7月16日，小米发布第二代具身基座模型Xiaomi-Robotics-1，基于10万小时真实世界操作数据预训练，搭配约1.1万小时跨本体数据后训练，单张4090推理延迟仅80ms。这是小米具身智能三天三连发的压轴之作——14日机器人本体进厂实习，15日38B世界基础模型U0开源，16日Robotics-1收官。分开看是三个点，连起来是一套能自己转的系统。
先说核弹级的数据。10万小时不是仿真数据，是自研UMI便携设备在1700多个家庭、商业、工业场景里手把手采集的人类真实操作轨迹——人怎么拿东西、怎么整理空间、怎么通过连续动作改变环境状态。面对这种量级的数据人工标注完全不可行，小米搭了一条基于VLM的自动标注流水线，两周完成全量标注。
更关键的是，团队用这套数据完整跑通了机器人版的Scaling Law验证：数据从2500小时扩到2万小时，模型从2B扩到10B，动作预测损失持续下降，真实任务成功率同步提升。这是国内首次在机器人策略模型上系统证明"堆数据、堆参数，能力可预测增长"——此前这条规律只在语言模型上被反复验证过。
双阶段训练范式设计得也干净。预训练阶段从10万小时中学通用动作表征，不绑具体机器人型号；后训练阶段做两件事——本体对齐（把通用能力映射到真实机器人控制空间）和指令对齐（让模型听懂自然语言）。效果很直接：在完全未见过的真实家庭环境中，模型能直接根据自然语言完成鞋柜收纳、桌面整理、沙发收拾。四个新任务对打行业标杆Pi-0.5——手机打包、打印机加墨、衣物装载、箱子打包——平均不到10小时微调数据，Xiaomi-Robotics-1总体成功率75%，Pi-0.5只有40%。数据加到40小时，拉大到85%对53%。
榜单同样不讲情面：RoboDojo以13.93%成功率登顶（前最优8.80%），RoboCasa365以57.4%碾压前纪录46.6%，VLABench和RoboCasa全部SOTA。
但13.93%这个数字本身就说明问题——当前全球最好的机器人策略模型，八次任务里有七次搞不定。Scaling Law被证实了，但Scaling到哪才算够，没人有答案。
真正有意思的是闭环设计。U0不是控制机器人的模型，是给Robotics-1造训练数据的引擎——38B参数，统一覆盖场景生成、轨迹迁移、交互视频、图像编辑四大任务，WorldArena 126款模型中总分第一。
实测效果一针见血：用U0生成增强数据后，Pi-0.5在分布外场景的成功率从36.9%跳到63.2%，近乎翻倍。一个专门做机器人场景的模型，在跨视角几何一致性和动作保真度上甚至胜过了闭源的GPT-Image 2.0。
三天的逻辑串起来就是：机器人进厂跑出真实问题→U0把有限数据扩展到更多环境、光照和本体→Robotics-1从更大更复杂的数据里重新训练变强→进更多工站、产生新一轮问题。自己喂自己，飞轮转起来了。
从2021年的铁蛋到2022年的铁大，再到如今第一代Robotics-0和第二代Robotics-1，小米用五年时间完整打通了"本体—数据—模型"的全栈闭环。
具身智能的终局如果真是软硬件数据一体化的系统战，小米这次亮的是整套牌。项目已开源，GitHub和HuggingFace可下载。
