小米开始把手机时代的生态打法，完整复制到机器人时代——自己做本体、自己攒数据、自己训练模型。10万小时真实操作数据，是这次最值得关注的资产。机器人行业过去最大的障碍，不只是缺模型，而是缺少足够多、足够复杂、可以跨设备复用的真实世界操作数据。Xiaomi-Robotics-1先用10万小时真实操作轨迹学习“人是怎么改变物理世界的”，再用约1万小时跨本体数据，让模型适配不同类型机器人。根据公开资料，后训练数据包括7200多小时移动操作机器人和双臂机器人数据，以及UMI人工标注数据和多个公开数据集。这意味着未来更有价值的机器人公司，未必只是造出一台动作漂亮的人形机器人，而是谁能够形成一个飞轮：机器人卖得越多 → 真实操作数据越多 → 模型越聪明 → 新机器人适配成本越低 → 机器人继续卖得更多。这就是具身智能领域所谓的Scaling Law。大模型是“喂进去更多文本和算力，能力持续提升”；机器人则是“喂进去更多真实操作轨迹、更多机器人本体和更大的模型，物理操作能力持续提升”。小米披露的实验中，预训练数据从2500小时扩大到2万小时、模型从20亿参数扩大到100亿参数后，动作预测损失和真实任务表现都继续改善，初步说明机器人也可能存在类似的规模效应。不过，“全球第一”要说得准确。Xiaomi-Robotics-1在RoboCasa365的平均成功率为57.4%，超过此前的46.6%；在RoboDojo仿真评测中取得20.07分和13.93%的平均成功率，超过此前的13.07分和8.80%。这证明它在这些公开基准上领先，但不等于机器人已经能够在任意现实环境中稳定工作。RoboCasa365本身主要是大规模家庭场景仿真基准；RoboDojo虽然同时包含仿真与真机评测体系，但小米本次重点公布的是仿真榜单成绩