小米机器人连上8小时班,人形机器人终于要“转正”了?

雷军发了一条消息:小米人形机器人在汽车工厂中控台侧盖板排序工站,第一次挑战8小时稳定作业,满足了工站全天生产需求,作业过程中还能自主纠偏,和产线系统做协同。

8小时,放在人身上是一个班;放在人形机器人身上,是一道坎。

过去几年人形机器人的新闻,大多是后空翻、跑马拉松、拧螺丝拍个几十秒视频。好看,但离“被产线信任”还差得远。雷军自己说过一句挺清醒的话:实验室里可以失败一万次换一次成功,真实工厂里一万次任务每一次都必须成功。这次小米拿出来的数字不是“成功率多高”,而是“连续干了8小时”——这两个说法在工程上完全不是一回事。

8小时考的不是“能不能干”

往前倒几个月,能看出这次进步不是突然冒出来的。

2026年3月,小米人形机器人第一次进汽车工厂,在自攻螺母上件工站连续自主运行3小时,双侧安装成功率90.2%,满足了76秒的产线节拍。到年中,核心工位成功率稳定到98%以上,工序也扩展到料箱回收、柔性工件整理。再到11月,中控台侧盖板排序工站跑完8小时整班,同时具备异常自主纠偏和产线系统级协同。

3小时到8小时,难的不是把时间拉长。连续运行里,电机发热、关节磨损、视觉漂移、任务队列堆积,任何一个环节掉链子都可能让整班中断。90.2%到98%,也不是小数点后挪一位,是从“多数时候能行”往“接近熟练工”爬。而“自主纠偏”和“产线系统级协同”这两个词,外行看容易滑过去,内行知道分量:机器人不能一遇到偏差就停机报警,它得自己判断是纠正、等待还是上报;它也不能只盯着自己眼前那个盖板,得知道前后工序现在是什么状态。

说白了,8小时验证的不是“能干活”,是“能不能像设备一样被信任”。这两件事之间,隔着一整套可靠性工程。

光有机器人不够,背后还有个模型

这次消息里还有一条容易被工厂进展盖过去的信息:小米具身基座模型Xiaomi-Robotics-1开始在小米青年公寓试运营,能完成连续超30分钟、覆盖3个房间、50多个任务的长程任务链,包括桌面整理、垃圾清扫、物品归位和全屋巡检。

工厂和家庭看起来不搭界,但在数据逻辑上是一件事的两面。工厂工站提供的是高约束、高重复、高价值密度的物理反馈;家庭场景提供的是高噪声、高碎片化、高泛化要求的任务分布。一个模型要往通用操作走,两边数据都得吃。

东吴证券周尔双团队的说法是,物理AI正在打通“硬件部署—真实物理交互回流—模型训练”的数据飞轮,高价值物理反馈数据驱动机器人基础模型跨越ScalingLaw的临界点,产业化1—10的拐点来临。这个判断翻译成大白话:人形机器人的竞争重心,正在从硬件参数转向数据获取和模型迭代效率。谁能在真实场景里更早、更密、更便宜地把数据回流跑通,谁就更有机会在下一阶段拉开身位。

小米的特殊之处,和它的天花板

小米在这条路上的位置有点特殊:它同时有汽车工厂和自有公寓。

汽车总装车间是标准化程度较高、节拍明确的工业工位;青年公寓是接近真实家庭、但又在可控范围内的测试环境。这种“场景自给”让小米可以在不依赖外部客户排期的情况下,完成“部署—回流—迭代”的早期循环。高盛7月维持小米“买入”评级,核心逻辑也是认可这个“硬件、数据、模型”的初步闭环,认为有望形成自我强化的迭代结构。

产业链侧也有放量的早期信号。长盈精密2026年1至8月累计交付人形机器人精密零组件超过110万件,且三季度、四季度订单增速比上半年进一步加快;安培龙和天机智能在机器人用力矩传感器上有合作,覆盖协作机器人和人形机器人。零组件交付量抬起来,至少说明上游排产在响应真实需求,不只是样品级采购。

但边界同样清楚。小米机器人事业部总经理向迪昀把当前阶段的核心工作定位为“建立面向通用操作的具身基座模型及多任务、跨场景规模化应用体系”。“基座模型”和“规模化应用体系”是长期目标,8小时整班作业是这条路上的一个里程碑,不是终点。从单工站整班验证,到多工站、多工厂、多品类常态化部署,中间还隔着跨场景泛化、异常长尾覆盖、单台部署和维护经济性三道关。7月工厂视频被指出存在三倍加速播放,也提醒一件事:阶段性的技术验证和营销叙事之间,得保持审慎区分。

“拐点”这个词,别急着喊

周尔双的框架有价值,但“拐点”容易被读成规模爆发的前夜。结合高盛的出货量预测看,节奏会更清楚:2025年全球人形机器人出货量约1.5万至2万台,2026年预计5.1万台,2027年7.6万台,大规模部署的实质性展开可能在2027至2029年逐步发生。

也就是说,现在这个阶段的核心命题是验证的密度和深度,不是出货量的绝对值。小米8小时作业的价值,在于把验证从“单次任务能不能完成”推进到“一个完整班次内能不能稳定地、可纠错地、和产线协同地完成”。这个层次每扎实一分,后面规模化部署的不确定性就少一分。

对小米公司来说,机器人业务中短期不会出现在利润表的显眼位置。2026年预计超过400亿元研发投入里,AI与具身智能方向占160亿元以上,这是一笔要跨周期消化的钱。它的战略意义不在当季回报,而在于:如果“硬件部署—数据回流—模型迭代”的飞轮真能在自有场景里先转起来,小米就有机会在人形机器人从“专用工位”走向“通用操作”的漫长过程中,占住一个数据密度和迭代效率上的位置。

这个位置值多少钱,不取决于一次8小时挑战的传播声量,而取决于此后每一个工站、每一个场景里,失败率能不能继续降,部署成本能不能继续摊。

8小时是个值得记下的起点。真正的考验,在8小时之外那些没人拍摄的、重复而枯燥的生产日夜里。

声明:本文为维科号作者发布,不代表维科号立场。如有侵权或其他问题,请及时联系我们举报。