以下文章来源于小米澎湃OS：

时隔一年，小米澎湃OS 4 Beta版要与大家见面了！

去年同期，我们发布了小米澎湃OS 3，目标是把体验做「顺」。今年的小米澎湃OS 4，则希望完成三大升级：

• 一气呵成，流畅到底的基础体验。不止稳定顺畅，体感也丝滑流畅，任何事都能一口气轻松做完。

• 一气呵成，直达所需的功能升级。不仅好看好用，跨设备也轻松方便。

• 一气呵成，与你协作的全生态AI。持续探索全生态AI，让AI可以跨应用、跨设备，将你的需求一口气做完，让生活松一口气。

当然，Beta阶段的小米澎湃OS 4仍在持续优化过程中，我们希望借助广大米粉的支持与反馈，细致打磨体验，为正式版的到来做好准备。因此，小米澎湃OS 4 Beta版的首批机型招募，将于今日11点在小米社区正式开启。欢迎感兴趣的米粉朋友，加入「澎湃同行计划」，一起创造「就这么一气呵成」的澎湃体验。所有新升级的特性，将在Beta版期间逐步合入，并逐步开放更多机型。

接下来，本文将从基础体验、美学与功能体验、AI等几个方面，介绍这次的升级亮点。

01

一气呵成，流畅到底的基础体验

任何操作，都能流畅做完

小米澎湃OS历经三代，完成了系统内核从重构到精修的完整进化。初代通过统一的融合架构，实现了人车家全生态技术栈统一；此后两年深入微架构级调度与编译优化，系统能效大幅跃升。

而今年，我们的目标是在稳定顺畅的基础上，让用户的体感也时刻丝滑流畅。因此，我们继续深入“指令”和“内存”的优化，并针对原生应用层长期存在的「固定性能开销」进行改造与迁移，提升应用运行效率。最终，我们带来三大技术突破，使系统流畅度实现长足进步。即便引入全新动效与更复杂的图形渲染，依然能保持稳定的性能供给，日常使用中的掉帧与发热也大幅减少，操作响应一气呵成，体感流畅到底。

▍小米澎湃系统内核技术升级，系统负载一口气降下来

今年，Xiaomi HyperCore小米澎湃系统内核带来两项核心技术：负载精算、内存预载。分别针对计算密集型与访存密集型任务，实现负载层面的全面优化。

负载精算

负载评估，是系统优化领域量化分析特定场景系统负载的手段之一。可模拟用户使用场景，像拍X光一样看到每个线程执行指令时的负载情况，发现功耗问题并逐一攻破。

今年，我们全面升级了负载评估模型，直接拿任务执行最底层的「指令数」作为核心考核指标，针对168个日常高频场景进行逐一分析，精准定位异常任务负载问题并针对性解决。

以常见的「相机拍照」为例，我们可以精准实现五层指令数的精准拆解与优化：

整个过程就像病人手术前的一次全面健康检查，先深入用户核心场景，通过「负载精算」精准定位高功耗任务进程，并进行全链路的问题拆解，「手术刀级」剔除系统运行时产生的冗余指令、异常内存占用、服务拉起等问题，实现能效全面提升。

最终，我们实现了168个高频场景系统指令数的全面下降。通过负载的下降，让系统资源对用户需求的响应供给得到大幅提升。

• 总指令数下降14.4%

• 一方应用场景指令数下降17.1%

• 三方应用场景指令数下降13.3%

内存预载

如果数据没有及时到位，即使保障了计算资源的供给，系统也只能干等。非重载场景下，用户日常遇到的偶现掉帧大多源自内存的供给不及时。因此，针对访存密集型任务，还需要优化数据搬运链路。

我们都知道，在设备持续使用后，内存会逐渐“碎片化”。过去传统的做法是，边调用，边整理，而等待整理的过程就会造成掉帧卡顿。在小米澎湃OS 4上，我们首次引入「内存预载」技术，能「记忆」应用每次启动的内存用量，前置完成内存碎片整理，按需且即时提供性能供给。

继续以相机举例。用户启动相机时，系统会主动预留好取景框预览、前后摄切换所需内存，用户点击对应功能，即可快速供给，有备无患。经实测，同样使用Xiaomi 15 Pro机型，相比OS3，小米澎湃OS 4在连续8小时使用后，可用内存提升27.2%。

▍小米澎湃OS应用运行环境，让系统应用运行更高效，体验更流畅

为了保证生态兼容性，原生系统对所有应用进程采用统一的资源分配方式——无论是渲染完整界面，还是只在后台读一条消息，都要加载同一套完整的运行环境，独占10～20MB内存。单个进程看似开销不大，但一台手机开机后通常会运行超过100个应用进程，累积起来就是一笔不可忽视的资源浪费。

小米澎湃OS应用运行环境，正是为解决这一问题而从零构建的自研方案。它面向一方应用，针对前台与后台两种场景提供两条运行路径：

• 「状态驱动UI运行路径」采用100%全机器码执行，运行效率优于原生；

• 「能力按需启用运行路径」则完全绕开原生运行环境的固定开销，同时保留系统应用所需的全部基础能力。

▍改造一方应用，带来丝滑流畅的操作体验

小米澎湃OS 4已完成桌面、天气、相册三个应用的迁移。迁移的本质，是用更高效的编程语言对应用代码进行完全重写——这不仅意味着代码层面的工作量，还需要从零搭建架构设计、系统框架、开发工具、调试设施与自动化测试在内的一整套工程体系，并通过 100% 兼容性验证。最终成果不止于内存收益：新语言从根本上规避了原生垃圾回收机制带来的瞬时卡顿，让应用使用更流畅。

系统桌面

系统桌面，是用户最高频使用的应用。通过新应用环境对负载的极大降低，在使用9小时后，连续30个应用启动时长也大幅下降17.5%*，同时桌面开关横屏应用、挂起横屏小窗、横竖屏窗口旋转、横竖屏应用切换等场景，动效依然丝滑流畅，让操控感受始终一气呵成。 

*数据来自小米实验室，使用Xiaomi 17 Ultra机型模拟用户使用 9 小时后逐个启动 TOP 30 热门应用，统计冷启动 + 热启动的总耗时，重复多次取平均值

相册

通过对相册的改造，我们实现万张照片扫描时间缩短90%，CPU资源占用降低28%，内存占用降低32%。在浏览缩略图时，即使快速滑动，也能瞬间加载无白块。

在负载精算、内存预载、自研应用运行环境三重新技术的加持下，即使长时间重载使用，丢帧数依然大幅下降28.9%，动态DOU续航模型测试结果提升0.26小时，让小米澎湃OS 4真正做到「一气呵成，流畅到底」。

02

一气呵成，直达所需的功能体验

不止好看好用，跨设备操作也轻松方便

在系统负载大幅降低，流畅度大幅提升的情况下，我们得以实现更有温度的生命感美学。同时，通过应用的易用性改造，在系统应用、生态互联方面的体验也大幅提升，让你一气呵成，直达所需。

▍生命感美学：打造有温度的「光」与「空间」

生命感美学，是小米澎湃OS的长期设计理念，我们相信技术越进步，产品体验应当更有温度、更具情感。过去三年，我们持续探索更自然、生动、精致的美学表现。在小米澎湃OS 4上，伴随能力与技术的突破，我们从「材质」「光影」「空间」三个方面，寻找新的表达。

新材质：「柔光玻璃」

这次，我们带来了新的材质「柔光玻璃」。它不仅能感知环境颜色，呈现更细腻的视觉质感，同时能感知内容属性，自适应通透度，提供最佳可读性。

同时，它还可以感知交互行为，用灵动的光效，生动响应你的操作。

*因硬件性能限制，「柔光玻璃」材质、交互光效等，将适配：

搭载骁龙8至尊版移动平台及以上的手机和平板产品

搭载天玑9500旗舰移动平台及以上的手机产品

搭载玄戒O1 3nm旗舰处理器及以上的手机产品

新锁屏：在新材质的加持下，一站式调节，一口气完成个性化设置

新桌面：新材质带来更丰富的桌面元素，同时支持小部件堆叠、文件夹自由调节

支持小部件堆叠，让你像翻杂志一样切换小部件，桌面通过小部件堆叠使用，最大化利用桌面显示空间，避免挤占过多空间，进一步拓展桌面个性化操作的便捷性。同时，文件夹可以在1×1、1×2、2×1、2×2和4×2间无缝拖拽变形，实现更高效、便捷的调节方式。

一方应用布局优化，让内容浏览更沉浸，功能层级更清晰。同时，采用了柔性的悬浮框架，无论在什么比例的设备上使用，应用布局都针对手持场景做了优化。小屏顺手、大屏高效，多设备体验统一连贯。

▍系统应用升级，让更方便的体验一气呵成

进入 AI 时代，系统应用不再只是单独使用的工具，而是用户沉淀信息、表达想法、沟通协作的第一入口。真正好用的 AI，不只是在某个软件里做简单问答，它能记住之前聊过的内容，理解你的一系列新想法，它能进入你的日常生活，主动帮你整理内容，组织沟通，一步步协助你把事情办好。

伴随着超级小爱全面升级，小米澎湃OS 4对用户最常使用的系统应用进行重构，将智能能力渗透到手机日常操作的方方面面。

全新「AI 语音笔记」

在会议中、会后复盘、出行等碎片场景里，用最自然的说话方式去捕捉灵感。通过与小爱的持续对话，将模糊想法逐步变得更加清晰，将零散表达沉淀为结构化的笔记、待办、纪要、思维导图和个人知识。

全新「超级小爱输入法」

深度融合大模型，更懂你使用时的每一次表达，用语音说出想法，输入法即可理解语义、整理措辞，生成适合当前场景的结构化文字，让每一次输入都从“打得更快”到“表达得更好”。

更多系统应用改造，持续构建一气呵成的方便体验

• 录音机：识别会议场景，提炼会议核心要点。同时，可自动生成大纲、快速回溯、添加标记点。回放时，可选择直接跳过静音内容，更加高效。

• AI通话*：更强大的小爱对话能力，从容应对各类场景；可针对外卖、快递来电，基于习惯给出回复建议，并支持一段时间内设置的自动接听。

• 小米双持：不同网情况下，支持来电、短信验证码流转。

• 系统安全控件：现已适配超 100 款的三方应用，同时照片控件支持内容搜索查找，更加便捷。

* 该功能将于后续跟随小米澎湃OS 4 Beta版OTA升级陆续推送，敬请期待

▍全新「融合设备中心」，一口气管好所有设备

早期融合设备中心，以“视觉更突出的形式”展示设备，随着用户接入设备不断增多，不规则的排序与卡片形态，造成操作不够便捷。今年我们用卡片式设计革新了融合设备中心的主页面，有清晰的设备分区，帮助用户更快定位到想控制的设备。

有超多设备的用户，可将常用设备和场景一键置顶在首页。

03

一气呵成，与你协作的「超级小爱2.0」

一口气把事办了，让生活松一口气

▍基于Xiaomi MiMo自研模型与AI化改造，超级小爱全面升级

2017年起，小米开始布局 AI，九年时间，一步一个脚印。同时，我们在AI硬核科技上持续投入，发布了Xiaomi MiMo模型。

如今，Xiaomi MiMo - V2.5系列发布，成为面向Agent时代的模型基座。在OpenRouter榜单上，Token调用量月榜全球第一，Tool Calls调用量周榜全球第四*。

*数据截至2026年8月6日

今天，我们基于Xiaomi MiMo自研模型，与OS的AI化改造，使「超级小爱」全面升级为「超级小爱2.0」。

▍新交互：上岛 + 灵感球，让交互更精准便利

「超级小爱2.0」采用全新悬浮态界面呈现。过去，当你使用超级小爱时，如果退出，就无法看到AI工作的实时进展。现在，随着AI能力越发强大，任务时间也在不断提升。因此，我们将超级小爱2.0的任务状态，在小米超级岛上显示。当小爱思考时，你可以接着操作手机，不影响你做其他的事情。运行状态会在岛上实时显示，并在任务完成后自动展开结果。

同时，我们设计了独特的「灵感球」，你指哪里，小爱就看哪里，将过去需要唤醒识屏 - 圈选 - 再说指令的繁复交互简化，让超级小爱2.0可以同时实现语音输入指令 + 精准屏幕理解。比如，拍照修图时，可以对图片细节进行精准处理；在界面拥有多个日程、地址信息时，也可以准确选择你要的那个，预订日历，或者发起导航。

