铃阅
❌

阅读视图

亮相联合国气候大会,小米斩获中国车企首个国际EPD双项认证

小米技术 2026-11-14 20:10 北京

11 月 14 日,在第 31 届联合国气候变化大会(COP31)上,小米汽车与国际 EPD 体系(The International EPD® System)联合发布认证成果:小米泰坦合金 2.0 与新一代 SU7,从材料到整车,均完成国际 EPD 体系认证。

历时两年研发,小米泰坦合金 2.0 以 100%消费后再生铝为原料,实现强度不降、韧性提升,材料碳排放较传统原铝降低约 93%,相关技术水平及减碳效果均达国际领先,经严格验证后已量产应用于新一代 SU7 和小米 YU7。

EPD(Environmental Product Declaration,环境产品声明)是以 ISO 14025 国际标准为基础,依据全生命周期评价方法、经独立第三方审核后公开发布产品环境信息的国际认证体系,被称为国际绿色贸易的“绿色通行证”。

此次参会,国际 EPD 体系 CEO Sebastiaan Stiller 现场向小米颁发 EPD 认证证书。不止于成果展示,更将小米汽车价值链的低碳实践带入国际视野,与 IVL 瑞典环境科学研究院、宁德时代等伙伴,一同向全球气候界呈现中国新能源汽车产业在低碳可持续领域的系统解决方案。

01

碳排放值较传统原铝降低约 93%,达到国际领先水平

小米泰坦合金 2.0 碳排放值仅 1.1 kgCO₂e/kg,较传统原铝降低约 93%,相当于把汽车铝合金的碳排放压缩至原铝的 1/14。

这一数据经权威机构 IVL 瑞典环境科学研究院独立核算,严格遵循 ISO 14025 与国际 EPD 体系规则,并通过并通过国际 EPD 体系审核,成功认证发布(证书编号 EPD-IES-0031547:001)。

同批认证的小米 SU7 整车 EPD(证书编号 EPD-IES-0034716:001),完成了全生命周期碳足迹核算,整车碳足迹 0.193 kgCO₂e/人·km。材料与整车双 EPD 构成了一条完整的碳排放证据链:从一块合金的成分,到一辆车的全生命周期,每一克碳都有据可查。

由此,小米也成为首家完成“整车+材料”国际EPD双项认证的中国车企,技术水平与低碳指标均达国际领先。

认证只是起点,最终要看实实在在减了多少碳。把新材料的减排量折算到单车上,每台车全生命周期减碳约 800 kgCO₂,约相当于 40 棵成年树一年的固碳量。

02

攻克 100%再生铝技术难关,实现材料强度不降、韧性提升

消费后再生铝来源复杂,不可避免引入 Fe 等对材料性能有害的元素与杂质。Fe 会在合金基体中形成粗大脆性相,损害材料韧性;含渣量升高则引发铸件内部缺陷,直接影响结构件安全性。 免热处理合金如何在不降低性能的前提下,将再生铝比例从行业大多的 30~60%提升到 100%,是一道真正的技术质变门槛。

小米工程师历经两年,在三个方向系统攻关:

  • 成分优化:重建高再生料比例下的合金成分窗口,保证批料波动条件下性能稳定;

  • Fe 相控制:调控 Fe 相的形态与尺寸,消除其对韧性的损害,这是 100%再生铝能否用于承载结构件的核心;

  • 工艺创新:重构熔炼到压铸的全流程工艺,解决含渣量高带来的内部缺陷风险。

最终,小米泰坦合金 2.0 实现一体压铸结构件量产,强度不降、延伸率(韧性)进一步提升。经多车型、多零件严格验证,涵盖后地板等关键承载结构件,力学性能、压溃性能、X-ray 内部质量等各维度指标均满足汽车结构件严苛标准,并量产应用于新一代 SU7、YU7 等车型。

03

技术鉴定与国际 EPD 认证,双重权威背书

经中国机械工业联合会组织的权威技术鉴定,小米泰坦合金 2.0 达到国际先进水平。该鉴定委员会由材料科学领域院士及行业顶级专家组成,对材料成分设计、力学性能、压铸工艺与量产一致性进行了全面评审。

与此同时,其碳排放数据由国际可持续发展领域权威机构 IVL 瑞典环境科学研究院独立核算,严格遵循 ISO 14025 与国际 EPD 体系规则,并通过国际 EPD 体系审核,数据可查、可溯,在国际 EPD 体系下可实现多边互认注册。

技术鉴定回答了“材料行不行”,国际 EPD 认证回答了“碳数据真不真”。从技术实力到低碳指标,小米泰坦合金 2.0 荣获高规格双重背书。

04

不止于技术突破,更指向三大产业命题

响应国家双碳战略。 汽车原材料制造阶段碳排放占整车全生命周期的 40%~60%,铝材是最主要来源之一。泰坦合金 2.0 将汽车铝合金碳排放压缩至原铝的 1/14,是制造业落实 2030 年碳达峰、2060 年碳中和目标的具体实践。

践行循环经济理念。 以 100%消费后再生铝替代原铝,减少对进口铝土矿的依赖,将社会存量资源纳入高价值循环利用。循环经济在高端制造领域的真实落地,不是概念验证,而是已经量产的工程事实。

引领行业绿色标准。 国内首个量产应用于一体压铸结构件的 100%再生铝合金,配合可查可溯的国际 EPD 碳数据体系,为中国汽车行业的低碳材料应用与碳核算提供了可复制的参考路径。

从一块 100%再生铝的合金,到一辆全生命周期可溯的整车,再到 COP31 世界舞台上的中国声音,小米正以材料创新为支点,以低碳可持续为准则践行绿色发展。这既是小米对汽车行业低碳可持续的最新作答,也是中国制造绿色出海的一个生动注脚。

注:1)参与国际 EPD 认证的整车为新一代 SU7 车型,出口车型暂未上市,暂未完成认证。

2)等效树木固碳信息及减碳量,参照欧洲环境署(EEA)数据,小米自行估算。

END

跳转微信打开

  •  

从静态清单到可交互工具:交付顾问用 AI 提升车主验车体验

小米技术 2026-11-06 17:00 北京

在海南一家汽车门店里,一位交付顾问,借助 AI 做出了一套验车工具,并逐步投入真实使用。本文记录的,不只是“AI 帮忙写代码”,而是一线业务场景里的真实问题,如何一步步被做成可交互、可验证、可持续迭代的现场工具。从静态验车清单,到能够跟着用户操作流程“动起来”的小程序,变化的不只是产品形态,还有 AI 与业务经验之间的协作方式。

01

第一轮:从一线经验到软件流程

在汽车门店的交付流程中,验车一直是用户投入时间和注意力较多的环节。尤其在海南,待交付车辆普遍需要经历陆运和海运,很多人在提车前都会提前保存社交平台上的验车清单,到现场再逐项核对。这已经成了不少用户提车前的习惯动作。

刘润生是海南一家汽车门店的交付顾问。长期的一线工作中,他注意到,大家真正遇到的问题并不只是“知道检查什么”,而是到了现场之后,检查路线容易来回折返,检查到一半也很难确认哪些已经完成、哪些还没看;发现异常后,照片、备注和最终记录之间也缺少顺畅衔接。

他开始思考,能不能让整个验车过程更连贯一些,给用户带来更多便利。

静态表格虽然能列出检查项目,却并不真正适合现场使用。很多时候,用户需要一只手拿手机、另一只手围车检查,表格字小不易阅读,还要不断在车辆、手机和检查流程之间来回切换。

于是,他开始尝试把验车清单做成一个名为“提车不踩坑”的小程序。用户能够按顺序逐项检查车辆;发现问题时,直接记录备注和照片;检查结束后,自动生成报告,并保留历史记录。

在他的设想里,这个工具的重点并不是再增加更多检查知识,而是让用户到了现场之后,知道下一步该做什么,并且能够顺着流程自然完成检查。但真正进入开发之后,新的问题很快又摆在了面前:不会写代码,也没有开发经验。软件怎么安装、环境怎么配置、页面怎么跑起来,此前几乎都没有接触过。最先能做的事情,是把整理好的验车流程、检查项和页面想法描述给 AI,希望先实现一个基础版本:用户能够逐项检查车辆、记录异常,并生成完整报告。剩下的环境配置、项目初始化和页面搭建,则交给 AI 一步步协助完成。

在 AI 的协助下,第一个可交互版本很快跑了起来。当页面第一次真正出现在手机上时,刘润生第一次感觉到,这个原本停留在想法里的工具,开始变得具体了。

小程序早期开发页面,已经已经有了简单版、详细版的雏形

页面真正能够操作之后,问题也开始变得具体。最先暴露出来的,是检查路线问题。最早版本里的检查项,会在车辆左右两侧之间不断跳转。用户刚检查完左侧,下一项可能又回到右侧;绕到另一边后,后续项目又跳回来。单看每一项都没问题,但真实使用时,人会被清单“带着绕车”。

于是,他重新按现场动作梳理流程:前保、左侧、后保、右侧,让检查能够沿着车辆自然推进;再把新的绕车路线和页面逻辑描述给 AI,调整检查项顺序与页面状态。调整之后,检查项不再频繁跨侧跳转,整个检查流程终于顺了下来。

但检查路线理顺之后,问题并没有减少。最初,刘润生以为页面能跑起来之后,后面更多只是“补功能”;但真机测试开始后,问题很快从页面布局延伸到状态同步、数据保存、流程恢复和版本一致性。

那段时间,他经常拿着手机在现场边操作边测试。有些问题只有真实使用时才会暴露,比如滑动状态错乱、返回路径异常、键盘弹出后遮挡输入区域。输入法问题就是其中一个典型例子。为了让页面更轻,他尝试过悬浮胶囊式导航。但填写备注时,输入法弹出后会遮挡输入区域,用户很难顺利写完内容。他并不知道是哪段代码出了问题,只能把截图、操作路径和现象一起发给 AI:“点击备注后输入法弹出,输入区域被遮挡;发现异常后,用户没办法顺利写完备注。”

