高盛把機器人寫進小米觀察清單：一座自有工廠如何抬高 AI 含金量

7 月 14 日，小米給出一份新成績單，其中亮眼的是，機器人進入汽車工廠四個月後，自攻螺母上件成功率由 90.2% 提高到 98%，並新增中控台側蓋板上件和料箱摺疊兩項任務，兩者成功率均為 90%。

隨後的 21 日，公開的高盛研報把工廠進展與 Xiaomi-Robotics-U0、Xiaomi-Robotics-1 並列討論，維持 40 港元目標價。市場開始關注：小米機器人究竟會停留在內部自動化工具，還是能夠成為具有外部訂單和獨立收入的業務？

從 “能動” 到 “能上班”，工廠正在重寫具身智能的行業門檻

在機器人行業，跑步、翻跟頭和複雜動作展示最容易獲得關注度，但製造企業關心的是另一套指標：連續運行時間、單次任務成本、故障恢復速度、節拍匹配和良率。

2026 年 6 月，工信部與國務院國資委啓動人形機器人與具身智能實景實訓專項行動，提出年內凝練百個以上高價值場景，形成萬台級規模落地能力。政策文件把生產製造、檢測、維修和倉儲物流列為重點，產業發展方向已經從樣機展示轉向常態作業。

中國具備密集的驗證土壤。國際機器人聯合會數據顯示，2024 年中國新增工業機器人 29.5 萬台，佔全球部署量的 54%；電子電氣行業安裝 8.3 萬台，汽車行業安裝 5.72 萬台，分別位居國內前兩位。小米的手機和汽車業務正處在這兩個高自動化行業，內部工廠可以直接提供真實工位、工程團隊和穩定任務來源。

傳統工業機器人已經能夠在焊接、噴塗、搬運等標準化工序中高效工作，人形機器人的增量空間主要來自柔性任務：工位需要頻繁調整、物料形態不統一，或者原有環境按照人類身體結構設計，重新建設專用自動化設備的成本較高。小米選擇總裝、上件和料箱處理，避開了成熟機械臂最強的固定工序，也把機器人放進更接近實際需求的位置。

因此，小米工廠現階段承擔着雙重角色。一方面，機器人提高內部自動化水平；另一方面，工廠把技術問題轉化為可以記錄的數據：哪種物料最容易失誤、哪類動作需要人工接管、連續工作後精度如何變化。展示視頻很難形成持續訓練材料，真實產線每天都會產生失敗樣本。對具身智能公司而言，這類失敗樣本往往比一次成功演示更有價值。

四類場景的含金量並不相同，小米需要把終端規模轉化為機器人的學習效率

高盛關注小米 “硬件、數據與模型” 的整合，判斷建立在一組少見的業務組合上。2026 年一季度，小米智能手機出貨 3380 萬部，AIoT 平台連接設備達到 11.187 億台，汽車交付 80856 輛。手機、家電和汽車提供用户入口與產品分發，汽車工廠提供動作數據、失敗樣本和工程驗證。四類資產共同存在於一家公司，能夠減少機器人團隊尋找首批場景和協調外部客户的成本。

不過，終端數量無法直接等同於具身數據。手機點擊、家電控制和汽車行駛數據，與機械臂抓取、雙臂協同之間存在明顯的數據鴻溝。四類場景的作用也有差別：手機和家電更接近交互入口，汽車能夠貢獻空間感知與智能駕駛研發經驗，工廠才是機器人動作模型的直接訓練場。

小米最近發佈的兩款模型，分別瞄準數據生成和動作學習。Xiaomi-Robotics-U0 擁有 380 億參數，通過世界模型生成多視角、跨本體的具身場景。論文顯示，加入合成數據後，π0.5 模型在分佈外真實操作任務中的成功率由 36.9% 提高至 63.2%。這條路線試圖降低真機數據昂貴、採集速度慢的問題。

Xiaomi-Robotics-1 使用超過 10 萬小時真實操作軌跡進行預訓練，覆蓋 1700 多個家庭、商業、工業及户外場景；後訓練還使用了超過 7200 小時真實機器人家庭數據。小米披露，Robotics-1 針對手機包裝、打印機補料、洗衣和裝箱等新任務，平均每項使用不足 10 小時演示數據時，總體成功率達到 75%，對比模型π0.5 為 40%。較低的數據適配成本，有助於減少每增加一個工位都需要重新開發的項目制負擔。

工廠持續產生真機數據，世界模型補充稀缺和長尾樣本，動作模型再回到產線驗證；失敗案例進入下一輪訓練，模型迭代與工位擴展形成循環。小米內部擁有汽車、手機與家電製造需求，能夠讓這套循環持續運轉，而純模型公司通常需要向外尋找真實機器人和生產場景。

困難也集中在 “遷移” 二字。汽車工廠的標準化工位與家庭開放環境相距很遠；同一模型適配不同機械結構、不同供應商設備和不同安全規範，也會增加工程成本。若每進入一座工廠都要重新採集數據、調整算法和改造產線，機器人業務容易落入低毛利的定製交付。小米現階段確定性較高的應用仍是自有工廠及產業鏈夥伴，家庭機器人屬於更遠期選擇。

機器人走出小米工廠，才可能形成新業務

小米的財務報表給出了擴張能力，也給出了約束。2026 年一季度，公司收入 991 億元，經調整淨利潤 61 億元，分別同比下降 10.9% 和 43.1%；研發費用 89.5 億元，同比增長 33.4%，資本開支 32.7 億元，同比增長 20%。智能電動汽車、AI 及其他新業務收入 199 億元，經營虧損 31 億元。手機和 AIoT 仍承擔主要現金流，新業務投入已經對利潤形成可見壓力。

機器人短期更可能體現為內部降本：減少高重複、高強度崗位的人力需求，提高連續作業能力，並降低質量波動。從小米最新財報和本輪公開信息看，公司尚未披露單個工位的部署成本、投資回收期、停機率及機器人部署數量，也沒有公佈面向外部客户的獨立訂單。缺少這些指標，機器人仍屬於研發與製造體系的一部分，暫時難以單獨測算收入和利潤。

外部商業化還要跨過兩道工程關。工廠方案需要實現標準化複製，部署過程不能長期依賴小米工程師駐場調試；收入結構也需要從一次性本體銷售延伸到模型授權、技能軟件、運維和按效果付費。硬件擴大收入規模，軟件和服務改善毛利結構，外部復購決定業務獨立性。家庭場景空間更大，環境複雜度、安全責任和售後成本也更高，短期優先級低於工業場景。

觀察小米機器人，無須急於預判家庭通用機器人的上市時間。更有效的觀察指標包括工位數量、連續運行時長、人工接管率、單任務適配成本和外部訂單。若這些指標持續改善，小米會從機器人使用者逐步走向機器人供應商；若進展長期停留在模型發佈和局部工位測試，機器人對公司基本面的貢獻將主要體現為製造效率。

高盛把機器人納入公司觀察範圍，意義正在這裏。小米已經擁有模型、終端和工廠，卻還沒有一項可以獨立核算的機器人業務。自有工廠能夠縮短驗證週期，也可能讓技術長期停留在內部工具。未來幾年的關鍵變化，是小米能否把自用能力整理成標準產品，再把標準產品交給外部客户。

留在工廠，機器人改善成本；走出工廠，機器人才有機會改變小米的收入結構。