同时，在今年上半年我们基于用户反馈，实现“三指上滑记忆”。本次，超级小爱2.0会在此基础上，支持识别上岛，取餐码、取件码、排队码、寄存码、退货码，都可以轻松上滑，就在小米超级岛/锁屏界面查看。

*超级小爱2.0「灵感球」、三指上滑记忆识别码上岛功能，将于后续跟随小米澎湃OS 4 Beta版OTA升级陆续推送，敬请期待

▍强大的「专家模式」，跨应用、跨设备任务也一气呵成

当前，AI助手的边界正在被重新定义，它逐渐从一个「听得懂」的对话框，变成了一个「做得到」的协作者。全新超级小爱「专家模式」，具备强大的应用调度与编排能力，一句话即可实现重复任务定时做，更精通处理复杂任务。一句话说出需求，小爱会自思考、自规划、自调用、自执行，让你离「一个指令、直接交付」的AI体验更进一步。

强大任务编排能力，跨应用完成复杂任务

以前，任务的步骤需要用户自己规划，有时候步骤复杂。比如，当你有张身份证照片存在手机里，想用的时候，需要自己打开相册，滑动搜索，再找出来。现在，你只需要告诉超级小爱2.0，它可以自主规划，并完成以上动作，你只需要稍加等待，就可以一气呵成直达结果。

同时，超级小爱2.0「专家模式」全面接入了操作系统应用的能力，让你无论是想找一张照片，还是汇总短信里的取件码、总结录音待办还是安排日程，它都可以在相册、笔记、录音、日历等一方应用里，帮你完成系统操作。此外，我们还接入了包括支付宝、高德等10余家三方开发者服务，与更多服务生态一起，探索AI执行能力的进一步优化。

此外，在过去，超级小爱只是一次性的完成你说的任务。现在，有些需要重复做的事情，说一次，超级小爱2.0就可以一口气规律执行，你只需轻松等待结果。

跨设备任务，超级小爱2.0一口气搞定

作为全生态专属AI助手，超级小爱2.0可以轻松实现跨生态、跨场景、跨设备联动协作，在不同设备间，实现任务的无缝接力。对一些自动化场景来说，过去，我们需要手动设置复杂的自动化步骤，而现在，无需提前设置，只要说出需求，超级小爱2.0的「专家模式」就可以一句话完成自动化场景的设置与执行。

比如，出门前一句话完成备车。

或者晚上想看个电影，一句话进入沉浸的观影模式。

强大的内容生成能力，手机秒变“随身电脑”

除了任务编排能力外，此次超级小爱2.0还新增了「云端办公套件」。过去在手机上难以完成的内容生成工作，比如深度研究、PPT制作、网页生成、视频生成等，现在超级小爱2.0都可以搞定。

比如，当你想做一份研究报告，超级小爱2.0会搜索记忆、笔记中过往沉淀的内容，汇聚成高质量的研究报告，还可以生成精美PPT。甚至想给小朋友科普一些科学知识，不好解释的时候，可以让小爱生成一个可在手机浏览器打开，还可以进行交互的网页，直观好懂，一气呵成。

*超级小爱2.0「专家模式」部分能力，将于后续跟随Xiaomi HyperOS 4 Beta版OTA升级陆续推送，敬请期待

▍全生态覆盖，Mac / 三方PC也能用超级小爱2.0

「超级小爱2.0」当然不只在手机中。现在，「小米互联服务」APP更新后，即使是Mac、或者三方Windows电脑，也可以调用超级小爱2.0的专家模式，将你最重要的两个世界连接起来：手机和平板装着流动的生活，电脑扛着高效的生产力，让「一个小爱，处处都在」。

在电脑上让小爱研究的任务，即使出去午餐，也可以用手机继续聊天调整。甚至，在电脑未休眠状态下，你可以使用手机端的超级小爱2.0，搜索电脑内的文件，并直接传输到手机中。从此，出门在外再也不怕忘记重要文件了。

▍你的隐私信息，一口气全为你保护好

安全与隐私始终是小米澎湃OS的底线，在设计之初，超级小爱就把隐私可控作为基本原则。为此，我们构建多层隐私安全防御体系，让小爱处理任务的每一步都安心可靠。

首先，我们构建了小米端云隐私计算系统，保障用户数据仅用于执行任务，你的信息只有你知道。同时，在交互方面，锁屏时，超级小爱2.0不会回答个人隐私相关问题。如果需要查看记忆，可以设置指纹识别，只有本人指纹验证后方可查看。

在权限方面，超级小爱2.0控制应用、访问数据，可以在设置中统一授权管理。在进行涉及修改、删除、外发数据时，会弹窗向用户确认后再进行操作。同时，记忆内容可管理，可遗忘，你不让小爱知道的，它就绝不知道。

04

加入「澎湃同行计划」，打造一气呵成的澎湃体验

小米澎湃OS 4，是我们在用户体验与全生态 AI 方向的一次全新探索。本文介绍的所有新功能，将在 Beta 期间分批推送，Beta 招募已在小米社区正式开启，首批适配多款机型。后续我们也会根据测试进度，陆续拓展更多适配机型。

我们始终相信，好的体验是和用户一起打磨出来的，「澎湃同行计划」已在小米社区正式开启，欢迎各位米粉报名参与，和我们一起，打造「做什么都一气呵成」的澎湃体验。

阅读原文

跳转微信打开

以下文章来源于：雷军

和大家分享一些有关小米、金山的信息，和我个人的一些见闻。

智能可变大空间SUV。

今天，我们举办小米汽车技术发布会，正式发布全新小米昆仑技术架构，包括小米昆仑平台、小米昆仑超级增程、小米昆仑全域安全。基于这一全新架构，推出小米澎程系列增程SUV。

01

造车五年

大家还记得吗？2023年12月28日，小米汽车第一次和大家见面。那是小米汽车历史上第一次技术发布会，我讲了三个小时，发布会上，我们完整讲述了小米造车的使命、愿景和目标。当时，有的人相信，有的人质疑，更多的人在看。一转眼，两年半已经过去；距离我们宣布造车，也有五年多时间了。和大家一起回顾下，这五年我们走过的路。

目标

先说目标。第一次技术发布会上，我说，我们造车的目标，就是打造媲美保时捷和特斯拉的梦想之车，做好看、好开、舒适、安全的移动智能空间。

两年半，结果如何？发布了两款车，SU7 和 YU7，这两款车都成了爆品，并且累计交付70多万辆；权威机构 J.D.Power 的车主调研报告，对产品力和质量给了很高的评价。在德国纽北赛道上，我们屡创佳绩，赢得了全球的认可。这份成绩，靠的不是运气，靠的是团队团结一心、死磕到底。

技术

从底层核心技术出发，十倍投入，认认真真造一辆好车。

这五年，我们在核心技术上取得了一系列突破：小米摩德纳纯电平台、V8S电机、9100吨大压铸、2200MPa超强钢、Xiaomi HAD辅助驾驶系统，还有领先的小米汽车超级工厂等等。每一项，都是硬功夫。

安全

最重要的是，安全。第一次技术发布会上，我就明确讲了我们的原则，“安全是基础、安全是前提、安全高于一切”。这两年半，SU7 和 YU7 在 C-NCAP、中保研等权威机构的评测中，表现非常出色。

做同档最安全的车，是小米汽车永不止步的追求。

这份答卷，沉甸甸的，是我们团队所有人用五年的青春热血交出的，但造车这条路，从来不是只有鲜花和掌声，我们经历过新车成功后的狂喜，经历过无数次被质疑、被误解、被抹黑后的委屈，也经历过销量下滑时的彻夜难眠。

但五年后的今天，所有的起伏都汇聚成两个字——勇气！

无悔当年的选择，无悔每一次较真，无悔每一个不眠的夜晚。因为青春无悔，因为梦想值得！

今天是小米造车的第二场技术发布会，我们的心，依然和当年一样热烈，我们将在新的赛道上，打开一扇新的门。在这里，特别感谢所有支持和关心小米的朋友们。大家的支持，对我们弥足珍贵。

02

为什么造一辆大SUV？

这五年，一直有朋友在问：小米什么时候造一辆大SUV？

市面上，9系大SUV并不少，“冰箱彩电大沙发”已是寻常配置。我们找了很多9系车主仔细聊，他们说车不是“不够大”，而是有各种槽点。

一家人出门，三口之家加上双方父母，或者，二娃家庭带上亲戚朋友，六座就不够了，想要大七座。

坐满人后，问题才真正开始：后备厢很难装下六七人的行李；二排零重力座椅，看起来很好，躺下来才发现，经常会踢到前面的座椅；第三排，进出不太方便，坐得不舒服。

问题出在哪？

我们架构师研究后告诉我：如果把一辆大空间车比喻成一个房子，这类车不是“不够大”，而是“格局不好”。

看似通透，但内部其实有两层台阶，把有限的“舱内空间”隔成三段。

于是，三排只能固定，二排座椅挪动范围很有限，座椅怎么摆都不舒服。三排还被两侧的轮包挤占了大量空间。

假如车内是“格局方正的大平层”，空间可以自由布置，座椅想怎么摆就怎么摆，想怎么挪就怎么挪，空间就有了无限想象的可能。

所以，我们想设计的，就是“可移动的房子”。出行，能轻松带上家人、朋友和行李，确保每一位乘员都有足够宽裕舒适的乘坐体验；驻车，能变成一个人的工作室、两个人的咖啡馆，三个人的会客厅，或全家人的游乐场。

很多朋友问，这不就是房车吗？是的，我们就是想造一辆这样的车，既有SUV外观、驾驶性和通过性，又有类似房车的空间和布置的灵活性。基于这样的思考，我们花了三年半时间，打造了一套全新平台架构——小米昆仑技术架构。

03

小米昆仑技术架构

小米昆仑平台，把智能可变大空间做好

纯平地板

小米昆仑平台的第一个核心设计，就是前后贯穿的纯平地板。

在MPV上做纯平地板，并不少见。MPV车身较高、离地间隙较低，地板厚度充裕，留给设计的自由度相对更大。但在增程SUV上做纯平地板，难度非常高。

我们围绕“纯平地板和空间”专门开发这套全新的平台。

为了把宝贵的垂向空间更多留给乘员舱，我们从后地板开始压缩高度。

留给地板下面的结构与系统布置的垂向高度，极其有限。就在这有限空间里，要塞下地板横梁、电池包、油箱、排气系统、后电驱、悬挂和底部防护等关键部件。

更难的是，在实现纯平地板的同时，要兼顾SUV的通过性、大电池容量、大油箱、碰撞安全，以及车身扭转刚度和强度等关键属性。

工程难点非常多，简单讲其中最关键的几个设计。

第一，后电驱优化，采用高集成度的同轴电驱，电控系统前置，让电驱位置的地板厚度降低了145mm，第三排地板台阶也随之做平。

第二，电池包纯平设计，把电池包控制模块从顶部挪到前、后部，让该处地板的厚度降低180mm，第二排的地板也得以做平。

第三，做大量空间优化，才能在电池和电驱之间挤下60L超大油箱，合理利用每一寸空间。

最终，我们把地板全部整平，而且厚度仅298mm，成功实现了从驾驶舱贯穿至后备厢的纯平地板，长达2.9米，地板角度仅2.95°，接近水平。

相比同尺寸SUV，地板厚度减少多达200mm，乘员舱内也因此有了更多的垂直高度。特别说明一下，我们没有降低下车体的结构强度，大家不用担心。

方正格局

方正格局，同样也是SUV中罕见的设计。我们重点优化了后轮包的设计，这个区域包含了轮胎、悬架摆臂、弹簧、减振器、空调风道等部件，布置极为紧凑。

为此，我们做了三件事：

（一）将弹簧和减振器采用分离设计；

（二）是重新设计减振器角度，让它占用更小的车内空间；

（三）是采用集成式的H臂连杆悬架，结构强度超高，空间占用更少；同时空调风道贴合车身设计，不浪费一寸空间。

这些优化大幅降低了后轮包对舱内空间的影响，让车内格局十分方正，舱内可用面积最高可达4.4平方米。对比友商的9系旗舰车型，相似的外观尺寸下，我们的空间更大、更规整。