AI 修改了几轮,问题依然存在。他一度考虑放弃悬浮胶囊导航。后来,他换了一种表达方式:“允许输入法压着悬浮胶囊。”这次调整解决了当时版本中备注输入被遮挡的问题。这句话虽然不是技术方案,却明确了业务优先级:导航栏是否被遮挡不是核心问题,备注必须能够顺利写完才是。AI 可以提出实现方案,但在这个场景里,先保障哪一步体验,需要他根据现场使用来明确。

这次调整之后,他和 AI 的协作方式也开始发生变化。很多时候,他并不知道应该修改哪段代码,但知道用户会在哪一步停下来。反馈不再从代码出发,而是从用户卡点倒推,逐渐形成了一套固定的说法:问题出现在哪一步、用户刚刚做了什么操作、实际结果是什么、预期结果应该是什么、哪些部分已经改善、哪些问题仍然存在。

这套反馈方式,在第一轮里更多是在帮助迭代更快;到了第二轮,它开始变成规则。

▍从单点问题,到完整流程验证

随着功能的完善,新的问题不断暴露出来:切换详细检查模式后,报告进度没有同步更新;完成检查后自动进入报告,用户返回时又被重新跳回报告页面;悬浮导航上滑时出现重影;不同屏幕尺寸下,按钮文字被挤压;异常状态下,照片和备注无法顺利保存。

这些需求并不是一开始就全部列好的,而是在页面能够操作、真实使用开始之后,才逐步显现。

有时,AI 会反馈问题已经修复,但刘润生在手机上重新操作,仍然能看到异常,只能继续补充:“实际上还是有的。”当问题从页面布局延伸到状态、数据和流程,他也开始意识到,迭代不能无限叠加,需要及时封版:一个版本进入收尾和测试阶段后,先把稳定版本做出来,再继续增加新功能。否则需求不断叠加,版本始终停留在“还可以再改一点”的状态,难以进入可验证、可使用的阶段,迟迟无法完成一轮完整测试。

项目从 1.0 迭代至 2.5,覆盖范围也不断扩大。除了新能源新车和燃油新车验车,还增加了日常检查、事故留证、燃油摩托车和电动摩托车等场景,并支持简单和详细两种检查模式、历史记录、照片备注和报告功能。其中,摩托车验车功能源于刘润生的个人兴趣;日常检查场景,则来自他对高频使用场景的思考:相比新车交付,代驾、租车等场景可能有更频繁的车辆检查需求。

第一轮结束时,他手里已经不再只是一个想法,而是一套能够运行的产品流程、一批实际使用中发现的问题,以及一批在真实使用里被不断逼出来的问题。AI 可以帮助把页面和功能快速生成出来,但软件真正复杂的部分,往往出现在真实用户开始连续操作之后。下一步要解决的,也不再是“继续加功能”,而是怎样把第一轮踩过的坑,提前变成规则、约束和验收条件。

02

第二轮:先定规则,再交付

▍迁移 App 前,先明确产品基线

小程序版本逐渐稳定后,刘润生将其正式上线,目前已有一些车主在真实提车场景中使用,反馈他也逐条记录了下来。

与此同时,他开始认真考虑迁移 Android App。相比小程序,App 可以承载更多图片、项目说明和界面细节,也有更大空间继续优化操作体验。但真正让他下定决心的,是第一轮踩过的那些坑:页面适配、状态同步、用户流程、数据兼容、测试遗漏……如果只是把页面重新做一遍,同样的问题很可能还会再出现。第二轮要解决的,是“怎么不再踩同样的坑”。

也是在这个阶段,他接触到了 Xiaomi MiMo-V2.6。真正吸引他的,是它在项目阅读、上下文承接和按规则执行上的能力:相比第一轮用的工具,它更容易读懂已有项目、承接前面的修改,并遵守约定的开发规则,不会每次都像“从零生成”。

这让他意识到,AI 协作可以换一种方式:先把经验整理出来,再带着约束推进开发。于是,正式迁移之前,他先整理了项目地图、已有功能、数据结构和核心流程,交给模型阅读,目标是先让模型理解“现在已经有什么”,避免重新生成一套“差不多的东西”。理解完现状之后,第一步也不是继续堆功能,而是先跑通一条完整链路:新建记录 → 开始检查 → 填写备注 → 恢复记录 → 生成报告 → 查看历史。核心流程稳定后,再扩展其他功能。

第一轮解决的是“功能能不能跑起来”;第二轮要解决的是“功能如何稳定交付”。

▍协作规则开始接近真实工程流程

第一次开发时,更多是在问题出现后推动 AI 修改;到了 Android App 阶段,开始把第一轮踩过的坑提前整理成规则和验收条件。例如,修改代码前先检查项目结构和 Git 状态;不通过删除原有功能规避问题;不用假数据掩盖错误;涉及数据模型时优先考虑兼容性;未实际完成构建和验证时,不直接标记完成。

界面修改则需要检查键盘遮挡、长文本、异常状态、加载状态和不同屏幕尺寸。每轮修改结束后,还要明确说明修改内容、测试结果、已知问题和未验证部分。

第一轮让 AI 帮忙写功能;第二轮开始要求 AI 按规则交付。这种变化背后是角色变化:原本更像“提需求的人”,现在已开始同时承担产品、测试和验收的一部分工作。AI Coding 降低的不只是开发门槛,也包括业务人员参与软件生产的门槛,可以更直接地参与原型搭建、问题复测和结果验收,把现场经验带进开发过程。门槛降低之后,复杂性并没有消失,只是更早地出现了。

规则立起来之后,AI 协作开始接近真实的软件工程流程。以前是看到问题再修改;现在,他会先要求 AI 阅读项目结构、理解已有逻辑,再开始改动。追问的范围也变了:这次修改影响了哪些状态?有没有破坏旧数据?构建版本和测试截图是不是同一个版本?

很多原本只属于开发、测试和产品协作的问题,就这样出现在一个没有开发背景的一线业务人员面前。而问题一旦摆上台面,最先被重新审视的,就是“测试通过”到底意味着什么。

03

验收:测试通过,不等于流程可用

规则立住之后,新的问题又往前推了一步:AI 说“测试通过”,并不等于用户真的能把一件事走完。这一点,在一次分享功能迁移中暴露得特别明显。

需求很明确:用户收到分享的验车清单后,可以先预览内容;确认使用时,再创建自己的新记录。MiMo 给出的结果是:文件解析正常、记录创建成功、测试通过。但复查发现,创建记录其实是直接调用内部方法完成的,并没有经过用户实际会操作的页面。也就是说,“数据能创建”,不等于“用户真的能完成创建”。模型验证的是接口和方法;用户操作的却是页面和流程。

▍AI 验证的是方法,用户走的是流程

真实用户路径应该是:接收分享、进入预览页、点击“使用清单”、创建新记录、跳转检查页面。而当时,预览页没有完整验证,页面跳转未覆盖,创建结果没有正确回传,重复点击甚至可能造成重复创建。文件能读、数据能建,只能说明部分底层能力成立,还不足以证明用户真能完成整项任务。

于是,他没有把“测试通过”直接视为功能完成,而是继续要求补充真实入口验证、页面跳转检查、创建结果传递、重复点击处理,以及完整用户路径复测。后续复查中他又发现:页面导航联动还没接好、创建结果没有正确传递、防重复点击仍有缺口。

▍将验收落到真实路径、数据和版本

这次复查也改变了他对“验收”的理解。过去,他更容易先看功能有没有出现、页面有没有做出来;现在,他会继续追问:

  • 真实路径:用户能否从真实入口完成操作;测试覆盖的是内部方法,还是用户实际会走的完整路径;

  • 数据连续性:输入或保存失败后,已有内容是否保留;旧照片是否仍可访问;用户返回上一页时,是继续检查还是回顾记录;

  • 版本一致性:构建包、截图和测试材料是否来自同一版本;

除了功能链路,视觉和适配细节也被纳入验证范围。例如,暗色界面加大字体的设置下,“展开”按钮的文字与背景对比不足,几乎无法看清。他据此要求重新检查文字在对应背景上的可读性,并补充实际展开后的截图。页面上有这行字不等于功能可用,用户能不能看清、能不能点击、点击后状态是否正确,都要纳入验收。

对于涉及连续操作和数据流转的功能,验收不能只看局部测试,而要回到真实入口、真实路径和真实版本。目前,Android 版本已具备可运行的核心流程,仍处于内部验证和持续迭代阶段。

04

沉淀:两轮实践留下了什么

这次实践未必能够直接复制到所有项目中,但其中几种做法,可以为没有工程技术背景、又希望借助 AI 推进具体工作的小伙伴提供参考。

1.从熟悉的问题开始,让 AI 先做

没有开发经验,不意味着必须先掌握全部技术才能开始。他的起点不是“先学会开发”,而是熟悉的验车场景:先把现场动作和用户需求理清楚,再让 AI 把它转化为可操作的流程。AI 帮他跨过了软件安装、环境配置、页面搭建和代码实现等起步门槛,业务经验则帮助他判断工具应该怎样使用。先有一个可以操作的版本,许多原本抽象的问题才会变得具体。

2.用“现象、影响和预期”描述问题

面对悬浮导航与输入法冲突的问题,他并不知道技术原因,但能够持续描述:问题出现在哪一步,用户会受到什么影响,希望优先保障什么。当无法判断应该修改哪段代码时,不一定要先给出技术方案。把真实操作路径、实际结果和预期结果说清楚,仍然可以帮助 AI 缩小问题范围。

