长程任务验证：连续半小时、跨三房间

据介绍，该系统已实现了连续超过30分钟、覆盖3个房间、包含50余项任务的长程任务验证。在试运营中，机器人能够自主规划并完成桌面整理、垃圾清扫、物品分类归位、房间巡检、全屋复检等任务，不再依赖针对单一动作的硬编码流程。

这一能力的背后，是 Xiaomi-Robotics-1 在真实世界数据上的大规模训练。该模型于2026年7月16日正式发布，预训练阶段使用了10万小时真实世界操作轨迹数据，覆盖家庭、办公室、餐厅、户外、工业等场景，包含1700余种场景、240万段交互片段、260余种不同任务。模型部署后可直接理解并执行自然语言指令，无需从零开始训练。

开源与训练策略

今年8月，小米技术官方微博宣布 Xiaomi-Robotics-1 正式开源。该模型基于超过10万小时 UMI 数据进行预训练，并使用超过1万小时跨本体数据进行后训练，开源覆盖从真机后训练到模型部署的完整流程，同时提供相关 Benchmark 的评测代码。

在训练策略上，模型先通过预训练建立通用动作生成能力，再使用上万小时跨本体数据完成后训练对齐，可适配移动操作、双臂等不同类型的机器人；面对复杂精细的新任务，仅需少量数据即可完成微调。团队搭建的自动化标注流程可在两周内完成全量数据的高质量标注。

值得关注的是，小米另一款 VLA 大模型 Xiaomi-Robotics-0 采用大小脑混合架构，使用消费级显卡即可实现80毫秒的推理延迟。而 Xiaomi-Robotics-1 于2026年7月在 RoboCasa 365、RoboDojo 两大权威榜单上综合排名第一。

从实验室走向工厂与社区

在产业落地层面，小米机器人已在小米汽车工厂的自攻螺母上件、盖板排序、料箱折叠等工位实现94%至98%成功率的稳定运行，验证了 VLA 基座模型在工业级”生产节拍加合格率”双重硬约束下的实用价值。2026年7月，雷军曾透露双机械臂协同完成的自攻螺母上件作业单次成功率从初期的90.2%提升至98%。

在应用示范场景上，本次试运营落地的小米青年公寓颇具代表性。去年6月，小米在北京、南京上线了一批青年公寓，租金标准为1999元/月。其中北京青年公寓位于昌平定泗路，共2658间，主力户型为29平方米开间；南京青年公寓位于建邺区河西南 CBD，共566间，提供55平方米两室一厅户型，距小米南京科技园约100米。将机器人部署在真实居住社区，意味着具身智能正从演示视频走向日常服务。

获奖与研发投入

2026年11月2日，2026年世界互联网大会领先科技奖颁奖典礼在浙江乌镇举行，来自全球的20个获奖项目现场发布。小米集团申报的”面向规模化落地的通用机器人操作基座模型关键技术”项目获奖，小米集团机器人事业部总经理向迪昀在现场介绍了项目情况。11月3日大会开幕，小米集团获颁”杰出贡献奖”创新突破类奖项，这也是小米首次同时斩获世界互联网大会”杰出贡献奖”与”领先科技奖”两项大奖。

数据显示，2021年至2025年小米研发总投入达1055亿元，未来五年计划投入超过2000亿元，重点布局 AI 大模型、具身智能与智能制造等前沿领域。随着基座模型开源与社区试运营的推进，具身智能的规模化落地正在按下加速键。

“最危险的东西”

盖茨今年 8 月曾发表文章，指出人类向 AI 时代过渡时将经历一段动荡时期。此后，他将 AI 形容为”人类有史以来接触过最危险的东西”，认为其威胁程度令核武器都相形见绌。不过他澄清，自己并非 AI 悲观主义者——过去一年 AI 在编写代码、发现网络漏洞、生物学推理乃至冲击就业市场等方面的进步，在他看来”令人惊叹”。

二十年的动荡与繁荣

在盖茨描绘的时间线中，未来约二十年将是一个调整期：物资短缺有望减少，但社会必须找到掌控局面的方法。期间会有输家也有赢家，动荡难以避免，只有挺过这一阶段，才能迎来真正的繁荣。他预测，届时人类将拥有能够建房、种粮、实施手术的机器人，绝大多数商品与服务都不再需要人类劳动力，因此人们必须认真思考如何度过这二十年，并重新审视哲学、社会行为等深层问题。