超长滑轨

超长滑轨，空间可拓展。配备6根长滑轨，最长可达1.9米。

基于这套滑轨，可以轻松布置出 2+2+3 大七座布局，解决很多9系车主痛点。

座椅极致后移时，二排乘坐空间最大可达1.55米，乘客可以把腿伸直，是妥妥的商务舱体验。

座椅极致前移时，后备厢容积可达1831L，储物能力惊人。

超长滑轨拥有丰富的拓展能力，能够拓展桌子、大床等。车可以像房子一样装修、布置家具，当然，必须符合安全规范。

座椅滑轨经过15000次循环测试后无松动，安全可靠；采用7系加强航空铝材质，锁止强度54000N，剥离强度57000N。

小米昆仑超级增程

我们希望打造同档最好的增程SUV体验，能够做到：日常通勤用纯电一周一充，极限情况下用油兜底，彻底告别充电焦虑。

大电池增程

大电池增程方案，我们做过小米车主的调研，用户一周行驶里程，70%的人不超过400km；工作日5天，75%的人不超过300km。

因此，我们研发了两款增程专用电池包，分别是52度磷酸铁锂电池和76度三元锂电池。

小米澎程系列CLTC纯电续航最高达505km。

N70 Max CLTC纯电续航505km。

N90 Max CLTC纯电续航464km，表现也相当出色。

双电机四驱

动力上采用双电机四驱：前驱动电机最大峰值功率210kW；后电驱采用高集成度的同轴电驱，后驱动电机峰值功率100kW。

前驱动电机应用了小米超级电机技术，采用SiC模块、分段环氧磁钢、0.2mm超薄硅钢片等技术，前电驱效率提升了2.65%，最高效率达到了95.77%，相当于纯电续航提升了27km。

整车也做了大量能耗优化，百公里最低CLTC电耗15.85kWh，媲美同级纯电SUV。这就是大电池增程带来的全新体验。

小米澎程 N90 Max 的WLTC亏电油耗仅6.26L/100km。

小米澎程 N70 Pro 作为大五座四驱增程SUV，亏电油耗仅5.7升/百公里。小米澎程 N90 Max 的CLTC综合续航最高达到1705km。

增程器首保后，3年或者增程器运行3万公里保养1次；支持92、95、98号汽油，日常使用成本更省。

增程器

如此出色的表现，离不开小米定制的1.5T增程器。

我们在成熟技术基础上，进行了全维度深度优化：热效率提升1.5%，实车热效率达42%，整车百公里油耗降低0.2L。

我们对占整机成本接近50%的7个核心零部件进行重点开发，整机200多个零部件中，重新优化设计的就有57个。

这不是公版方案，这是一台东安动力为小米深度定制的增程器。

小米昆仑全域安全，安全高于一切

铠甲笼式车身结构

铠甲笼式车身结构，车身高强度钢和铝合金占比达到90.4%，16处关键位置采用2200MPa超强钢增强，包括“内嵌式防滚架”、车门防撞梁等关键结构。

其中“内嵌式防滚架”由2200MPa小米超强钢热气胀管打造，从A柱延伸至C柱，长达2.5米，最大顶压载荷将近14吨。

一体式热成型门环

一体式热成型门环，覆盖ABCD柱，在4个关键部位用2200MPa超强钢增强，大幅提升侧碰防护能力。

乘员舱前地板骨架同样采用一体式热成型工艺，整体采用2000MPa材料，再用2200MPa超强钢加强，提升了地板强度，让正碰乘员生存空间提升9%，侧柱碰乘员生存空间提升10%。

碰撞标准

我们的全向碰撞标准，均超过行业通用的严苛标准：

正碰，C-NCAP要求56km/h，小米要求64km/h；正面25％偏置碰，中保研要求64km/h，小米要求72km/h；

侧面碰，C-NCAP要求60km/h，小米要求70km/h；

最关键的后部碰撞，新国标是50km/h，美标是80km/h，小米能做到扛92km/h，碰撞能量比美标也提高32.3%。

一起看看碰撞测试视频：

小米龙甲电池体系

我们高度重视电池安全，电池研发团队有230多人，自建电池包工厂，并拥有70多万辆纯电车的安全管控经验。

今天我们正式推出小米龙甲电池体系——这是小米汽车主导的动力电池系统化解决方案，小米负责产品定义，小米主导电池包的设计开发、小米参与电芯的设计开发、小米负责全流程质量管控。

小米龙甲电池的安全标准远超国标。

小米龙甲电池，针对增程车特点，优化电芯材料、电池结构和生产工艺。电池包模拟30万公里耐久测试，全程快充和高速行驶的场景，耐久性能表现非常优异。

防刮底：采用高强高韧复合材料底护板，上下都是4层网状编织的高强度纤维复合材料，中间还有一层高强高韧不锈钢。

底部撞击能量我们要求能扛住500J的冲击，抗撞击能力远超新国标。测试撞击头直径25mm，球头小，压强大；撞击后，国标要求不泄露、不起火、不爆炸，小米标准高很多，要求电池包还能保持功能完整性。

热安全：小米要求，在55℃高温满电极端条件下，单电芯热失控，依然能做到无热蔓延、不起火、不爆炸。

整体拥有18层硬核结构安全防护，实现全方位保护。

在质量管控体系上，我们有三重保障：

第一是 “影子工厂” 穿透式管理体系，质量团队常驻生产一线，每个模块都有小米专家深度管控；

第二是全流程穿透式质检，覆盖X-ray全检、CT检测和 AI质检等环节；

第三是为每一颗电芯配备专属“电子身份证”，全量存档，随时可溯源。

这就是小米昆仑技术架构的三大核心技术，包含了非常多领先技术与体验升级，核心零部件全部来自国内、国际优秀供应商，品质非常出色。

外观设计

小米澎程，定位智能可变大空间SUV。它不是简单的家庭车、商务车或者露营车，不是只为“奶爸宝妈”而造的，也不只是为“商务精英”造的。小米澎程，是为那些活得明白、过得丰富的人而造的大空间之车。

小米澎程 N90 Max 是一款大七座旗舰增程SUV，整车车长5285mm，车宽1998mm，车高1825mm，轴距达到3080mm，在空间布局上有着自己独特的思考。

澎程设计理念非常明确：为空间而生。整车车身形态大气稳重，车身上的每一条线、每一个面，都是从内部的空间需求里“撑”出来的；为此我们还特意选择了短前悬、长后悬的车身比例。

车顶采用微弧曲线设计，既能保证第三排的头部空间，又能兼顾后备厢的储物能力。SUV方盒子造型，假如设计不好，很容易看起来臃肿笨重。

车身姿态

车身首尾贯通的长直肩线，让车身姿态昂首挺胸、挺拔有力；下裙线将视觉重心上移，消除了视觉上的垂坠感，让整车显得非常轻盈。

侧面车身、紧致饱满，没有多余的装饰，精致而舒展。

整车造型方正但转角圆润，传递出沉稳中的亲和感。而且风阻系数仅Cd 0.255，也是这类车型表现最好的之一。

车辆标配21英寸轮毂，饱满的车身之下，是大轮毂扎实有力的支撑。全系都是普利司通静音轮胎，前窄后宽，前255mm、后265mm。

家族化设计

家族化设计语言有了全新的演绎。蜻蜓大灯延续了经典的十字造型，同时增加了两组日行灯，形态如同蜻蜓展翼，轻盈而有张力；其远光照射距离最远可达624米，超越大多数激光大灯，近光则拥有最宽180°的超广角，大幅提升了夜间驾驶的安全感。

前格栅饰板采用车身同色设计，并提供多种风格可选：

银色拉丝铝板质感高级；

锖灰色拉丝铝板风格更显沉稳；

金色拉丝铝板能够彰显格调；

镂空熏黑风格则能让车辆瞬间化身硬核越野SUV。

贯穿式立体光环尾灯形态方正敦实，光线层次丰富，与整车气质一脉相承，在夜间拥有极高的识别度。

除此之外，无边框后视镜、鹅卵石激光雷达、侧面摄像头等每一处细节，都经过了精细打磨。

车身颜色

远山青，这是一抹来自远山的颜色，蓝绿交融，含蓄沉静，毫不张扬。色漆中加入了细腻的蓝绿色素与金属颗粒，在光线流转间会呈现出微妙的变化，既有自然的清冷与深邃，又兼具古典的雅致与内敛。

蝴蝶谷蓝，色调深邃灵动，如同层叠绽放的景致。阳光下，车漆会泛起细密的金属光泽，隐约透出一丝梦幻紫调；阴天里，则沉淀为深邃的宝石蓝，低调内敛，带着优雅绅士的气质。这种颜色，不是一眼惊艳的颜色，而是更耐看、更有层次感，每一次回眸都能看见不一样的蓝，仿佛千万只蝴蝶停在车身上，轻轻振动翅膀。

火山灰，是恰到好处的高纯度灰调，不偏冷也不偏暖。车漆叠加了纳米级矿物颗粒，光影流转间呈现出细腻而有层次的金属质感，沉稳内敛，自带从容气场，有着不张扬的高级感。

空间表现

小米澎程 N90 Max，一、二、三排都宽敞通透，它采用 2+2+3 的大七座布局。

舱内最小站立高度1233mm，学龄前儿童可以轻松站立；

二排乘坐空间长达950mm，1米9的大高个，也坐得很舒适；

通往三排的中间过道宽180mm，无需挪动座椅就能去往三排；

三排乘坐空间890mm，头部空间962mm，1米8坐着不顶头不顶腿；三人同坐不拥挤，臀宽1276mm，肩宽1440mm。

后备厢标准容积很大，577L。7人出行时，后备厢还能装下7个20英寸行李箱。

车辆支持智能电动门，拥有6种开启模式，支持语音控制，同时还有防夹、防摔门等安全防护功能。

后车门支持近90度开合，上下车空间充裕。配备开门预警及避障，通过9颗摄像头+4颗车门毫米波雷达+1颗前向激光雷达的融合感知。

支持前后向开门预警，比如，当遇到路过的电瓶车，车门能够停住；还能避障，遇到行人，能够悬停，等人走后继续打开。

门槛低一点，稳一点。门槛离地高度仅401mm，配合电动踏板，老人孩子上下车都更安全。

可变空间，能适应所有角色的切换

小米澎程的核心亮点，是智能可变大空间，一辆车可以从容切换多种形态，适配每一种生活场景。

对坐模式

市面上的对坐车不少，但真正好用、宽敞的少之又少。我们投入大量精力打磨，只为呈现一个真正舒适的移动会客厅和咖啡馆。

要实现这一点，我们做了多处设计：

一排座椅支持电动旋转，提供超大的双人乘坐空间；

宽度达到1760mm，对坐不碰腿；

滑动中岛能够从一排滑动到二排，它同时也是多功能茶几，配备两个手机位、充电接口、后排控制屏、超大储物箱，还有4个杯托，方便一、二排乘客放置水杯；

中岛还搭载了一个9L的压缩机冰箱，能够放下10罐可乐。用户可选超大桌板，这是双杯托版，插在滑动中岛上使用。桌板尺寸 60cmx42cm ，可供四人使用，喝咖啡、打牌、聊天都十分方便，移动会客厅已经就位。

办公模式

办公模式下，还有轨道版的桌子。在轨道上，可以安装 60cmx42cm 可调桌板，放下16英寸笔记本，边上可以放杯咖啡，车内就变成了独立办公室。

桌板带卡锁设计，快速安装与收纳，前后位置和高度都可调。孩子写作业也很方便。

大床模式

大床模式，即三排放倒+二排前移+床垫，变身纯平双人床；这个成床模式不影响前排空间。搭配生态隐私帘，露营或者休息，拥有自己的安静角落。

豪华大四座

四人出行时，就是豪华大四座。三排、二排可以同时极致后移，乘坐空间达到1550mm，乘客可以把腿伸直，久坐也不会疲惫。

在二排，宝妈、奶爸给小孩换衣服换尿布，都很方便，带宠物出行也不再是难事：大金毛可以在二排自由活动，舒服地趴着；养猫的朋友甚至可以带上猫砂房，长途出行也能照顾周全。

