导语：
晨观时报讯，11月3日雷军发文，小米人形机器人在汽车工厂中控台侧盖板排序工站首次完成8小时连续稳定作业，满足工站全天生产需求，过程中可自主纠偏异常、与产线系统级协同。从3小时到8小时，小米把演示机器推进了真班次。
汽车工厂的一个排序工站，意味着节拍、来料波动、异常处理全部按真实产线节奏走。人形机器人过去在发布会上翻跟头、握手、端茶，证明的是硬件灵巧；这次连续8小时不垮，证明的是系统能扛住工业场景的不确定性——来料变了自己调，工位异常自己纠，还能和整条产线的系统对话。所谓“产线系统级协同”，意味着机器人不再是孤立的演示单元，而是被纳入了工厂的MES调度体系，按节拍接活、按节拍交活。
雷军公布的进阶路径很清晰：2026年3月首次进小米汽车工厂“实习”，在自攻螺母上件工站实现连续3小时自主作业，双侧安装成功率90.2%，满足76秒产线节拍；7月该工站成功率提到98%，又新增中控台侧盖板排序、料箱折叠回收两个复杂工站，首次实现柔性工件长时作业；11月直接站上8小时整班。半年时间，三个台阶，每一步都落在具体工站上，而不是停留在实验室数据。
家庭场景同步开了战线。小米具身基座模型基于Xiaomi-Robotics-1预训练模型搭Agent系统，已在小米青年公寓“试运营”，能连续跑超30分钟、覆盖3个房间，完成工具准备、沙发桌面整理、垃圾清理、物品归位、房间巡检、全屋复检、离场等50多项任务。30分钟的长程任务链，中间不能断、不能迷路，考验的是模型对环境变化的泛化能力，而不是对单一动作的重复精度。
工厂讲的是确定性节拍，家庭讲的是泛化能力，两者共用同一套具身基座模型。这种“工业+家居”双场景共用底座的打法，和单纯堆人形本体参数的路线拉开了距离。工业场景负责喂数据、跑闭环，家庭场景负责练泛化、试Agent，两套数据回流到同一个基座模型里迭代。业界判断，人形机器人竞争的焦点，正从硬件迭代转向数据—模型—算力协同的物理AI生态。
8小时整班作业是个里程碑，但离“规模化部署”还隔着几道坎：单机成本能否压到工业机器人可接受区间，连续作业MTBF（平均无故障时间）能否以月计，以及多机协同后的维护体系。传统工业机器人一个工位投入几十万、十几年折旧，人形机器人要替代的是这种性价比模型，而不是替代工人的月薪。
小米的优势在于有自己的汽车工厂当试验场，数据闭环在自己手里跑，不需要像纯本体厂商那样到处找客户借场景。11月初的乌镇世界互联网大会上，小米机器人团队的具身基座模型关键技术刚拿下“领先科技奖”。接下来要看的，不是它还能多灵巧，而是它能在工站里干多久、多便宜、能不能从一个工站复制到一百个工站。从“能用”到“好用”，中间隔着的是工程化的苦活。
这波人形机器人热潮里，真正稀缺的不是能跑能跳的本体，而是能在真实环境里连续作业的模型能力。小米把工厂当训练场、把公寓当试验场，本质上是在构建自己的物理AI数据飞轮：每一次拧螺母、每一次整理沙发，都是在给基座模型喂真实世界的数据。
当行业还在比关节自由度、比身高体重的时候，小米已经把竞争维度拉到了模型层面。这和它当年做手机、做汽车的逻辑一脉相承——用自有场景磨产品，用生态协同摊薄成本。人形机器人最终的胜负，不取决于谁的人形更像人，而取决于谁的模型能在更多真实场景里少出错、多干活。
要清醒地看到，8小时整班作业离真正的量产部署还有距离。一个工站的验证成功，不代表十个工站都能跑通；一天不垮，不代表一个月不出故障。工业场景对可靠性的要求是99.9%，而人形机器人目前的成功率还在90%—98%区间爬坡。
但方向已经清晰：人形机器人正在从发布会上的“奇观”，变成工厂排班表上的一个“工位”。谁能先把单机成本打下来、把连续作业时间拉长、把异常处理的成功率做高，谁就先拿到这一轮物理AI的入场券。小米这次交出的，不是终点，而是一张时间表的起点。
从资本市场反应看，小米机器人消息公布当天，跟踪机器人产业指数大涨近5%，资金已经在用脚投票。但比起短期股价波动，更值得跟踪的是小米机器人能否从汽车工厂，复制到3C、物流、医疗等更多场景——那才是商业化的真正拐点。
结语：
人形机器人的成人礼，从来不是会走，而是明天还来上班。
