你有没有觉得机器人行业总在"讲故事"？
今天说要进家庭，明天说要进工厂。 结果买回来的机器人，连个杯子都抓不稳。 调一次参数要几个星期，换一个场景就彻底不会了。
今天下午，小米扔出一颗深水炸弹。 Xiaomi-Robotics-1具身基座模型正式发布。 10万小时真实世界操作轨迹预训练，1.1万小时跨本体数据后训练。 国内首次在机器人策略模型中，对Scaling Law进行系统验证。
什么意思？ 就是机器人的能力，终于可以靠"堆数据、堆参数"稳定提升了。 不再靠玄学调参，不再靠工程师手工打磨。 这跟当年大模型走的路，一模一样。
数据规模从2500小时扩到2万小时。 动作预测损失持续下降。 模型参数从20亿升到50亿、100亿。 动作预测能力稳定改善。 真实家庭环境里，鞋柜收纳、书包打包的成功率，跟着一起涨。
这不是简单的"数据越多越好"。 这是从"手工作坊"到"工业化生产"的跨越。
你看，以前做机器人，每个任务都要重新训练。 换个机械臂不行，换个相机位置也不行。 数据贵、碎、难复用。 行业困在小数据、单任务、反复调参的死循环里。
小米的解法是什么？ 先用自研UMI采集设备，记录人类在真实环境中的操作轨迹。 10万小时的数据，不是机器人跑出来的，是人干出来的。 再用VLM自动标注流水线，把长轨迹切成片段，用语言描述状态变化。 模型学的不是"模仿动作"，是"理解状态变化"。
预训练阶段学通用能力。 后训练阶段做本体对齐和指令对齐。 分工明确，效率翻倍。
结果就是"开箱即用"。 没见过的家居环境，说一句话就能整理鞋柜、收拾桌面。 新任务来了，平均不到10小时数据微调，性能就超过从零训练的模型。
全球榜单上的表现更夸张。 RoboDojo仿真评测，20.07分登顶，前最优是13.07分。 断档式领先。 RoboCasa365基准，57.4%平均成功率，前最优是46.6%。 领先了10.8个百分点。
这些数字的意义在哪？ 它们证明了一件事：机器人的Scaling Law是真的存在。 数据更大、模型更大，能力就真的更强。 而且这种强，不是在自家花园里的表演，是在公认竞技场里的硬实力。
小米这三天的操作也很有意思。 7月14日，机器人进厂"实习"。 7月15日，数据生成模型Xiaomo-Robotics-U0发布。 7月16日，基座模型Xiaomi-Robotics-1亮相。 本体、数据、模型，三天凑齐一个闭环。
具身智能的终局，从来不是单点突破。 是软硬件数据一体化的系统战。
你可能会问，这跟普通人有什么关系？ 关系大了。 当机器人的能力可以靠规模稳定提升。 当开发模式从"每个任务重新训练"变成"基座模型上快速适配"。 机器人走进千家万户的那天，就真的不远了。
不是机器人变聪明了。 是机器人的进化方式，终于走对了路。