全生态物理 AI 落地，小米的主场攻防战

过去三年，大模型的快速进步，首先发生在数字世界。文本、图片、代码、视频都可以被转化为数据，模型通过海量预训练学习其中的规律，再完成理解、推理和生成。

但数字世界能够覆盖的任务和场景终究有限。AI 如果要进一步扩大产业价值，就需要从信息处理走向真实世界，开始理解环境，并与物理世界发生交互。

如果把这一轮 AI 浪潮分成两个阶段，上半场争的是模型，下半场的竞争则正在越来越多地转向物理 AI 的落地。

在今年规模最大的消费电子与未来科技展会 IFA 上，雷峰网也清晰地感受到：人工智能正在从生成内容、解决数字任务，进一步走进物理世界。展会专门设置了“World of AI & Future of Tech”议程，集中展示机器人、AI 穿戴与智能家居的最新进展，参展的人形机器人规模也是历届之最。看得出来，各家企业都不想错失物理 AI 这个移动互联网之后最具想象力的产业机会。

而作为全球首个实现“人车家全生态”物理 AI 落地的科技公司，小米今年在 IFA 上意料之内的受到了海外消费者的广泛关注。

众所周知，物理 AI 的门槛远高于数字世界的模型应用，且链路极长，涵盖芯片、模型、操作系统、终端、制造与用户场景等等环节。

因此，虽然各大科技巨头纷纷入局，却也只能从各自的优势地带切入，先占住离自己最近的那一块。

如英伟达占据算力和仿真底座，试图成为机器学习会“动手”之前的基础设施提供者；特斯拉以汽车和机器人为终端，验证具身智能在复杂环境中的能力边界；国内的阿里、字节、腾讯也各自在模型、平台或生态方面有所建树。它们各有长板，但距离覆盖“芯片—模型—终端—制造—场景”的完整链条，仍有明显距离。

从目前的产品和业务布局看，完整拥有整个链路的，只有小米一家。

11.6 亿台设备，小米物理 AI 的硬件底座

物理 AI 的发展，首先需要足够多的硬件入口。设备越靠近用户、覆盖的场景越丰富，AI能够获得的环境信息和上下文也就越完整，同时也拥有更多可以调用和执行的终端。

在德国 IFA 2025 展会上，小米带来了近 400 款产品，而截至 202 6年，小米 IoT 平台连接设备已经超过 11.6 亿台。如果放到整个米家体系中，目前已有 130 多个产品品类、超过 2000 个 SKU。从手机、手表、耳机，到电视、空调、扫地机器人，再到汽车，小米的硬件已经进入到了用户生活中的多个场景。

但硬件数量本身，并不能直接转化为物理 AI 能力。过去，小米这些产品更多是一张庞大的硬件网络。手机负责通信，汽车承担出行，各类设备彼此之间能够连接，却仍然主要依靠用户逐个发出指令。

AI 带来的变化，是让这些原本分散的设备开始共享感知、理解和执行能力，并围绕用户的意图协同工作。“物理 AI 最重要的是感知，通过感了解人的意图，帮助完成复杂任务的执行。”小米集团总裁卢伟冰在IFA现场表示。

今年北京车展期间，小米展示了新版车载 AI 的一组能力。用户可以在车里一次交代多个任务，系统随后完成餐厅预订、咖啡下单和途中信息整理；而当车辆感知到驾驶者处于紧张或烦躁状态时，还可以进一步联动家中的灯光、音乐等设备，提前调整环境。

汽车在这里承担的角色已经超出一辆交通工具。它既是感知用户状态的设备，也是移动中的计算和交互节点。

车辆知道用户正在回家，这个状态可以继续传递给家庭设备。用户到家之前，空调、空气净化器和灯光可以提前进入相应状态；用户离家之后，灯光、电视、空调等设备也可以根据场景自动关闭。

反过来也一样。  超级小爱已经打通汽车与米家平台，用户可以在车内控制家庭设备，也可以从家中控制车辆，形成双向的车家互联。

手机承担的角色同样在变化。2026 年 3 月，小米开始邀请用户测试手机 Agent “miclaw”。它在获得授权后可以理解用户意图、调用应用和系统工具，并完成任务。miclaw目前已经升级为超级小爱2.0的专家模式，可以实现自思考、自规划和自主调用和执行复杂任务。

这改变了手机与其他智能设备之间的关系。手机从控制设备的入口，变成了理解用户意图、调度不同设备的智能节点。

支撑这一变化的，是小米已经搭建多年的设备连接体系。HyperConnect 让手机、平板、电脑、手表和汽车能够动态组网。进入汽车后，手机可以与车辆共享屏幕、摄像头等能力，也可以直接控制音乐、空调和座椅；回到家中，同一个设备中心继续连接电视、音箱和大量米家设备。