至于那些”突破式”进展何时到来，盖茨认为谁也无法精确预判。以人形机器人为例，有人认为两三年就能实现，也有人估计需要八年左右。他的这番表态并非断言二十年后世界必然动荡，而是强调调整的窗口期可能提前或延后，社会应当尽早准备。

据台媒经济日报报道，英伟达与鸿海首次对外展示了利用机器人制造设备的成果。针对英伟达 GB300 的母线（Busbar，也叫汇流排或母排，是一种用于大电流配电和传输的导电金属条、棒或管）以及多组连接器组装等较复杂、依赖人工的工序，已经可以导入机器人自动化，提升组装稳定性与效率。

关键工艺指标

在核心工艺指标方面：Busbar 组装成功率已超过 95%；多连接器插接成功率约在 90% 至 95% 之间。作业耗时上，Busbar 组装时间目标控制在 124 秒以内，4 组连接器的插接时间目标控制在 72 秒以内。整体生产周期则以不超过熟练人工两倍时间为目标。

根据鉅亨網对英伟达技术部落格的梳理，此次合作由英伟达西雅图机器人实验室（Seattle Robotics Lab，SRL）与 Isaac 工程团队共同推进，并与英伟达营运团队及代工伙伴鸿海合作，针对 GB300 测试托盘（tester trays）组装中的 Busbar 组装及多连接器插接两项任务进行机器人训练与测试。

其中，Busbar 组装涉及将又长又重的 Busbar 插入托盘、锁固 16 颗螺丝，以及相关治具与夹具的安装、拆卸，目前成功率已超过 95%。不过受螺丝需逐一锁固影响，目前整体作业时间约 160 秒，团队表示后续将持续优化，朝缩短至 124 秒以内的目标迈进。多连接器插接则涉及 2 个大型及 2 个小型电气连接器，机器人需提起带有可变形线缆的连接器，再精准插入间隙极小的对应插座，目前成功率约 90% 至 95%。

为什么要用机器人

技术团队指出，由于 GB300 测试托盘的零件摆放、几何形状及线缆状态存在不确定性，无法完全依赖传统固定式自动化。因此采取传统机器人感知、规划与控制技术，搭配机器人学习方法，依不同任务寻找合适的解决方案，并以实际制造需求作为成功率与作业时间的评估标准。团队也在持续朝制造端要求的 99.5% 成功率迈进。

GB300 是什么

GB300 是英伟达基于 Blackwell Ultra 架构推出的产品。据英伟达官网资料，GB300 NVL72 采用全液冷机架规模设计，将 72 颗 Blackwell Ultra GPU 与 36 颗搭载 Arm 架构的 NVIDIA Grace CPU 整合至单一平台，通过 NVIDIA NVLink 高速互连技术串联，使其如同一颗超大 GPU 运作。该平台于 2025 年 3 月 18 日举行的 GTC 大会上，随 Blackwell Ultra DGX SuperPOD 一同正式发布。

鸿海（富士康）是全球最大的电子制造服务商，其全球 AI 服务器市占率超过 40%，是英伟达 GB200 NVL72 与 GB300 NVL72 架构的主要供应商。鸿海与英伟达为联合设计制造（JDM）关系，参与从机架架构到液冷方案的联合定义。在 2025 年 5 月揭幕的 COMPUTEX 2025 上，鸿海曾展出 GB300 NVL72 系统，以及机器人与智慧制造平台等相关方案。

更大的图景

在 AI 服务器连接与供电方面，鸿海的产品线涵盖新一代 AI 芯片插槽、主板 PCIe 高速连接器与线缆、GB300 Power Clip、Busbar 线缆等高速信号、高压供电与液冷连接方案。此外，鸿海还计划以 K-1 项目成为首批导入 800 VDC 电力架构的企业，以强化 AI 服务器电力与冷却的整合设计能力。

将机器人导入 GB300 这类高复杂度 AI 服务器机柜的组装，标志着”用 AI 制造 AI”的闭环正在从概念走向产线。当训练芯片本身的算力越来越依赖高效、稳定的制造能力时，产线自动化水平的每一次提升，都会反哺整个 AI 基础设施的供给。