3.用真实用户路径验证交付结果

页面出现、日志通过、测试成功,都可以是过程中的证据,但不应自动等同于任务完成。验收时还要确认:验证的是局部能力,还是用户能实际完成的任务;相关截图、构建包和测试记录是否对应同一版本。

-

这次实践并不意味着,没有开发背景的人已经可以独立完成软件交付,但展示了业务人员参与开发的一种方式:用现场经验定义问题,借助 AI 推进实现,再用实际操作检验结果。小程序与 Android App 的开发、调试和部分验证,确实可以借助 AI 工具推进;但数据是否安全、流程是否合理、用户是否真的能够完成任务,仍然需要实际使用者持续判断和把控。

但它提供了一种新的可能:一线业务人员可以借助 AI,把真实场景里的问题,更早、更具体地带进软件生产流程,把现场遇到的问题更早做成可操作的原型,让需求讨论有具体的页面、动作和结果作为依据,而不是等到需求翻译、开发排期之后才被看见。

AI 帮他的远不止“写代码”。在与 AI 协作的过程中,他逐渐学会的,是另一种能力:如何描述真实问题,如何定义用户路径,如何建立规则和边界,以及如何验证一个功能是否真正可用。最开始,他给 AI 的反馈可能只是:“这里还是不对。”后来,反馈会逐渐变成:在哪个页面、先点了什么、实际发生了什么、预期应该是什么。他并没有因此变成专业开发者,但已经能够把业务里的判断,转化成机器可以执行、可以验证的要求。

AI 没有绕开软件开发里的复杂性,但它正在改变谁能够更早地参与软件生产。

END

跳转微信打开

  •  

小米 WorldCast 3D 运镜,REDMI K100 已上线

小米技术 2026-11-04 17:49 北京

电影里最见功力的镜头之一是环绕运镜:摄影机绕着主角转上一圈,主角纹丝不动,整个世界在画面里旋转。这类镜头的门槛一直不低,硬件上需要摇臂、轨道和稳定器,操作上考验摄影师的经验;而当镜头转到侧后方时,主角的侧脸、后背会进入画面,这些区域在开场镜头中从未出现过,只能依靠现场的服装、道具和灯光维持形象一致。

如今,这样的镜头在手机上就可以完成。10 月 27 日,REDMI K100 正式发布,这款手机在影像上新增了 3D 运镜的 AI 玩法。打开 REDMI K100,从相册选一张静态照片,AI 就能生成一段大角度 3D 运镜视频:镜头可以环绕、推拉、倾斜,而画面中人物的五官、发型、衣着始终保持一致。

输入图片

生成视频

支撑这项功能的,是小米在近期公开论文里带来的视觉生成框架 WorldCast:它通过解读画面的深度结构,把平面照片还原成三维场景,并在其中虚拟出一条真实相机轨迹,让镜头像被真实拍摄一样运动,能够在镜头运动过程中持续保持主角外观的一致性。

01

技术核心:镜头在动,世界不动

让 AI 沿指定运镜轨迹生成视频,业内已有不少方案;但角度拉大、轨迹变复杂之后,问题会集中暴露。WorldCast 将其归结为两个相互耦合的难题。

第一个是轨迹跟不住。旋转、平移、半径变化组合在一起,再叠加任意起始方位,对相机控制是非常强的考验,几何条件稍有不准,就会出现转不到位、平移错位、逐渐偏离预定轨迹。

第二个是身份漂移。视角一大,初始帧里没拍到的区域—侧脸、后背、脑后的发丝会被逐步揭开,这些区域的几何与外观没有任何观测约束,生成模型很容易自由发挥:越转五官越变形,衣服花纹消失,转着转着就成了另一个人。

WorldCast 的整体解决方案是:先用显式几何搭好骨架,再用多视角记忆补足细节。核心算法包含三大模块:

WorldCast 框架总览:轨迹对齐的几何引导 × 几何对齐的多视角角色记忆

▍尺度对齐的几何引导:先把骨架搭出来

第一步是把二维照片升到三维空间:用预训练深度估计模型得到初始帧深度,反投影成带颜色的 3D 点云,再沿目标相机轨迹渲染,得到与每个目标视角对齐的 RGB 引导图。这一环节有两个关键设计:

其一是深度-轨迹尺度对齐。单目深度只有相对值,和相机平移的尺度天然对不上:尺度错了,点云的近大远小就错了,运镜幅度也会整体失真。WorldCast 会枚举候选尺度,分别渲染并比对图像运动量,选出与参考运动最吻合的那一个。

其二是覆盖掩码。点云渲染并非处处有效,被遮挡、超出视野的区域没有几何支撑,WorldCast 同时输出覆盖掩码,明确告诉生成模型哪些像素点云撑得住、哪些必须由 AI 补全。最后,目标相机几何被编码为 Plücker 射线,与几何引导、覆盖掩码一起注入扩散模型,为每一帧的生成提供显式的空间约束。

▍几何对齐的记忆注意力 GAMA:让证据在正确的时刻到场

骨架搭好之后,还要解决背面长什么样。WorldCast 引入同一角色的多视角锚点图作为补充证据,并通过 GAMA(Geometry-Aligned Memory Attention)决定这些证据如何参与生成。

具体分为三步:

先用分割模型抠出角色前景、压掉背景干扰,再用多视角几何模型对初始帧与全部锚点进行联合相机位姿估计;

然后以初始帧为桥梁,用 Umeyama 对齐把锚点视角的几何与目标轨迹放进同一个坐标系;

最后在共享坐标系下按目标视角检索最相关的角色特征,镜头转到左脸时调取左脸的证据,转到背后时调取背后的证据。身份不再靠模型猜测,而是靠几何查询。

有无锚点几何对齐的注意力路由准确率对比:对齐后路由学习更快、收敛准确率更高

▍CLACT:8 万样本的训练场与 42 个场景的标尺

架构之外,数据是另一个决定性因素,团队构建了角色中心的大角度相机轨迹数据集与基准 CLACT。训练集包含 80,000 条样本,其中 50,000 条由 Unreal Engine 5 渲染、30,000 条由 Blender 渲染并配有多视角角色锚点,相机几何精确可控;评测集覆盖 42 个合成与真实角色场景,涵盖环绕、倾斜、推拉、双纽线、拉远等 6 大轨迹族。轨迹精度、跨视角一致性、视觉质量在同一把标尺上度量,运镜准不准、像不像同一个人、好不好看第一次可以放在一起比较。

CLACT 数据构成与相机配置:UE5 + Blender 双集合、角色/环境规模与轨迹角度跨度

02

性能表现:相机控制与角色一致性全面领先

在 CLACT 基准上(42 个场景 × 6 类轨迹,与 13 个方法同台竞技),WorldCast 拿下了全部相机控制与角色一致性指标第一。

效果总览:大角度运镜生成序列与定量对比——ATE、MEt3R、IQ 三维指标全面领先

轨迹精度影响的是“一次点击的成功率”。ATE 从此前最优的 0.098 再降到 0.065,相当于把生成失败的概率明显压低,用户不必为了生成一个理想的运镜效果进行反复重试。

跨视角几何一致性影响的是画面的真实感。MEt3R 全场最优,意味着人物在整段运动中保持稳定的三维结构,看起来像真实世界里被镜头绕着拍的人。

身份相似度影响的是“这条视频到底是不是我”。相比次优方法提升约 28%,意味着镜头转到侧脸、背面再回到正面时,五官、脸型、发型始终是同一个人。

值得注意的是,几何与身份的强约束并没有换来画质下降:画面质量 IQ 保持在 0.719 的第一梯队水准,同时 CLIP、DINO 两项外观相似度均为全场最高。

三项叠加,用户在 REDMI K100 上的实际体验可以概括成一句话:选一张照片、点一次,就拿到一段运镜准确、人物不崩、画质在线的 3D 运镜视频。

从论文里的技术框架,到用户可一键出片的功能,中间还隔着不少论文里没有的功夫:比如算法蒸馏加速、端云协同部署等。3D 运镜也不是孤立的玩法,它与一键动图、希区柯克变焦、延时摄影一起,构成了 K100 的 AI 影像玩法矩阵。

WorldCast 是小米在可控视觉生成方向上的又一突破,它不只让 REDMI K100 的相册多了一种玩法,更重要的是把方法、数据集和评测方式沉淀了下来。在这套底座之上,团队将进一步探索更复杂的运镜形态、更长的连续生成,以及可控 4D 视频生成技术等。

END

跳转微信打开

  •  

双料大奖!小米斩获世界互联网大会“杰出贡献奖”与“领先科技奖”

小米技术 2026-11-03 12:43 北京

11月3日,2026世界互联网大会开幕式在浙江乌镇举办,在开幕式现场,小米集团获颁大会“杰出贡献奖”创新突破类奖项,该奖项旨在表彰全球互联网相关领域作出杰出贡献的个人和企业。

同时,小米机器人业务“面向规模化落地的通用机器人操作基座模型关键技术”获大会“领先科技奖”,该奖项旨在奖励全球年度最具领先性的互联网科技成果。

据了解,上述两项大奖均由国际权威专家评审产生,评委中多位入选互联网名人堂及两院院士,邬贺铨、吴建平院士均在评审阵容之列。小米集团首次同时斩获“杰出贡献奖”与“领先科技奖”双料大奖,实现新突破。

借小米机器人具身模型关键技术获奖,我们也向大家分享两项小米机器人的最新进展:新一代小米机器人首次在汽车工厂挑战8小时长时作业,初步验证了产线级作业能力;小米具身基座模型开始在小米青年公寓启动“试运营”,成功跑通长时、多房间复杂任务链。

