度进行对比：

对比维度	Xiaomi-Robotics-0	Xiaomi-Robotics-1
参数规模	47亿	80亿
核心定位	轻量部署型基座模型	数据规模型基座模型
推理延迟	消费级显卡约80毫秒	面向更复杂任务场景
训练数据	通用操作数据	10万小时真实操作轨迹预训练
部署优势	算力门槛低、成本可控、适合量产机型	泛化能力更强、适配更多工种
典型场景	实时控制、边缘端推理	复杂操作策略、跨任务迁移
开源状态	已开源	已开源

可以看到，两代模型并非简单的迭代替代关系，而是”边缘部署”与”能力中枢”的双轨布局——小模型负责产线上的实时闭环，大模型承载更复杂的任务理解与策略生成。这种架构分工，与手机行业”端侧小模型+云端大模型”的思路异曲同工，而这恰恰是小米最熟悉的打法。

人形机器人与传统工业机械臂：替代还是互补

既然汽车工厂早已自动化程度极高，人形机器人进厂究竟是锦上添花还是别有所图？把人形机器人与传统工业机械臂做一个系统对比，答案会更清晰。

对比维度	小米人形机器人	传统工业机械臂
形态自由度	类人形态，适配为人类设计的工位与工具	固定基座，需为设备重新设计工装夹具
部署柔性	可换工站、可换任务，改造产线成本低	换型改造周期长、成本高
智能水平	基座模型驱动，异常自主纠偏，可处理非结构化场景	预编程轨迹，依赖结构化确定环境
作业稳定性	已实现8小时整班作业，处于可靠性爬坡期	数十年工业验证，MTBF极高
单次作业精度	满足排序类任务要求	亚毫米级，精度王者
经济模型	一台多能，按任务切换复用	一站一机，专用专用
适用场景	多品种、小批量、频繁换型的柔性环节	大批量、高节拍、高精度重复环节

从表中不难看出，人形机器人并不是来”取代”机械臂的，而是去补机械臂覆盖不了的那块拼图：产线上那些不足以支撑一台专用设备投资、又必须保留人手灵活性的”灰色工位”。中控台侧盖板排序正是典型的灰色工位——过去只能由人来干，如今可以由小米人形机器人来干。当这些灰色工位被逐个点亮，柔性制造的版图才真正完整。

开源基座模型：一场提前十年的生态卡位

如果说8小时整班作业展示了小米的技术实力，那么两代基座模型的开源，则暴露了小米的产业野心。开源从来不是慈善，而是最高级的竞争策略。

为什么机器人基座模型要开源

回顾大模型行业的历史，Meta的LLaMA开源直接催生了全球开发者生态，也让开源模型成为行业标准的事实制定者。机器人行业正处在类似的时间窗口：全世界还没有一个公认的”机器人操作基座模型”标准。此时把Xiaomi-Robotics-0和Xiaomi-Robotics-1开源，等于邀请全行业的开发者基于小米的模型体系做二次开发。当越多的人在小米的基座上构建应用，小米的模型规范就越接近行业标准。

更深一层看，开源基座模型是数据飞轮的加速器。全球开发者基于开源模型在各种场景中微调、部署，产生的改进方法和数据经验会以社区贡献、论文、衍生模型等形式反哺生态。小米凭借工厂场景的真实数据优势，天然处在飞轮的圆心位置。

行业认可：乌镇峰会”领先科技奖”

小米通用机器人操作基座模型的关键技术，在本次世界互联网大会上获得了”领先科技奖”，小米同时获颁”杰出贡献奖”。乌镇峰会的”领先科技奖”历来以严格著称，获奖项目需要在科学价值、创新性和产业影响力上经得起全球专家评审。人形机器人基座模型技术获奖，说明这一技术路线已经获得了权威层面的认可——它不只是小米的产品进展，更是被认定为对整个行业有引领意义的技术方向。

“杰出贡献奖”则指向另一个维度：小米把两代基座模型开源，本身就是对行业公共基础设施的贡献。技术领先加上生态开放，这两个奖项合在一起，勾勒出小米在人形机器人领域的完整姿态。

从工厂到公寓：通用能力的多场景验证

工业场景验证的是可靠性，生活场景验证的是泛化性。与工厂整班作业一同披露的，还有小米青年公寓Agent系统的进展：该系统已完成覆盖3个房间、50余项任务的长程验证。

这两个场景的能力要求截然不同。工厂任务强调”重复中的零失误”，公寓任务强调”长链条中的全局规划”——50余项任务意味着Agent要理解任务的先后依赖、处理中途的状态变化、跨越多个房间调度执行。这种长程任务规划能力，恰恰是通用基座模型区别于传统任务专用机器人的核心特征。

工厂与公寓的双线验证，实际上是在回答一个问题：小米的人形机器人技术底座是不是”通用”的。如果一个模型体系既能撑起工业工站的8小时整班作业，又能撑起家庭场景的50余项长程任务，那么”通用机器人”就不再只是愿景，而是正在发生的工程事实。这也为小米未来的产品矩阵埋下伏笔——工厂版、商用版、家用版，可能共享同一套基座模型，只在任务层做差异化。