据《韩国中央日报》报道，三星正将自身的机器人战略进一步延伸至半导体业务板块，专门组建了一支团队为其芯片工厂研发机器人，以推进工厂向人工智能驱动的自主化生产基地转型。

新团队「AX / PI」

三星近期在设备解决方案事业部（DS）下属的全球制造与基础设施技术部门之下，新成立了名为「AX / PI」的专项团队，负责芯片工厂自动化机器人的研发与落地部署。

这支新团队的多名成员来自三星原有的设备技术研究院，该研究院此前主要从事设备开发、零部件本土化以及自动化相关工作。三星初期计划把机器人投入设备维护场景，用以替代外包人员及现场工程师承担的一部分重复性作业。

仍处早期阶段

该项目目前仍处在早期阶段。三星现阶段一边收集现场数据，一边规划机器人的行进路线、作业区域以及零部件存放点位。在正式向半导体厂房投入机器人之前，三星需要先完成上述各项内容的标准化工作。

一位业内人士表示，半导体晶圆厂本身十分适合推进自动化：厂区设备位置固定、行进路线预先划定、作业环境可控。正因如此，三星在这类工厂中实现作业自动化的难度相对更低。

行业已有先例

泛林集团（Lam Research）已于 2024 年推出 Dextro 协作机器人，专门用于半导体设备维护，可完成耗材安装、紧固、清洁等重复性工作。

IT之家注意到，三星另设有 RX 业务办公室，主要负责通用型人形机器人业务，该办公室隶属于设备体验事业部（DX），方向是机器人技术探索与商业化落地；而本次新组建的 AX / PI 团队，目标则是实现自家生产工厂内部的自动化改造。

总体而言，三星希望借助机器人削减半导体工厂内的重复性工作。此前该公司已公布目标：力争到 2030 年，在韩国本土以及海外建成由 AI 驱动的自主化工厂。

Dex5-S 的核心设计取向在于”小”与”巧”的平衡。产品采用约 1:1 的真手尺寸设计，得益于 22 个自由度的配置，可获得更舒适、更稳定的握持角度。其外形尺寸为 102×187×26 毫米（左右手成对状态下测量），整手重量约 620 克，外壳采用铝合金材质。

驱动与结构

在驱动与结构方面，Dex5-S 单手搭载 22 个电机，全部支持直驱、反向驱动及双编码控制，并新增小拇指 roll 自由度，显著提升了整手的抓握灵巧性。产品内置冲击保护结构：当关节电机遭遇极限外力冲击时，该结构可对齿轮形成保护，防止损坏。精密微型减速器的应用为其动作精度提供保障，官方还强调了其”超长弯曲寿命”，以应对高频次、长时间的训练与作业需求。

负载能力上，Dex5-S 单手负载可达 2 公斤，持续作业负载为 1 公斤，较好的热管理能力可减少过热报警对训练节奏的干扰。

接口与集成

接口与集成方面，产品支持 15V–65V 宽电压供电，提供千兆网口、USB 及高速 485 等多种通信方式可选。在千兆网配置下，掌心相机可直接连接灵巧手，无需外走线，简化了整机的集成与部署。

两个型号

Dex5-S 提供标准版与 Pro 版两个型号。两者均为 22 自由度（拇指 5 个、食指/中指/无名指各 4 个、小拇指 5 个），最大负载 2 公斤、持续负载 1 公斤，重量 620 克，支持 15V–65V 供电，供电接口为 XT30，峰值功率 200W。主要差异在于：Pro 版在双编码器基础上增加了触觉感知。两个版本均支持 1000BASE-T1 千兆以太网，通信协议包含 T1s 以太网 ×2、高速 485×1、USB×1，通信波特率 6Mbps；控制频率方面，T1s 以太网与 USB 最高 1000Hz，高速 485 为 50Hz。感知反馈涵盖关节模式、位置、速度、力矩、温度、电压电流等，控制指令包括关节模式、位置、速度、力矩、刚度系数与阻尼系数。

为机器人开的”专属高速路”

