小米机器人在车厂干满 8 小时，真正值得看的是背后那个开源模型

你在工位上连着盯八个小时，不走神，不卡壳，不手抖，做得到吗？小米的机器人这周交了一份答卷。

11 月 3 日，小米在乌镇世界互联网大会上披露机器人进展，雷军同步放出视频：人形机器人 CyberOne 02 在小米汽车工厂总装车间的中控台侧盖板排序工位，首次挑战 8 小时连续作业。雷军说这满足了该工位的全天生产需求，属于产线级作业能力的初步验证。我们 AI主线 的看法是：这条新闻真正拿得出手的，是支撑它的 Xiaomi-Robotics-1 具身基座模型，它已经按 Apache-2.0 协议开源，8 小时这个数字本身倒在其次。

8 小时到底算不算大事？

放进小米自己的时间线看，进步挺实在。今年 3 月，同类工站只撑了连续 3 小时，双侧安装成功率 90.2%。7 月成功率提到 98%，又加了盖板排序和料箱折叠回收两个工站。到 11 月，整整一个班。八个月，从 3 小时拉到 8 小时。

盖板这活也不好伺候。它是大尺寸的软性不规则工件，每次摆放的姿态都不一样，比搬铁块、插标准件难。

不过“首次”要加个注脚。Figure 去年 11 月自己公布过，F.02 机器人在宝马工厂干了 11 个月，每周一到周五开 10 小时班，累计运行 1250 多个小时。那是搬运硬质钣金件，跟小米的软盖板难度不同，但“人形机器人能扛满一个班”这事，小米不是头一个证明的。

再看视频，5 分 59 秒，倍速剪辑。成功率多少、人工干预几次、会不会半路趴窝，这几个工厂最在意的数字，官方还没亮出来。Figure 当年公开过自己定的目标：每班放置成功率高于 99%，人工干预越接近零越好。小米该补上这类数字。

一个模型，怎么又进车厂又进公寓？

这才是我想聊的重头。Xiaomi-Robotics-1 是个 VLA 模型，白话讲就是把“看、听、动手”连成一条线：眼睛看场景，耳朵听指令，手把动作做出来。

结构上，它拿 Qwen3-VL 负责看懂和听懂，后面接一个 Diffusion Transformer 负责出手，一次生成未来一小段动作序列。好比下棋，不是走一步看一步，而是一口气想好后面几步。

训练分两步，有点像先上通识课，再上专业课。先用手持夹爪设备 UMI 采了超过 10 万小时人类操作轨迹，不绑定任何一款机器人，学的是“这事该怎么做”。再用一万多小时跨机器人数据做后训练，学的是“我这副身子骨怎么够得着”。其中小米自采的真机数据有 7200 多小时。

公寓那边，小米技术官方说，同一类底座撑起了连续超过 30 分钟、覆盖 3 个房间、50 多项任务的长程验证，已经在小米青年公寓“试运营”。雷军也强调，两个场景背后是同一套具身基础模型。车厂和公寓是两种脾气完全不同的环境，一套底座都能接住，这点比 8 小时更有信息量。

那它到底有多能打？论文给的数是：每个任务用不到 10 小时演示数据微调，四项复杂任务平均成功率 75%，对比的 π0.5 是 40%。这是小米自家论文的结果，得等第三方复现才算数。还有，那一万小时跨本体数据里超过四分之一来自开源数据集，数据的多样性和质量，目前没有独立验证。

开源这一步，对咱们意味着什么？

Xiaomi-Robotics-1 在 7 月 16 日发布，论文编号 arXiv 2607.15330。8 月 5 日正式开源，覆盖从真机后训练到部署的完整流程，还附了评测代码。Hugging Face 上放的是 50 亿参数的 5B 检查点，协议是 Apache-2.0，允许商用。

门槛也摆在那：参考环境要一张 CUDA 显卡，装 FlashAttention 2，官方给了后训练的演示数据集可以先跑通。手里有机械臂、想试“预训练底座加下游适配”这条路的开发者，终于有了能真动手的起点。做机器人的团队，也多了一个能拿来对比的基线。

写代码、做内容的朋友暂时用不上它，但路数你很熟：先大规模预训练，再用小数据适配，跟语言模型那套如出一辙。看懂了它，以后再刷到别家的具身新闻，一眼就能分清谁在秀肌肉，谁在真干活。

接下来盯什么？

我们 AI主线 接下来盯三件事。一是这 8 小时的成功率和人工干预次数有没有人拿出来。二是盖板排序之后，第二个、第三个工位能不能不重训就复制过去。三是有没有别家的机器人拿 XR-1 做完后训练，跑出了像样的结果。

我的感觉是，8 小时是个好看的开场，真功夫在复制速度上。一个工位做漂亮不难，难的是下一个工位少花多少力气。