小米机器人火了，世界机器人大会现场排队互动，工作人员：不能和表演型机器人比速度

本文来源：时代周报 作者：杨静菩

2026世界机器人大会期间，小米新一代人形机器人“铁大”首次公开亮相，小米机器人的进展由此曝光。

这款人形机器人身高1.70米、体重66公斤、全身66个关节，其中半数自由度集中在手部，硬件架构全面重构，按照工厂实际工人体态完成优化设计。

在大会现场，“铁大”成为展区的焦点，不少人在排队等候互动。与此前行业普遍热衷展示的跑跳、空翻等炫技动作不同，小米将这台机器人直接拉到了汽车工厂的产线上。

8月19日，小米机器人事业部总经理向迪昀向时代周报等媒体表示，2024年小米一款50公斤的机器人奔跑速度已达到每小时12公里-13公里，“但从雷总的角度来讲，这不产生实际有意义的用户价值。”他透露，在雷军的追问下，小米主动停下“跑跳空翻”的技术路线展示，全面转向解决“机器人到底能干什么”。

就在大会开幕前一天，小米集团发布2026年第二季度财报：单季营收1089亿元，研发投入达92亿元，同比增长18.9%，上半年累计研发投入182亿元。雷军在今年3月宣布，未来五年小米在AI、机器人、智能驾驶领域的研发总投入将超过2000亿元。他预计，未来5年会有大批量人形机器人进入小米工厂干活。

“不能和表演型机器人比速度”

小米机器人早在今年3月已进入汽车工厂“实习”。在压铸车间自攻螺母上件工站，机器人要完成从送钉机取件、识别螺母姿态、克服磁吸干扰、精准对位并拧入的完整流程。

3月时，上一代“铁大”双侧作业成功率为90%，到7月已经提升至98%。而熟练工人的平均合格率是99%。换句话说，这个“进厂”才几个月的机器人，距离车间里干了多年的老师傅只差1个百分点。小米方面预计，今年年底有望将关键工站成功率拉至99%。

从98%到99%，或是最难啃的骨头。向迪昀坦言，全面模型化之后，模型成了一个“黑盒”，出现问题后难以定位原因——到底是需要补充数据，还是调整模型架构，在预训练和后训练之间如何分配，都还没有明确结论。

另一个挑战是效率。对于3到5秒的短任务，机器人效率可以做到人工的70%到80%，甚至接近100%；但如果任务链延长到30秒甚至1分钟以上，效率会快速下降到人工的60%到70%，长任务甚至可能降至30%以下。这就像大模型的长上下文推理——上下文越长，推理效率下降越明显。

除了螺母工站，其他线边工站的作业成功率达到90%即可上岗。向迪昀称，这类线边站容错率有保障，没干好可以再干一遍，考核重点不是成功率，而是一个小时能叠多少箱子。

时代周报记者在现场注意到，铁大展示的是与游客进行问答和“献花”的简单互动。从互动情况来看，铁大的行动算不上迅速。对此，现场工作人员表示，铁大是工业机器人，已经完全能够适应工厂正常作业的效率，“不能把它去和表演型机器人的速度相比”。

对于小米选择工厂作为首要落地场景，此前卢伟冰在业绩沟通会上表示，“当下最重要的落地场景就在智能制造工厂的产线上，能够实现对人工的部分取代。”

向迪昀在接受采访时进一步提到，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，他们“一般不碰工业自动化已经覆盖的区域”，而是聚焦"工业自动化在未来1-2年不可能直接实现"的领域。这些场景的共同关键词是：人在做的、有复杂SOP的、可能需要协同的、柔性的。

至于家庭场景，向迪昀的判断很谨慎：“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、10年都有可能。”他进一步指出，小米机器人的路径是分三步走：智能制造、商业服务、家庭。其中家庭场景会先从小米青年公寓等半封闭场景开始验证，直接进入C端家庭“时间会拉得更长”。

雷军的追问

小米2021年正式立项人形机器人项目。2022年8月，第一代“铁大”发布，身高1.77米、体重52公斤、21个关节自由度，比特斯拉Optimus原型机亮相早了近两个月。但此后两年，小米在机器人领域几乎“失声”。

向迪昀透露，这背后是雷军自立项以来始终坚持的一个追问——“这个东西到底有什么用？”在主动停下“跑跳空翻”这条技术路线后，小米机器人开始转向“大脑”的研究。

向迪昀将过去十年机器人行业归纳为三次技术迭代：2016-2020年，波士顿动力将MPC等传统建模优化算法推向极致；2021-2023年，强化学习带来运动控制革命，小米在此期间完成走跑跳空翻的全部突破；2025年之后，大模型驱动的“data driven”范式开启了“大脑”层面的新战场。

今年以来，小米在机器人“大脑”层面的动作频频。2月，小米开源47亿参数的VLA模型Xiaomi-Robotics-0，可在消费级显卡上实时推理；7月，发布380亿参数的多模态自回归具身生成模型Xiaomi-Robotics-U0并全量开源。

在数据策略上，小米采用多源数据融合的路线。内部Pipeline中既有互联网视频数据，也有UniMi数据和真机遥操数据。据透露，10B规模的模型训练中使用了约10万小时UniMi真机数据，自有真机遥操数据约1万小时。仿真数据也在使用。

但向迪昀坦言，“数据配比到底什么样是最优的，行业里还没有结论，每家公司都在尝试。这就像5年前的自动辅助驾驶，没有人知道数据配比应该怎么样。”

硬件层面，新一代铁大全身66个关节，近一半集中在手部，按照汽车工厂实际工人的运动空间重新设计。小米拉取工厂2000多个岗位数据，以确保这套架构能覆盖绝大多数工作的运动空间。向迪昀强调：“我们按照运动空间来设计，一个人做广播体操能摸到什么位置，就是实际作业的控制范围。”

相比实验室团队，向迪昀认为大厂在人形机器人研发上具备优势。他以今年马拉松为例称，近一半参赛机器人在背后背了一个液冷罐子，而大厂看到技术工程范式之后，在转化为成熟稳定的工程产品时，对整个产业工程体系的投入会有更多和更好的方式。

他认为，小米机器人业务在集团层面的协同明显，“AI能力来自集团大模型团队，机械工程来自汽车产业，感知传感器来自消费电子业务。而小米内部从汽车工厂到大家电工厂再到3万多家小米之家，本身就是机器人的练兵场。”