据介绍，”具身翼联”针对机器人高上行占比、低时延、多机并发的需求，提供峰值上行 500Mbps、超低时延 20ms@95% 以及业务优先调度保障，相当于为机器人开通了一条网络”专属高速路”。

套餐分为两档：标准版 599 元，上行峰值 300Mbps、含 200GB 高速上行流量；增强版 999 元，上行峰值 500Mbps、含 500GB 高速上行流量，并提供动态切片增强。两档均可按场景定制，为具身智能规模化应用打通网络瓶颈。

配套推出的还有全球首张面向具身机器人的专用 SIM 卡。乐聚机器人首席执行官常琳表示，全球首张面向具身机器人的 SIM 卡，是硅基生命进入人类社会的重要开端，乐聚将联动各方加速推动具身智能落地生产生活。

8 条路线并行巡检，数据回流训练模型

依托 5G-A 大上行、低时延、高可靠的网络保障，多台”夸父”机器人在示范区 8 条主路线上并行巡检，在复杂环境下也能做到”看得清、传得快、动得准”。

机器人作业产生的高价值数据会实时回传乐聚数采平台，经清洗、标注后反哺模型迭代，形成”巡检作业—实景数采—数据回流训练”的完整闭环。这一模式契合国家人形机器人实景实训的相关部署，让机器人在一线场景中”越干越聪明”。

运营商入局具身智能”新基建”

合肥市瑶海区委常委、常务副区长柳伟在致辞中提到，安徽电信、华为、乐聚三方合作打通了”网络能力—终端智能—场景落地”的完整链条，探索出一条运营商、设备商、本体企业协同创新的产业路径。

中国电信安徽公司副总经理宋波介绍，安徽电信与华为已在合肥城区完成全国首批 5G-A 大上行连片覆盖试点，为具身智能等新兴业务储备了网络能力。华为无线网络业务副总裁、首席营销官赵东指出，具身智能是智能融入物理世界的核心载体，端、网、云深度协同已成为不可或缺的关键创新路径。

合肥市瑶海科创集团董事长许波表示，园区此次与乐聚实现真实巡检应用落地，形成场景数据反哺优化的循环，将全方位、全时段的具身智能巡检解决方案融入园区智慧化运维。

从单机智能到群机作业，5G-A 等新一代通信基座正在成为具身智能进阶的关键支撑。随着运营商正式入局具身智能”新基建”，人形机器人也迈入规模化实景应用的新阶段。

官方称，该模型在多项具身推理评测中领先国内外开源模型，亦可比肩头部闭源模型，刷新了全球开源模型多项评测的最好成绩。

6B参数，5M+样本与约2500小时真机数据

据介绍，UnifoLM-WLA-1.0 依托大规模通用多模态感知与理解数据训练，并融合以交互为中心的世界建模，全面提升空间感知与理解能力。

关键参数方面，模型参数量为 6B，使用了 500万以上 ER（具身推理）训练样本，以及约 2500 小时真机数据。

真机评测显示，该模型可以由单一模型统筹 64 个任务，覆盖桌面操作与全身移动操作两类场景，具备跨任务、跨末端执行器的泛化能力，做到一模驱动、全身协同。

VLA与WMA两条路线，构建开源体系

此次开源是宇树通用人形基础模型的一次全面升级。在此之前，宇树科技已先后开源 UnifoLM-VLA-0 视觉-语言-动作大模型，以及 UnifoLM-WMA-0 世界模型-动作架构，形成了覆盖 VLA 与 WMA 两条技术路线的具身智能开源体系。

其中，UnifoLM-VLA-0 在 LIBERO 仿真基准测试中取得 98.7 分的成绩，在空间、物体、目标和长序列四个子项上的得分分别为 99.0、100、99.4 和 96.2。

开源意味着什么

通用人形机器人一直面临一个现实难题：真实世界的物理数据获取成本高、场景碎片化，单一实验室很难覆盖足够多的任务与本体形态。把基础模型连同数据集一起开放，相当于把这一层公共基础设施交给了整个行业。

对开发者和研究者而言，直接收益是研发门槛的下降——不必从零构建感知与世界模型模块，可以把精力放在具体场景的适配与精细化调优上。对宇树自身而言，开源也是扩大生态、吸引更多人在其硬件与软件栈上做开发的方式。