零重力座椅周边空间宽敞，完全不会卡脚；打开后排娱乐屏，第二排视距接近0.67米，拥有车内最好的观影体验。

将二排放倒与三排连接，还可以变成贵妃椅，视距接近1.67米，半躺着看后排娱乐屏十分惬意。

极致储物

将二、三排前移，就是极致储物模式。1831L超大后备厢容积，能够轻松放下大物件。物品直接放在地板上，不用担心弄脏或者划伤座椅。

车辆超低尾门门槛最低只有690mm，同时采用超大开口设计，搬取重物十分省力。出去骑行时可以放下两辆700C公路车，不用拆轮，可以直接放置；

还可以在后备厢装一台咖啡机，露营时给朋友们一份惊喜。

度假时把车开到海边，调成对坐模式，将后排车门打开至近90°，一边喝咖啡一边享受海风，体验十分惬意。

在车外装上尾帐和侧边帐，车辆马上就能变成 “两室一厅”，露营体验十分舒适。

自定义模式

车内场景，还可以自定义。全车座椅电动调节，滑动中岛电动调节，车门支持电动。而且，方向盘也是电动调节。

所有电动可调场景，都支持小爱语音控制，一句话就可以完成切换。速度很快，对坐模式，大约50秒就可以完成。

针对空间可变功能，我们做了一系列安全措施：采用高强度座椅滑轨；全车配备39处防夹设计，座椅前后移动、调节靠背、调节腿托都有防夹功能，甚至连天幕遮阳帘、充电口盖都配备了防夹功能；

同时还有多重检查和提醒机制，模式切换需要在驻车状态、座椅上无人的条件下进行，还有倒计时提醒。

总结来说，小米澎程的空间具备三大特点：空间超大、智能可变、多重安全。

一车一世界，自在即澎程。自在，是不论城市或山海，都能舒服地停驻；自在，是在任何地方，你都拥有一个专属的空间，按你想要的方式使用它。

内饰设计

在内饰设计上，小米澎程 N90 Max 的车内空间非常通透，整车玻璃面积高达6.8m²。

防晒同样到位，天幕配备双分区物理遮阳帘，二三排车窗配有隐私遮阳帘。

全车高频接触面95%为软包覆，触感舒适；高频接触的内饰材料通过了环保材料认证，婴幼儿可以直接接触。

车内采用贯穿式仪表台，宽度达到1530mm。

立柜式中控台线条简洁利落，轻按即可拉出隐藏式抽屉，可以放置纸巾、证件等物品。

还有更多精致细节，比如双拼色方向盘、金属饰件，每个功能区都当成独立的产品去细致打磨。

内饰配色

内饰提供两款配色可选：摩卡棕兼具棕色的稳重与红调的活力，既有商务的稳定感，也有家用的温暖感，这是一款“有品味”的颜色。

砂陶米是柔和的浅米色，非常安静的颜色，越看越舒服。车内配备漫反射氛围灯，从地板到顶棚 三重环绕氛围灯，很有氛围感。光线柔和地扩散，不刺眼。256色数字光幕，营造出剧院般的光影氛围。

用电自由

全车配备12个生态接口和14个电源接口。

支持220V电源输出、6.6kW对外放电，76度电+增程器发电，户外露营用电自由。

“冰箱彩电大沙发”

接下来我们看看大家熟知的 “冰箱彩电大沙发” 配置：大冰箱拥有9L大容量，可以放下10罐可乐；它是独立压缩机冰箱，制热、制冷快，而且特别省电，一天不到一度电。

“大彩电”是21.4英寸的后排娱乐屏，还有海量内容。3K高清，800尼特亮度；硬件级蓝光护眼，莱茵三重认证。

90°到110°无级调节，0.67米到1.67米视距范围，不同位置、坐姿都有最佳的观影体验。

全车大沙发

全车大沙发都十分舒适，一二排座椅靠背采用超过12层的柔软叠层设计，包含高密度记忆海绵、零压感软海绵，软硬兼具层次感。

一二排标配 16 点式按摩功能，臀部和背部都能得到按摩放松，让全身舒展；配合座椅通风、加热功能，每一次乘坐都是一种享受。

零重力座椅，最多一排两个二排两个，尤其是第二排，空间宽敞，车内午休特别舒服。

前排座椅有三种座椅可选，标准按摩座椅、旋转座椅和零重力座椅。由于零重力座椅比较大，不包含旋转功能，如果喜欢对坐模式，就不能选前排零重力。

空调

空调方面采用热泵空调，能耗极低，支持前后双区调节，二排B柱和三排顶部都有独立出风口，共计17个。这样，一二三排都有自己的专属空调。

小米星弦音响系统

还有小米星弦音响系统，我们打磨了三年。每一只扬声器的位置，都有车辆内最佳的声学布局；每一个频段的调校，都经过反复推敲。25个扬声器，7.1.4全景声，峰值功率4890W；7颗钛膜高音，更好的高频通透性、细腻感和稳定性；标配低音炮，265mm重低音扬声器，澎湃低音。

接下来，大家看看设计理念的讲解视频：

驾控表现

小米澎程系列 N90 Max，作为一辆全尺寸大车，开起来丝毫不显笨重。它搭载双电机四驱系统，系统最大功率310kW，0-100km/h加速时间为5.9s，最高时速可达190km/h。

小米澎程 N90 Max 搭载76kWh三元锂电池，CLTC纯电续航达到464km。

15分钟最长补能285km；20%-80%，18分钟充好；公桩充电兼容性极好，一次成功率高达99%。

小米澎程系列 N90 Max 的CLTC综合续航达到1705km；

WLTC亏电油耗仅6.26L/100km。

静音体验媲美纯电车：前风挡和四门标配双层夹层静音玻璃，同时标配静音轮胎；我们还对增程器进行了声学包裹，和精准停缸控制，匹配ENC主动降噪系统，最终实现行驶状态下增程器介入噪音小于1分贝。整车还采用了100多处静音材料。

这就是行业领先的超级增程系统。

底盘配置

底盘方面，车辆搭载豪华硬件配置：前双叉臂、后H臂多连杆独立悬架，标配5挡可调空簧和连续阻尼可变减振器，前后配备4个液压衬套。搭载前双叉臂+后多连杆后，过弯时，轮胎有更多的贴地面积，抓地表现更好；转弯时，侧倾控制更好，同时转向也更加精准。

加速调校

动力加速调校模拟大排量发动机的线性输出，动力来得从容而可控。

转向非常灵活，全尺寸SUV转弯半径仅5.95m；转向手感三挡可调；采用R-EPS齿条式电动助力转向，这是高性能车上的转向设计，路感真实，指哪打哪。

制动表现

制动表现同样信心十足，百零制动距离38.57米，连续10次，制动性能也能稳定。

高速爆胎极其危险。通过驱动、转向、制动、悬架等跨系统的协同控制，能够有效保障高速爆胎后的车辆稳定性。实测7人满载，160km/h时速，左侧2个轮同时爆胎，车辆依然保持直线行驶。

视野与低速辅助方面，车辆前向视野开阔，能给驾驶员十足的掌控感；主驾A柱盲区小，转弯更安心。

低速慢行灯在夜晚的时候，车辆时速低于10km/h，这个灯就自动打开，照亮两侧的路面，在窄道、泊车、靠边停车时候，极大提高安全性。

总结来说，底盘扎实，驾驶质感高级，日常通勤舒适度非常好。

智能满配

智能座舱

小米澎程，配备了和 SU7/YU7 一样的顶尖智能基座。域控制模块四合一，体积小、重量轻、能耗低、速度快；核心板符合车规级要求，耐久测试标准是行业的2倍以上，目前已经交付超过数十万台。

车辆搭载第三代骁龙®8 移动平台和 NVIDIA DRIVE AGX Thor 车载计算平台，均采用4nm制程的旗舰芯片。

其中Thor平台成熟可靠，各家测算算力的方法有所不同，Thor采用了更先进的4nm制程，实际算力更强。

通讯方面，双5G配置保证了联网的稳定性，同时还支持Wi-Fi 7；车辆标配ETC，可免费开通。

全车支持6屏联动，内容共享；后排娱乐屏尺寸为21.4英寸，非常大。超级小爱非常好用，车内配备5组12个麦克风，车外配备3组6个麦克风，能够动态检测用户的位置，实现精准控制。

车主们非常喜欢使用哨兵模式和冰箱，但抱怨长期使用太耗电。我们搭载了Flyback供电技术，一种高压转低压的直流转换电路，能够在整车休眠或高压下电状态下，单独给冰箱或哨兵模式供电。

比如哨兵模式，每晚10小时续航损耗不到5km，可节约60%的电。

独立压缩机冰箱，在车内环境温度32℃下，10瓶可乐，5℃冷藏，24小时整车耗电只有0.72度，非常省电，带娃的家庭就可以永久开启。永远开启的冰箱才真正有价值。

辅助驾驶

小米澎程 N90 Max 搭载满配辅助驾驶。700TOPS Thor 算力芯片、激光雷达、4D毫米波雷达、ALD镀膜高清摄像头通通标配，这在同级车型也是不多见的。

N90 Max 还专门增加后向固态激光雷达。后向固态激光雷达，更好解决大空间SUV的泊车问题，这是小米汽车首次搭载的补盲雷达。这颗固态激光雷达看得更广，测距精度达到2cm，相当于我们在车尾构建了一张防御网。

这颗固态激光雷达能够识别摄像头很难识别的场景。比如，路边车位旁有深沟，存在陷车风险，它能提前发现；立柱旁的车位，有悬空消防箱，它能刹停避碰；地库车位上方有中央空调吊顶管路，它也会提示刮顶风险。

小米HAD辅助驾驶升级XLA架构后，用户好评率持续上升，这里重点介绍两个备受喜爱的功能：一是语音控车，累计使用超177.8万次，一句话就能完成变道、加减速操作，让行车更轻松；二是商场地库车位级领航，累计使用超48.6万次，在地库不再迷路，尤其受女性用户欢迎。

整车安全设计

铠甲笼式车身结构

铠甲笼式车身结构，全车关键部位采用 2200MPa 超强钢进行增强。

第二是全席位安全保护：全席位都采用男性假人和女性假人进行碰撞测试，高于行业标准；针对二三排儿童座椅里的孩子，我们进行了安全保护开发。

安全气囊

全车配备12个安全气囊。

其中一二排远端气囊均采用4点式固定，对乘员头部的保护效果更好。

同时配备三排侧气囊和超长的侧气帘。全车还布置了9个碰撞传感器，无论碰撞位置偏前还是靠后，气囊都能及时准确展开。

门把手设计

门把手三重冗余，100%符合2027年新国标。

配备外机械拉手与门锁独立备份电源，即便碰撞后高压与低压小电池全部断电，依然能实现中控解锁与机械开门。针对尾门应急拉手，行业普遍位置偏低、不容易看到，我们在更高位置额外增加了一个拉手，乘员一转头就能够到，每一处安全细节我们都力求做到极致。

涉水能力

当前正值雨季，小米澎程具备最高750mm的涉水能力。

两颗涉水雷达安装在两侧的后视镜下面，开启涉水模式后，随时监控水深。

全车24处关键零部件密封及防水提升，其中动力电池采用 IPX8/IPX9K 防水标准；空调进气设置了“三级防水坝”；A/B/C柱的腔体采用双层密封，大幅提升整车气密性。增程器进气口移至前风挡下方，提高到1109mm。泄压阀从传统的后保险杠处移到了尾门上方，提高到950mm。

面对极端涉水险情，车辆支持应急浮水。这样的设计，有足够时间脱困。我们看看涉水测试视频：

安全提醒：在未知水深和路况下，不要冒险涉水。应急浮水是安全冗余设计，请大家不要随意尝试。

质量与安全

质量与安全，没有捷径。我们在试验场测试强度翻倍，实现等效48万公里结构耐久测试。真实路测：从2024年就开始路测，截至2026年6月30日，投入测试车多达566台，累计真实路测超过428万公里。整车质保周期是5年或10万公里。增程器及三电系统质保周期8年或16万公里。

两款重磅车型

小米澎程 N90 Max，预售价 29.99 万元；小米澎程 N70 Max，预售价 25.99 万元。

小米澎程 N90 Max

小米澎程 N90 Max 定位大七座旗舰增程SUV，N90 Max 是N90系列高配。2+2+3 大七座布局，平地板、长滑轨，智能可变大空间。预售价 29.99 万元。

