硬件超11.6亿台，小米凭什么把物理AI做成全生态？

过去三年，大模型的快速进步主要发生在数字世界。文本、图片、代码、视频被转化为数据，模型通过海量预训练学习规律，再完成理解、推理和生成。但数字世界能覆盖的任务终究有限。AI要进一步扩大产业价值，就得从信息处理走向真实世界，理解环境，并与物理世界发生交互。

如果把这一轮AI浪潮分成两个阶段，上半场争的是模型，下半场的竞争正越来越多地转向物理AI的落地。在今年的IFA展会上，雷峰网清晰感受到：人工智能正在从生成内容、解决数字任务，进一步走进物理世界。展会专门设置了“World of AI & Future of Tech”议程，集中展示机器人、AI穿戴与智能家居的最新进展，参展的人形机器人规模也是历届之最。各家企业都不想错失物理AI这个移动互联网之后最具想象力的产业机会。

而作为全球首个实现“人车家全生态”物理AI落地的科技公司，小米今年在IFA上意料之内地受到了海外消费者的广泛关注。

物理AI的门槛，比想象中高得多

物理AI的门槛远高于数字世界的模型应用，且链路极长，涵盖芯片、模型、操作系统、终端、制造与用户场景等环节。因此，虽然各大科技巨头纷纷入局，却也只能从各自的优势地带切入，先占住离自己最近的那一块。

英伟达占据算力和仿真底座，试图成为机器学习会“动手”之前的基础设施提供者；特斯拉以汽车和机器人为终端，验证具身智能在复杂环境中的能力边界；国内的阿里、字节、腾讯也各自在模型、平台或生态方面有所建树。它们各有长板，但距离覆盖“芯片—模型—终端—制造—场景”的完整链条，仍有明显距离。

从目前的产品和业务布局看，完整拥有整个链路的，只有小米一家。

硬件数量本身，并不能直接转化为物理AI能力

物理AI的发展，首先需要足够多的硬件入口。设备越靠近用户、覆盖的场景越丰富，AI能获得的环境信息和上下文也就越完整，同时也拥有更多可以调用和执行的终端。在德国IFA 2025展会上，小米带来了近400款产品，而截至2026年，小米IoT平台连接设备已经超过11.6亿台。如果放到整个米家体系中，目前已有130多个产品品类、超过2000个SKU。从手机、手表、耳机，到电视、空调、扫地机器人，再到汽车，小米的硬件已经进入到了用户生活中的多个场景。

但硬件数量本身，并不能直接转化为物理AI能力。过去，小米这些产品更多是一张庞大的硬件网络。手机负责通信，汽车承担出行，各类设备彼此之间能够连接，却仍然主要依靠用户逐个发出指令。

AI带来的变化，是让这些原本分散的设备开始共享感知、理解和执行能力，并围绕用户的意图协同工作。“物理AI最重要的是感知，通过感知了解人的意图，帮助完成复杂任务的执行。”小米集团总裁卢伟冰在IFA现场表示。

汽车和手机，正在变成智能节点

今年北京车展期间，小米展示了新版车载AI的一组能力。用户可以在车里一次交代多个任务，系统随后完成餐厅预订、咖啡下单和途中信息整理；而当车辆感知到驾驶者处于紧张或烦躁状态时，还可以进一步联动家中的灯光、音乐等设备，提前调整环境。

汽车在这里承担的角色已经超出一辆交通工具。它既是感知用户状态的设备，也是移动中的计算和交互节点。车辆知道用户正在回家，这个状态可以继续传递给家庭设备。用户到家之前，空调、空气净化器和灯光可以提前进入相应状态；用户离家之后，灯光、电视、空调等设备也可以根据场景自动关闭。

