总装物流区，一台人形机器人停在料架前。它要抓起中控台的侧盖板，按生产顺序码好，再交给下一道工序。盖板尺寸不小，形状不规则，每次送来的姿态都不一样。它得先看一眼，重新算抓取点，再伸手。
这是小米汽车工厂里最不起眼的一个工位。11月3日，雷军披露了最新进展；随后放出的视频里，这台机器人连续干了8小时05分，满足工站全天的生产需求。他把这一步叫“实习”，说只是产线级作业能力的初步验证。雷科技36氪
8小时听上去是最硬的指标。但真正值得看的，是另一个细节：干到下半程，有台机器人把零件掉在地上，旁边的轮式机器人过来捡起，它自己接着干。知乎
产线不怕机器人慢，怕它停。停一次，前后工序都得等；等久了，整条线就得叫人。传统工业机械臂能连续跑几十年，前提是工件被夹具精确送到面前、动作靠示教、出了异常就停线等人。环境替它把不确定性清干净了。
小米这次挑的工位，恰恰相反。侧盖板是柔性件，来料姿态随机，放偏一毫米，下一道就可能卡壳。微博
机器人得跟着产线节拍走，快了堆料，慢了拖后腿；AMR来换岗，它要让路；来料偏了、放失败了，它得自己调整。这些动作没有一个能靠预设程序写完。36氪
所以，8小时本身不是最难。连续演示也能凑出8小时。难的是出错之后，它是停机等人，还是自己爬起来接着干，而且产线系统知道它出了错。
前者是设备，后者才是产线愿意接进来的“同事”。小米这次至少把“自己爬起来”这一半做出来了；“产线系统知道”那一半，还得看它能不能在更多工位上重复。
小米披露的另一组数字，能解释它为什么敢这么干。背后是同一套具身基座模型Xiaomi-Robotics-1，预训练用了10万小时真实操作轨迹，覆盖1700多个场景；后训练又用了7200多小时真机数据。知乎
在RoboCasa365仿真测试里，成功率是57.4%，此前最好成绩是46.6%；在新任务上，每项只用不到10小时示范数据，成功率能到75%，对照模型是40%。36氪
同一套模型还跑在自攻螺母上件工位，双侧安装成功率98%，要跟上76秒的节拍。
这些数字不代表它已经成熟。视频是广角、加速播放的，看不清抖动和卡顿有没有彻底消失；10万小时的采集数据和真实部署之间还有差距；也没人能确认，小米是不是已经跑通了“越干越会干”的数据飞轮。
雷军自己把它叫“实习”，这个说法是准确的。
更现实的参照是：从一条线复制到十条线，还差成本、维护和换型，通常要按两年算。知乎
青年公寓里连续30分钟、3个房间、50多个任务，是另一套考法，和产线8小时不是一个坐标系。把两件事放在一起说，容易显得热闹，但证明不了产线上的稳定。微博
这8小时证明的，是一个更小的命题：在机械臂干不了的非标工位上，人形机器人可以连续顶一个班，并且在出错后不给产线添大麻烦。这个门槛比“会走路、会翻跟头”低，却比“拍一条演示视频”高得多。
行业的进展也在往同一个方向走。特斯拉Optimus在自家工厂做电池分拣和物料搬运，Figure的机器人在仓库直播分拣了200小时，智元的机器人在便利店里连干24小时。
大家比的已经不是谁的动作更像人，而是谁能在真实环境里待够久、错得起。
对普通读者来说，判断这类新闻可以只问一句：它出错之后怎么办？如果答案是“停机等人”，那它还是展品；如果答案是“自己调整，产线知道”，那它才刚摸到上岗的门。
小米这次答上了“自己爬起来”这一半。但8小时只是一个班。下一个考题是30天、90天，是换一款车、换一道工序之后，它还能不能自己爬起来。
