小米的类人机器人工厂试点是进步,而非完全自动化的证明
小米报告称,其类人机器人在三项汽车工厂任务(包括柔性内饰件处理和纸箱折叠)中均取得了较高的工位成功率。证据表明,该机器人在工位上取得了有限的进展,且包含有实质性的操作内容,但缺乏证明其能够广泛替代人工所需的循环时间、运行时间、人工干预及成本等数据。

小米的人形机器人在工厂的试运行是进步,而非完全自动化的证明
小米的人形机器人工厂试运行之所以重要,是因为它将讨论的焦点从演示中的行走机器人,转向了与笨重的汽车零部件反复接触、执行工厂工单以及应对不理想的物料搬运条件。这正是评估工业人形机器人的正确舞台,但也是其局限性变得更加清晰的地方。 此次试运行在柔性操作和双臂协调方面取得了有意义的进展,并展示了与工厂系统的集成能力。但它尚未提供完整的生产证据集——而制造行业采购方正是通过这些证据来评估整个班次或一个季度内的成本、风险及人员配置影响的。
小米此次试运行对汽车装配领域证明了什么、又未能证明什么
对于“小米是否证明了类人机器人能够全面替代汽车装配线上的工人”这一问题,采购方应给出否定的答案。小米报告称在三项限定任务中取得了显著的工位级进展,但并未公布节拍时间、吞吐量、总运行小时数、零件处理量、人工干预率、单任务成本或商业化可用性等数据。这使得其经济可行性尚未得到证实。
小米报告称,其类人型机器人在自攻螺母装载工位上运行一个季度后,双侧操作成功率达到98%,比声明的人工操作合格率低一个百分点。 随后,该项目转向了两项最终装配物流任务:中控台侧盖分拣,以及材料箱的折叠与回收。对于这两项新任务,小米均报告了90%的成功率。
既然尚未实现完全自主,这为何重要?因为盖板分拣任务涉及大型、不规则且柔性的汽车工件。这迫使机器人必须综合运用全身运动、平衡控制、柔性接触、双手协调、末端力感知以及手内
调整。对于那些零件会发生弯曲、卡住、缠绕,且无法像计算机辅助设计模型那样正常运作的工位而言,这些功能意义重大。不妨将此次试运行视为一名新司机在三条围栏围起的测试赛道上接受考核,而非直接获得所有道路的驾驶执照。该机器人已证明能够处理预定义路线并从某些尴尬的碰撞中恢复,但工厂自动化需要通过更长的班次、更多的零部件、故障情况以及经济效益来验证。
采购团队目前应从中得到什么启示?应将这些结果视为在受限工位上操作质量和系统集成水平提升的证据,而非广泛实现工厂自主化的证据。接下来的问题应聚焦于工位运行时间、循环经济性、干预阈值、恢复日志、安全验证、维护负担以及集成成本。
包含真实操作内容的有限工厂试运行
总部位于北京的消费电子及电动汽车制造商小米,正积极拓展自有类人机器人业务。该公司通过小米机器人事业部2026年7月14日发布的一篇文章,披露了其汽车工厂中的一项工厂试运行。该机器人于今年早些时候在自攻螺母装载工位开始投入使用。 经过一个季度的运行,小米报告称该工位的双向操作成功率达到98%,比声明的人工操作合格率低一个百分点。
随后,该机器人被调往两个总装物流任务。第一个任务是分拣中控台侧盖,第二个任务是折叠和回收材料箱。小米报告称,这两项新任务的成功率均为90%。这一流程体现了从紧固件相关工位向两个物流任务的循序渐进过渡,后两者涉及不同的物体行为、夹具交互以及视觉遮挡情况。
封面
分拣任务在技术上更具指导意义。小米将其描述为该公司机器人首次在柔性汽车工件上进行长时间连续作业。该机器人必须从三排货架中取出指定的盖板,并将其放置到货架推车的相应插槽中。这不仅仅是传统意义上的“取放”操作。 大型、不规则且柔性的零件在抓取过程中可能发生变形,可能被相邻零件卡住,在插入时可能发生卡滞,还可能发生难以预先建模的位移。小米表示,该机器人采用了全身运动控制、在取放远距离零件时的平衡控制、基于末端力传感的柔性接触控制、双手协作,以及利用灵巧手本体感觉进行的精细手部调整。 主动顺应策略旨在让机器人在放置过程中若盖板发生卡滞或阻塞时能够恢复正常,而非在首次遇到意外接触时就强行停止。当僵化的假设失效,且机器人必须在安全边界内进行适应时,这些要素至关重要。
