如果把人形机器人比作一个人，过去几年前大家比拼的是谁的骨架更结实、谁的关节更灵活，现在竞争的焦点在硬件本体。这几年风向变了，比拼的重心逐渐从骨头转向了脑子。同样一个机器人能不能干活、能不能适应新任务、能不能处理意外情况，这些问题越来越指向同一个核心——模型能力。

小米机器人的模型演进路径，很能说明这个趋势。从二零二五年十一月发布的MiMo-Embodied，到二零二六年二月的Xiaomi-Robotics-0，再到当年七月的Xiaomi-Robotics-1，最后是同一年七月发布的世界模型Xiaomi-Robotics-U0。不到一年时间里，连续发布四代模型，每一代解决的问题都不一样，一层一层地往上叠加，最终构成了一个相对完整的模型体系。

从系统设计的角度看，这种分层演进的思路非常清晰。它不是一步到位做一个万能模型搞定所有问题，而是从底层到上层依次推进，每一层解决一类问题，层与层之间相互配合、相互支撑。这种架构设计的思路，在工业设计领域其实非常常见。一个复杂的产品系统，从来不是单一部件的简单堆砌，而是多个子系统的协同工作。每个子系统有自己明确的功能边界，子系统之间有清晰的接口定义，整个系统通过分层协作实现最终的功能目标。

我们来具体看这四层模型分别解决什么问题。

第一层是MiMo-Embodied，解决的是环境理解的问题。说白了就是让机器人搞清楚自己面前有什么东西、东西在什么位置、该用什么方式去抓。这个能力听起来简单，却是所有动作的基础。你连面前的物体都认不出来、位置都判断不准，后面的动作再流畅也没用。这就像人一样，眼睛看不见东西，手再灵活也白搭。

这一层模型还有个值得注意的细节，小米在里面联合训练了自动驾驶和机器人的数据，并且验证了两类物理世界数据能够相互促进。这个点非常关键。它说明不同领域的模型，只要面对的都是物理世界，底层的感知能力就有共通性。自动驾驶练出来的视觉识别能力、空间判断能力，可以迁移到机器人上反过来也成立。

从产品设计的角度看，这种跨领域的技术复用，是大企业做多元化业务的重要优势。你在一个业务领域积累的技术能力，可以低成本地迁移到另一个业务领域，形成协同效应。这也是为什么卢伟冰在财报会上强调，机器人业务不是独立业务，而是与主业深度协同。汽车业务积累的感知、规划和运动控制能力，手机与AI业务沉淀的交互和模型能力，都可以在机器人上得到应用。

第二层是Xiaomi-Robotics-0，解决的是从感知到动作的端到端转化问题。有了环境理解的基础，下一步就是把视觉信息、语言指令和机器人自身的状态，直接转化为具体的动作输出。这个转化环节过去通常被称为端到端，意思是输入端直接接输出端，中间不需要人为拆分成很多步骤。

端到端的好处是能力更强，因为它能学到很多人工设计的规则覆盖不到的细节。坏处是对数据量的要求更高，模型的可解释性更差。但从发展趋势来看，端到端是方向。人的运动控制方式，和大模型端到端了很多问题，才能真正实现通用能力。

从设计方法论的角度看，这其实就是从模块化设计走向一体化设计的演进。早期的机器人控制，就像早期的产品设计，都是模块化的思路——感知是感知模块，规划是规划模块，控制是控制模块，模块之间靠人工定义的接口连接。这种方式的好处是可控、可解释、出了问题知道哪块出了问题。坏处是灵活性有限，很难处理复杂的、开放的、不确定的场景。端到端的模型，就像一体化设计，把整个系统当作一个整体来优化，虽然调试起来更难，但上限也更高。

创品千乘在做系统设计时，经常会遇到模块化和一体化的权衡。模块化便于维护、便于分工、出了问题好定位，但性能上限受限于模块之间的接口。一体化性能好、整体性强，但设计难度大、出了问题难排查。不同的产品阶段，选择不一样的设计策略。早期探索阶段，模块化更合适，因为它更快、更稳妥。到了一定阶段之后，要追求更高的性能，就必须走向一体化。

人形机器人现在就处在这个转折点上。过去靠模块化的方法，已经能做出很多演示级别的功能。但要真正走向通用、走向复杂场景的开放环境下的可靠运行，必须靠端到端的大模型来突破。这也是为什么近两年具身智能这个概念突然火了，因为大模型的出现，给端到端的机器人控制提供了可能。

第三层是Xiaomi-Robotics-1，解决的是任务之间的迁移能力问题。学会了做A任务，能不能很快学会做B任务。这个能力之所以重要，是因为真实世界的任务太多了，你不可能每个任务都单独训练，都单独训练的话，数据量和训练成本根本受不了。

迁移能力强不强，直接决定了机器人的通用程度。一个机器人如果只会做一个任务，那它和专用设备没什么区别。如果学会一个新任务学的越快，说明它的通用能力就越强，适用场景就越多，价值就越大。人的优势就在这里——它不是天生就具备很强的迁移能力，学会了做很多事情。

从工业设计的角度，迁移能力对应的其实就是产品的通用性与专用性的平衡。专用设备效率高、成本低、可靠性好，但只能干一件事。通用设备什么都能干，效率可能不如专用设备，但灵活性强、适用面广、长期价值大。人形机器人的终极目标，显然是通用型的。但现阶段，它还处在从专用向通用过渡的阶段。每提升一分迁移能力，就是往通用方向迈进一步。

