21世纪经济报道记者雷晨 北京报道

在2026年世界机器人大会上，小米展出了新一代人形机器人“铁大”。这台身高1米70、体重66公斤、全身66个关节的双足机器人，此前已在小米汽车工厂的产线上“实习”了数月。

日前，小米机器人事业部总经理向迪昀、小米机器人事业部仿生操控负责人游洋威接受了21世纪经济报道等媒体采访，详细披露了“铁大”在工厂里的真实表现，以及人形机器人产业化面临的诸多难题。

这是小米自2023年世界机器人大会后，时隔三年首次公开人形机器人的实质性进展。

事实上，自2023年机器人大会之后，小米在人形机器人领域几乎销声匿迹。向迪昀解释，2021年立项后，内部一直有一个重要问题：“这个东西到底有什么用？”

2023年之后，小米没有再做任何技术发布，但技术研发投入逐年追加。

直到今年3月，“铁大”在工厂真实产线上能连续跑满4个小时、达到90%成功率，雷军才将其称为“实习”并对外亮相。在向迪昀看来，这意味着“确实有一个能够真正产业应用的机会”。

谈及新一代“铁大”的尺寸设计，向迪昀解释，选择1.70米左右的身高，是因为“基本上是按照工人的身高来做的”。小米第一代“铁大”在2021至2022年研发时身高为1.76米到1.77米，后来根据工厂实际工人的平均身高降了下来。

目前，在小米汽车工厂实习的机器人有两台。一台是2023至2024年研发的高动态机器人，另一台就是本次展出的新一代“铁大”。它们被安排在不同的工站上，承担着从料箱折叠、上件到自攻螺母等不同复杂度的任务。

其中最受关注的是自攻螺母工站。这是一个线上工站，对操作精度和节拍效率都有严格要求，整个产线76秒的生产节拍中，人工操作只有约20到30秒的窗口期，超出时间就有安全风险。而将人形机器人放上去后，“76秒都可以操作，这让员工有一个更加健康和安全的工作环境”，向迪昀说。

在这个工站上，“铁大”的成功率从3月的90%提升到了7月的98%。但人工在这一站的成功率约为99%，还差一个百分点。

“技术上具体怎么优化我们还没有结论，”向迪昀坦言，“核心问题是当全面做模型化后，模型是个黑盒，出现长尾和corner case时会变得越来越困难。可能需要补充数据或调整模型架构，还需要一点时间。”小米的预期是，到今年年底将成功率提升至99%。

除了成功率，效率是另一个更难啃的硬骨头。小米披露的数据显示，如果是3到5秒的短任务，“铁大”的效率可以做到人工的70%到80%，甚至接近100%，具体取决于任务复杂度。但如果任务链拉长到30秒到1分钟，效率会快速下降到人工的60%到70%。如果是1分钟以上的长任务，效率可能进一步下降到30%左右。

“这个跟大模型的长上下文推理效率下降是类似的问题，也是产业需要解决的，”向迪昀说。他以盖板上线工站为例：抓取、移动、寻找、判断放到哪个格子、检查放进去的状态对不对，整个任务链约30秒，效率损失很高。

对于不同工站，小米的考核标准并不一样。料箱和上件属于线边站，容错率较高，没干好可以再干一遍，核心考核指标是效率，“给你一个小时，人叠了60个箱子，你能不能叠到60个？”而螺母工站属于线上站，对成功率和节拍都有硬性要求。

在场景选择上，向迪昀介绍，小米内部有完整的智能制造团队，会拉通小米汽车、手机和大家电的工业自动化路线图。

“我们一般不碰工业自动化已经覆盖的区域，最后场景选择是工业自动化大概在未来1到2年不可能直接实现的。”具体而言，选工位的关键词是：人在做的、有复杂SOP的、可能需要协同的、效率上能追得上的、柔性的。

2025年初，小米也曾尝试过最简单的抱箱子从A点到B点的任务，但“坦白说既不需要手也不需要腿，验证了两三个月之后就跳过了”。这种对场景的挑剔，与小米过去两年的低调一脉相承。

从“实习”到“转正”，小米的判断是：短任务（3到5秒）现在已经可以稳定部署应用；但如果是任务复杂度较高、需要精细触觉、任务链路较长（一个工人的SOP约30到50步甚至更多）的场景，“可能还需要两三年的时间”。

