7月16日，小米正式发布了具身基座模型Xiaomi-Robotics-1。简单来说，这是给机器人装了一个“通用大脑”，能让它听懂人话、自己干活。

这个“大脑”的特别之处在于：它用10万小时的真实世界操作数据训练出来的。不同于网上随便扒的数据，这些数据是通过UMI设备采集的真实抓取、放置、操作轨迹，覆盖家庭、办公室、工厂等各种场景。团队还搞了一套自动化标注流程，两周就把10万小时的数据全标完了。

训练上走的是“预训练+后训练”两阶段路线：先学通用的动作生成能力，再用约1万小时的跨本体数据做“对齐”，让模型能直接听懂自然语言指令，在不同类型的机器人上都能“开箱即用”。

效果怎么样？在RoboCasa365、RoboDojo、VLABench等多个全球权威评测基准上都登顶第一，在RoboDojo上直接“断档式”领跑，大幅刷新了行业纪录。

更重要的是，小米这次验证了机器人领域也存在Scaling Law：数据越多、模型越大，能力就越强。随着UMI数据从2500小时扩展到20000小时，模型参数从2B提升到10B，动作预测精度持续提升。

回顾一下小米最近三天：7月14日亮出人形机器人工厂“实习成绩”（装配成功率98%），7月15日发布具身生成模型U0，7月16日推出基座模型Xiaomi-Robotics-1。三天三步，硬件本体、数据生成、模型大脑全齐了。具身智能走进现实，或许比我们想的要快。