过去，手机、汽车、家电和穿戴设备分属于彼此独立的产品市场，彼此之间相互割裂，难以互通，但当模型开始能通过统一的系统调度不同硬件时，小米过去十几年积累下来的庞大设备网络，从“设备互联”走向了“智能协同”。

算力、模型、系统，缺一不可

小米长期主张物理 AI 能力应当是“主动感知、复杂执行、主动服务”。

主动感知，就是让 AI 知道用户现在身处什么环境、正在做什么；复杂执行，是在理解需求之后，能够进一步调用应用、服务和硬件把任务完成；主动服务则更进一步，AI 会结合位置、设备状态和使用习惯，提前判断用户接下来可能需要什么，并在获得授权后主动执行。

这也是物理 AI 与过去软件 AI 的关键区别。模型能力只是其中一环，端侧算力、操作系统、设备网络，以及真实世界数据，都开始成为决定 AI 能力上限的基础设施。

过去几年，小米最大的变化，是原本分散在芯片、模型、操作系统和制造体系里的能力，整合进了同一条链路。

物理 AI 首先需要解决模型如何在有限的算力、内存和功耗条件下稳定运行。

随着大模型逐步进入手机、汽车和其他终端，端侧计算面对的问题除了算力本身，还需要考虑内存带宽、能效和不同计算单元之间的协同问题。

小米新一代玄戒芯片的进化，也正是围绕这些问题展开。

8 月 24 日，小米发布了新一代的 O3 以及 O100 和 D100 三款自研芯片，将玄戒的覆盖范围由手机 SoC 拓展到了端侧 AI 和智能驾驶。

其中，O100直接针对大模型推理中的数据传输问题，将内存带宽提升至 1.22TB/s；小米展示的 AI Cube 则进一步把 O3、O100 和 D100 放进同一套计算系统，本地部署 120B 和 3B 两种模型，并支持快慢系统切换。

算力之上，是模型。跨场景泛化、长程任务规划、低层运动控制和数据效率，仍是现有 VLA 模型的短板。

2025 年 MiMo 发布时，小米的大模型能力还主要集中在语言和推理。到 2026 年已经扩展到多模态、Agent 和具身智能等多个方向。

今年 4 月发布的 MiMo-V2.5 可以同时理解文本、图像、视频和音频，三个月后，小米又发布 Xiaomi-Robotics-U0 和 Xiaomi-Robotics-1，开始直接解决机器人的数据生成、移动和操作问题。

但在模型具备能力之后，还需要一套系统把它分发到不同设备，澎湃 OS 承担了这个角色。8 月发布的澎湃 OS 4 进一步接入 MiMo，并针对跨应用、跨设备任务进行了专门优化。

最后，这个链接还需要来自真实世界的反馈。

具身智能的数据很难直接从互联网获得，采集成本高、流程复杂，其他机器人公司想进入生产环境有很高的准入门槛。

而小米已经拥有北京手机智能工厂、北京汽车工厂和武汉智能家电工厂三家工厂。以武汉工厂为例，厂内布置了 12 万个数据采集点，满产状态下一天可以产生约 11 亿条数据。

这些工厂除了生产产品之外，也是物理 AI 的真实训练场。机器人在运行中获得数据，模型迭代后重新部署，再继续验证。此前小米把具身机器人放进汽车总装线“实习”，本质上就是在建立这样一套持续循环。

这些突破构成了小米与多数物理 AI 玩家之间的深层差异。

模型公司拥有更强的基础模型，却缺少足够丰富的真实终端和物理场景；机器人公司拥有本体，但进入大规模真实生产环境长期采集数据和验证并不容易；传统消费电子公司拥有大量设备，但未必同时具备芯片、大模型等底层能力。

而小米目前不仅拥有手机和穿戴设备这一随身入口，汽车这一移动空间，以及覆盖大量家庭设备的 IoT 网络，还有芯片、操作系统、模型和制造体系。

这套能力下一步还会走出中国市场。卢伟冰在 IFA 展会上宣布，2027 年小米汽车将首先进入德国市场，米家也将启动规模化入欧，并将目前的 640 家海外零售门店扩张到 1000 家以上。

小米过去十几年在手机、IoT、汽车、芯片、制造和机器人上的投入，终于在物理 AI 时代串联在了一起。

（雷峰网(公众号：雷峰网)）

雷峰网原创文章，未经授权禁止转载。详情见转载须知。