从技术路线上看，”世界模型-动作”（WMA）架构强调让模型先学会预测环境如何随动作变化，再据此决策。此前多家机构都在探索把世界模型引入机器人控制，宇树此次选择将这条路线的基础模型完整开源，为业界提供了一个可直接复现和比较的基准。

至于这套模型在真实机器人上的长期表现如何、跨本体迁移的实际效果如何，还需要更多第三方在真实场景中的验证。

算力底座：国产 10 万卡集群落地

京东云已与摩尔线程等合作伙伴建成国产万卡智算集群，并规划进一步建设国产 10 万卡集群，目标是为大模型训练、机器人仿真推演、产业 AI 规模化运行提供稳定算力支撑。算力集群实现多类国产算力的异构统一调度，通过软硬件协同提升算力利用效率，对内承接京东自身的大模型训练与机器人仿真，对外向机器人企业、制造厂商和科研机构开放算力服务。京东 2026 上半年体系研发投入同比增长 53.2%，已连续三个季度加速投入。

数据底座：1000 万小时具身视频

物理 AI 需要的不是互联网文本，而是人类在真实场景中”如何干活”的视频。京东规划两年内累计采集超过 1000 万小时真实操作视频，发动最多 60 万人参与。配套建设了覆盖”采、存、标、训、评、仿、测”全流程的具身数据基础设施；首批开源数据集 EgoLive 已对外开放，包含约 2000 小时第一视角数据、65866 个任务片段，覆盖 346 项真实世界任务，已获得超过 8 个国家、百所高校和科研机构申请使用。

模型底座：JoyAI 矩阵首度亮相

京东已形成覆盖多模态模型、世界模型和具身模型的 JoyAI 基础模型矩阵。本届大会发布了两款新模型：JoyAI-Video 定位统一音视频基础模型，从视听生成迈向物理模拟；JoyAI-Echo WM 作为实时可交互的世界模型，在公开测评基准 WBench Navigation 中以 81.6 分位列第一。配套更新的还有京东物流”超脑”3.0（亿级包裹路径规划从分钟级压缩到秒级、具身模型多任务执行成功率 96.7%）、京东工业 JoyIndustrial 2.0、京东健康京医千询 3.0 等垂直模型。

五年规划：百万台机器人

围绕机器人产业规模化落地，京东公布了”六项全球领先”目标：两年内建成全球最大具身数据采集中心、五年内布局 80 余个机器人产业基地（RoboBase）、联合发起机器人零部件产业发展联盟、京东零售 2028 年前投入百亿资源支持 100 个品牌独立销售额突破 10 亿元。物流侧规划五年内采购 300 万台机器人、100 万台无人车及 10 万架无人机，目前京东物流已部署”九狼”系列机器人及升级版具身灵巧臂，”狼族”机器人家族覆盖物流存储、搬运、分拣、配送全链路，集群已在国内 20 多个省份、海外 10 多个国家规模化部署。

曹鹏在会上表示，物理 AI 正迈向规模化落地，竞争焦点已转向算力、数据和场景，正从模型和本体的单点竞争走向体系化竞争。对于京东如何做 AI，他的回答是：京东的 AI 不是在论文里，而是在生产线上、在仓库里、在配送站，在整条供应链的全流程中一单一单磨出来的。

六个方向，六项”全球第一”

按照公布的内容，”物理 AI 加速计划”聚焦具身机器人的六大方向——数据、机器、制造、销售、物流、服务，目标是建立全球领先的规模化能力，在具身智能领域拿下六项”全球第一”。

数据方面，京东目标打造”全球最大的具身数据训练中心”，计划两年内累计采集超过千万小时的人类真实场景数据，并融合海量网络数据、仿真数据与真实机器人数据，构建”理解—生成—行动”一体化的具身智能技术模型。

基地建设方面，京东目标打造”全球最大的机器人产业基地”，未来五年在全国布局 80 个基地，构建覆盖展示、交付、维修、保养、研发、设计、组装、数据采集、生产制造及迭代升级的机器人全生命周期服务平台。

