小米人形机器人汽车工厂实习4个月：装配成功率达98%，实现柔性工件长时作业

导语
2026年7月14日，小米集团创始人雷军披露旗下人形机器人在北京亦庄小米汽车工厂实习4个月的阶段性进展。数据显示，其自攻螺母上件工站双侧作业成功率提升至98%，并实现柔性工件长时连续作业。此举标志着人形机器人正从展厅演示走向真实工业量产环境，开始承担实质性生产任务，但在连续作业时长与极限精度上仍存优化空间。

一、披露产线实习数据，核心工站成功率逼近人工

据雷军微博及小米技术官方微博2026年7月14日消息，小米人形机器人已在小米汽车工厂进行为期4个月的实地“实习”。在核心的自攻螺母上件工站，双侧作业成功率从初期的90.2% 提升至98%，距离熟练工人99% 的合格率仅差1个百分点。此外，机器人新增了中控台侧盖板排序与料箱折叠回收工站，成功率分别达到90% 与90% 以上。在连续作业能力方面，实拍视频展示了其连续稳定作业45分钟全程无人工干预。当前系统连续自主运行时间已突破3小时，远期目标为8小时以上。据电子工程专辑2026年7月15日报道，此次进展意味着机器人已初步适应汽车工厂高节拍作业标准，开始替代部分重复工序，为后续大规模部署积累了关键的产线级数据，验证了具身智能硬件在复杂制造环境中的基础适应能力，为行业提供了宝贵的实证参考。

二、拆解自攻螺母上件难点，VLA基座模型支撑算法迭代

自攻螺母上件是机器人进厂初期的核心难点。该工站要求处理内侧带花键的自攻螺母，每次抓取姿态随机，且存在磁吸干扰，对视觉识别与精准对位要求极高。从90.2% 到98% 的提升，主要依赖底层算法的多轮迭代。小米为机器人搭载了自研通用视觉-语言-动作VLA基础模型，参数规模达47亿。该模型深度融合视觉、语言、动作与强化学习技术，使机器人具备自主感知、决策与纠错能力。在实际控制中，通过视觉算法优化抓取点，结合力控系统实时调整夹持力度，并辅以双臂协同策略，有效克服了磁吸干扰。这种基于大模型的端到端控制架构，不仅提升了单一工站的作业良率，也为后续拓展复杂工站提供了通用技术底座，显著降低了针对不同任务重新编写规则代码的开发成本，推动具身智能技术在工业场景的泛化应用，加速了从单一任务向多任务处理的演进。

三、攻克柔性工件装配瓶颈，主动柔顺控制替代预设模板

中控台侧盖板排序工站是检验机器人处理复杂物料能力的关键。该盖板尺寸大、外形不规则，且采用复合碳纤加软质硅胶包边的柔软材质。机器人需从料箱中准确取出指定盖板并放置到对面料架车。为应对挑战，系统摒弃了传统的预设模板抓取方式。硬件层面，配备末端力感知硬件，结合双目、结构光与触觉反馈的三重感知融合。算法层面，引入主动柔顺控制策略，当发生卡滞时，机器人能自主微调姿态而非直接报错。同时，机器人具备换手抓握能力，并利用仿生灵巧手掌进行精细位姿修正，如同人工操作般对盖板进行细微调整。据财经头条相关报道指出，这种对柔性物料的处理能力，正是人形机器人区别于传统机械臂的核心价值所在，大幅拓宽了其在汽车总装环节的应用边界，使得更多复杂装配工序具备了自动化替代的可能，有效缓解了制造业面临的结构性用工短缺问题。

四、拓展料箱折叠回收场景，多机协同匹配生产节拍

在料箱折叠回收工站，机器人需处理尺寸不一、折痕老化、边角微翘的空塑料周转箱。这要求其依靠细腻的指端触觉精准抠开拉环，并配合双臂完成折叠、堆叠与推送。除了单机操作，该工站更考验多机协同水平。小米人形机器人深度接入了工厂数字化系统，能直接读取生产任务与物料编号，取代纸质单据。作业中，多台机器人通过系统实时同步状态，自动匹配产线节拍，确保动作互不冲突。此外，系统预留了远程干预通道，遇到异常工况时工程师可远程接管，有效规避产线停机风险。据今日头条机器人产业瞭望台观察，这种深度接入工厂底层系统的做法，是人形机器人从展示品转变为生产力工具的必要条件。只有打破信息孤岛，实现设备与制造执行系统的数据互通，机器人才能根据实时指令动态调整策略，在动态环境中保持稳定运行，真正实现人机协作与系统级效率的全面提升。