双电机四驱，310kW，零百5.9s，最高时速190km/h。

空簧、连续阻尼可变减振器，标配21英寸静音轮胎。

CLTC纯电续航464km，综合续航1705km, WLTC亏电油耗6.26L/100km。

N90 Max 拥有科技豪华配置。4nm先进制程旗舰SoC，4nm Thor算力芯片，双激光雷达，4D毫米波雷达。双5G，标配ETC。还有热泵空调和25扬声器豪华音响系统，可选4把零重力座椅、智能电动门、电动踏板、独立压缩机冰箱、“大电视”。

N90 Max 的铠甲笼式车身，16处核心部位采用2200MPa超强钢增强；“内嵌式防滚架”；一体式热成型门环；全车12个安全气囊；门把手三重冗余设计。还有主驾主动预紧安全带、应急浮水能力和高速爆胎稳定控制。

N90 Max，在50万以内9系增程SUV中，肯定是最好的之一。大家可以仔细看看。N90 Max 预售价 29.99 万元。

小米澎程 N70 Max 

N70 Max 定位大五座四驱增程SUV，也是N70系列的高配。车长4960mm，轴距2950mm，标准中大型SUV。

车身姿态更显年轻、活力。双电机四驱，最大功率310kW，零百5.5s，最高时速190km/h。

CLTC纯电续航505km，CLTC综合续航1461km，76kWh三元锂小米龙甲电池，45升油箱，亏电油耗6.1L/100km。

N70 Max 拥有智能可变大空间，纯平地板、格局方正、超长滑轨，支持对坐、办公和大床模式。拥有超大的乘坐空间：极致后移，最大二排乘坐空间1.4米；极致前移，2425L最大扩展空间。

N70 Max 配置非常强大。前双叉臂+后多连杆、空簧、连续阻尼可变减振器；9个安全气囊；铠甲笼式车身，14处2200MPa超强钢，“内嵌式防滚架”，一体式热成型门环，三重冗余的门把手。智能配置拉满：4nm旗舰SoC，4nm算力芯片，激光雷达，4D毫米波雷达。双5G，标配ETC。N70 Max 预售价 25.99 万元。

小订权益

这就是今天发布的两款车，N90 Max 大七座四驱旗舰增程SUV，N70 Max 大五座四驱增程SUV。预计9月份正式上市，今晚9点开启小订。

意向金1000元，正式发布后随时可退。发布后，在权益有效期内锁单，可享优先排产权益，提车后另送价值999元的双杯托版车载桌板。

大家可以打开小米汽车APP或微信小程序，了解更多的细节。展车也已经到店，欢迎大家到小米汽车销售门店评鉴，小米澎程另外增加专门体验店，已有7家开业，欢迎大家捧场。

另外，我们也准备了N70 1:43合金车模，有远山青和蝴蝶谷蓝两个颜色，感兴趣的朋友可以到小米汽车APP商城选购。

小米澎程，到底是一辆什么样的车？

这个问题，我们其实想了很久。如果想造一辆奶爸车、商务车、露营车等，行业里都有成熟的模板。但我们一直觉得，生活不是单选题。

有人在车里午休，把车当成了休息室；有人奔波在路上，渴望有一间能移动的会客室或者咖啡馆；有人给孩子带午饭，看着他们在后排吃完饭，趴在小小的椅背桌板上写作业；有人想去露营、骑行、自驾，却被一堆装备挡在家门口。这些困扰，不该没有答案。所以我们从头搭建了小米昆仑技术架构，用一套新的思路，造了这辆不一样的车。

这辆车没有什么固定的标签。带孩子出门，它就是奶爸车；升起桌板，它就是移动会客厅；清空所有，它就是你一个人的独处空间。这辆车造型低调不张扬，但很从容。在城市里、在地库里、在森林、在海边——能够自然融入，都恰到好处。

小米澎程，装的不只是一车人和一堆行李，它装的是你向往的那份从容与自在。

一车一世界，自在即澎程。

跳转微信打开

跳转微信打开

今天，我们发布 Xiaomi-Robotics-1，一个面向真实移动操作任务的具身基座模型。模型基于 10万 小时真实世界数据进行预训练，并结合跨本体数据完成后训练，在未见环境真实机器人任务中展现稳定的规模化收益、在复杂新任务适配和多个仿真基准中展现出强大的性能。

项目主页：https://robotics.xiaomi.com/xiaomi-robotics-1.html

01

机器人策略模型，也能进入 Scaling Law 时代吗？

过去几年，大语言模型和视觉语言模型的快速发展证明了一件事：当数据规模、模型容量和训练计算量持续提升，模型能力往往会呈现可预测的增长趋势。

但在机器人领域，这条路径并不容易复制。

机器人要学习的不只是“看懂”和“说清”，还要在真实物理世界中完成动作。真实机器人数据采集依赖具体硬件、真实环境和人工遥操作，成本高、周期长、规模有限。更重要的是，传统机器人数据往往集中在少量场景和少量任务上，难以支撑策略模型获得足够强的泛化能力。

因此，一个关键问题始终存在：

如果机器人策略模型也能获得足够大规模、足够多样化的真实世界操作数据，它是否也能像大模型一样持续 Scaling？

Xiaomi-Robotics-1 正是围绕这一问题展开的系统性探索。

02

10万小时真实世界轨迹，突破机器人数据瓶颈

想要验证 Scaling Law 需要足够量级的数据支撑，但大量数据采集这件事本身就很有挑战，Xiaomi-Robotics-1 的第一步，就是克服预训练数据规模的困难。

在预训练阶段，团队使用了 10万 小时真实世界操作轨迹。这些数据通过 Universal Manipulation Interface（UMI）设备采集，覆盖家庭、商业空间、工业场景、办公室、户外等多类环境，包含大量物体交互和操作行为。

UMI 数据的优势在于不依赖特定机器人本体，同时能够更高效地采集真实世界中的操作过程。模型可以先从大规模真实操作轨迹中学习通用的动作生成表征，再在后续阶段迁移到真实机器人上。

面对 10万 小时数据，传统人工方式难以支撑高效处理。为此，团队构建了可规模化的自动标注流程：将长轨迹切分为固定长度片段，并使用视觉语言模型对片段中的夹爪状态变化和交互物体状态变化进行描述。模型由此学习在当前视觉观察和语言条件下，生成能够推动场景状态变化的动作。该自动标注流程效率非常高，可在大约 2 周内完成全量 10 万小时数据的高质量标注。

03

两阶段训练：从通用动作生成，到真实机器人执行

Xiaomi-Robotics-1 采用 预训练 + 后训练 的两阶段训练范式。

在预训练阶段，模型学习的是通用动作生成能力。给定当前视觉观察和语言描述，模型需要预测一段动作序列，使场景从当前状态向目标状态变化。

后训练阶段则重点解决两个对齐问题：

第一，本体对齐。

将预训练阶段从 UMI 数据中获得的动作生成能力，迁移到真实机器人本体上。

第二，指令对齐。

将“根据状态变化描述生成动作”的能力，转化为“根据人类自然语言指令执行任务”的能力。

为此，团队构建了约 10000 小时跨本体后训练数据，其中包括 7200+ 小时移动操作机器人和双臂机器人数据、1000+ 小时人工标注 UMI 数据，以及 Bridge V2、RT-1、DROID 等公开机器人数据集。

04

“开箱即用”能力

完成后训练后，Xiaomi-Robotics-1 即可在真实环境中，根据自然语言指令直接执行多类移动操作任务。

沙发整理

餐具收纳

05

数据更大、模型更大，动作预测更稳定

完成后训练后，Xiaomi-Robotics-1 即可在真实环境中，根据自然语言指令直接执行多类移动操作任务。

Xiaomi-Robotics-1 的核心结果之一，是在预训练阶段观察到清晰的规模化趋势。

在数据规模实验中，团队分别使用 2.5K、5K、10K、20K 小时 UMI 数据进行训练。结果显示，随着预训练数据规模增加，模型在验证集上的动作预测损失持续降低。较小数据规模下，模型更容易出现过拟合；更大数据规模下，训练过程则更加稳定。

在模型规模实验中，团队对比了 2B、5B、10B 三个参数规模版本。结果同样表明，随着模型规模提升，动作预测能力持续改善。

在预训练的实验中，随着训练数据量（左图）和模型尺寸（右图）的不断增加，验证集上动作预测的精度不断提升

这说明，对于机器人策略模型而言，扩大真实世界操作数据和模型容量，能够带来可观测的性能收益。更重要的是，这一收益并不只体现在离线指标上。后续真实机器人实验表明，预训练阶段更强的模型，在后训练后的真实任务执行中也表现更好。

真实机器人评测覆盖鞋柜收纳、书包打包、桌面整理、沙发收拾等任务，重点考察模型在新环境、新物体条件下 out-of-the-box （“开箱即用”）的表现，而不是针对单一测试环境进行任务微调。

实验结果显示，预训练阶段表现更好的模型，在后训练后的真实机器人评测中也取得更好的任务成功率。这说明，大规模预训练获得的通用表征，能够迁移到真实机器人执行中。

在后训练的实验中，随着预训练数据量（左图）和模型尺寸（右图）的不断增加，模型在未见过场景完成任务的成功率不断提升

这对于机器人学习具有重要意义：模型不必完全依赖昂贵、稀缺的真机数据从零开始训练，而可以先通过大规模无本体操作轨迹获得基础能力，再通过高质量机器人数据完成本体和指令对齐。

06

少量数据适配复杂新任务

作为机器人基座模型，Xiaomi-Robotics-1 不只关注已有任务表现，也关注新任务适配的效率。

在复杂、灵巧操作任务上，模型可以通过少量下游真实机器人数据进行高效微调，而不是从零开始学习。这种“先训练通用基座，再用少量数据适配任务”的方式，有助于降低新任务开发的数据成本和训练成本。

在每个任务平均数据时长不足10小时的条件下，Xiaomi-Robotics-1 在四个任务中均大幅超越 Pi-0.5，这表明其具备更高的新任务学习效率。这也是机器人基座模型区别于传统单任务策略模型的重要价值：它提供的是一个可复用、可迁移、可持续扩展的能力起点。

在新任务高效学习的实验中，Xiaomi-Robotics-1 在四个任务中的成功率都超越了 Pi-0.5

07

多个仿真基准达到领先结果

除真实机器人评测外，Xiaomi-Robotics-1 也在多个公开仿真基准上进行了验证。

在极具挑战性的 RoboCasa365 基准中，Xiaomi-Robotics-1 达到 57.4% 的平均成功率，相比此前最优方法 46.6% 取得很大提升。尤其在 Composite-Unseen 任务划分上，模型表现出强大的任务组合泛化能力。

在 RoboDojo 仿真评测中，Xiaomi-Robotics-1 以 20.07 的平均分数和 13.93% 的平均成功率强势登顶 Leaderboard，实现“断档式”领跑，大幅刷新了此前由行业最优方法保持的纪录（13.07分 / 8.80%成功率）。

在 VLABench 中，Xiaomi-Robotics-1 也取得了 state-of-the-art (SoTA) 的表现，平均成功率达到 59.1%，平均进度得分达到 70.3%。

在 RoboCasa 基准中，Xiaomi-Robotics-1 达到 74.5% 的平均成功率，超过 RLDX-1、Cosmos Policy、GR00T N1.6、Pi-0.5、Pi-0-FAST 等方法。

RoboCasa365 官网 Leaderboard 截图，Xiaomi-Robotics-1 排名第一（2026年7月15日）

RoboDojo 官网 Leaderboard 截图，Xiaomi-Robotics-1 排名第一（2026年7月15日）

08

面向具身智能的可规模化训练路径

Xiaomi-Robotics-1 的意义，不只是完成了若干真实机器人任务，而是验证了一条面向具身智能的可规模化训练路径：

• 通过大规模预训练，学习通用动作生成表征；

• 通过跨本体机器人数据后训练，将能力迁移到真实机器人执行；

• 通过少量下游数据微调，快速适配复杂新任务。

这一路径表明，机器人策略模型有机会从过去依赖小规模、任务定制数据的训练方式，走向更接近基座模型的训练范式。

对于具身智能来说，Scaling Law 仍处在早期探索阶段。随着真实世界数据规模、模型规模和任务覆盖范围继续扩大，机器人基座模型的能力边界也将持续被拓展。

Xiaomi-Robotics-1 是小米机器人在这一方向上的一次系统性尝试。我们希望通过持续推进数据、模型和真实任务验证，让机器人从实验室演示走向更开放、更复杂的真实世界。

