2026年初，黄仁勋预言物理AI的“ChatGPT时刻”即将到来。这话听着挺激动人心，但机器人要复刻大模型的Scaling Law，难度可不止一个数量级——训练数据得从真实世界一帧一帧地抠，行业长期困在小数据、单任务、反复调参的“手工作坊”阶段。直到今天，小米扔出一颗“深水冲击波”——**Xiaomi-Robotics-1具身基座模型**，局面终于开始松动。

这套模型，用**10万小时**真实世界操作轨迹做预训练，再拿约**1.1万小时**跨本体数据完成后训练。值得强调的是：这是**国内首次在机器人策略模型里，对Scaling Law进行完整系统验证**。实际验证的结果，堪称教科书级别的规模化收益——数据量从2500小时扩大到2万小时，动作预测损失一路下滑；参数从20亿涨到50亿、100亿，能力同样稳步爬升。在完全没见过的家庭环境里，鞋柜收纳、书包打包这些任务的成功率也跟着一起往上走。

从“数据规模”到“模型能力”再到“真实任务表现”的完整链路，清晰表明：具身智能正从1.0时代（单任务、靠经验调参）迈入由数据和模型规模驱动的工业化2.0时代。

让机器人学会“开箱即用”。

10万小时数据，验证机器人Scaling Law

机器人行业从来不缺“数据越多越好”的共识，但难点在哪？数据太贵，也太碎。传统做法依赖真机遥操作，操作者在一遍遍抓取、整理、搬运中采集，还要处理失败重试、设备维护。这种数据采集速度慢不说，还天生绑定具体本体——换一台机械臂、换一个摄像头位置，同样任务的数据分布立刻就变了，想复用？门都没有。

Xiaomi-Robotics-1的第一步，就是把这套路径整个推翻。它通过自研UMI便携式采集设备，记录人类在真实世界中的操作轨迹——不是机器人的，而是人的。这意味着模型可以学习到人如何改变世界状态，而不是机械臂的关节角度。UMI能进家庭、办公室、工业场景，数据多样性一下子打开。

面对10万小时数据，靠人工标注？显然不现实。小米搭建了一条基于视觉语言模型的自动标注流水线，把长轨迹切成片段，用VLM描述状态变化，最后模型根据视觉和语言条件，生成一段能推动场景变化的动作序列。目标从“模仿动作”转向了“理解状态变化”——这是一个关键的认知跃迁。

10万小时数据的威力在实验中彻底释放。数据从2.5K到20K，动作预测损失一路往下；模型从2B到10B，性能持续攀升。更重要的是——这种收益不是纸上谈兵，它直接体现在真实机器人任务成功率上。从“数据规模”到“模型能力”再到“真实任务表现”的完整链路，正是机器人版Scaling Law最核心的证据。

按照小米的说法，这是国内首次对机器人策略模型的Scaling Law做系统验证。它意味着一件事：机器人能力的提升，正从“玄学调参”走向“堆规模、涨能力”的可预测路径。

独创双阶段新范式，让机器人学会“开箱即用”

大规模数据有了，但问题还没完。数据之间不统一，能力难迁移。UMI数据是人在操作，不是机器人控制信号；不同机器人的动作空间也不一样。直接混着训练，模型既没法统一表达，也不可能理解你的指令。怎么办？Xiaomi-Robotics-1的答案是“预训练+后训练”双阶段范式。

预训练阶段：从10万小时轨迹里学通用动作表征。它不关心关节角度，关心的是底层物理规律——怎么抓、怎么摆放、怎么通过连续动作改变环境。后训练阶段：再完成两项对齐——本体对齐，把通用能力映射到真实机器人控制空间；指令对齐，让模型能听懂自然语言、执行任务。后训练用了约11000小时跨本体数据，包括移动操作机器人、双臂机器人，以及Bridge V2、RT-1、DROID等公开数据集。

这套设计的核心在于分工——用大规模低成本数据学通用能力，再用高质量真机数据完成落地。说白了，就是大模型的套路：先预训练，再指令微调。

结果是什么？模型真正做到了开箱即用。在从未见过的真实家居环境里，它可以根据自然语言完成鞋柜整理、桌面收纳、沙发整理——每个任务都不需要重新训练。

更进一步，规模效应实现了迁移。数据越多、模型越大，在全新场景里的成功率就越高。这说明模型学到的是可泛化能力，不是死记硬背的动作模板。

在新任务适配中，平均只需不足10小时的数据微调，性能就远超从零训练的模型。这意味着机器人的开发模式，正从“每个任务重训一个”，转向“在基座模型上快速适配”——这才是工业化落地的关键。

全球榜单“屠榜”，定义基座模型新标准

一个基座模型到底有没有统治力，不能只看它在自家花园里表现如何，更要看它在全球顶尖实验室公认的竞技场上跑得怎么样。Xiaomi-Robotics-1交出的成绩单，相当亮眼。

在公认挑战性极大的RoboDojo仿真评测里，它以20.07平均得分和13.93%成功率登顶Leaderboard，比此前最优的13.07分和8.80%实现了“断档式”领先。在覆盖数百种真实家庭场景的RoboCasa365基准中，平均成功率57.4%，大幅刷新谷歌等团队保持的46.6%最佳成绩。

在考验模型举一反三能力的Composite-Unseen任务中，它展现出了惊人的组合泛化能力。在RoboCasa和VLABench等权威基准上，同样全面领先。这些基准覆盖物体操作、长程任务、组合泛化，能有效检验模型是否具备真正的通用能力。

更关键的是，这些结果与真实机器人实验结论一致：规模提升带来的收益，既能改善离线指标，也能迁移到真实环境和全新任务上。这也在重新定义机器人基座模型的标准——不仅要参数大，更要具备规模化训练、跨本体迁移、自然语言控制和低样本适配能力。只有同时满足这些条件，才可能成为真正的“基础设施”。

结语：小米三连发闭环，中国具身智能的“重仓时刻”

7月14日到16日，小米机器人连续三天发布进展：从进厂“实习”的机器人本体，到统一生成模型Xiaomo-Robotics—U0，再到Xiaomi-Robotics-1——逐步构建起“本体—数据—模型”的技术闭环。

具身智能的终局，是一场软硬件数据一体化的系统战。小米这次亮见，为中国庞大的机器人产业链提供了一条清晰、可落地的工业化路径：当数据可以规模化生产，模型可以像流水线一样迭代，物理AI的“ChatGPT时刻”，或许真的不再遥远。