从零部件到售后，全链条量化目标

制造层面，京东目标成为”全球最大的机器人核心零部件供应商”。未来三年通过标准化与规模化应用实现聚品聚类和成本优化，投资核心部件、自建工厂，并助力 100 家整机厂商实现全品类降本，推动 100 家零部件供应商业绩倍增。

销售方面，依托渠道优势，京东目标打造”全球最大的机器人零售渠道”。到 2028 年将投入超过 100 亿元资源，助力 100 个品牌实现独立销售额突破 10 亿元，推动机器人走进百万个终端场景。

物流领域，京东目标打造”全球最大规模的具身机器人应用集群”。目前其已在供应链领域落地应用场景最广、规模最大、品类最全的联合开发集群，覆盖仓储、分拣、运输、配送全链条；未来五年计划采购超过 300 万台机器人、100 万台无人车和 10 万架无人机，推动物流全流程自动化升级。

服务方面，京东目标打造”全球最大的具身机器人服务平台”。未来五年将建立覆盖 100 多个国家的售后与服务网络，创造超过 10 万个机器人售后服务工程师岗位。

算力与模型同步推进

支撑这套计划的是算力与模型两块底座。算力方面，京东云已与摩尔线程等合作伙伴打造国产万卡集群，并规划进一步建设十万卡集群，作为自主可控的超大规模算力底座。

数据层面，京东云正在推进 1000 万小时人类真实场景视频采集计划，建设覆盖”采、存、标、训、评、仿、测”全流程的具身数据基础设施，首批开源数据集 EgoLive 已对外开放。

模型方面，京东已形成覆盖多模态模型、世界模型和具身模型的 JoyAI 基础模型矩阵，并在 JDD 上发布实时可交互的世界模型 JoyAI-Echo WM。据披露，该模型在面向交互式世界模型的公开评测 WBench Navigation 中取得 81.6 分，排名第一。

按照京东的表述，随着上述目标逐步落地，其希望推动 AI 从千行百业走向千家万户，建设全球最大的物理世界协同体系，最终成为全球领先的物理世界运营中心。对具身智能行业来说，把供应链场景同时当作训练场和落地场，是一条与纯技术路线差异明显的路径。

业内消息称，该项目由三星电子设备体验（DX）部门旗下的机器人（RX）业务组主导筹备，并直接向 DX 部门负责人卢泰文汇报。一位业内高层人士表示，随着人工智能技术持续演进，人形机器人的商业化落地节点有望大幅提前，三星电子因此全面提速。

罕见架构：软硬件一人统管

值得关注的是三星在研发组织上的罕见安排。三星 DX 部门首席技术官兼总裁尹章贤目前同时统管 RX 业务组内负责机械驱动的硬件团队，以及负责感知与决策的 AI 软件团队。在业内，由单一核心高管统筹机器人”大脑”与”身体”两条线极为少见。三星内外部普遍将这一安排解读为：从研发初期就统一软硬件指挥体系，以压缩开发周期——若沿用软硬件分别独立研发再拼装的传统模式，将难以跟上人工智能技术的指数级演进速度。

为加速商业化落地，三星电子已密集布局并锁定多项核心专利，涵盖人形机器人运动骨架核心的髋关节设计技术、下一代高灵巧度机械手，以及基于人工智能的运动控制技术。

双轨推进：工业机器人先落地

在自研之外，三星还与控股子公司、韩国机器人上市公司彩虹机器人形成双轨推进格局。彩虹机器人聚焦于提升双臂工业机器人 RB-Y2 的最大负载与作业半径，该机型原型机已于今年 4 月公开；视开发进度，其改良机型最早可能在今年 11 月的 RobotWorld 2026 机器人展亮相。业内消息称，彩虹机器人将主要负责面向现场应用的工业机器人，而三星电子则计划在 CES 2027 上通过展示通用型人形机器人蓝图切入全球市场。

赛道升温：巨头混战 2027

三星的入局让本就火热的人形机器人赛道进一步升温。此前，韩国现代汽车集团已通过旗下波士顿动力展示了新一代 Atlas 机器人；LG 也正联手英伟达，计划于 2027 年一季度发布新品。在全球范围内，特斯拉的 Optimus、Figure AI 等也在加速落地。面对”具身智能”这一新赛道，三星凭借其庞大的制造基底与全产业链供应能力，被视为不可忽视的重量级参与者。