01

技术为本:从单点突破到体系化创新

世界互联网大会杰出贡献奖自2024年设立,旨在表彰全球互联网相关领域作出杰出贡献的个人和企业。今年的评选竞争尤为激烈,全球230余家企业申报,覆盖近20个国家和地区,涵盖人工智能、芯片设计、移动通信、互联网平台等多个赛道,经全球顶尖专家两轮评审,最终仅15家企业获此殊荣。

本次获得的是“创新突破类”,小米集团副总裁、集团技术委员会主席屈恒出席开幕式领奖。作为在芯片、AI、OS、汽车、机器人和智能制造等领域持续投入的科技公司,这份认可背后,是小米坚持技术为本,从单点技术攻关走向体系化创新的长期实践:2021年至2025年,小米研发总投入达1055亿元;未来五年,计划投入超2000亿元,重点布局AI大模型、具身智能与智能制造等前沿领域。

自发布Xiaomi MiMo大模型以来,小米已构建起覆盖语言、多模态、语音、具身智能等方向的模型矩阵,并通过全面开源和MIT商用授权,将模型能力开放给更广泛的开发者与产业伙伴;据OpenRouter数据,Xiaomi MiMo系列模型调用量位居全球前列,已被全球开发者广泛采用。

在芯片领域,历经十余年持续攻关,小米推出自主研发设计的玄戒O1旗舰芯片,成为中国大陆首家、全球第四家发布3nm制程旗舰手机芯片的公司;今年8月,新一代玄戒家族三芯齐发,其中AI旗舰SoC 玄戒O3全模块内置AI加速硬件,成为行业首个突破安兔兔500万分的旗舰SoC。

OS领域,小米澎湃OS以统一融合内核架构连接手机、平板、手表、电视、智能家居和汽车等多品类设备,实现了人车家全生态的技术栈统一,最新的澎湃OS4,围绕基础体验、功能升级和全生态AI进行了深度的AI化升级。

截至2026年第二季度,小米智能手机出货量已连续6年稳居全球前三、AIoT平台连接设备数突破11.6亿,业务覆盖全球100多个国家和地区,小米汽车已完成纯电、增程双系列布局,并将于2027年正式出海。

在大模型支持下,超级小爱已升级为能够理解复杂语义、执行多步任务的智能体;依托自研“澎湃智能制造平台”,小米构建起覆盖手机、汽车、家电三大领域的智能工厂矩阵,平台已连接超过200家制造企业。

02

具身智能:从基座模型到真实场景

领先科技奖旨在奖励全球年度最具领先性的互联网科技成果。本届评选中,30位国内外顶尖专家从全球436个申报项目中遴选出20个最终入围,小米机器人团队“面向规模化落地的通用机器人操作基座模型关键技术”项目成功入选,该技术代表了小米具身基座模型及规模化应用体系的关键技术成果。

架构层面,小米机器人VLA大模型Xiaomi-Robotics-0采用大小脑混合架构,消费级显卡即可实现80毫秒推理延迟;小米具身基座模型Xiaomi-Robotics-1使用10万小时真实操作轨迹预训练,在未见环境、未见任务中展现稳定的规模定律收益,2026年7月在RoboCasa 365、RoboDojo两大权威榜单综合排名第一。

该技术成果正在小米青年公寓探索落地。我们的研发团队基于Xiaomi-Robotics-1预训练模型,利用高质量后训练数据开展多轮迭代优化,搭建了覆盖数据采集、模型推理与任务执行的Agent闭环系统,并在小米青年公寓跑通连续超30分钟、覆盖3个房间、包含50+任务的长程任务验证,可自主规划和执行涵盖工具准备、沙发与桌面整理、垃圾清理、物品分类归位、房间巡检、全屋复检与离场等环节在内的完整任务。

目前这套解决方案已经在小米青年公寓正式进入“试运营”阶段,持续构建真实场景下的“技术—产品—场景—数据”闭环。小米机器人事业部总经理向迪昀作为技术发布人介绍称,小米在具身智能领域的核心工作,是建立面向通用操作的机器人具身基座模型及多任务、跨场景规模化应用体系。基于自研VLA基座模型,小米在工业制造与生活服务场景同步落地,推动多任务泛化性与单任务效率稳定性同步发展。

与此同时,小米机器人在汽车工厂的“实习”也迎来最新进展,完成了产线级的作业能力初步验证。我们在汽车工厂总装车间的中控台侧盖板排序工站首次完成8小时稳定作业挑战,满足了工站全天生产需求,并实现作业过程异常自主纠偏与产线系统级协同。

此外,小米具身智能业务坚持开源共享与生态共建,两代小米具身基座模型Xiaomi-Robotics-0和Xiaomi-Robotics-1已全面开源,并且深度参与数十篇人形机器人标准规范研制,助力产业生态繁荣。

两项大奖是对小米技术投入的认可,具身模型“试运营”和小米机器人“实习”的最新进展,则代表了我们持续推动具身智能迈向真实生产场景和生活场景。从自研芯片、操作系统到大模型、机器人……小米将继续坚守“技术为本”,以长期主义深耕底层技术创新,让全球每个人都能享受科技带来的美好生活。

END

跳转微信打开

  •  

小尺寸全能王:小米开源0.8B卷王OCR模型

小米技术 2026-10-30 21:03 北京

你是否也经历过这些瞬间:线上取好的排队号、外卖取餐码,走到柜台前却发现早已被新涌入的消息窗口淹没;刷到一张心动的活动海报,时间和地点还得切去日历挨个敲进去;刚付完一笔账单,金额、商户和订单明细仍需手动摘录整理……这些高频的日常“小麻烦”,其实都指向了同一个问题:手机能不能不只是“看见”屏幕上的内容,更能“看懂”这些信息,并在你需要时顺手完成下一步?

如今,在小米手机上,“超级小爱”已经让这种体验成为日常——短按 AI 键或只需一句话,即可提取屏幕上的关键信息并衔接后续操作。从“看清屏幕上写了什么”,到“主动帮用户把事办好”,这看似轻巧的一步跨越,背后其实是一项 AI 原子级能力的进化:OCR 从单纯的“文字识别”走向了深层的“文档理解”。

然而,想要让机器真正“读懂”眼前的文档与画面,远没有想象中简单:一张跨行合并的复杂财报表格,如何准确还原行列逻辑?一页密布符号的学术论文,如何直接转为可编辑的公式与结构化内容?一张版式各异的票据卡证,又如何一眼锁定核心字段?这背后是 AI 模型对文字、版面结构、空间位置与上下文语义的多重考验。传统 OCR 往往止步于机械的文字转写,拆不开复杂结构,也读不懂深层语义;而通用大尺寸多模态模型虽具备理解能力,动辄数十亿、上百亿的参数体量又显得过于笨重。

今天,小米正式发布并开源轻量级全能文档理解模型——Xiaomi-OCR-0,小参数,同样能释放大能力。作为一款仅有 0.8B(8 亿)参数的轻量化模型,它将文档解析、关键信息抽取与视觉问答三大核心能力融于一身,在多项权威基准测试中越级斩获领先成绩,让机器不仅能“认准文字”,更能真正“读懂文档”。

01

一体多能:仅 8 亿参数

从“把字读出来”到“把文档读明白”

在真实世界中,文档的形态远比一段纯文本复杂得多:学术论文包含密集的跨行数学公式,财务研报充斥着复杂的嵌套表格,各类卡证票据则隐含着严密的字段键值关系;与此同时,物理打印、日常拍摄或屏幕翻拍过程还不可避免地引入弯曲形变、透视倾斜、光照阴影与摩尔纹干扰。这意味着,真正实用的文档智能系统不仅要“认得出字”,更要“拆得开结构、提得出字段、答得上问题”。

面向真实场景的多维需求,Xiaomi-OCR-0 在仅 0.8B 参数的轻量级架构中实现了三类核心能力的统一建模:

  • 文档解析(Document Parsing):精准识别并还原文档中的正文、复杂表格与数学公式,严格遵循人类自然阅读顺序生成结构化结果,原生支持 Markdown、LaTeX 等格式输出,便于后续编辑、知识库构建与检索增强。

  • 关键信息抽取(Key Information Extraction, KIE):面对发票、收据、卡证及业务表单等半结构化文档,能够根据指定字段精准定位并抽取目标信息,直接输出 JSON 等标准结构化数据,无缝对接自动化处理工作流。

  • OCR 视觉问答(OCR-oriented VQA):突破单纯的文字转写边界,支持围绕文档与图表内容进行跨区域检索、数值计算与语义推理问答,真正实现针对视觉文本的交互式理解。

通过将结构解析与语义理解融为一体,Xiaomi-OCR-0 用一个轻量级模型覆盖了从底层感知到高层认知的完整链路,以极高的参数效率实现了“小尺寸、全能型”的文档智能体验。

02
性能领先:真实解析基准登顶

理解能力越级挑战大模型

仅 8 亿参数的轻量级模型,究竟能否扛住复杂文档解析与高层语义理解的双重考验?在多项极具代表性的公开基准测试中,Xiaomi-OCR-0 交出了一份亮眼的答卷。

▍文档解析:真实复杂场景夺冠,综合与专项表现全面领先

在日常办公与生活场景中,待处理的文档往往并非清晰规整的数字原件:扫描件伴有噪点,手持拍摄的纸张常出现弯曲与透视倾斜,手机翻拍电子屏幕则会产生严重的摩尔纹与反光。为了检验模型在真实物理采集条件下的鲁棒性,我们在 Real5-OmniDocBench 基准上进行了系统评测。该基准基于 OmniDocBench v1.5 的 1,355 页多样化文档,通过扫描(Scanning)、纸张弯曲(Warping)、屏幕翻拍(Screen Photography)、光照变化(Illumination)和倾斜拍摄(Skew)五种真实物理采集方式,构建了共计 6,775 张测试图像,能够直观检验复杂成像干扰对模型解析能力的影响。

