小米扔的「Scaling Law 深水炸弹」，炸出了机器人的 ChatGPT 时刻

2026 年 7 月 16 日，小米扔出了一颗深水炸弹——Xiaomi-Robotics-1 具身基座模型，用 10 万小时真实世界操作轨迹，系统验证了机器人的 Scaling Law（来源：小米机器人官方公众号 2026-07-16）。

加上前一天的 Xiaomi-Robotics-U0 统一生成模型开源，加上雷军晒出"打螺丝 98% 成功率"的工厂实拍，三天连发三弹。机器人第一次有了"堆算力必涨能力"的曲线，也第一次让国内团队站在了全球榜单的断档位置。

过去十年，机器人是个调参手艺活。今天，它开始像大模型一样可预测地堆规模。

三弹连发：把机器人从「手工作坊」拽进「流水线」

具身智能的尴尬在于，每个团队都在重复同一件事：换机械臂、换相机、换场景就重训。换句话说，机器人开发一直停留在「每个任务重新训练」的作坊阶段。

小米这三弹，恰好对应工厂生产线的三个环节。

第一弹是 Xiaomi-Robotics-U0：38B 参数的多模态自回归生成模型，把"具身数据"从采集变成生成（来源：小米机器人事业部公众号 2026-07-15）。它能做四件事——生成场景、迁移已有轨迹、生成交互视频、做通用图像编辑——统一在一个模型里。再加上 FlashAR+ 推理加速，效率比原始自回归范式提升近 83 倍。

第二弹是 Xiaomi-Robotics-1：具身基座模型。10 万小时真实数据预训练 + 1.1 万小时跨本体数据后训练，目标是"开箱即用"——在没见过的家庭场景里直接完成鞋柜整理、桌面收纳、沙发整理，不需要为每个场景重新训练。

第三弹是 进厂打工：小米机器人已经在汽车产线做柔性操作与多机协同，部分场景成功率逼近 98%（来源：邦早报 2026-07-15）。马斯克刚说"机器人还进不了厂"，小米就把视频发了。

三天三个发布，把"本体—数据—模型"拼成了一条完整链路。

<!-- 配图：Mermaid 流程图：Xiaomi 三弹闭环 -->

Scaling Law 三大证据：数据、参数、真实任务

Scaling Law 在大模型里早已是常识——参数越大、数据越多，能力越强，曲线平滑可预测。机器人能不能复刻，一直没人系统验证过。 小米这次扔出来的，是教科书级的三组对照实验。

数据规模：预训练数据从 2500 小时扩到 20000 小时，验证集上的动作预测损失持续下降。2.5K 小时时模型容易过拟合，到 20K 小时曲线明显收敛（来源：Xiaomi-Robotics-1 公众号 2026-07-16）。

模型规模：参数从 2B 提升到 5B、10B，动作预测能力稳定改善。小模型抓不准的物理接触点，大模型能稳定预测。

真实任务：在未见过的家庭环境里做鞋柜收纳、书包打包等任务，成功率随规模上升。规模化的收益不止停留在离线指标上，还能迁移到真实机器人执行。

这条「数据规模 → 模型能力 → 真实任务表现」的链路，正是机器人版 Scaling Law 的核心证据。 按照小米披露，这是国内首次对机器人策略模型 Scaling Law 进行系统验证。它意味着机器人能力提升开始摆脱"玄学调参"，走向"堆规模、涨能力"的可预测路径。

<!-- 配图：Mermaid 折线图示意（数据规模 vs 验证损失） -->

数据飞轮：U0 让「暴力生成」成为可能