小米工厂实习机器人在螺母组装上达到了98%的准确率，在两项新任务上也超过了90%的准确率。

ETNews详细介绍了小米人形机器人承担的三项具体生产任务——具身化竞赛在华的数量分布。

简单来说

小米发布了其在EV工厂部署的“intern”人形机器人表现数据。在原始任务——在车身上安装螺母方面，成功率达到98%，较之前的90.2%有所提高。在两项新任务（分拣内饰部件和折叠可重复使用的物流箱）上，机器人的成功率记录为“超过90%”。

故事

ETNews报道（7月18日），小米详细说明了今年早些时候引入其EV工厂的人形机器人的表现。标题数据——在车身上安装螺母的成功率为98%，较最初的90.2%有所提高——小米自行说明这与熟练人类工人仅相差1个百分点。自那以来，该机器人已被分配了两项额外任务：分拣内饰部件，以及为内部供应折叠可重复使用的物流箱。两项新任务的成功率均记录为超过90%。小米表示，其下一步工作是力控操作。

这里的关键在于“具身基础-竞赛”框架。LimX Dynamics、X-Square Robot和Nvidia GR00T都声称，单一“主干”模型将像LLMs解锁语言一样解锁机器人技术。反对意见——来自Figure和Agility Robotics——则是工业可靠性需要专用堆栈，而非通用主干。小米的披露使论点朝着特定方向倾斜：在小米控制的工厂内的范围有限、重复性装配任务中，基础模型路径可以达到接近人类的数字。在新任务中，它从一开始就能达到90%+的水平——而非98%——这是需要关注的诚实数据点。

幕后

• 任务1 - 车身螺母组装：成功率98%，较最初的90.2%有所提高（小米通过ETNews自行报告）。
• 任务2 - 内饰部件分拣：超过90%。
• 任务3 - 折叠可重复使用的物流箱：超过90%。
• 与人类的差距：小米将98%描述为与熟练人类工人在相同任务上相差约1个百分点。
• 部署地点：小米EV工厂，中国。
• 相关模型：小米机器人-U0（38B，开源，大约2周前发布，参考#1139）。
• 下一步方向：力控操作。

那么呢

三个影响。对于工业自动化采购者，这是第一个可与Figure的波音/宝马工作相媲美的中国数据点——“在实际工厂中是否有效？”的问题现在有了任务级答案，而非单一数字。对于具身竞赛，垂直整合模式（自有工厂、自有机器人、自有基础模型、自有数据管道）在范围有限的任务上展现了最快的增长；这对需要向他人工厂和他人数据销售的第三方具身平台构成了逆风。对于竞争对手——特别是Agility Robotics和Figure——挑战现在是发布在等效环境中的等效细分。关注两个后续进展：对98%的数据的独立验证，以及两项90%+任务如何快速推向相同的接近人类阈值。该增长曲线才是真正的信号，而非标题。