小米開源 380 億參數機器人模型 量產機器人訓練數據

小米發布了一款 380 億參數的具身 AI 模型，生成機器人訓練數據的速度是現有方法的 83 倍。

小米於 7 月 15 日發布了 Xiaomi-Robotics-U0，這是一款 380 億參數的開源模型，整合了四項機器人數據生成任務，旨在解決阻礙具身 AI 發展的數據稀缺瓶頸。該模型已於 GitHub 和 HuggingFace 上完整開源代碼與權重，能夠在無需重新收集物理數據的情況下，跨多種環境生成、遷移和擴增機器人訓練數據。

「這解決了具身 AI 發展中的一個基本瓶頸——數據稀缺限制了模型能力的增長，」小米在發布中表示，並指出該模型能夠生成物理機器人無法接觸的危險環境和長尾場景。小米稱 U0 是具身 AI 領域首個能夠同時處理四類不同機器人任務的統一生成模型。

該模型透過 FlashAR+ 推理加速技術，實現了 83 倍的圖像生成速度提升，將一張 1024×1024 訓練圖像的生成時間從 450.77 秒壓縮至 5.44 秒。該模型在 WorldArena 基準測試中，在 126 個模型中排名第一。在真實機器人評測中，面對未知光線和陌生背景的分布外場景條件下，使用 U0 增強數據訓練的策略任務完成率平均提升了 26%。

此次開源發布將小米定位為涵蓋硬體製造、真實機器人部署和基礎模型研究的全端具身 AI 參與者，有望加速機器人從實驗室走向工廠、倉庫和家庭的進程。該模型可透過改變物體、光線、背景或增加雜物來增強現有數據，無需重新收集數據，並可生成涵蓋危險、極端或長尾環境的全新場景。

U0 如何大規模生成機器人訓練數據

該模型在單一架構中涵蓋四項核心能力。具身場景生成可根據文字描述，為指定機器人硬體生成多視角初始場景，涵蓋從桌面、廚房到倉庫和開放世界的多種環境。具身遷移可將現有機器人軌跡遷移至新環境，改變光線、背景、表面材質、目標物體或工作區風格，同時保留原始機械臂姿態和場景佈局。機器人互動影片生成可基於初始觀測和操作指令生成後續影片幀，保持運動連貫性和物理一致性，並具備對未見過場景的零樣本泛化能力。同時保留通用的文字轉圖像和圖像編輯能力，使網際網路視覺知識能夠遷移至具身 AI 任務。

與原始自回歸範式相比，UNIS 推理加速架構實現了 83 倍的生成效率提升，大幅降低了工程部署門檻。這使得大規模生成具身訓練數據成為可控且高效的解決方案，解決了小米所稱的具身 AI 基本瓶頸之一。

競爭格局與行業背景

具身 AI 領域已出現類似的開源努力。2025 年 3 月，群核科技開源了 SpatialLM，這是一款空間理解模型，可將影片或點雲數據轉換為包含牆壁、門窗、家具和空間關係的結構化 3D 場景。企業可針對自身場景微調 SpatialLM，以提升機器人對物理空間的理解能力。

具身 AI 行業仍面臨諸多挑戰，包括訓練數據不足、場景覆蓋有限以及研發成本高昂。開源模型無法完全取代真實機器人數據，也無法解決機器人與真實環境之間的所有複雜物理交互。但它們可以降低數據擴增和模型訓練的成本，可能加速從實驗室研究到工廠、倉庫和家庭部署的進程。

投資者影響

小米於香港聯交所上市，股票代碼為 1810。該公司進軍具身 AI 基礎模型，將其技術版圖從智慧型手機和物聯網擴展至前沿人工智慧與機器人領域——這是一個長期受數據稀缺制約發展的領域。開源策略可能加速整個行業的機器人應用普及，並建立小米的生態系影響力，不過該模型的收入貢獻仍需數年時間方能實現。具身 AI 領域的競爭對手包括 NVIDIA 及其 Isaac 平台，以及 Google DeepMind 機器人部門，兩者均在機器人學習的模擬與訓練基礎設施上投入了大量資源。

本文僅供資訊參考，不構成投資建議。