在 Real5-OmniDocBench 评测中,Xiaomi-OCR-0 取得了 95.24 分的优异成绩,对比的所有模型中位列第一。与此同时,在同样聚焦真实拍摄干扰(涵盖打印形变、阴影、反光与复杂透视)的 Wild-OmniDocBench 基准上,Xiaomi-OCR-0 同样取得了 87.94 分的高分,充分印证了模型在非受控真实成像环境下的卓越稳定性。

而在检验综合文档解析能力的权威基准 OmniDocBench v1.6 中,评测覆盖了学术论文、财务报告、报纸、教材等多元版式,并进一步强化了对复杂嵌套表格与密集数学公式的考察。在这场“综合大考”中,在这场“综合大考”中,Xiaomi-OCR-0 斩获 96.83 分,以约三分之二的参数量(0.8B vs. 1.2B)夺得总榜第二名,距榜首仅差 0.04 分,在1B以下模型中排名第一,展现出极高的参数效能比。

此外,针对文档中的精细结构与特殊字体,Xiaomi-OCR-0 同样表现出色:在数学公式识别基准 UniMER-Test 上达到 97.84 分,在表格结构识别基准 PubTabNet 上取得 92.27 分。更令人惊喜的是,在涵盖隶书、草书、行书与楷书的古籍与书法评测集 Chronicles-OCR(Mature Scripts) 中,模型得分达到 73 分,与闭源大模型 Seed 2.0 Pro(72 分)处于同一水准。从现代印刷文档到传统书法文献,Xiaomi-OCR-0 展现出广阔的能力边界。

▍文档理解:以 0.8B 轻量级规模,越级超越更大尺寸模型

除了精准还原文档结构,一个 0.8B 的轻量级模型能否真正“读懂”文档内容?为此,我们在 DocVQA、InfoVQA、ChartQA、OCRBench 和 TextVQA 五项主流 OCR 视觉问答基准(OCR-oriented VQA)上进行了全面评估。这些任务不再局限于考察“文字是否识别正确”,而是要求模型结合文本、图表与版面结构进行跨元素关联、信息检索与逻辑问答。

评测结果显示,Xiaomi-OCR-0 以仅 0.8B 参数取得了 83.2 的五项基准平均分:这一成绩不仅大幅超越了 HunyuanOCR-1.5(1B,76.5 分)、TokenVL-2B(2B,78.1 分)与 TextHawk2(7B,78.5 分)等专用 OCR 模型,更跨量级超越了通用多模态模型 Qwen3.5-2B(80.9 分) 与 MiniCPM-V-4.5(8B,82.6 分),并以仅 20% 的参数规模逼近 Qwen3.5-4B(84.9 分)。这意味着,Xiaomi-OCR-0 不仅“看得清、拆得开”,更能“读得懂、答得出”,在轻量级参数规模下实现了兼具解析精度与认知深度的双重跃升。

03

技术核心:可扩展数据引擎与渐进式课程训练

一个仅有 8 亿参数的轻量级模型,是如何在保持高推理效率的同时,兼顾顶尖的文档解析精度与深层语义理解能力的?Xiaomi-OCR-0 的核心突破在于高信噪比的可扩展数据引擎与先解析后理解的渐进式训练范式。

▍可扩展数据引擎:异构专家共识与渲染引导校验

Xiaomi-OCR-0 基于 Qwen3.5-0.8B-Base 基座构建,训练过程累计使用约 1.7 亿条高质量 OCR 与文档理解样本。面对真实文档版式复杂、传统伪标签噪声高、长尾场景稀缺等难题,团队构建了一套闭环演进的数据引擎,从三个维度保障每一份训练数据的信息密度:

  • 异构专家共识机制(Ensemble Triplet Consensus):针对正文、表格与公式等不同区域,联合多个异构 OCR 专家模型进行交叉校验与三元组共识投票(基于 1-NED、TEDS、CDM 等专项指标),从源头滤除单模型偏见,筛选高置信度标注。

  • 渲染引导校验(Render-Guided Refine-and-Judge):针对复杂表格与高难度数学公式,创新性地引入“预测—重渲染—视觉比对”闭环。系统将候选解析代码重新渲染为图像,并与原始文档区域进行像素与结构级比对,精准定位行列错位或符号缺失等细微结构缺陷,进而实施针对性修正。

  • 多因素困难样本挖掘与定向合成:结合版面复杂度、字体形态与物理退化因素,持续挖掘模型能力短板,并定向合成覆盖多语种、古籍手写、屏幕摩尔纹及扭曲光照的训练样本,系统性补齐长尾分布。

▍渐进式课程训练:从“读得准”到“读得懂”的双向增益

在模型训练阶段,Xiaomi-OCR-0 遵循由浅入深的认知规律,设计了三阶段渐进式训练策略:

  1. Q-Mask 文本锚定:在特征对齐初期强化视觉局部区域与文字 Token 之间的细粒度空间锚定,夯实密集文本识别与版面感知的底层基础;

  2. OCR 持续预训练(Continual Pre-Training, CPT):通过百亿级 Token 规模的多任务混合训练,赋予模型涵盖全页文档解析、细粒度区域识别与视觉问答的综合基座能力;

  3. 混合任务强化学习(Mix-RL):在困难样本上引入基于结构编辑距离、表格匹配度与问答准确率的精细化可验证奖励信号(Verifiable Rewards),进一步突破模型在复杂版式还原与多步推理上的性能上限。

尤为值得关注的是,团队在训练演进过程中揭示了一项重要的课程学习(Curriculum Learning)规律:当模型在早期尚未建立稳固的解析基础时,过早混入高层理解任务会轻微分散底层识别注意力;但一旦模型具备了扎实的文档解析根基,进一步引入 OCR 视觉理解监督信号,不仅能显著拉升问答与抽取能力,还会反过来对纯文档解析基准产生正向促进作用(在 OmniDocBench v1.6 上带来最高 +0.64 分的额外增益)。这一“以解析筑基、以理解反哺”的协同机制,正是 Xiaomi-OCR-0 能够在 0.8B 轻量级体量下实现全能表现的关键所在。

04

场景落地:走出实验室,让屏幕信息主动服务生活

技术的价值,最终体现在真实世界的交互体验之中。凭借 0.8B 的轻量级体量与全能的解析理解能力,Xiaomi-OCR-0 相关技术正深度融入小米手机与“超级小爱”的日常高频场景,推动终端体验从“被动截屏查找”走向“主动理解服务”:

  • 在即时生活服务场景中,让关键凭证“一眼上岛、随手可取”:面对被消息淹没的外卖取餐码、驿站快递取件码、退货码、景区寄存柜号或餐厅排队号,用户无需在各个 App 间反复切换翻找;只需短按 AI 键、三指上滑或对超级小爱说一句“记一下”,系统即可精准识别屏幕中的核心字段与状态,将时效性信息主动提炼“上岛”,在需要时一触即达。

  • 在财务管理与卡证办理场景中,让繁琐录入化为自然交互:浏览微信、支付宝等消费账单详情时,按下 AI 键即可自动抽取交易金额、商户名称、支付时间与消费类别,一键完成智能记账;面对纸质发票、身份证、银行卡等复杂卡证材料,也能通过拍照或识屏瞬间完成结构化字段提取,告别手动输入与反复核对。

  • 在日程规划与出行场景中,让屏幕信息直接转化为下一步行动:看到群聊记录里的会议通知或活动海报上的时间地点,系统能够自动理解上下文语义并生成日程卡片,一键添加至日历;在聊天界面收到朋友发来的航班号(如“我的航班号是国航 CA824”),只需直接提问“这个航班还有多久到”,系统便能结合屏幕上下文精准提取航班信息并联动查询实时起降动态。

从取餐码上岛、自动记账,到卡证提取、日程创建与航班追踪,这些看似不同的生活切面,背后指向的正是同一项核心技术跃迁:让 AI 从屏幕与图像中精准捕获结构化信息,读懂文字背后的真实意图,并将其转化为触手可及的智能服务。

05

全面开源:开放权重与工具链,共建文档智能生态

我们始终相信,科技不是高高在上,而是服务于每一个人。

今天,Xiaomi-OCR-0 正式面向全球社区全面开源。我们不仅完整公开了 0.8B 模型权重与推理代码,还同步提供了开箱即用的浏览器交互式 Demo、MCP(Model Context Protocol)服务以及 Agent Skill 工具包,帮助广大开发者、研究人员与企业伙伴以最低成本将文档解析、信息抽取与视觉问答能力集成至自有业务流或智能体系统中。

从“读得准”到“读得懂”,从底层算法突破到全场景终端体验升级,8 亿参数的 Xiaomi-OCR-0 展现了轻量化模型在文档智能领域的无限潜力。我们诚挚邀请全球开发者共同体验、评测与共建,携手探索全场景文档理解的更多可能!