最后，一镜到底的全自主行李箱打包。

代码与模型权重：将陆续发布，敬请期待！

项目主页：https://robotics.xiaomi.com/xiaomi-robotics-1.html

09

About Xiaomi Robotics

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，触碰未来。

跳转微信打开

跳转微信打开

今天，小米正式发布 Xiaomi-Robotics-U0——一个拥有 380 亿参数的多模态自回归具身生成基础模型，是具身领域首个“通吃”四类任务的统一生成模型，打通了机器人图片和视频数据的生成与编辑链路。

它既能在保持几何一致性的前提下，对已有数据做增强——换物体、换光照、换背景、加干扰，无需重新采集；也能从零生成全新场景，覆盖危险、极端、长尾等真机难以触达的环境。此外，通过 FlashAR+ 推理加速方案，它的生成效率较原始自回归范式提升近 83 倍，大幅加快工程落地速度。规模化生成具身训练数据用于增益模型效果，从此有了可控且高效的解决方案。

在 WorldArena 评测基准上，Xiaomi-Robotics-U0 取得总分第一名（全球 126 个模型参评）。此外，真机评测中，在未知光照、陌生背景等 Out of Distribution 场景下，使用 Xiaomi-Robotics-U0 扩增数据训练的策略任务完成进度平均提升超 26%。

相关代码与模型权重已全量开源：https://robotics.xiaomi.com/xiaomi-robotics-u0.html

01

一个通用模型，覆盖四类生成任务

过去，具身生成往往是“一个任务一个模型”：场景生成用一个模型，轨迹迁移用一个模型，视频生成又是另一个模型。模型之间相互割裂，导致具身生成很难规模化应用。

Xiaomi-Robotics-U0 选择了另一条路：用统一的多模态自回归框架，覆盖四类核心任务。

• 具身场景生成（Scene Generation）—— 模型可以根据文本描述，为指定机器人本体生成多视角初始场景。无论是桌面、厨房、仓库，还是更复杂的开放世界环境，都可以通过语言描述生成对应的机器人观测。

• 具身迁移（Embodied Transfer）—— 模型可以将已有机器人轨迹迁移到新的环境中，例如改变光照、背景、桌面材质、目标物体或工作区风格，同时保留原始轨迹中的机械臂位姿和场景布局。 

• 机器人交互视频生成（Video Generation）—— 基于初始观测和操作指令生成后续视频，能够兼顾动作连贯性和物理一致性，且可零样本泛化到任意场景。

• 通用文生图和图像编辑（Text2Image & Anything2Image）—— 模型同时保留通用图像生成与编辑能力，使互联网视觉知识能够迁移到具身智能任务中。

02

结构化可控：五维解耦，精准把控每一帧

和通用图像生成不同的是，具身生成需要精确控制每一个细节——多视角一致性、场景布局和物体位置等。在机器人场景中，高质量训练数据的核心不只是清晰度与真实感，更在于与真实世界采集的轨迹严格对齐：同一个物体在不同相机视角下的位置必须几何一致；机械臂的姿态不能因为背景替换而发生错位；原始轨迹中的动作信息必须能够与迁移后的观测持续匹配。

为此，我们设计了五维解耦结构化控制范式，让生成过程中的每个维度都可以通过自然语言的方式独立调控：

五维度结构化场景描述

• 工作台布局—— 工作区颜色、结构、空间摆放

• 前景操作物体—— 任务目标物的种类与姿态

• 前景无关杂物—— 其他工作区上的非目标物体的种类与姿态

• 光照条件—— 强光、窗外洒落的阳光、彩色灯光

• 背景信息—— 室内室外背景物体的布局和样式、远景观测

五维解耦结构化控制让 Xiaomi-Robotics-U0 能够实现跨机器人机型的多视图几何一致性生成。前景、背景、光照的修改只需要语言描述，同时保留图片的真实性和多视角一致性。通过这种五维解耦的结构化可控的描述，Xiaomi-Robotics-U0在具身迁移和具身场景生成两大具身生成任务上，实现了各种开放词表、开放世界的多视角一致生成：

（1）具身迁移

Xiaomi-Robotics-U0 通过五维解耦的结构化控制，将具身轨迹迁移到了各种场景和光照中，并极大丰富了各类道具和工作区的样式。

具身迁移示意图。左侧为原始的多视角观测，右侧为修改了光照、工作区、物体描述等条件后，模型生成的多视角观测

（2）多本体具身场景生成

在多本体的具身场景生成中，通过五维解耦的结构化控制，Xiaomi-Robotics-U0将生成的多样化场景与本体的一致性打通，当前支持方舟无限、智元G1、智元G2、松灵PiPER 四种本体，搭配任意的场景描述即可生成各种开放世界的场景，河中、海底、山谷、赛博城市，Xiaomi-Robotics-U0 带你穿梭瞬息全宇宙。

具身场景生成示意图，每行左/中/右三帧图片为一组，分别为左腕部、中间头部和右腕部相机视角

03

实战验证：全面对比主流模型

▍真机验证：OOD场景被测策略完成进度提升超26%

我们在精细操作（耳机收纳）、可变形物体（毛巾折叠）、长程任务（物品装箱）中验证Xiaomi-Robotics-U0具身迁移对机器人任务的有效性。

在未知光照、陌生背景等干扰场景下，使用 Xiaomi-Robotics-U0 扩增数据训练的策略任务完成进度平均提升 26.3%，VLA 在每项任务迁移到 OOD 时性能的下降都明显更少。面对反光、彩色灯光等极端视觉干扰，模型仍不会卡死且能够进行自校正。

真机任务成功率对比

Xiaomi-Robotics-U0 通过Transfer能力实现了首个能在复杂光照和强背景干扰下保留大部分成功率的VLA模型，说明其Transfer能力不仅能提升视觉多样性，也能直接转化为机器人策略的实际泛化能力。

▍具身迁移：生成可控性超越闭源模型 GPT-Image-2.0

在 300 样本难易双分测试集上，Xiaomi-Robotics-U0 在深度一致性、结构保真、语义对齐维度指标大幅超越 GPT-Image-2.0。核心差距在于：Xiaomi-Robotics-U0 的多视图几何完全统一，而 GPT-Image-2.0 专注在文本信息上，普遍出现跨视图物体错位、空间畸变问题。

场景生成和具身迁移总体效果对比图：

在人工搭建的具身场景生成（分为 Easy 和 Hard，各 200 个）和具身迁移（分为 Easy 和Hard，各150个）这两个benchmark中，Xiaomi-Robotics-U0 在人类评测中均取得了明显的领先。

具身迁移效果对比：下图灰色框中 GPT-Image-2.0 生成的结果虽然物体、工作区等场景信息符合文本描述，但未保留原始多视角的机械臂位姿和场景布局信息，导致迁移后的多视角观测无法对应到原始轨迹中的动作信息。

Xiaomi-Robotics-U0 生成的结果同时做到了保留多视角场景布局和根据描述进行修改，因此可被用于下游数据增广。

▍视频生成：WorldArena 榜单第一名

Xiaomi-Robotics-U0 在由清华大学、北京大学等联合打造的WorldArena 评测基准上取得总分全模型第一名，在指令遵循（Instruction Following）、交互质量（Interaction Quality）和视角一致性（Perspectivity）上均为全模型第一名。它可以生成连贯的抓取、放置、形变交互长时序视频，还支持虚拟相机运动仿真——这对于机器人策略的离线验证和场景预演，具有广泛的实用价值。

WorldArena 榜单，UNIS 为 Xiaomi-Robotics-U0 匿名评测代号（榜单时间2026年7月15日），

在全球共126个模型中位列第一

此外，Xiaomi-Robotics-U0 的视频生成能力展现出较强泛化性：面对完全 OOD 的初始帧与指令，仍能准确遵循指令生成视频，并较好保持物体材质与动力学、背景一致性等关键要素。与此同时，背景人物并非静态贴图，而是在室内自然走动，说明模型在保留世界模型所蕴含的世界知识与常识基础上，进一步注入了机械臂动力学与物体交互模式，初步形成了面向开放世界的具身序列生成引擎。

04

极致推理加速：生成效率提升 82.9 倍 

Xiaomi-Robotics-U0 基于多模态 AutoRegressive （AR）架构，采用 IBQ 作为图像 tokenizer，将多种模态表示在同一空间，使用标准多模态 Next Token Prediction 方式进行持续训练。

普通 AutoRegressive 模型传统逐 token 生成方式能利用丰富的前驱信息来逐步生成并完善图片。但面对高分辨率图片生成任务时，这种逐 token 生成速率受到图片尺寸影响，效率大幅降低。

AR（自回归）和 FlashAR+ 的对比结果：

FlashAR+ 在保持了生成质量的同时，大幅度优化了推理效率

Xiaomi-Robotics-U0 提出 FlashAR+ 高速推理加速方案，在 FlashAR 文生图适配的基础上进行扩展，适配了图像编辑、具身迁移等任务，并结合 vLLM 进一步提升效率，生成效率较原始AR范式提升 82.9 倍，原生适配图片Anything to Image 多参考图编辑场景，对角并行解码 + vLLM 分页 KV 缓存批量调度，1024*1024 分辨率的单样本吞吐量从 450.77 秒/图提升至 5.44 秒/图，兼顾高质量与工程落地速度。

05

开源，面向具身智能社区

Xiaomi-Robotics-U0 的代码与模型权重已经开源。

• 项目主页：https://robotics.xiaomi.com/xiaomi-robotics-u0.html

• 代码仓库：https://github.com/XiaomiRobotics/Xiaomi-Robotics-U0

• 模型权重：https://huggingface.co/collections/XiaomiRobotics/xiaomi-robotics-u0

• 魔搭链接：https://modelscope.cn/collections/XiaomiRobotics/

我们希望它不仅服务于小米机器人的研发，也能成为具身智能社区探索生成式数据、世界模型和机器人泛化能力的基础能力。

06

About Xiaomi Robotics

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，触碰未来。

跳转微信打开

今年年初，小米机器人在小米汽车工厂自攻螺母上件工站开始其“实习”工作之旅。

今天向大家汇报一下，小米机器人“实习”的新进展：经过一个季度的努力，自攻螺母上件工站双侧作业成功率已提升至98%，与人工作业合格率比，差1%正式“转正”；与此同时，机器人开启“实习”新岗位，探索总装车间物流区的新工站：中控台侧盖板排序和料箱折叠回收，均达到了90%的成功率。

01

中控台侧盖板排序

中控侧盖板具备大尺寸、不规则、柔性的特征，并且该工站的多轮次多位置的取拿走放，对机器人在全身运动控制、双手协同、精细操作和主动柔顺策略等方面的能力均提出了挑战。这也是小米机器人首次实现汽车柔性工件的长时作业。

中控台侧盖板排序

中控台侧盖板排序连续作业

▍全身运动控制：运动稳定与大作业范围共存

在中控台侧盖板排序工站，机器人需要从料箱中取出指定盖板，并将其准确放入对面料架车的料格中。面对三排的较大料箱空间，机器人抓取远端盖板，在充分调动全身自由度的同时，需保持身体平衡。

抓取远距离盖板

▍主动柔顺策略：丰富接触下的适应能力

基于机器人的末端力感知能力，小米机器人团队开发了面向环境交互的主动柔顺控制策略，以增强盖板操作及其与料架接触过程中的鲁棒性。当盖板在放置时出现钩挂或卡滞，机器人可通过柔顺策略调整继续完成任务。

盖板卡滞柔顺应对策略

▍双手协同配合：复杂作业的可操作度增强

为提升后续放置环节的可操作度和精准度，机器人在抓取柔性盖板后，自主通过双手协同，调整盖板在手中的握持方式。

换手抓握柔性盖板

▍手内精细调整：放置精度与稳定性的提升

操作大尺寸物体时，手部位姿的细微变化可能对最终放置位置产生明显影响。借助仿生灵巧手的本体感知能力，机器人能够对盖板在手中的姿态进行类人的精细调整，从而提高放置过程的效率与稳定性。