材料盒任务虽然视觉效果不那么震撼,但在实际操作中却至关重要。 机器人需完成开合拉片、折叠纸箱、按生产节奏协调双臂动作、推送折叠好的纸箱堆,以及协调多个机器人单元间的时序配合。小米表示,多机器人协同作业在试运行环境中运行稳定。实际上,这涉及机器人之间的时序协调、区域共享及工作状态通信,所有这些均由上下游信号进行调控。
这些机器人还与工厂系统相连。在盖盖任务中,系统会告知机器人应取哪块盖板以及使用哪个货架槽位。在折叠工位,机器人通过工厂系统同步工作状态。小米还表示,针对危险或不可逆的故障,仍保留远程干预机制。这种集成与安全监管相结合的做法是明智的
具有灵活组件的站点的成熟度状态。最后这一点并非需要掩饰的弱点,而是解读成熟度等级的正确方式。工业自动化正是通过明确的边界、已知的故障模式以及经过工程设计的恢复路径来赢得信任的。 一个仍在学习如何可靠地操作柔性部件的人形机器人,应当具备远程干预路径、故障处理机制以及保守的升级规则。采购方应当对此有所预期,并进一步追问相关数据,以确保这些干预措施能够在大规模应用中得到有效管理。
98%的工作站成功率仍未能揭示的真相
在限定工位上报告的98%成功率是一项有价值的成就,但这不等同于工厂的全面自动化。该公司并未公布将工位成功率与生产线经济效益挂钩的生产关键绩效指标(KPIs)。
· 工位成功率不等于生产线经济效益。小米未公布节拍时间、吞吐量、处理件数、总运行小时数或人工等效成本。如果每个节拍过慢、故障恢复时间过长,或者监督成本抵消了人工节省,那么即使工位精度极高,仍可能无法达到经济目标。
· 成功率不等于干预率。小米披露,对于危险或不可逆的故障,仍可进行远程干预。这一做法虽属合理,但买家需要了解:干预的频率如何、何种情况被视为可逆、恢复需要多长时间,以及远程支持能否覆盖大规模部署的多个单元。
· 单个工作站的性能无法推广至整个工厂。自攻螺母装载站、盖板分拣任务和物料箱处理任务,各自具有特定的几何结构、工装夹具、作业指令和故障模式。人形机器人可能在某个限定流程中表现出色,但在另一项任务中却可能力不从心
这在非专业人士看来似乎是相似的。· 在较新的物流任务中,90%的成功率尚不能作为成熟生产阶段的基准。在高产量的汽车生产作业中,除非失败风险低、可快速恢复且不影响生产线流程,否则10%的任务失败率可能会造成重大负担。 小米的披露信息未提供足够细节,无法据此计算这些失败尝试所产生的运营成本。
· 在纸箱折叠任务中,该机器人仍采用了一种变通方案。小米表示,为了折叠纸箱的第二面,机器人首先会重新调整纸箱方向,使折叠舌片朝向机器人。而经验丰富的工人则无需这一额外步骤即可打开折叠舌片。 小米计划改进仿生灵巧手,并稍后对该技能进行测试。这正是买家应重视的细节。它表明,在看似简单的工作中,机器人的灵巧度仍落后于人类的手部技能。
· 企业发布的未剪辑视频虽是有用的佐证材料,但并非独立认证。 配套视频页面描述称,该盖板分拣视频为连续且未经剪辑的画面,并重申这是小米机器人首次在汽车工厂内进行长时间柔性工件操作。这有助于观众评估所示工位的行为表现,但无法替代经过审计的运行时间、安全性、节拍时间、维护及人工干预等数据。
“小米的此次试运行应被视为操控与恢复方面的里程碑,而非替代人工的里程碑。当工作站的成功运行与循环时间、运行时间、干预率、安全验证以及每项任务完成成本等指标相结合时,才算得上商业验证。”
与宝马Figure机器人的对比
宝马Figure机器人(“Figure”)报告称已部署11个月,并已投入生产线实际应用
在十个月内,每个工作日均保持运行,工作日每班10小时,装载零部件超过90,000件,运行时间超过1,250小时,并为超过30,000辆宝马X3汽车的生产做出了贡献。该任务为钣金件装载。该图表还报告了一组关键绩效指标:总节拍时间为84秒,装载要求为37秒,每班次成功放置率超过99%,且每班次零人工干预。这些是公司报告的数据,并非独立审计结果。重点在于班次结构、产量和节拍目标,买家可据此与节拍时间进行对比。