关于人形机器人行业发展进程，小米如何判断？

向迪昀将过去近十年的算法迭代划分为三个阶段。

第一个阶段是2016至2020年波士顿动力引领的爆发，核心在于基于MPC（模型预测控制）的传统数学建模和求解规划方法被推到极致。

第二个阶段是2021至2025年，强化学习从研究领域走向工程落地，2023至2024年走、跑、跳、空翻相继实现，到2025年跳舞成为主流，“其实就得益于强化学习的这一次技术革命”。

第三个阶段则是2025年之后出现的新分支——真正意义上的大脑AI，受益于大模型，以数据驱动的方式重新定义技术研发范式，解决机器人“怎么干活”的问题。硬件层面也经历了类似迭代，2020年之前主流方案是液压，随着2010至2020年间国内对伺服电机的大量投入，其技术逐渐成熟，2023年至今电驱已完全替代液压方案。

在向迪昀看来，当前这一波资本热潮更多是AI驱动的，“因为要做scaling law需要非常大的AI基建，无论是算力还是数据，确实需要大量资本注入来推动”。但资本的热度并不意味着技术已经成熟。

游洋威表示：“整个行业其实GPT-3.0时刻还没有到来。”他解释，用数据驱动方法去做，整个pipeline——数据层面怎么做、模型架构怎么搭，仍然是开放性问题，行业尚未形成真正共识。

今年上半年，小米推出了两个机器人基座模型，在各个榜单上均位列榜首。除了常规的VLA（视觉-语言-动作）工作，小米也在做生成式世界模型，希望用它来生产数据，与VLA形成互补。

数据方面，小米最新的10B模型使用了约10万小时UniMi真机数据进行预训练，加上约1万小时自采的真机遥操作数据用于后训练。

“这次比较重要的是在VLA里第一次把10万小时UniMi数据的scaling law验证了一下，”向迪昀说。但他同时强调，内部更关注的是数据的分布和质量。至于数据配比的最优解，行业里还没有结论，“这件事相当于5年前的自动辅助驾驶，没有人知道数据配比应该怎么样”。他预计，今年整个行业都在朝着百万小时数据量的方向走。

关于人形和仿生到底有多重要，向迪昀坦言，如果只解决某一个垂直场景的问题，比如工厂里两三个工站，“那人不人形其实是不重要的”。他认为，“完全像人”和“有一些特质化的过程”这两条线会长期并行，特质化方案在短期很多垂域会快速落地，但一个真正意义上的、刚需的、能通用的人形机器人，“可能还需要一些时间”。

游洋威进一步表示：“小米要解决的不是单个工站的问题，而是整个具身智能更通用的操作方法。”

对于从工厂到家庭的商业化路径，小米规划了三个阶段：智能制造、商业服务和家庭。

第一阶段是与汽车、大家电和手机3C相关的智能制造场景。

第二阶段是商用服务，包括工厂工业旅游基地、汽车展厅的导览讲解，以及国内外合计约3万家小米之家的导购演示。

第三阶段是家庭，而小米最先切入的是给应届生准备的小米青年公寓，“这些公共场景和员工房间的场景是我们进家庭最早可以触达、可以验证的，运营成本和容差度也更高”。

但工厂和家庭之间的鸿沟，可能比想象中更大。

向迪昀分析，工厂是结构化、封闭且高度同质化的，而家庭是完全开放、非结构化且每家都不一样的，“甚至生活习惯都不一样，怎么开箱即用？现在扫地机器人都还需要扫地图”。

他认为，这两者“可能是两个完全不同且呈指数级差异的产品线，未来可能都是完全分开的两个产品”。对于家用机器人的普及前景，他判断：“短周期内比较困难，未来一两年可能不容易看到。今天的瓶颈真的是AI，如果AI跑不通，可能是3年、5年甚至10年。”

成本方面，向迪昀认为材料成本不会是太大问题，“机器人差不多50到60公斤的铁和铜等材料，今天小米一辆车大概两吨卖30万元，所以材料成本不会是太大问题”。当前成本高主要是因为产业没有规模、无法形成标准化，工艺成本随着规模起量可以快速下降，“现在最大的投入可能是AI，到底应该怎么投入以及怎么平摊成本，还是个开放性问题”。

在开源策略上，小米今年已开源两代具身智能模型，包括训练方法和权重文件，向迪昀表示开源更多是为了技术交流和共享，而核心技术能力在于模型和数据相关的认知，“这些know-how会沉淀在团队内部”。

对于与特斯拉机器人的对比，小米方面表示特斯拉短期内没有公布过任何官方数据口径，“仅做技术交流，不做对比”。而对于明年是否参加机器人半马，向迪昀明确表示“目前没有什么计划，我们还是希望它在实际场景有用”。