2026-07-16 10:02 出处 / 作者：PConline 原创整合编辑：科仔播报

【太平洋科技快讯】7 月 16 日，小米自研端侧大模型 MiMo 正式通过国家生成式人工智能服务备案。小米 MiMo 已构建起大语言、多模态、语音完整模型矩阵，依托端云协同运行模式，全面赋能小米手机、汽车、智能家居人车家全生态体系，推动人工智能落地各类实体硬件场景。

AI、芯片、OS 是小米长期重点布局的三大核心技术方向。官方表示， 2026 年度将在 AI 领域投入达 160 亿元，未来三年在 AI 赛道累计投入规模不低于 600 亿元。

除端侧通用大模型取得备案进展外，小米于 7 月 15 日发布了 Xiaomi-Robotics-U0 多模态具身基础模型，参数量达 380 亿。该模型是具身智能领域首款可统一处理四类核心任务的生成式模型，打通机器人图像、视频数据生成与编辑全链路。

据官方介绍，该模型可在维持空间几何逻辑不变的基础上，对现有素材完成物体替换、光影调整、背景更换、增加环境干扰等数据增强操作，无需重新实地采集数据 ; 同时支持从零搭建全新仿真场景，覆盖高危、极端、长尾等实体机器人难以实地测试的环境。搭配 FlashAR+ 推理加速方案，模型生成效率相较传统自回归架构提升约 83 倍，大幅降低机器人训练数据规模化制备的落地成本。

Xiaomi-Robotics-U0 在全球 126 款参评模型中拿下 WorldArena 评测基准综合得分第一；在真机实测环节，面对陌生光照、全新背景等分布外场景，借助该模型扩增数据训练的机器人，策略任务完成效率平均提升 26% 以上。

整套模型采用统一多模态自回归框架，覆盖四类核心任务：

具身场景生成：依托文本指令生成多视角仿真环境，适配桌面、厨房、仓储、开放复杂空间等机器人作业场景

具身迁移：将机器人运动轨迹迁移至全新环境，同步调整光影、材质、物体，保留原有机械臂动作与空间布局

机器人交互视频生成：根据初始画面与操作指令生成连贯动作视频，兼顾物理逻辑与动作流畅度，支持零样本跨场景使用

通用文生图与图像编辑：保留通用视觉生成能力，将互联网视觉知识复用至机器人训练任务