小米开源380亿参数具身大模型，为机器人批量造数据
0xBroomberg
小米7月15日开源具身生成模型U0，380亿参数，核心能力是为机器人训练批量制造数据——这意味着机器人公司获得了一条低成本的数据生产线。
机器人训练为什么缺数据？
机器人要学会在不同环境中操作，需要海量多场景数据——不同光照、不同物体、不同背景。
但现实中采集这些数据成本高、周期长，危险场景和罕见场景几乎无法充分覆盖。
这意味着→ 数据瓶颈是当前具身智能（让AI拥有"身体"、能在物理世界中行动的技术方向）发展的核心卡点之一。
U0怎么解决这个问题？
U0的思路是把数据采集变成数据生成：已有的真机数据，模型可以自动替换其中的物体、光照、材质和背景，不用重新搭建真实场景。
现实中难以获取的长尾场景（极端天气、罕见物体等），U0可以直接凭空生成。
用大白话说＝ 以前要派机器人去100个房间拍数据，现在拍1个房间的数据，模型帮你"变"出另外99个。
生成速度有多快？
U0提出FlashAR+加速方案，将一张1024×1024高清训练图片的生成时间从450.77秒压缩到5.44秒。
这意味着→ 效率提升82.9倍，机器人公司可以在短时间内批量生成覆盖多种场景的训练数据。
这反映出 推理效率正在成为具身AI模型竞争的关键指标——光能生成还不够，得生成得够快、够便宜。
一个模型能做哪几件事？
U0把四类任务统一在一个模型里：具身场景生成、具身轨迹迁移（把一个动作搬到新环境中）、机器人交互视频生成，以及通用文生图和图像编辑。
用大白话说＝ 从"造场景"到"搬动作"到"扩环境"再到"模拟交互过程"，一条数据生产链全打通。
开源意味着什么，局限在哪？
小米选择完全开源，意味着任何机器人公司和研究团队都可以直接使用U0来扩充训练数据，降低研发门槛。
但开源模型无法完全替代真机数据——模型生成的场景再逼真，也无法覆盖机器人与现实环境之间所有复杂的物理交互。
这意味着→ U0更像是一条辅助数据生产线，而非真机数据的替代品；它能否在实际部署中兑现效率承诺，是检验这一路线可行性的关键。
Content is for reference only, not financial advice.