--- title: "高盛把机器人写进小米观察清单：一座自有工厂如何抬高 AI 含金量" type: "Topics" locale: "zh-CN" url: "https://longbridge.com/zh-CN/topics/42849188.md" description: "7 月 14 日，小米给出一份新成绩单，其中亮眼的是，机器人进入汽车工厂四个月后，自攻螺母上件成功率由 90.2% 提高到 98%，并新增中控台侧盖板上件和料箱折叠两项任务，两者成功率均为 90%。随后的 21 日，公开的高盛研报把工厂进展与 Xiaomi-Robotics-U0、Xiaomi-Robotics-1 并列讨论，维持 40 港元目标价..." datetime: "2026-07-22T08:34:28.000Z" locales: - [en](https://longbridge.com/en/topics/42849188.md) - [zh-CN](https://longbridge.com/zh-CN/topics/42849188.md) - [zh-HK](https://longbridge.com/zh-HK/topics/42849188.md) author: "[港股研究社](https://longbridge.com/zh-CN/profiles/3199113.md)" --- # 高盛把机器人写进小米观察清单：一座自有工厂如何抬高 AI 含金量 7 月 14 日，小米给出一份新成绩单，其中亮眼的是，机器人进入汽车工厂四个月后，自攻螺母上件成功率由 90.2% 提高到 98%，并新增中控台侧盖板上件和料箱折叠两项任务，两者成功率均为 90%。 随后的 21 日，公开的高盛研报把工厂进展与 Xiaomi-Robotics-U0、Xiaomi-Robotics-1 并列讨论，维持 40 港元目标价。市场开始关注：小米机器人究竟会停留在内部自动化工具，还是能够成为具有外部订单和独立收入的业务？ **从 “能动” 到 “能上班”，工厂正在重写具身智能的行业门槛** 在机器人行业，跑步、翻跟头和复杂动作展示最容易获得关注度，但制造企业关心的是另一套指标：连续运行时间、单次任务成本、故障恢复速度、节拍匹配和良率。 2026 年 6 月，工信部与国务院国资委启动人形机器人与具身智能实景实训专项行动，提出年内凝练百个以上高价值场景，形成万台级规模落地能力。政策文件把生产制造、检测、维修和仓储物流列为重点，产业发展方向已经从样机展示转向常态作业。 中国具备密集的验证土壤。国际机器人联合会数据显示，2024 年中国新增工业机器人 29.5 万台，占全球部署量的 54%；电子电气行业安装 8.3 万台，汽车行业安装 5.72 万台，分别位居国内前两位。小米的手机和汽车业务正处在这两个高自动化行业，内部工厂可以直接提供真实工位、工程团队和稳定任务来源。 传统工业机器人已经能够在焊接、喷涂、搬运等标准化工序中高效工作，人形机器人的增量空间主要来自柔性任务：工位需要频繁调整、物料形态不统一，或者原有环境按照人类身体结构设计，重新建设专用自动化设备的成本较高。小米选择总装、上件和料箱处理，避开了成熟机械臂最强的固定工序，也把机器人放进更接近实际需求的位置。 因此，小米工厂现阶段承担着双重角色。一方面，机器人提高内部自动化水平；另一方面，工厂把技术问题转化为可以记录的数据：哪种物料最容易失误、哪类动作需要人工接管、连续工作后精度如何变化。展示视频很难形成持续训练材料，真实产线每天都会产生失败样本。对具身智能公司而言，这类失败样本往往比一次成功演示更有价值。 **四类场景的含金量并不相同，小米需要把终端规模转化为机器人的学习效率** 高盛关注小米 “硬件、数据与模型” 的整合，判断建立在一组少见的业务组合上。2026 年一季度，小米智能手机出货 3380 万部，AIoT 平台连接设备达到 11.187 亿台，汽车交付 80856 辆。手机、家电和汽车提供用户入口与产品分发，汽车工厂提供动作数据、失败样本和工程验证。四类资产共同存在于一家公司，能够减少机器人团队寻找首批场景和协调外部客户的成本。 不过，终端数量无法直接等同于具身数据。手机点击、家电控制和汽车行驶数据，与机械臂抓取、双臂协同之间存在明显的数据鸿沟。四类场景的作用也有差别：手机和家电更接近交互入口，汽车能够贡献空间感知与智能驾驶研发经验，工厂才是机器人动作模型的直接训练场。 