第四层是Xiaomi-Robotics-U0，也就是世界模型，解决的是数据瓶颈的问题。前面三层模型，越往上走，对数据的需求量越大。但真实机器人采集数据，成本高、速度慢，而且很难覆盖光照变化、物体移动和突发干扰等长尾情况。你总不能为了训练模型，让机器人在真实世界里把所有可能遇到的情况都试一遍吧？那样成本太高了，时间也不允许。

世界模型的作用，就像一座数据工厂。一条昂贵的真实操作轨迹，可以被扩展成不同背景、光照、物体位置和干扰条件下的大量训练样本。真实数据负责提供可靠的基础，生成数据负责扩大覆盖范围，两者共同提高机器人的泛化能力。

这个思路非常巧妙。它不是直接提升模型本身，而是提升训练数据的生产效率。用仿真数据，本质上就是在解决数据供给侧的供给问题。问题。数据量越大，模型能力越强。模型能力越强，能处理的任务越多。能处理的任务越多，进入的场景越多。进入的场景越多，采集的数据越多。这就形成了一个正向循环。

从系统论的视角看，这个循环是增长飞轮效应。当数据和模型相互促进、相互推动，越转越快。很多科技产品的竞争力，很大程度上取决于你能不能启动这个正向循环，以及循环的速度有多快。

小米的优势在于，它有自己的工厂场景，可以让机器人在真实生产环境里持续采集数据、持续迭代。工厂是一个稳定的内循环，比什么都重要。很多创业公司缺的不是模型能力，而是场景和数据。你模型可以靠算法团队做出来，但数据必须从哪里来？没有真实场景，就没有真实数据；没有真实数据，模型再强，也都是空中楼阁。

创品千乘在服务客户时，也经常强调系统思维。一个好的产品设计，不能只看产品本身，还要看产品背后的生态和闭环。你卖出去只是一个孤立的产品，再优秀，生命周期也是有限的。但如果产品能接入一个更大的系统，有持续的数据反馈、有持续的迭代优化，那它的价值就会不断增长。这种系统竞争力，往往比单点的技术突破，更有长期价值。

四层模型叠在一起，就构成了一个完整的技术体系。从环境感知到动作生成，从任务迁移到数据扩充，每一层都不可或缺，每一层都在为上一层的基础上，共同支撑起机器人的整体能力。这种分层设计的思路，既保证了每一层都可以独立迭代，又保证了层与层之间可以协同进化。

这种架构能力，在工业设计里叫系统架构设计的架构设计能力，是一个复杂产品的核心竞争力。很多人以为产品设计就是外观设计，其实外观只是最表层的东西。真正决定一个产品技术高度和竞争力的，是底层的系统架构设计能力。你怎么把这么多子系统整合在一起，怎么定义每个子系统的功能边界，怎么设计子系统之间的接口，怎么让整个系统在有限的资源约束下实现最优的整体性能，这些才是真正考验设计水平的地方。

人形机器人的系统复杂度，远超一般的消费电子产品。它涉及机械结构、运动控制、感知系统、算法模型、能源系统、软件系统等一大堆子系统。任何一个子系统掉链子，整个机器人都没法正常工作。要把这么多子系统整合在一起，让它们协同工作，并且在各种复杂环境下稳定运行，需要极强的系统工程能力。

小米在这方面的积累，其实是被很多人低估的。做手机、做电视、做家电、做汽车，每做一个新的品类，都是在锻炼系统整合能力。手机是最复杂的消费电子系统之一，汽车的系统复杂度比手机更高。经过这些产品的历练，小米的系统工程能力已经达到了相当高的水平。做机器人的时候，这些积累，就可以直接复用。

这也是为什么很多人说机器人行业真正的竞争，最后比拼的不只是机器人技术本身，更是整个公司的系统工程能力和供应链整合能力。因为到了量产阶段，这些能力比的，反而是那些看起来不那么核心的东西，决定了产品能不能做出来、能不能卖多少钱、能不能稳定交付。

从四层模型的演进路径，我们可以看到一个清晰的逻辑：从感知到动作，从单任务到多任务，从真实数据到仿真数据，每一步都是在解决前一步留下的问题，每一步也都在为下一步打基础。这种层层递进、环环相扣的演进方式，非常符合系统设计的基本规律。它不是拍脑袋想出来的，而是在实际问题的过程中逐步探索出来的。

创品千乘在多年的项目实践中，也总结出类似的经验。好的系统设计，从来不是一开始就把所有事情都规划得清清楚楚的，都是在实践中不断调整、不断优化的。你先做出一个最小系统，跑起来，发现问题，然后改进，再跑，再改进，循环往复。每一次循环，系统都更完善一点。过程中，系统架构也慢慢清晰了。

人形机器人的模型体系，现在也处在这个进化过程中。四层模型只是一个开始，未来肯定还会有第五层、第六层。每增加一层，机器人的能力边界就往外扩展一圈。等到模型体系完善到一定程度，人形机器人的通用能力就会迎来一个质的飞跃。到那个时候，它就不只是工厂里的专用设备，而是真正能够进入更广泛场景的场景。

这个过程不会太快。系统越复杂，进化需要的时间就越长。但方向是确定的，路径是清晰的。只要沿着这条路走，一步一个脚印地往前走，人形机器人的智能化程度会越来越强，能做的事情会越来越多，创造的价值也会越来越大。

从设计的角度看，这是一个非常激动人心的时代。因为我们正在见证一个全新的产品品类，从无到有、从简单到复杂、从专用到通用的完整进化过程。这个过程中会有无数的设计挑战，也会诞生无数的创新机会。能参与到这个过程中的设计师，是幸运的。