开源链接与快速体验:

END

跳转微信打开

  •  

采了1800+工厂数据集,我们做了只21自由度仿生手

小米技术 2026-10-27 12:09 北京

我们曾经在3月份和大家分享了小米机器人的全掌触觉仿生手设计,并且7月在小米汽车工厂里面进行新岗位的“实习”。柔性制造作为生产任务规模与灵巧操作多样性双高的典型智能工厂场景,是仿生手的天然验证训练场。我们一直在思考:是否可以以此为设计原点,挖掘高自由度仿生手在制造场景通用性的收益与价值。

基于小米汽车-智能制造部中试中心的1827个真实作业SOP,我们延续极致仿生路线,设计了一款21自由度、26电机混合驱动、1500点高密度全掌触觉的高自由度仿生手,分享工程优化过程中的技术思考。

01

场景主导设计:工厂1800+SOP数据集与分析验证

汽车工厂总装是典型的高柔性、多样性人工作业场景:工序耦合度高、操作自由度大、非结构化干扰多。

我们在小米汽车-智能制造部中试中心中,对16个典型工段2579个SOP中的1827个开展了真实作业SOP的多角度视频和动作捕捉采集,该数据集覆盖70.8%以上典型工段的人工作业工序。我们对采集的动捕数据集进行分类、切片、清洗和重定向等处理,并开展基于人手的多维数据分析和仿真。

作业动捕采集

同时,我们挑选工厂实际工具、零件和操作物构建仿真数字资产,在仿真中对高自由度仿生手进行多角度抓握仿真验证。

数字资产抓握仿真

▍自由度利用率分析

对每个自由度,我们用「实际作业中的活动范围 ÷ 人手该自由度的平均完整行程」来衡量它的利用程度——简单说,就是这个关节在干活时被用掉了几成。通过对数据的完整统计分析,得出如下利用率从高到低分布表。

利用率分析(内外旋自由度部分来自手掌自由度)

利用率统计显示:该数据覆盖的作业中,几乎所有被测自由度的利用率均超过 50%。这表明工序对人手全自由度覆盖与灵活性均有较高要求。其成因可分解为两点——其一,工序本身操作复杂度高;其二,人手运动具有多自由度协同特性,即完成特定动作时,多个自由度存在耦合运动,部分对目标动作无直接贡献的自由度亦会参与其中。

▍自由度耦合性分析

人手指关节存在天然耦合,以同一手指为例,DIP 关节的屈曲角度通常约为 PIP 关节的 1/3,且两者在运动中高度关联。这种固定比例关系意味着——两个独立的主动自由度,在人手上实际是联动的,可以用一个驱动源替代,即典型的欠驱动设计。基于这一思路,我们对工厂采集数据集计算了各关节间的自由度相关性,得到下方相关性矩阵(颜色越深,相关性越强),若两个关节的相关性超过某个阈值(如 0.8),即可认为它们具备做欠驱动耦合设计的潜力。人手的欠驱动并非刚性联动,这正是柔性握持与精细操作能力的来源,也是实际设计中需要重点权衡的因素。

自由度相关性计算统计

▍抓握分析验证

我们在仿真中对自由度开展消融分析。结果表明 17~21 自由度区间,平均稳定抓握成功率相比 6~15 区间提升了 15%~38%,其中 21 自由度在工厂操作覆盖度和抓握成功率上提升最大。继续提升自由度至 23 及以上时,抓握能力提升就明显放缓了,堆自由度的边际收益下降。

在真机抓握验证中,新的 21 自由度仿生手,针对实际工厂场景中的零件与工具开展多姿态抓握测试,相比前代低自由度版本,其抓握拟人度与抓握成功率均获得显著提升。

真机抓握验证

02

工程设计优化:面向高自由度集成的工程思考

新一代仿生手延续了拟人设计和腱绳驱动为主的设计思路,并综合选择了高自由度设计方案。这也意味着在驱动架构、结构堆叠、绳路设计、散热设计等工程落地方面,仍面临较高挑战和工程优化难题。

▍混合驱动设计

为了解决高自由度设计中的高密度结构堆叠问题,出于空间利用率的考虑,我们在绳驱为主的构型中融合了5个直驱自由度,并布局在对负载要求较低的关节,实现了高自由、负载能力、重量和运动范围的综合平衡,对可靠性和维护性也起到积极作用。由于绳驱电机主要集中在小臂部分,手掌重量仅324g,大幅降低了末端转动惯量,有效提升末端控制响应。

▍腱绳张力控制

为了补偿腱绳蠕变带来的非线性控制难题,我们设计了腱绳张力传感器,提升腱绳驱动力的控制精度和稳定性,维持长期绳路驱动的一致性和可靠性,实现对指间末端和抓握过程的精细力控。

张力传感器及张力控制系统示意图

▍热预测模型和散热织物

为了解决仿生手手臂上电机密集布局带来的散热难题,除之前分享的仿生汗腺探索外,我们也开展了热预测模型和新型散热织物的研究。

仿生手抓握操作存在大量非周期大电流保持工况,恶劣情况下单手功耗可达100W以上,热预测模型帮助在线监测和预测维持当前操作在未来5-10分钟的温度分布与变化趋势,估算超温剩余时间,提前进行任务调度、降低关节扭矩及调节风扇转速等热管理措施。

我们同步探索了两条热预测模型技术路线。一条从物理机理出发,建立电磁和热降阶模型,通过系统级仿真进行温度预测和状态校准;第二条路线从真实运行数据出发,采用机器学习方法通过状态校准和在线RLS学习持续修正模型参数。目前已经实现预测精度优于3℃。

热预测模型效果展示

小米机器人采用全身包布设计,增加了美观和亲和力的同时也对散热提出了更高要求。我们从高导热材质填充、表面辐射改性、自然吸湿蒸发等多技术路线出发,开展了高性能散热织物的探索。下面是新型散热织物相比常规织物在散热效能上的对比。

散热织物和普通织物效果对比

▍全掌触觉

新一代仿生手继承了前代触觉手套的设计思路,指间/指腹/指根处触觉空间分辨率达1mm,掌心触觉空间分辨率达2mm,实现全掌高密度覆盖,同时具备可更换和易维护性,也有利于开展人手同构的触觉数据采集和分析。下面是带触觉手套的仿生手抓握视频及触觉展示。

带触觉手套抓握展示

03

更多信息

如果您有更好的手和触觉的产品或者方案,

如果您对做更仿生更可靠的仿生手感兴趣,

如果您对手的数据采集和具身应用感兴趣,

或者有仿生手相关的合作意向,欢迎联系我们!

探索物理智能的边界,我们从不止步。欢迎加入,一起在具身智能领域,拥抱未来。

END

跳转微信打开

  •  

工程师的节日能有多精彩?小米技术嘉年华给你答案

小米技术 2026-10-24 10:00 北京

秋意正浓,热情滚烫。在这个属于工程师的十月,由集团技术委员会、集团行政部等多部门共同打造的第六届小米 1024 技术嘉年华如约而至。

今年技术嘉年华以「创造,正在发生」为主题,聚焦每一个正在发生的突破,从芯片到汽车,从算法到架构,从实验室到量产线。年度技术峰会、1024 数字化大会、Poster Show、硬核技术成果展、AI 人格线上互动测试、汽车模拟器挑战赛、嘉年华员工场……系列活动在北京、武汉、南京、上海、深圳等全国多个工区同步展开,为工程师们搭建了技术交流的平台,让每一位小米人都能近距离触摸技术的温度。

01

创造,此刻正在发生

▍年度技术峰会:六大专场接力,技术、人与故事的三重奏

技术为本是小米永不更改的铁律,工程师文化是小米基因里的底色。作为小米工程师们技术对话交流的重磅平台,今年的年度技术峰会迎来全新升级。

硬件、软件、AI、信息技术、汽车、开源六大垂直领域专场落地小米各区域总部,现场设置硬核技术分享、人物故事和大咖对谈三大环节,聚焦高价值硬核议题,挖掘项目背后的决策思考,让技术背后的人和故事更加立体。从硬核技术拆解到一线实战经验,不同领域的技术探索汇聚于此,共同打造一次有深度、有温度的技术人创新聚会。

左右滑动查看更多

▍1024 数字化大会:AI 共生,共创未来

1024 数字化大会始终关注技术如何创造真实价值,今年的数字化大会以「AI 共生」为主题,聚焦 AI 技术在实际业务中的落地实践。AI 正在以前所未有的速度融入我们的工作与生活,从个人助理到数字员工,AI 不再只是回答问题,更开始与我们一起完成任务、创造价值。

一个个来自业务一线的鲜活故事,让我们看见技术从解决具体业务难题,到重塑协作方式、提升管理效率的持续探索。AI 正在一步步走进小米的真实业务现场。AI 的价值,不只是节省了多少时间、提高了多少效率,更在于让工程师有更多精力投入技术创新,让每个人都能借助AI创造过去难以想象的价值。

▍Poster Show:与技术主创面对面

Poster Show 活动今年全面升级,以艺术画展的视觉形式呈现,与产学研硬核技术的主题形成跨界碰撞,让技术之美跃然墙上。围绕顶会论文成果、高校联合研究、前沿预研项目三大板块,项目与论文主创人员亲临现场,面对面拆解技术背后的细节与思考。

在现场火热的氛围里,一张海报就是一个话题入口,主创团队和同学们之间跨团队、跨领域的交流,就在这样轻松开放的氛围里自然发生。现场还特别设置了合作意向收集渠道,为内部合作与校企资源的精准对接搭建了桥梁。

▍硬核技术成果展:核心赛道技术集中亮相

作为本届嘉年华新增的线下展示板块,硬核技术成果展聚焦公司前沿底层技术与落地创新成果,打造了一个沉浸式、可体验、可感知的硬核科技空间,实验室里的“看家本领”如今成了眼前可以近距离感受的展品,吸引了现场的同学们驻足。

本次展览覆盖芯片、AI、OS、汽车、机器人和智能制造等核心方向,背后是小米工程师们对技术创新的不懈追求,呈现了小米“技术为本”的长期坚持与持续迭代之路。

02

好玩,也是正经事

▍AI 协作人格测试:三分钟,测测你的“AI搭子”

AI 时代,人人都有自己的 AI 协作方式。今年嘉年华特别推出了 AI 协作人格测试:12 道趣味题目,从用户视角、创造路径、决策逻辑、协作模式四大维度,三分钟测算出你的专属 AI 协作人格。

每个人格都有专属 Q 版形象、四维倾向分析、核心能力解读,甚至还能匹配你的「互补搭子人格」。北京工区还特别设置了实体 AI 协作人格香片兑换,让每个人独特的 AI 协作人格有了实体纪念。

