转自：新华财经
当前，中国具身智能产业正处在从演示样机走向常态化投产的转折关口，资本、产业界共同的疑问始终没有消散：创新能不能扎根真实场景，能不能形成稳定的数据闭环，能不能跑出可验证的商业价值？对此，小米公司提出了“由产线反向定义硬件”的新路径，为产业提供了一个可供对照的样本。
近日，小米对外披露了工业仿生灵巧手的阶段性技术成果。研发团队依托汽车工厂2579项标准作业程序，筛选其中1827项完成采集验证，在真实工况里找到了工业灵巧手自由度的最优区间：17至21个自由度能够实现抓握成功率显著抬升，相比6至15自由度方案提升幅度达到15%—38%；继续增加自由度至27至38区间，性能增益快速收窄，边际效益不再突出。基于这一结论定型的21自由度仿生灵巧手，采用混合驱动搭配腱绳张力控制方案，同步完善全掌触觉感知与散热设计，最终可覆盖工厂内1600余项作业工序。
中央财经大学数字经济融合创新发展中心主任、中国人工智能学会智能产品与产业工作委员会副主任陈端认为，这组数据的意义不止于一次零部件参数升级，也意味着小米通过“场景驱动创新”完成了生态边界重塑，对产业带来诸多启示。
长期以来，灵巧手研发存在一条惯性路径：先向着更高自由度攻关，打磨硬件结构之后，再去寻找适配落地的场景。但工程实践要面对成本、可靠性、维护难度的连续约束，每增加一组自由度，传动结构、控制算法都会随之复杂化，故障率与后期维护成本同步抬升。
小米把研发逻辑倒置过来。它没有先预设硬件指标，而是直接扎根汽车产线海量真实工序，用成百上千次抓取、装配、定位的作业数据，画出一条清晰的收益曲线，锚定工业场景下的工程最优解，以场景实效重构整个行业的评价标尺。
在陈端看来，正是灵巧手为代表的路径突破，给小米自身的生态布局带来四层变化：
首先，“人车家”生态从消费场景延伸至工业制造场景。灵巧手让小米拿到进入制造车间的关键载体，生态版图从家庭、移动两大入口，拓展到生产端，边界得到实质性拓宽。
其次，手机、汽车、家电智能三大自有制造基地持续沉淀结构化的产线作业数据，场景和数据天然绑定，这套闭环是大多数独立机器人企业很难复刻的优势。
第三，汽车与机器人之间形成技术、资本双向复用的杠杆。人形机器人和智能汽车在感知架构、供应链体系、智能化分级逻辑上同源，成熟的汽车工业供应链能够持续摊薄机器人本体的制造成本。反过来，机器人在产线落地积累的操作能力，又持续服务工厂智能化改造，形成自我强化的正向循环。
第四，它补齐了小米生态AI泛化能力的短板。高质量数据供给不足、大模型泛化能力偏弱，是当前具身智能普遍的卡点。车间里采集的触觉、力位、装配时序数据属于稀缺的场景化资产，既用来训练灵巧手本体的操作策略，也能够持续反哺整个小米AI体系，提升跨场景迁移能力。
具身智能产业化的胜负，从来不看机器人能不能完成观赏性动作。能不能稳定跑通场景闭环、把成本控制在可接受区间、把可靠性做到产线标准，才是决定长期走向的核心。
2026年6月工信部、国资委联合启动人形机器人与具身智能实景实训专项行动，目标在年内完成一批场景常态化部署，带动万台级落地规模。相关政府文件还特别鼓励用户方、整机厂商、供应链、科研院所组建创新联合体开展验证。
陈端指出，小米自身同时承担场景用户、整机研发、场景供给三重角色，天然契合政府所鼓励的组织形态，能减少多方协同的沟通成本，验证效率更高，为业界提供了一个利用自有生态打造数据闭环的样本。
据介绍，对比其他市场主体，小米同时手握C端家居场景、智能汽车场景、B端自有制造基地三类数据源头，智能汽车积累移动空间下非结构化的路况、交互数据；智能家居沉淀静态环境下多设备协同数据；工厂产出高度标准化、时序稳定的工业作业数据。这三类数据统一在澎湃OS底座、同一套AI体系之下互通叠加，价值远高于单一来源的数据。而灵巧手接入之后，小米的数据资产完成一次关键跃迁：从过往偏信息感知类数据，延伸到触觉、力控、操作动作这类稀缺的物理交互数据。
“1827项SOP反向定义硬件参数，真实场景持续生成作业数据，数据输出产品设计标准，新硬件落地之后拓展场景边界，场景迭代再产出质量更高的数据。这正是政策鼓励的，由终端应用反向牵引上游数据供给的模式。”陈端说。
当全社会都在关注具身智能机器人何时能从“上台”走向“上岗”时，小米选择扎根自有工厂，用产线节拍校准硬件设计。这条路径让国内具身智能行业意识到，我们区别于海外同行的最大的优势，不在于单点技术领先，而在于高密度的制造场景、持续积累的工业数据，以及把场景、数据、技术组织起来落地的产业能力。
编辑：穆皓