小米最近发布的两款模型，分别瞄准数据生成和动作学习。Xiaomi-Robotics-U0 拥有 380 亿参数，通过世界模型生成多视角、跨本体的具身场景。论文显示，加入合成数据后，π0.5 模型在分布外真实操作任务中的成功率由 36.9% 提高至 63.2%。这条路线试图降低真机数据昂贵、采集速度慢的问题。 Xiaomi-Robotics-1 使用超过 10 万小时真实操作轨迹进行预训练，覆盖 1700 多个家庭、商业、工业及户外场景；后训练还使用了超过 7200 小时真实机器人家庭数据。小米披露，Robotics-1 针对手机包装、打印机补料、洗衣和装箱等新任务，平均每项使用不足 10 小时演示数据时，总体成功率达到 75%，对比模型π0.5 为 40%。较低的数据适配成本，有助于减少每增加一个工位都需要重新开发的项目制负担。 工厂持续产生真机数据，世界模型补充稀缺和长尾样本，动作模型再回到产线验证；失败案例进入下一轮训练，模型迭代与工位扩展形成循环。小米内部拥有汽车、手机与家电制造需求，能够让这套循环持续运转，而纯模型公司通常需要向外寻找真实机器人和生产场景。 困难也集中在 “迁移” 二字。汽车工厂的标准化工位与家庭开放环境相距很远；同一模型适配不同机械结构、不同供应商设备和不同安全规范，也会增加工程成本。若每进入一座工厂都要重新采集数据、调整算法和改造产线，机器人业务容易落入低毛利的定制交付。小米现阶段确定性较高的应用仍是自有工厂及产业链伙伴，家庭机器人属于更远期选择。 **机器人走出小米工厂，才可能形成新业务** 小米的财务报表给出了扩张能力，也给出了约束。2026 年一季度，公司收入 991 亿元，经调整净利润 61 亿元，分别同比下降 10.9% 和 43.1%；研发费用 89.5 亿元，同比增长 33.4%，资本开支 32.7 亿元，同比增长 20%。智能电动汽车、AI 及其他新业务收入 199 亿元，经营亏损 31 亿元。手机和 AIoT 仍承担主要现金流，新业务投入已经对利润形成可见压力。 机器人短期更可能体现为内部降本：减少高重复、高强度岗位的人力需求，提高连续作业能力，并降低质量波动。从小米最新财报和本轮公开信息看，公司尚未披露单个工位的部署成本、投资回收期、停机率及机器人部署数量，也没有公布面向外部客户的独立订单。缺少这些指标，机器人仍属于研发与制造体系的一部分，暂时难以单独测算收入和利润。 外部商业化还要跨过两道工程关。工厂方案需要实现标准化复制，部署过程不能长期依赖小米工程师驻场调试；收入结构也需要从一次性本体销售延伸到模型授权、技能软件、运维和按效果付费。硬件扩大收入规模，软件和服务改善毛利结构，外部复购决定业务独立性。家庭场景空间更大，环境复杂度、安全责任和售后成本也更高，短期优先级低于工业场景。 观察小米机器人，无须急于预判家庭通用机器人的上市时间。更有效的观察指标包括工位数量、连续运行时长、人工接管率、单任务适配成本和外部订单。若这些指标持续改善，小米会从机器人使用者逐步走向机器人供应商；若进展长期停留在模型发布和局部工位测试，机器人对公司基本面的贡献将主要体现为制造效率。 高盛把机器人纳入公司观察范围，意义正在这里。小米已经拥有模型、终端和工厂，却还没有一项可以独立核算的机器人业务。自有工厂能够缩短验证周期，也可能让技术长期停留在内部工具。未来几年的关键变化，是小米能否把自用能力整理成标准产品，再把标准产品交给外部客户。 **留在工厂，机器人改善成本；走出工厂，机器人才有机会改变小米的收入结构。** ### 相关股票 - [01810.HK](https://longbridge.com/zh-CN/quote/01810.HK.md) - [81810.HK](https://longbridge.com/zh-CN/quote/81810.HK.md) - [XIACY.US](https://longbridge.com/zh-CN/quote/XIACY.US.md) - [HXXD.SG](https://longbridge.com/zh-CN/quote/HXXD.SG.md) - [GS.US](https://longbridge.com/zh-CN/quote/GS.US.md) - [W4VR.SG](https://longbridge.com/zh-CN/quote/W4VR.SG.md) ## 评论 (1) *1 comments available on the platform.*