▍模拟器大赛:每一圈,都在创造

今年的 1024 模拟器大赛把赛道搬进了工区。本次挑战赛的最大看点是人挑战 MARS:MARS 是小米全栈自研的赛道无人驾驶项目,YU7 GT 曾凭其拿下纽北全球首个无人驾驶官方计时圈速。这一次,MARS 被迁移至模拟器,同学们在模拟器上驾驶小米 Vision GT 与不断变强的 AI 竞速。

与此同时,赛事体验也重磅升级,光子赛车正式加入,带来「物理 AI × 远程具身智能」跨域竞速新体验。1:7 真实拉力赛车,实现北京、上海、南京、武汉多城联动、同场竞速。

03

1024,工程师是老大

▍健康嘉年华员工场:好动玩家健康局来袭

今年的嘉年华员工场,好动玩家·快闪能量站同步落地北京、上海、武汉、南京、深圳五大城市 10 个职场,午休时段即可到场打卡体验,解锁实用健康小技巧。

好动镜像站打卡、趣味闯关、健康福利轮番亮相,将体重管理知识寓于互动,让大家在玩乐中收获健康知识。好好工作的同时,也要健康生活。

▍甜蜜派送:1024主题糖霜饼干

今年 1024,小米的节日氛围直接拉满——印有“码上暴富”“吃好睡好,身体棒棒”“工程师是老大”等节日祝福语的定制糖霜饼干从 10 月 20 日起陆续上线,相继亮相北京、南京、武汉、深圳、上海多地技术峰会会场,并覆盖硬核技术成果展、Poster Show等多个展区。活动现场,由小米工程师手搓的两台小机器人为大家派送这份甜蜜惊喜,和同学们一同欢度节日。

1024,不只是一串数字,更是每一位小米技术人共同的节日暗号。从技术分享的思想交锋,到线下活动的欢乐体验,在这场属于工程师的嘉年华上,代码被当作作品,工程师被当作主角,技术背后的努力,被认真地摆到台面上被看见、被记住。

创造,正在发生。嘉年华落幕,但技术创新的探索不会停止,它在每一行被敲下的代码里,在每一次技术的分享讨论里,在每一圈被刷新的圈速里,也在每一位小米工程师身上。

每一位小米技术人,都是这场创造的参与者与见证者,下一场创造,期待与你共同见证。

END

跳转微信打开

  •  

给大模型装上“一双耳朵”:小米开源空间音频理解大模型 MiDashengLM-Spatial

小米技术 2026-10-15 17:22 北京

想象你正穿行在嘈杂的街道上,忽然有人喊你的名字。不必回头,你就可以本能地判断出声音来自哪个方向,还能大致估计出对方离你有多远,然后顺势转身,朝那个方向寻去。

人类听到的并不仅仅是“什么声音”,还包括“声音来自哪里”以及“声源与我处于怎样的空间关系”。双耳接收到的相位差(Interaural Phase Difference, IPD)和响度差(Interaural Level Difference, ILD),以及声波经过头部和耳廓反射、衍射后产生的细微变化,共同帮助我们感知声音的方向、距离和运动状态。

然而,对于机器而言,理解声音背后的空间信息往往受到物理条件的制约,例如麦克风的数量、布局方式和设备形态等。因此,相较于识别语义内容,机器要准确感知声源的位置、距离和运动状态,无疑更具挑战性。

近年来,大语言模型(Large Language Model, LLM)在语音、图像等多模态领域快速发展,空间智能也成为人工智能的重要方向。空间智能,是机器感知、理解和推理三维物理世界的能力,也是实现全场景智能生态的重要基础,为小米“人车家全生态”战略提供了重要技术支撑。但现有主流多模态 LLM 大多只有“一只耳朵”,故无空间听觉能力。

过去两年,小米先后发布并开源了声音基座模型 Xiaomi Dasheng(https://github.com/xiaomi/dasheng)及声音理解大模型 MiDashengLM-7B(https://github.com/xiaomi-research/dasheng-lm)。相关技术已在小米智能家居、汽车座舱等场景实现超过 30 项落地应用,能够对语音、环境声音和音乐进行统一感知与理解。

今天,小米带来 Dasheng 系列的重要新成员——MiDashengLM-Spatial。该模型以 MiDashengLM-7B 为基座,进一步为声音理解大模型赋予“一双耳朵”,使其不仅能够听懂声音的内容,还能感知声音来自何处、如何在空间中分布。据我们所知,MiDashengLM-Spatial 是业界首个开源的端到端空间音频理解大模型,在保留基础音频理解能力的同时,具备空间感知与推理能力,推动音频大模型从“听懂声音”进一步迈向“理解声音所处的空间”。

01

技术核心:为大模型装上"一双耳朵"

▍双分支音频编码器

当前主流多模态大语言模型在声音、语音和音乐理解方面已展现出优异性能,并在部分基准测试中达到甚至超过人类水平。然而,面对多声道音频,这些模型通常将各声道信号在声道维度上进行简单平均,将其转换为单声道输入,因而缺乏对空间信息的建模能力。

与此同时,多声道音频在格式和声道配置上存在较大差异,相关数据规模也远小于单声道音频。这不仅限制了模型的通用性,也使其难以通过统一的数据扩展实现规模化提升。

基于此,我们最终采用双分支音频编码器方案:利用规模远小于原始 MiDashengLM 音频数据(>100 万小时)的双耳音频数据(~1 万小时),在 MiDashengLM 的基础上扩展空间理解能力,同时保持其通用音频理解性能。

Dasheng Semantic Encoder 完整继承 MiDashengLM 的原有音频编码器,其骨干网络基于 Dasheng-Huge (0.6B);Dasheng Spatial Encoder 则采用轻量化的 Dasheng-Base(86M)架构。两条分支结构同源,参数规模不同,分别负责提取音频的语义信息和空间信息。

两条分支通过跨层语义到空间特征注入 (Hierarchical Semantic-to-Spatial Conditioning) 的方式连接:语义分支不同层级的中间特征经映射后,逐层注入空间分支,与其特征进行融合。该连接方式使空间分支充分利用语义信息,增强对复杂空间声学场景中声源的感知、定位与分离能力;同时,单向注入不改变语义分支原有的信息流,从结构上保持模型通用音频理解能力的稳定性。最终,两条分支分别生成音频语义 Token 和空间 Token,并通过特征映射统一融合为完整的音频 Token,供后续语言模型进行音频理解与空间推理。

▍场景级空间数据合成

空间音频理解不仅需要识别语音、环境声和音乐等基础内容,还需要感知声源的绝对位置、声源之间的相对空间关系,以及声源随时间发生的动态变化。因此,空间与时序信息的联合建模至关重要。

尽管公开音频资源十分丰富,且各类声音已得到系统性收集,但现有数据格式复杂多样,并以单声道音频为主,能够支持空间音频理解的数据仍十分稀缺。为此,我们基于头相关传递函数(Head-Related Transfer Function, HRTF)与虚源法(Image Source Method,ISM)模拟不同室内声学环境,合成时长约 1 分钟的双耳音频场景,包含多个静态或动态声源,如下图所示(俯视图)。

每个声源的语义描述继承自原始单声道数据,其空间位置、运动轨迹和时序变化则由参数化合成过程精确记录。基于这些结构化元数据,我们进一步利用 LLM 生成场景级空间音频描述,构建同时覆盖声音内容、时空关系与动态变化的训练数据。

Spatial Caption: The scene begins with a doorbell ringing in front-left of the listener, overlapping with a dog barking as it moves counter-clockwise from the listener’s front-right and below to directly in front and below. Next, a woman statically positioned behind and to the listener’s right asks, “Who is at the door?” Finally, a man moves from the back-left to the front-left of the listener and says, “I’ll take a look.”

02

性能领先:空间能力登顶,基础能力不降

▍空间理解:大幅超越主流开闭源模型

MiDashengLM-Spatial 在空间音频理解方面具备显著优势:

已有研究表明,部分音频理解基准对真实音频能力的要求有限:即使仅依赖语言先验和世界知识,将原始音频替换为高斯噪声,甚至完全屏蔽音频信号,LLM 仍可能取得较高分数。空间音频理解类基准测试也同样发现类似现象,例如,图中所示的单声道音频理解模型(Gemini-3.6-Flash、Qwen3-Omni 和 Moss-Audio)在空间相关任务上的表现均明显高于随机猜测水平。因此我们引入声道轮换(左右声道交换)策略,以进一步检验模型是否真正具备空间听觉能力。

对于双耳音频,声源的左右定位线索通常编码在 IPD 和 ILD 中。若声源位于左侧,交换左右声道后,其空间位置应相应映射到右侧,模型的判断也应随之发生变化。基于该特性,我们选取问答数据中仅涉及左右方向判断的样本,分别评估模型在声道轮换前后的表现,包括预测是否符合空间变化规律,以及交换前后均答对的全正确率(All-Correct Rate)。相比单次问答准确率,该指标能够更有效地检验模型是否真正利用双耳声学线索进行空间理解,而非依赖语言先验或数据偏差作答。

MiDashengLM-Spatial 的空间音频编码器是其空间感知与理解能力的核心。在真实场景声源定位数据集上,该空间音频编码器展现出优异的定位性能,并超越多种专业空间声源定位模型。

▍通用理解:与基座持平,部分基准更优

MiDashengLM-Spatial 在音频问答、语音识别和音频描述等基础音频理解任务上的表现与 MiDashengLM 基本持平,并在部分基准测试中取得更优成绩。

这一优势得益于其双分支音频编码器架构。该架构在模型结构上解耦音频的语义信息与空间信息,在拓展空间理解能力的同时,保持了原有基础的音频理解性能。

03

在线体验:🎧 佩戴耳机

亲耳验证模型空间感知力

以下 4 条双耳音频示例,涵盖方位判断、轨迹追踪、相对位置关系与空间说话人推理,戴上耳机听听模型答得对不对:

