10 万小时，砸出一条机器人赛道的工业化之路

2026 年 7 月 16 日，小米发布了第二代具身基座模型 Xiaomi-Robotics-1。这家公司用它喂了10 万小时真实世界操作轨迹，预训练完成后下游任务随之稳定改善——这是国内第一次在机器人策略模型上，对 Scaling Law 做了系统验证。

机器人想要复刻 ChatGPT 的奇迹，被卡在数据上整整十年。小米用中国人自己的方式，打开了这条死结。

一、为什么机器人走不了 LLM 那条 Scaling Law

先把问题说清楚。

LLM 这两年进步神速，核心秘诀只有一条：数据越多，模型越大，算力越猛，能力就越强。 这条规律叫 Scaling Law，OpenAI 从 GPT-2 堆到 GPT-5，每一代都在按这条曲线走，背后是互联网上万亿 token 的语料。

机器人也想走这条路。但十年下来，没人能走通。

因为机器人需要的"互联网"，根本不存在。

训练 ChatGPT 的数据可以从公共网页爬，成本可控。但要训练机器人去抓杯子、整理桌面、拧螺丝，需要的是真实世界的操作数据。一台机器人、一个操作员、一天能采到的轨迹就那么多。换个机械臂、换个相机位置，同一段任务的数据分布就变了，原来的数据直接作废。

每换一个平台就得重新来。规模化？想想就别想了。

这个死结困住了整个行业十年。所有人知道"数据越多越好"，但就是凑不够。凑不够，就没法做规模实验，没法验证规律，没法预测下一代能涨多少。大家都只能在单任务上调参、做 Demo、写漂亮的指标，然后改改改。

小米的破局，发生在数据来源这一环。

二、把"人如何改变世界状态"录下来

Xiaomi-Robotics-1 的 10 万小时预训练数据，不是来自机器人本体，而是来自人手操作的轨迹。

具体怎么做？小米自研了一台叫 UMI（Universal Manipulation Interface）的便携采集设备。它的妙处在于不绑定任何特定机器人。人拿着它就能在各种真实场景里录操作轨迹——家里、办公室、商场、户外，工业产线也行。

然后是一条 VLM 自动标注流水线。10 万小时数据让人工一帧一帧标注，慢得让人绝望。小米的做法是：把长轨迹切成固定片段，让视觉语言模型自动识别每个片段里夹爪状态、物体状态的变化。

模型训练的目标不再是"模仿动作"，而是"理解状态变化"——从"这一步夹爪往左 2 厘米"，变成"把桌上的杯子放进柜子里"。

到这里，规模化第一次有了可能。

实验数据印证了这条路：预训练数据从 2,500 小时扩到 20,000 小时，模型在验证集上的动作预测损失持续下降；参数规模从 20 亿扩到 50 亿、再到 100 亿，动作预测能力同样稳定改善（来源：小米 Xiaomi-Robotics-1 技术披露，2026-07-16）。

数据维度和参数维度，两个轴同时验证。Scaling Law 在机器人策略模型上第一次跑通了。

数据本身，是机器人赛道被忽略的那条主轴。小米做的不是模型创新，是底层原料的工业化。

三、从手工作坊到工业化 2.0

这个曲线意味着什么？

意味着机器人第一次有了"开箱即用"的底座。

传统做法是每个新任务都得从头训一个模型，或者用一个基础模型在每个客户场景里做几十次微调。这条路线对应的是 LLM 早期——每个公司都有自己的小模型，谁也通用不起来。

而小米这次发布的 Robotics-1 是基座模型。它的目标不是完成某一个具体任务，而是让下游开发者拿到它就能往自己场景里塞数据，不用从零造轮子。

前作 Robotics-0 已经在仿真基准上证明了这套架构的工程化深度——2 月发布，4.7B 参数，在 LIBERO 仿真基准刷到 98.7%，CALVIN ABCD→D 平均链长 4.75，三个仿真基准全 SOTA；模型在消费级 4090 上推理延迟只有 80 毫秒（来源：小米 Robotics-0 技术披露，2026-02）。

80 毫秒意味着这个大脑已经能实时驱动真实机器人。机器人动作卡顿、跟不上环境的常见痛点，在这一代里被压下去了。

这不再是单个实验室的单次实验，而是工业流水线级别的稳态输出。

具身智能的 2.0，不是参数更多、模型更大，是数据获取链路本身被重构。

四、从数据到产线：98% 成功率不是 Demo

行业里更关心的是：这套 Scaling Law 真的能落地吗？

7 月 15 日小米公开了一组进厂数据：机器人进入产线做零件上下料、装配辅助等环节，部分场景成功率 98%，逼近人工水平（来源：小米智能制造进度披露，2026-07-15）。

98% 不是实验室 Demo，是产线上跑了若干小时的真实表现。

这个数字配合 Scaling Law 验证，第一次让"具身智能"这四个字和"可投产"挂上了钩。

过去十年，机器人赛道的最大悲剧是：投资人看一眼 Demo 视频，鼓掌；工程团队到工厂看一眼产线，痛哭。Demo 是绿的，产线是红的。

小米这一轮把链路串起来了——有数据，能训练，能 Scaling Law，能进工厂，四个环节第一次走通。

Scaling Law 验证 + 产线 98%。这两个数字并列出现，是这条赛道在 2026 年最有价值的信号。

五、谁先冲到 100 万小时，谁定义秩序

具身智能的 ChatGPT 时刻是哪一刻？

不是某一个发布会上的惊叹号。从今天开始，谁先把 100 万小时真实轨迹装进模型，谁就能定义这条赛道的秩序。

因为 Scaling Law 一旦验证，下一步就是看谁能把数据门槛垒到别人追不上。英伟达在 LLM 时代堆了万亿 token 的高墙，机器人赛道的高墙正在被小米的 10 万小时夯出第一层砖。小米已经跑了一大半路。

接下来 12 个月会有三类玩家被筛掉：

• 只调参、不做数据的公司。基座一旦普及，他们的小模型就像 IE 浏览器一样退出历史舞台。
• 只做 Demo、不进产线的公司。98% 成功率是产线标准，不是发布会标准。
• 只绑定单一硬件的公司。UMI 这种解耦采集方式会让"我们家机器人专用数据集"变得不值钱。

赛道进入中段。前面靠论文出货的玩法结束了。

写在最后

小米扔的不是一颗炸弹，是一块地基。

10 万小时数据 + Scaling Law 验证 + 98% 产线成功率，三件事并列出现在 2026 年 7 月这个时间点，说明具身智能的工业化门槛已经被中国公司正面撞开了。

当别人还在问"机器人能不能 ChatGPT 时刻"的时候，小米已经用 10 万小时给出了回答。 真正的问题只剩下一个：剩下的玩家，谁先冲过百万小时这条线，谁就是下一个十年的赢家。