反过来也一样。超级小爱已经打通汽车与米家平台，用户可以在车内控制家庭设备，也可以从家中控制车辆，形成双向的车家互联。

手机承担的角色同样在变化。2026年3月，小米开始邀请用户测试手机Agent“miclaw”。它在获得授权后可以理解用户意图、调用应用和系统工具，并完成任务。miclaw目前已经升级为超级小爱2.0的专家模式，可以实现自思考、自规划和自主调用和执行复杂任务。这改变了手机与其他智能设备之间的关系——手机从控制设备的入口，变成了理解用户意图、调度不同设备的智能节点。

支撑这一变化的，是小米已经搭建多年的设备连接体系。HyperConnect让手机、平板、电脑、手表和汽车能够动态组网。进入汽车后，手机可以与车辆共享屏幕、摄像头等能力，也可以直接控制音乐、空调和座椅；回到家中，同一个设备中心继续连接电视、音箱和大量米家设备。

过去，手机、汽车、家电和穿戴设备分属于彼此独立的产品市场，相互割裂，难以互通。但当模型开始能通过统一的系统调度不同硬件时，小米过去十几年积累下来的庞大设备网络，从“设备互联”走向了“智能协同”。

主动感知、复杂执行、主动服务

小米长期主张物理AI能力应当是“主动感知、复杂执行、主动服务”。主动感知，就是让AI知道用户现在身处什么环境、正在做什么；复杂执行，是在理解需求之后，能够进一步调用应用、服务和硬件把任务完成；主动服务则更进一步，AI会结合位置、设备状态和使用习惯，提前判断用户接下来可能需要什么，并在获得授权后主动执行。

这也是物理AI与过去软件AI的关键区别。模型能力只是其中一环，端侧算力、操作系统、设备网络，以及真实世界数据，都开始成为决定AI能力上限的基础设施。

过去几年，小米最大的变化，是原本分散在芯片、模型、操作系统和制造体系里的能力，整合进了同一条链路。

芯片、模型、系统，一条链路打通

物理AI首先需要解决模型如何在有限的算力、内存和功耗条件下稳定运行。随着大模型逐步进入手机、汽车和其他终端，端侧计算面对的问题除了算力本身，还需要考虑内存带宽、能效和不同计算单元之间的协同问题。小米新一代玄戒芯片的进化，也正是围绕这些问题展开。

8月24日，小米发布了新一代的O3以及O100和D100三款自研芯片，将玄戒的覆盖范围由手机SoC拓展到了端侧AI和智能驾驶。其中，O100直接针对大模型推理中的数据传输问题，将内存带宽提升至1.22TB/s；小米展示的AI Cube则进一步把O3、O100和D100放进同一套计算系统，本地部署120B和3B两种模型，并支持快慢系统切换。

算力之上，是模型。跨场景泛化、长程任务规划、低层运动控制和数据效率，仍是现有VLA模型的短板。2025年MiMo发布时，小米的大模型能力还主要集中在语言和推理。到2026年已经扩展到多模态、Agent和具身智能等多个方向。今年4月发布的MiMo-V2.5可以同时理解文本、图像、视频和音频，三个月后，小米又发布Xiaomi-Robotics-U0和Xiaomi-Robotics-1，开始直接解决机器人的数据生成、移动和操作问题。

但在模型具备能力之后，还需要一套系统把它分发到不同设备，澎湃OS承担了这个角色。8月发布的澎湃OS 4进一步接入MiMo，并针对跨应用、跨设备任务进行了专门优化。

最后，这个链路还需要来自真实世界的反馈。具身智能的数据很难直接从互联网获得，采集成本高、流程复杂，其他机器人公司想进入生产环境有很高的准入门槛。

小米的这套布局，本质上是在回答一个问题：当AI从数字世界走向物理世界，谁拥有最完整的落地链条，谁就掌握了下一轮竞争的主动权。从芯片到模型，从系统到终端，从制造到场景，小米把这条链路完整地握在了自己手里。至于这套全生态打法能否在海外市场复制成功，还需要时间给出答案。