小米開源380億參數具身大模型，為機器人批量造數據
0xBroomberg
小米7月15日開源具身生成模型U0，380億參數，核心能力是為機器人訓練批量製造數據——這意味著機器人公司獲得了一條低成本的數據生產線。
機器人訓練為甚麼缺數據？
機器人要學會在不同環境中操作，需要海量多場景數據——不同光照、不同物體、不同背景。
但現實中採集這些數據成本高、週期長，危險場景和罕見場景幾乎無法充分覆蓋。
這意味著→ 數據瓶頸是當前具身智能（讓AI擁有「身體」、能在物理世界中行動的技術方向）發展的核心卡點之一。
U0怎麼解決這個問題？
U0的思路是把數據採集變成數據生成：已有的真機數據，模型可以自動替換當中的物體、光照、材質和背景，毋須重新搭建真實場景。
現實中難以獲取的長尾場景（極端天氣、罕見物體等），U0可以直接憑空生成。
簡單來說＝ 以前要派機器人去100個房間拍數據，現在拍1個房間的數據，模型幫你「變」出另外99個。
生成速度有多快？
U0提出FlashAR+加速方案，將一張1024×1024高清訓練圖片的生成時間從450.77秒壓縮到5.44秒。
這意味著→ 效率提升82.9倍，機器人公司可以在短時間內批量生成覆蓋多種場景的訓練數據。
這反映出 推理效率正在成為具身AI模型競爭的關鍵指標——光能生成還不夠，得生成得夠快、夠便宜。
一個模型能做哪幾件事？
U0把四類任務統一在一個模型裡：具身場景生成、具身軌跡遷移（把一個動作搬到新環境中）、機器人交互視頻生成，以及通用文生圖和圖像編輯。
簡單來說＝ 從「造場景」到「搬動作」到「擴環境」再到「模擬交互過程」，一條數據生產鏈全打通。
開源意味著甚麼，局限在哪？
小米選擇完全開源，意味著任何機器人公司和研究團隊都可以直接使用U0來擴充訓練數據，降低研發門檻。
但開源模型無法完全替代真機數據——模型生成的場景再逼真，也無法覆蓋機器人與現實環境之間所有複雜的物理交互。
這意味著→ U0更像是一條輔助數據生產線，而非真機數據的替代品；它能否在實際部署中兌現效率承諾，是檢驗這一路線可行性的關鍵。
Content is for reference only, not financial advice.