Prompt: Which direction are the two boys in <A>: left side <B>: right side <C>: directly ahead

Ground Truth: B: right side

MiDashengLM-Spatial: B: right side

Prompt: What is the motion path of the alarm bell? <A>: From left to right <B>: From right to left <C>: Remains unchanged

Ground Truth: A: From left to right

MiDashengLM-Spatial: A: From left to right

Prompt: Who is more to the left, male or female? <A>: Male <B>: Female <C>: Same position(equally left)

Ground Truth: B: Female

MiDashengLM-Spatial: B: Female

Prompt: Which speaker has children? (A) The mic-holder (B) the person in the right (C) the person in the left

Ground Truth: The mic-holder

MiDashengLM-Spatial: A. The mic-holder

04

全面开源:开放权重与代码,赋能“人车家全生态”

小米拥有丰富而多元的硬件生态,产品在真实物理空间中与用户持续交互,因此不仅需要“听见”声音,更需要感知并理解声音所处的空间。作为小米“人车家全生态”战略的重要技术支撑,MiDashengLM-Spatial 为 LLM 赋予了空间听觉能力,助力提升模型在复杂用户场景中的理解与泛化能力,开启全场景音频理解的新篇章。

在经典的“鸡尾酒会”场景中,模型可以利用不同说话人的空间方位线索,增强复杂声学环境下的语音识别与语义理解能力,提升说话人日志的准确性与鲁棒性;在家庭场景中,模型不仅能够理解家庭成员“说了什么”,还能结合声源的方向与距离判断“用户在哪里”,进而帮助系统调度附近的智能终端就近响应,推动小爱同学从被动接收指令走向主动感知与服务;在自动驾驶场景中,模型可以利用环境声音的方向信息,辅助弥补视觉盲区,及时识别潜在风险,提升车辆主动安全能力;在机器人等场景中,MiDashengLM-Spatial 则进一步补足音频模态的空间智能能力,为机器感知、理解并响应真实三维环境提供新的技术路径。

今天,MiDashengLM-Spatial 正式开源。我们将完整公开模型权重和推理代码,并以 Apache 2.0 许可证发布,诚邀全球开发者、行业伙伴和学术机构将其免费用于商业产品集成或学术研究。同时,该模型也将陆续应用于小米智能家居、汽车座舱等场景,以空间听觉能力进一步提升“人车家全生态”的交互体验。

我们期待与广大开发者和研究者携手,基于 Dasheng 共同推动全场景音频理解的发展。

开源链接:

项目主页:https://jinbo-hu.github.io/midashenglm-spatial-demo/

技术报告:https://arxiv.org/abs/2610.11156

评估代码(GitHub): 

https://github.com/xiaomi-research/midashenglm-spatial

模型结构与权重(HuggingFace):

https://huggingface.co/mispeech/midashenglm-spatial

END

跳转微信打开

  •  

Xiaomi MiMo-V2.6-Pro 如何提升新材料研发的生产力

小米技术 2026-10-14 17:00 北京

今天的大模型在代码、数学、法律、审计等众多领域发挥着不可或缺的作用;而进一步在科学探索和研发场景中提供生产力成为了大模型未来聚焦的重点。

我们想知道 Xiaomi MiMo-V2.6-Pro 能否帮助科学家提升科研效率和研发生产力。小米材料 Core 团队做了一个有意思的尝试——MiMo-V2.6-Pro 能不能提出一些新材料设计的想法,并且端到端地完成计算模拟的“干实验”,从而更好的指导我们是否值得做更加精贵的“湿实验”。

我们选取了一个和大众生活息息相关的话题“水质”,作为 demo case——我们能否用 MiMo-V2.6-Pro 设计一款新材料,用来吸附水中的 PFAS 有害物质。

01

什么是 PFAS

PFAS 是“全氟和多氟烷基物质”的缩写,此类物质非常稳定,在自然界中很难自然降解或代谢,会在生物体内持续累积。一些 PFAS 物质被认为与免疫系统、肝脏、发育和部分癌症风险有关,因此 PFAS 被多个化学品监管组织评定为持久性污染物,对人类健康和环境造成了严重威胁。这些风险已经推动全球监管的收紧:欧盟早已禁限 PFOS、PFOA 等代表性 PFAS,并通过 REACH 体系推进对整类 PFAS 的广泛限制。

PFAS 离我们的生活其实很近,不仅消费电子产品在该领域广泛受到法规及公众的监管,食品、纺织、厨卫、材料等行业也遭遇类似情况:比如果干零食、冲锋衣、不粘锅、胶带等产品在包装和产品上出于“不沾脏污”的目的通常会应用含氟材料,其中或多或少会留存 PFAS,因此相关物质的管控也逐渐成为不少商家的营销策略。PFAS 更是随着全球的水资源循环正在不断扩散中。近年来的一项研究中发现,99%的瓶装水中都含有 PFAS,而通过过滤吸附等操作可以使其含量降低50-90%。所以吸附并去除水体中的 PFAS 是获得安全水质的重要手段。

下图中举例的全氟辛酸(PFOA)是常见的一种 PFAS 分子,通常情况下会利用羧基解离为羧酸根来做吸附的“头部”,其余部分作为尾巴,需要用“笼子”来固定,以实现更好的吸附效果。

全氟辛酸分子结构式

02

用“诺奖材料”

来定点强效捕捉 PFAS

我们选用 MOF(全称“金属有机框架”)——获得2025年诺贝尔化学奖的明星材料,作为 demo 的样例。

可以把 MOF 想成一栋在纳米尺度建成的“多孔公寓”:金属节点是“承重位点”,有机配体分子是连接金属节点的“横梁”和“墙壁”,里面有尺寸规整的“房间”和“通道”。重要的是,“房间墙壁”可以根据需要吸附的目标污染物来“换新”或“装修”——也就是我们可以通过修饰有机配体分子来改变 MOF 材料的吸附特性。这正是 MOF 的独特之处,也是它与传统活性炭等吸附材料很不一样的地方:它不只是有简单的吸附作用,还可以通过分子层面精准设计选择性,来定点强效捕捉 PFAS 这类有害物质。

但这也正是人类专家设计的难处,我们可能要不停地多轮尝试、迭代,有时还会走弯路,有时会失败,最终才可能得到一个相对正确的设计方向。

03

MiMo-V2.6-Pro 如何辅助人类专家

而现在, MiMo-V2.6-Pro 能帮我们人类专家省下很多力气。我们内部的材料专家和 MiMo-V2.6-Pro 进行了多轮 prompt 和对话,来设计一个全新的、能强力吸附 PFAS 的 MOF 材料。MiMo-V2.6-Pro 很好的进行了全网的文献和专利调研、提出假设、保证创新性,并且进入“干实验”——调用开源计算模拟工具、自动搭建计算模拟环境、自动算出 MOF 材料与 PFAS 的结合能力,然后给出较好的候选材料。

具体来说,针对 PFAS 的吸附, MiMo-V2.6-Pro 在 MOF 材料的“房间墙壁”上“装修”正电基团,去吸引带负电的 PFAS 头部,再进一步加入更大更平整的芳香基团“新墙壁”,给 PFAS 的尾巴提供贴合的位置,从而得到了下方的A50 / B50 等新型 MOF 材料。“正电钩子 + 特定孔腔 + 疏水芳香面”的组合,为强力吸附PFAS提供了三重保障;从模拟结果看,相比对照材料C50,新 MOF 材料 A50 和 B50 对 PFAS 的吸附能力比基准对照材料C50要强百万到千万倍。

在整个过程中,我们估算 MiMo-V2.6-Pro 帮助人类专家提升了10倍工作效率,将研发周期从一个月缩短到了2~3天。最后得到的 MOF 候选材料 A50/B50 以及基准对照材料 C50 的结构如下:    

候选材料 A50

候选材料 B50

基准对照材料 C50

我们也邀请了第三方专家对 MiMo-V2.6-Pro 展示的材料科研工作流和给出的新 MOF 材料进行评价:

“

MiMo 此次面向 PFAS 捕获开展的 MOF 材料计算设计,给我留下了深刻印象。面对快速增长的科研文献,即使是长期专注于某一细分领域的科学家,也很难全面掌握相关进展。MiMo 能够快速梳理已有研究,围绕材料专家提出的具体需求设计新的 MOF 体系,并自主开展计算模拟,为设计方案提供理论依据。从文献分析到材料设计,再到计算评估,它在这次任务中展现出的研究能力,我认为已经达到了训练有素的博士研究人员的水平。这些候选材料值得进一步开展实验验证,我也期待 MiMo 在更广泛的材料探索中提出有价值的新思路。

”

——窦锦虎|北京大学材料科学与工程学院特聘研究员、博士生导师,长期从事长晶格周期电子材料研究

“

早上还在看小米 MiMo-V2.6-Pro 公开训练的新闻,晚上就看到它的内部预览版已在专家引导下完成了一项 MOF 材料计算设计工作,让我十分震惊。这项工作的难点不只是调用计算软件,而是将设计构想转化为化学上合理的结构模型——金属与配体如何连接、配位几何与空间排布是否合理,都需要化学乃至空间几何的判断。MiMo-V2.6-Pro 将文献调研、结构设计与计算评估连接起来,展现了从‘提供建议’走向‘参与研究’的潜力。这是大模型转化为科研生产力的可喜一步,也让我更加期待后续的实验验证。

”

——汪骋 | 厦门大学化学化工学院教授、美国化学会 Inorganic Chemistry 期刊副主编、厦门元镀数字科技有限公司联合创始人,长期从事 MOF 材料及 AI for Electrochemistry 方向研究

END

跳转微信打开

  •  
❌