对采购方而言,两者的区别在于证据形式和对象类别。Figure披露了更多运营指标,制造团队可据此对照生产计划和吞吐量进行验证。小米则披露了工位成功率以及关于灵活零件处理的技术细节,但未涉及节拍时间、工时、产量或干预率。 小米的封装任务更侧重于变形处理、卡顿恢复、手持调整和柔性插入。Figure的报告则更侧重于持续的生产线参与度、节拍KPI报告以及零干预班次。
采购经理不应仅凭这些披露信息就判断哪家公司更胜一筹。 更恰当的问题是:哪组证据更贴近采购方自身工位的风险状况。如果需求是重复性刚性零件装载且需要严格的循环时间报告,Figure披露的KPI格式则更具直接参考价值;如果需求是处理笨拙的柔性内部零件,小米的试运行则体现了更高难度的操作类别,但经济数据方面的差距依然显著。
采购方在制定预算前应提出的问题
小米的
此次试用支持在汽车领域建立一套更规范的人形机器人采购框架。在做出任何采购决策或付费试点扩展之前,应要求提供以下证据。1. 按任务状态划分的循环时间
应要求提供标称循环时间、恢复循环时间以及最坏情况下的循环时间。90%的成功率是否可接受,取决于剩余情况所需的时间以及是否会阻碍生产。
2. 干预频率与严重程度
远程干预本身并非问题。关键缺失数据包括干预频率、持续时间、人员配置比例以及故障分类。采购方应区分咨询性远程支持、人工审批、手动复位和物理救援。
3. 正常运行时间与维护窗口
请询问运行时间、平均停机间隔时间、电池或充电策略、手套磨损情况、传感器清洁要求、校准工作量以及备件需求。
4. 工装与包装的依赖性
如果类人机器人只有在调整了料箱、货架、纸箱及插槽公差后才能工作,那么这些成本应计入项目模型中。在许多工厂中,改造工作环境的成本可能比机器人本身还要高。
5. 安全方案与工作单元设计
在人员、推车、料箱及生产线旁物流区域附近作业的人形机器人,需要进行明确的安全分析。采购方应询问如何处理力限制、工作范围、远程干预、紧急停止以及人员进入工作区域等问题。
6. 向相邻任务的转移
切勿假设在盖板分拣任务中取得的成功可直接推广至其他内饰件。应要求进行结构化的任务转移测试
这些部件在刚度、尺寸、咬合情况和装配公差方面各不相同。7. 数据所有权与可审计性
站点日志应可导出并可供审查。如果成功率仅由供应商汇总,买家将无法验证改进情况或诊断损失原因。
实际意义与下一个验证点
小米已证明其类人机器人项目不仅仅是一个企业形象研究项目。此次披露的工厂试运行包含真实的制造内容:双侧作业、灵活的部件接触、顺应性恢复、双臂协调、纸箱折叠、多机器人同步以及工厂系统联动。
与此同时,此次披露的内容尚未达到采购团队制定生产投资方案所需的程度。小米报告了成功率,但未提供将能力转化为可量化的部署成本所需的运营数据。 最有力的解读是其在限定汽车工位上的可量化进展,而非通用类人形机器人劳动能力的证明。这一区别至关重要,因为类人形机器人技术正进入一个市场将奖励高质量证据的阶段。
视频仍将吸引关注,但制造业采购方会重点比较循环时间、正常运行时间、人工干预负担、安全认证、集成成本以及任务转移等指标。Figure公司针对宝马的披露在运营KPI细节方面更为详实。 梅赛德斯和Apptronik展示了通过远程操作和员工知识转移的战略试点路径。小米在灵活的零件操作和顺应性恢复方面提供了有价值的信号,但显然仍存在证据缺口。
对于自动化采购方而言,小米的试用案例应激发兴趣,而非降低标准。正确的应对方式是提出更尖锐的问题,明确工位验收标准,并要求提供能将机器人运动与工厂经济效益挂钩的数据。小米已
使类人机器人对话技术更接近量产阶段。下一个可信的里程碑是在与买家相关的运行条件下,实现经过验证且可重复的性能表现。本分析综合了公司的官方声明及公开的运营披露信息。
免责声明:本分析仅供参考,不构成任何投资、财务或采购建议。文中观点基于截至发布之日的公开信息和行业趋势。本分析未对任何供应商进行背书,亦不保证任何技术的性能表现。