五、正视当前工业化短板，长时连续作业与精度仍需提升

尽管数据表现亮眼，但从真实工业化落地视角审视，小米人形机器人仍存在优化空间。首先，折叠料箱第二面时，机器人仍需转动箱体对准卡扣，而熟练工人可“盲抠”操作，后续需升级灵巧手力控算法取消额外步骤。其次，连续作业时间当前为3小时，距离8小时以上的班次目标仍有差距，电池与热控制系统需进一步优化。更为关键的是，98% 的成功率虽逼近人工，但在严苛的工业标准下，仍相当于每千件产生约20个缺陷，而人工99% 合格率对应每千件10个缺陷。最后1% 的精度提升，往往需要重构整套力控算法与硬件公差配合。对于制造企业而言，在评估引入人形机器人时，必须将其实际良率、宕机时间及维护成本纳入综合考量。只有在真实环境中暴露问题并持续解决，人形机器人才能跨越从原型机到可靠工业装备的鸿沟，满足现代制造业对一致性与稳定性的严苛要求，真正发挥出替代人工的实际经济价值。

六、核算单台成本与回收期，规划降价路径加速产业落地

成本与经济性是决定人形机器人能否大规模替代人工的核心要素。当前，工业级人形机器人均价在20-30万元/台。相比之下，产线工人年均薪酬约13.8万元，计入社保福利等企业实际支出超15万元/年。按当前机器人成本计算，投资回收期约2-3年。小米已明确规划，将在2026至2028年间，通过供应链整合与规模化量产，逐步将单台成本降至5万元以内。若目标达成，投资回收期将延至3-4年，此时全生命周期成本可与人工打平。雷军表示，未来5年会有大批量人形机器人进入小米工厂。研发重心将聚焦高自由度仿生灵巧手与复杂柔性物料操作算法。这种清晰的降本路径规划，不仅为小米自身的产能扩张提供了经济可行性，也为整个具身智能行业指明了从技术验证走向商业闭环的必经之路，有助于吸引更多制造业资本投入该领域，形成良性循环，最终推动人形机器人从高端制造向更广泛的通用工业场景普及。

七、对标国际头部产品进度，带动上下游产业链协同发展

从行业坐标来看，多数产业观察者认为，小米人形机器人在真实产线作业的流畅度与稳定性，已看齐Figure 03、特斯拉Optimus等国际头部产品。与特斯拉Optimus进入自有产线、Figure 03与宝马合作类似，小米坚持“进厂干活”的务实路线，推动人形机器人产业化落地从个案演变为行业趋势。这一进程将直接带动上下游产业链协同发展。在精密减速器领域，谐波与RV减速器需求将增长；伺服电机与控制器环节，将催生对高精度驱动方案的需求；精密结构件与灵巧手制造，将推动工艺升级；同时，视觉与触觉传感器的广泛应用，也将为半导体存储及传感芯片厂商带来增量市场。人形机器人的规模化应用，正在重塑智能制造的硬件供应链体系。随着更多整机厂推进产线级部署，核心零部件的国产替代进程将进一步加快，从而提升本土供应链在全球具身智能产业中的核心竞争力，为中国制造业的数字化、智能化转型升级提供更为坚实的底层硬件支撑与产业生态保障。

结语

小米人形机器人4个月的工厂实习，用98% 的装配成功率与柔性工件长时作业能力，证明了具身智能技术在真实工业场景中的可行性。然而，从3小时到8小时的连续作业跨越，以及最后1% 的精度攻坚，仍是必须面对的长期工程挑战。人形机器人的产业化并非一蹴而就的魔法，而是依靠数据喂养与算法迭代逐步推进的系统工程。未来，随着单台成本降至5万元区间，其大规模替代重复性人工的产业拐点终将到来。