掌内精细调整盖板位姿

02

料箱折叠回收

料箱折叠工站的作业难点，首先在于机器人抠开拉环时，需对接触具备细腻的感知，并精确掌控指端的灵活运动；同时，双臂高效精准的协同配合，亦是保障高节拍连续作业的核心要素。此外，多个料箱叠摞后由机器人同步推送至目标位置，以及多机器人单元之间的动作协调与节拍匹配，均已在该工站得到有效解决和稳定运行。

料箱折叠第一视角

料箱折叠回收全流程

03

“实习”后的思考

现代化工厂本身是一套庞大的自动化与数字化系统。机器人接入工厂系统后，可直接获取生产任务及物料信息。例如，在盖板排序过程中，机器人无需读取纸质物料单，即可从系统中获得所需盖板及对应料格编号；料箱折叠工站中不同机器人之间也可通过系统同步作业状态，提升协同效率。与此同时，针对作业过程中可能出现的危险或不可逆失效，系统保留远程干预机制，必要时可由工作人员及时进行机器人的接管。

另外，目前机器人在折叠料箱第二面时，需要先调整料箱方向，使卡扣朝向机器人。而熟练工人通常可以凭借操作经验直接盲抠拉环，无需进行这一额外调整步骤。随着后续仿生灵巧手的升级，团队将尝试挑战这个操作技巧，以进一步提升作业效率。

从一个工站到多个工站，从"能干活"到"会配合"，小米机器人正持续探索机器人在汽车制造领域的应用边界。机器人全面适应复杂工厂作业，还需长期技术积累与反复的工程验证，未来团队将围绕高自由度仿生灵巧手、复杂操作能力和更多工站应用持续推进研发与实践。

04

About Xiaomi Robotics

END

跳转微信打开

## 【核心约束规范】
> **所有升级操作必须严格遵守以下约束，违反任一条均属超出升级范围。**
1. **禁止修改业务逻辑代码**。
2. **禁止优化或重构业务方法**。
3. **禁止添加新的业务功能**。
4. **禁止删除或废弃原有功能**。
5. **禁止修改接口的输入输出格式**。
6. **仅进行必要的兼容性修改**，确保代码在 JDK 21 + Spring Boot 3.5.3 环境下正常编译和运行。

jdk-upgrade/
├── SKILL.md                    # 主技能文档（概览 + 约束 + 执行步骤）
└── references/
    ├── maven.md                # Maven 插件升级详细配置
    ├── dependency.md           # Pom 依赖处理详细列表
    ├── jvm.md                  # JVM 参数调整详细方案
    └── code.md                 # 代码兼容修改详细映射

### Step 1 — Maven 插件升级
**目标**：使构建工具链支持 JDK 21 编译和 JUnit 5 测试。
操作要点示例：
- `maven-compiler-plugin` 升级至 `3.12.1+`，设置 `source/target=21`
- `spring-boot-maven-plugin` 升级至 `3.5.3`
- `maven-surefire-plugin` 升级至 `3.2.5+`
### Step 2 — Pom 依赖处理
**目标**：清除 javax 时代依赖，迁移至 Jakarta EE 体系。
操作要点示例：
- **移除**：`javax.annotation-api`、`javax.validation:validation-api`、`junit:junit`
- **替换**：`javax.*` → `jakarta.*`
- **升级**：`spring-boot-starter` → `3.5.3`、`lombok` → `1.18.32+`
### Step 3 — JVM 参数调整
**目标**：移除已废弃参数，适配模块系统和新 GC 体系。
操作要点示例：
- **移除**：所有 CMS 相关参数、旧版 GC 日志参数、PermGen 参数
- **新增**：`--add-opens` 模块权限参数组、G1GC 或 ZGC 参数
### Step 4 — 代码兼容修改
**目标**：消除所有 `javax.*` 引用，迁移测试框架至 JUnit 5。
操作要点示例：
- **包名替换**：`javax.annotation` → `jakarta.annotation` 等
- **JUnit 4 → JUnit 5 迁移**：`@Before/@After` → `@BeforeEach/@AfterEach`
-(反馈闭环) 若编译失败，排查Step1到Step4可能存在的错误。
### Step 5 — 验证
- mvn clean compile -pl <module>
- mvn test -pl <module>
(反馈闭环) 若测试结论为不通过，基于测试报告的分析结果进行排查处理。

# JDK升级经验总结
## 升级概况
- **项目**：[项目名]
- **升级路径**：JDK X → JDK Y
- **升级日期**：YYYY-MM-DD
- **耗时**：X小时
## 阻断性问题
[记录升级过程中遇到的无法继续的问题及解决方案]
## 隐蔽陷阱
[记录看似通过但实际隐藏问题的情况]
## 配置遗漏
[记录配置项遗漏导致返工的情况]
## 依赖冲突
[记录传递依赖冲突及排查方法]
## 代码迁移经验
[记录代码迁移过程中的意外情况]
## 升级前检查清单
[根据本次经验，补充到升级前摸底排查清单]

跳转微信打开

小米自研「小米泰坦合金 2.0」，以 100% 消费后再生铝为原料，成为国内品牌首个量产应用于汽车一体压铸后地板的 100% 再生铝合金材料，技术水平与低碳指标均达到国际领先，填补了国产汽车行业的空白。

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 1.1 kg CO₂e/kg，较传统原铝降低约 93%，达到国际领先水平。

这一数据经权威机构 IVL 瑞典环境科学研究院独立核算，通过国际 EPD 体系的审核，并成功注册发布。

小米泰坦合金2.0 是目前汽车行业消费后再生铝应用比例达到100%、碳排放水平国际领先的量产产品，减碳效果显著：每台车减碳约 800 kgCO₂，相当于约40棵树一年的固碳量；按年产55万辆估算，每年减排约 45万吨CO₂，相当于约2000万棵树一年的固碳量。

攻克 100% 再生铝技术难关，实现材料强度不降、韧性提升

作为国内品牌首个量产应用于汽车一体压铸结构件的 100% 再生铝合金材料，之所以说是技术突破，是因为这件事本身极具挑战。

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平均 0% 提升到 100%，是一道真正的技术质变门槛。

小米团队历经两年，在三个方向系统攻克：

获得中国机械工业联合会与国际 EPD 机构双权威认证

技术领先，也经得起最严格的检验。

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。

小米泰坦合金 2.0 的碳排放值，由国际可持续领域的权威机构——IVL 瑞典环境科学研究院独立核算，严格按照国际 EPD 体系开展，并通过独立审核员审核，数据可查可溯，具备国际通用性和权威性。

国内机构权威认定、国际 EPD 体系认证，技术实力与低碳数据均经超高规格双重背书。

小米泰坦合金 2.0，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。小米泰坦合金 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，是循环经济在高端制造领域的真实落地。

契合全球绿色贸易趋势。 国际 EPD 认证为小米汽车未来的出海计划提供有力支撑，有效应对越来越严苛的国际低碳贸易要求，也为中国汽车产业应对绿色贸易壁垒提供了可复制的路径。

小米泰坦合金 2.0，既是小米对汽车行业低碳制造的最新作答，也是中国制造迈向绿色未来的一个生动注脚。

跳转微信打开

单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV 2026 的 12 篇论文中，一部分研究的缩影。

小米本次入选的论文覆盖人脸视频修复、GUI Agent、端到端图像翻译、多模态检索、流式视频推理、图像美学评估，以及自动驾驶世界模型、VLA 决策、安全规划等方向。相关研究为小米在视觉理解、多模态交互、智能体能力和自动驾驶智能等方向的基础能力建设提供了重要技术支撑与优化方向。

ECCV（European Conference on Computer Vision）是计算机视觉领域国际顶级会议之一，由欧洲计算机视觉协会（ECVA）主办，与 CVPR、ICCV 并称计算机视觉三大顶会。ECCV 每两年举办一次，ECCV 2026 是第 19 届，将于 2026 年 9 月 8 日至 12 日在瑞典马尔默举办。本届会议共收到 10473 篇有效投稿，录取 2883 篇论文，录取率约为 27.5%。 

01

视觉理解与生成，让 AI 从“看清楚“到“修得好、想得快”

大模型不只需要看懂图片和视频，还要能修复视觉内容、判断视觉质量，并在实时视频流中持续推理。小米本次入选的相关论文，覆盖人脸视频修复、图像美学评估和流式视频理解三个方向，推动视觉模型从“被动感知”走向“主动理解”。

▍TIGER: Taming Identity, Geometry, and Generative Priors for High-Quality Face Video Restoration

*表示共同第一作者

合作者单位：香港科技大学（广州）

论文作者：周炀*，李文雪*，张鹏，陈一飞，王飞，周代国

项目链接：https://yzhoulv.github.io/Tiger/

论文链接：https://arxiv.org/pdf/2606.24336

人脸视频修复是视频恢复中最具挑战性的任务之一。它不仅要把模糊、噪声、压缩伪影去掉，还要保证修复后仍然像本人、表情姿态自然、视频前后帧稳定。现有方法面对强退化视频时，往往顾此失彼：修得清楚却不像本人，保住身份却牺牲表情，或者画质好但推理太慢。

TIGER 提出结构化三先验融合框架，同时应用 Identity、Geometry 与 Generative 三类先验。模型利用参考图像提取身份嵌入，稳定目标人物身份；将参考线索提升到解耦的三维参数空间，构建时序一致的几何先验；再利用视频生成模型的生成先验，将修复过程建模为 single-step Rectified Flow，实现单次前向推理完成高保真人脸视频修复。

同时，我们构建了大规模人脸视频修复数据集，用于支持鲁棒训练与标准化评测。充分的实验结果表明，TIGER 在身份保持、时序稳定性和视觉真实感方面均取得了领先效果，能够在高效推理的同时生成身份一致、细节丰富且动态自然的人脸修复视频，并在多个基准上验证了其泛化能力。

▍Beyond Absolute Scores: Relative Edit-induced Difference for Generalizable Image Aesthetic Assessment 

*表示共同第一作者

论文作者：贾麒霏*，姚昕彤*，张亚森，李明浩，柴亚捷，卢启明，申宝越，史润宇，黄英，张跃

论文链接：https://arxiv.org/pdf/2606.05778v1

“这张照片好看吗？”这个看似简单的问题，是图像美学评估领域的核心难题。现有方法大多只让模型学习绝对美学分数，但人类审美往往不是绝对打分，而是比较判断：这张是不是比那张更好看？绝对分数范式在跨数据集、跨场景泛化时容易失效。

RED-Aes 从问题建模上做了转换：不再学习单张图的绝对分数，而是学习编辑前后图像的相对美学差异。研究团队构建 RED-20k 数据集，利用多个图像编辑大模型生成源图像—编辑图像对，再通过专家模型达成共识，标注相对美学差异和思维链解释。训练上，先通过对比与因果预训练注入美学知识，再用 GRPO 强化学习优化排序能力。

实验结果显示，RED-Aes 的 7B 模型在五个公开基准的零样本评估中全面超越 GPT-5 及此前专家模型，2B 轻量版也超过所有现有基线。这表明，相对差异学习能够帮助模型更有效地习得通用美学原则，为图像生成、编辑和内容质量评估提供了新的技术支撑。

▍Video Streaming Thinking: VideoLLMs Can Watch and Think Simultaneously

*表示共同第一作者

论文作者：管一然*，尹亮*，梁定康，鞠建忠，罗振波，栾剑，刘禹良，白翔

论文链接：https://arxiv.org/abs/2603.12262

代码链接：https://github.com/1ranGuan/VST

在线视频大模型要支持实时交互，难点不只是“看懂视频”，而是能不能在视频播放过程中同步思考。传统 VideoLLM 通常是“先看完整段视频，再开始推理回答”，这会带来明显响应延迟，也容易让模型遗忘早期关键线索。

VST 提出 thinking while watching 的流式视频理解范式，让模型在视频流持续输入过程中同步激活推理能力。模型会随着新片段到来持续生成中间思考，实时整理事件、实体、因果关系和关键线索。团队进一步构建 VST-SFT 和 VST-RL 后训练流程，并设计基于视频知识图谱的自动训练数据合成管线，提升模型的流式推理能力。

