与以往行业热衷展示的跑跳、空翻等动作不同，小米选择将“铁大”直接应用于汽车工厂的生产线。在压铸车间，机器人需要完成从送钉机取件、识别螺母姿态、克服磁吸干扰到精准拧入的完整流程。数据显示，新一代“铁大”双侧作业成功率已从3月的90%提升至7月的98%，与熟练工人的99%合格率仅差1个百分点，预计年底可达到99%。
小米机器人事业部总经理向迪昀透露，公司早在2021年就立项人形机器人项目，但此后两年在技术路线上经历调整。他表示，雷军曾多次追问“机器人到底能干什么”，促使团队放弃单纯追求运动性能的技术展示，转向解决实际工业场景需求。2024年，小米一款50公斤的机器人虽已实现每小时12-13公里的奔跑速度，但雷军认为这缺乏实际用户价值。
在效率提升方面，机器人面临显著挑战。对于3-5秒的短任务，其效率可达人工的70%-100%；但任务时长延长至30秒以上时，效率会骤降至60%以下，长任务甚至可能低于30%。向迪昀将此比作大模型的长上下文推理问题，指出模型化后的问题定位困难——无论是数据补充、架构调整还是训练策略分配，均无明确解决方案。
小米的研发策略聚焦于工业自动化难以覆盖的领域。向迪昀称，团队会避开传统工业自动化已实现的场景，转而攻克“人在做、有复杂SOP、需要协同、具备柔性”的环节。目前，除螺母工站外，其他线边工站作业成功率达90%即可上岗，考核重点转向单位时间内的作业量，如每小时叠箱数量。
在“大脑”研发层面，小米今年动作频繁。2月开源47亿参数的VLA模型Xiaomi-Robotics-0，可在消费级显卡上实时推理；7月发布380亿参数的多模态具身生成模型Xiaomi-Robotics-U0并全量开源。数据策略上，小米采用多源融合路线，10B规模模型训练中使用了约10万小时UniMi真机数据和1万小时遥操数据，同时结合互联网视频与仿真数据。
硬件设计方面，新一代“铁大”的关节布局充分参考工厂实际需求。小米拉取2000多个岗位数据，确保运动空间覆盖绝大多数作业场景。向迪昀强调，设计标准以“人做广播体操能触及的范围”为基准，而非实验室的极限参数。他认为，大厂在工程化能力上具有优势，例如今年马拉松参赛机器人中近半数需背负液冷罐，而大厂能更高效地实现技术到产品的转化。
对于落地场景，小米规划了清晰的路径：先聚焦智能制造，再拓展至商业服务，最后进入家庭场景。向迪昀坦言，家庭场景短期内难以实现，瓶颈主要在于AI能力不足。他预计，家庭机器人将先在小米青年公寓等半封闭场景验证，直接进入C端家庭的时间可能更长。目前，小米内部已形成协同效应——AI能力来自集团大模型团队，机械工程依托汽车产业，感知传感器则来自消费电子业务，而3万多家小米之家门店成为重要的测试场地。