1055亿研发投入与2000亿未来：钱从哪里来，往哪里去

技术的背后是真金白银。数据显示，2021年至2025年，小米研发总投入达到1055亿元；未来五年，计划投入超过2000亿元。

把这组数字放在人形机器人赛道上解读，会有不同的意味。人形机器人是一个典型的”长坡厚雪”行业，需要硬件工程、AI算法、数据积累、场景落地四条战线同时推进，烧钱周期以五年、十年计。许多创业公司受制于融资节奏，不得不在技术成熟前追求商业化讲故事；而小米的研发投入来自自身业务的现金流，可以按技术规律而非资本节奏来安排研发优先级。这是消费电子巨头做机器人最根本的结构性优势。

值得注意的还有投入的方向感。1055亿元的存量投入支撑了手机、汽车、IoT的协同发展，而汽车工厂恰好成为人形机器人的第一个上岗场所——小米的各个业务板块之间形成了罕见的技术闭环：手机业务贡献端侧芯片与边缘计算能力，汽车业务贡献工厂场景与制造纪律，IoT业务贡献智能家居验证环境，AI业务贡献基座模型能力。人形机器人是这一切的交汇点，2000亿元的未来投入，很可能把这个交汇点变成小米下一个十年的增长引擎。

独到观察：三个被低估的战略信号

信号一：8小时是工业可靠性的分水岭，也是估值逻辑的分水岭

资本市场对机器人公司的估值，长期停留在”期权价值”——技术上可能成，但不知道什么时候成。8小时整班作业把一部分期权转化成了”现金流价值”：当一个机器人能顶一个真实班次，它就有了可计算的替代成本和回报周期。此后每延长一小时无故障作业、每增加一个工站，都是可以写进商业计划书的硬指标。产业的估值锚，正在从” demos “迁移到” shifts “（班次）。

信号二：开源基座模型是生态卡位，真正的护城河在数据闭环

表面上看，开源模型人人可用，似乎消解了技术壁垒。但机器人领域有一个特殊变量：真实场景数据。模型可以复制，数据飞轮无法复制。小米手握汽车工厂的量产场景，每天都在产生其他公司拿不到的10万小时级真实轨迹数据。开源基座模型吸引全球开发者，工厂场景沉淀独占数据——一手做生态，一手做数据，两头都是别人难以同时具备的。这才是小米基座模型战略的完整拼图。

信号三：消费电子巨头的降维打法，改写行业竞争维度

传统机器人公司按”技术单品”逻辑竞争：比参数、比演示、比融资。小米按”消费电子”逻辑竞争：比量产成本、比供应链效率、比场景闭环、比生态位。47亿参数模型跑在消费级显卡上，就是这种降维打法的典型体现——不堆算力，而是把算力成本打到量产经济线以下。当行业还在争论”人形机器人什么时候有杀手级应用”时，小米的答案是：先让它像手机一样”造得起、用得起、坏得起修得起”。规模化的胜负手不在实验室，而在供应链。

一个冷静的注脚

当然，一个工站的8小时整班作业，距离全厂范围的规模化部署仍有距离。排序、搬运类任务是人形机器人的”第一份工作”，更精密的装配、质检任务会逐步提出更高要求。但方向已经清晰：人形机器人进入工厂的路径，不是一次性革命，而是一个工站一个工站的”渗透”。小米恰好同时具备渗透所需的全部要素——场景、数据、模型、供应链和钱。

常见问题解答（FAQ）

小米人形机器人在工厂具体做什么工作？

根据2026年11月3日世界互联网大会披露的信息，小米人形机器人已进入汽车工厂的中控台侧盖板排序工站，负责零部件的排序与交接作业，并实现了连续8小时的整班作业。该工站要求机器人应对来料位置、姿态的细微差异，完成分类、摆放和上下工序衔接，同时具备异常自主纠偏能力，遇到非预期状况无需人工干预即可自行恢复作业。

“连续8小时整班作业”为什么被业内看重？

工业产线对设备的考核标准是班次级的可靠性，而非单次演示的成功。8小时整班意味着机器人要在数百次重复任务中保持精度不衰减、遇到异常能自主处理、并与产线系统协同对齐节拍。这是人形机器人从”科技展品”跨入”产业设备”的关键门槛，此前全球绝大多数人形机器人产品仍停留在分钟级演示阶段。

Xiaomi-Robotics-0和Xiaomi-Robotics-1两代基座模型有什么区别？

Xiaomi-Robotics-0为47亿参数，定位轻量部署，可在消费级显卡上实现约80毫秒的推理延迟，适合产线实时控制与边缘端部署；Xiaomi-Robotics-1为80亿参数，基于10万小时真实操作轨迹预训练，泛化能力更强，面向更复杂的操作任务。两代模型均已开源，形成”边缘小模型+能力大模型”的双轨架构。