实验显示，VST-7B 在 StreamingBench 上达到 79.5%，在 OVO-Bench 上达到 59.3%；相比 Video-R1，VST 在 VideoHolmes 上响应速度提升 15.7 倍，并获得 +5.4% 性能增益。这意味着 VideoLLM 正在从“看完再想”的被动模式，走向“边看边想”的实时推理模式，为流式视频理解和实时多模态交互提供了新的优化方向。 

02

大模型应用，从“能演示”到“真能用”

从 GUI Agent 到图像内翻译，再到多模态检索，大模型真正走向真实任务，需要解决的不只是模型能力问题，更是任务可靠性、视觉一致性和复杂意图理解问题。以下三篇论文，分别从动作判断、图像翻译和多模态检索三个方向，推动大模型应用从 demo 走向真实场景。

▍GAIA: A Data Flywheel System for Training GUI Test-Time Scaling Critic Models

论文作者：王劭康，付培，张若嶒，张少杰，席修文，杨家辉，秦斌，黄英，罗振波，栾剑

论文链接：https://arxiv.org/abs/2601.18197

代码链接：https://github.com/SeerRay-Lab/GAIA

从 OpenAI Operator 到 Google Project Mariner，再到各类“AI 帮你操作手机”的 demo，GUI Agent 已成为行业重点方向。但 GUI 操作具有不可逆性，一次错误点击可能直接中断任务流程。因此，Agent 不仅要会操作，还要在动作执行前知道“该不该点”。

GAIA 提出基于数据飞轮的直觉判别模型训练框架，从真实 Agent 交互中构建高质量正负样本，训练轻量级 Critic Model。在推理阶段，模型通过多候选动作采样与 Critic 筛选实现 Test-Time Scaling；同时，利用 Critic 挖掘困难样本回流训练，形成"数据—模型—数据"的闭环。

实验表明，该方法在多个 GUI 基准上为开源与闭源模型带来稳定提升，任务成功率最高提升超过 10%。更关键的是，ICM/ICM-v2 仅需单 token 即可完成判断，相比推理型模型显著降低开销。该工作为 GUI Agent 的动作评判、推理时增强和可靠性提升提供了一条低成本、可扩展的技术路径。

▍UniTranslator: A Unified Multi-modal Framework for End-to-End In-Image Machine Translation

合作者单位：中国科学院信息工程研究所、南开大学、宾汉姆顿大学

论文作者：吕嘉昊，付培，李祯航，张少杰，杨佳辉，周宇，马灿，罗振波，栾剑

论文链接：https://arxiv.org/abs/2606.24333

代码链接：https://github.com/SeerRay-Lab/Unitranslator

出国旅行拍一张外文菜单，AI 直接把翻译结果“画”回图片里，保持原有排版和空间位置——这是图像内机器翻译的理想形态。相比传统 OCR、翻译、贴图的管线式方案，端到端 IIMT 需要模型同时理解文字语义、图像布局和视觉生成。这面临两大核心挑战：翻译语义理解与图像像素生成之间存在显著的表示鸿沟（语义不一致），以及生成的翻译文本与目标区域之间的空间对齐困难（几何错位）。

UniTranslator 针对这两个瓶颈分别设计了解决方案。针对语义不一致问题，提出理解-生成对齐模块，通过对齐损失和共享表示空间缩小翻译理解模块与图像生成模块之间的语义鸿沟；针对几何错位问题，引入空间掩码解码器，利用精确的文本区域掩码作为空间约束，引导生成模型仅在正确位置渲染翻译文本，同时保持原始图像的非文本区域完整无损。整套框架实现了从输入图像到翻译后图像的端到端生成，无需中间的 OCR 检测、文本擦除、字体匹配等复杂步骤。

在多个公开基准和语言方向上，UniTranslator 均取得领先性能。这说明，统一多模态框架能够有效打通翻译理解与图像生成之间的鸿沟，为端到端图像内机器翻译和复杂场景文本编辑提供了重要技术参考。

▍ELVA: Exploring Ranking-Driven Universal Multimodal Retrieval

*表示共同第一作者

论文作者：刘雨涵*，付培*，李航，祁禹坤，姜超，付靖文，刘振，秦斌，罗振波，栾剑，辛景民

论文链接：https://arxiv.org/pdf/2606.20280

代码链接：https://github.com/SeerRay-Lab/ELVA

“帮我找那张穿红衣服在海边跑步的照片。”这类查询包含主体、属性、动作和场景，是多模态检索模型的真正考验。现有方法在训练过程中，模型倾向于只关注图像中最显眼的主体对象（比如“人”、“狗”、“车”），而忽略动作（跑步 vs 站立）、属性（红衣服 vs 蓝衣服）和关系（在海边 vs 在公园）等细粒度信息。本文将这一普遍存在的现象命名为“粒度盲区”（Grain Blindness），并指出其根源在于传统对比学习目标缺乏对多粒度语义的显式建模。

为解决粒度盲区问题，本文提出了 ELVA，将排序思想引入多模态检索训练，不再只优化“相关/不相关”的二元判断，而是通过可验证奖励引导模型学习候选结果之间的相关性排序。模型需要判断“穿红衣服在海边跑步”比“穿红衣服在公园站着”更相关，从而被迫理解查询中的多粒度语义。

实验表明，ELVA 在 M-BEIR 通用多模态检索基准上取得领先表现；在多粒度检索基准 MRBench 上，相比 LamRA-Ret-7B 提升 13.1%。该工作为通用多模态检索、多粒度语义理解和复杂查询匹配提供了新的训练范式与技术支撑。

03

自动驾驶，从“看见道路”到“理解世界”

自动驾驶不只是识别车道线、车辆和行人，更要理解交通参与者之间的互动，预测未来场景变化，并在关键决策点提前纠错。本次入选 ECCV 2026 的论文，覆盖世界模型、具身导航、在线强化学习、视频动作模型、安全学习和主动干预等前沿方向，为自动驾驶世界模型、VLA 决策、安全规划与鲁棒控制等关键问题提供了系统性的技术探索。

▍CausalDrive: Real-time Causal World Models for Autonomous Driving

*表示共同第一作者，†表示通讯作者

论文作者：闫天翊*，郑欢*，陈督冰*，曲美至，申影影，周丽君，涂鸣非，王兵，陈光，叶航军，孙海洋，须成忠†，沈建冰†

论文链接：https://arxiv.org/pdf/2606.15341

现有驾驶世界模型大多把未来预测当成视频生成任务，但交通场景的核心不只是像素变化，而是参与者之间的因果交互。一辆车刹车，后车为什么减速？这不是简单相关性，而是因果关系。

CausalDrive 提出实时因果世界模型，仅凭前视画面、自车轨迹和文本提示，在屏蔽背景车辆未来信息的前提下，迫使模型学习交通参与者之间的因果交互。该工作设计 Context-Forced DMD 架构，结合连续流匹配与自纠正蒸馏，实现 12 FPS 的实时交互式模拟。这标志着自动驾驶世界模型从单纯“视频生成”迈向“社会交互模拟”。

▍Pondering the Way: Spatial-perceiving World Action Model for Embodied Navigation

论文作者：陈红，刘达祺，张泽瀚，王海光，卢天浩，颜龙飞，孙海洋，李方震，谢宏伟，王兵，陈光，叶航军，谭毅华

论文链接：https://arxiv.org/abs/2606.29908

具身导航的关键，不只是知道目标在哪，还要理解空间结构，并规划如何到达。现有方法常采用“先采样候选动作、再预测未来视频验证”的两阶段范式，容易受到候选轨迹覆盖不足、推理开销大、动作与视觉预测不一致等问题限制。

SWAM 提出空间感知世界动作模型，在单次前向推理中联合生成中间 RGB-D 视觉路径和对应动作轨迹，将目标意图、视觉演化和运动规划统一到同一生成过程中。方法利用 DepthAnything V3 提供深度伪标签进行空间感知训练，推理时仅需单目 RGB 输入，并在 RECON、SCAND、TartanDrive 等数据集上取得更优表现。

▍MindDrive: A Vision-Language-Action Model for Autonomous Driving via Online Reinforcement Learning

*表示共同第一作者

论文作者：付好宇*，张点堃*，赵宗闯，崔剑锋，谢宏伟，王兵，陈光，叶航军，梁定康，白翔

论文链接：https://arxiv.org/pdf/2512.13636

将大语言模型应用于自动驾驶决策（VLA 模型）是当前的热门方向，但现有方法几乎全部依赖离线模仿学习——从专家驾驶数据中学习复制行为。这导致模型只能模仿见过的场景，难以应对分布外的长尾情况。在线强化学习虽然能通过试错持续提升，但在连续动作空间的驾驶任务上极难收敛。

MindDrive 巧妙地绕过了这一难题：采用共享基座、双 LoRA 的 LLM 架构，其中决策专家将驾驶场景理解为离散的语言指令（如“缓慢左转避让行人”），动作专家再将语言指令映射为精确的轨迹点。关键创新在于：将动作执行后获得的环境奖励反馈至语言决策层，在离散的语言空间中完成试错优化——这比在连续轨迹空间中做 RL 要高效稳定得多。实验验证了在线强化学习在自动驾驶 VLA 模型上的有效性，为“驾驶模型在部署后持续进化”开辟了可行路径。

▍DriveVA: Video Action Models are Zero-Shot Drivers

*表示共同第一作者

论文作者：刘蒙蒙*，张点堃，刘久铭，崔剑锋，谢宏伟，陈光，叶航军，Michael Ying Yang，Francesco Nex，程浩

论文链接：https://arxiv.org/abs/2604.04198

自动驾驶模型要真正部署到真实环境中，关键挑战之一是泛化能力。也就是说，模型不能只在见过的数据上表现好，还要能适应未见过的场景、传感器域和环境条件。现有方法中，未来画面预测和动作轨迹规划往往是分开完成的，这容易导致模型“预测出来的未来场景”和“规划出来的行驶轨迹”不够一致。

DriveVA 提出统一的视频-动作自动驾驶世界模型，将未来视觉预测与动作轨迹生成放入共享的 latent generative process 中，让规划轨迹与模型想象出的未来场景演化共同产生。具体来说，DriveVA 基于大规模预训练视频生成模型，继承其对时空动态、物理合理性和因果交互的建模先验，并采用统一的 DiT-based decoder，同时生成未来视频 latents 和车辆 action tokens。此外，DriveVA 还引入 progressive video continuation 机制，以递归方式进行长时序视频续写，从而提升闭环规划过程中的长期一致性。

实验表明，DriveVA 在 NAVSIM v1 上取得 90.9 PDMS 的闭环驾驶性能，并在 zero-shot 设置下展现出强跨域泛化能力：仅在 NAVSIM 上训练后，即可直接泛化到 nuScenes 和 Bench2Drive/CARLA，无需目标域微调，并显著降低轨迹误差和碰撞率。这验证了大规模视频生成先验与统一 video-action 建模在自动驾驶泛化规划中的有效性。

▍Beyond Imitation: Learning Safe End-to-end Autonomous Driving from Hard Negatives

论文作者：王君礼，花志华，刘学义，邢泽斌，张威，马昆，陈光，叶航军，陈龙，张启超

论文链接：https://arxiv.org/abs/2605.19771

模仿学习的根本局限在于：模型只见过“正确的驾驶行为”，却从未见过“错误但看起来很接近正确的行为”。这就像一个学生只做对的题，从不分析错题——他可能知道正确答案长什么样，但不知道陷阱在哪里。

BeyondDrive 针对这一问题，引入“从失败行为中学习”的机制。方法通过流匹配模型主动生成具有挑战性的高质量负样本，这些负样本在空间上接近专家轨迹，但在语义上并不安全。进一步地，BeyondDrive 通过反向距离误差损失约束，引导模型在靠近专家轨迹的同时，主动远离危险负样本区域，从而增强驾驶行为的安全性。

实验表明，BeyondDrive 可应用于单模态端到端方法和多类多模态端到端方法，并均取得显著性能提升，其中 NAVSIMv2 EPDMS 达到 90.1。这说明，通过困难负样本帮助模型建立更清晰的安全边界，是提升端到端自动驾驶安全性的一条有效路径。

▍DriveFine: Refining-Augmented Masked Diffusion VLA for Efficient and Robust Driving

论文作者：党晨旭，昂思宁，李永康，田浩辰，王杰，李广，叶航军，马杰，陈龙，王岩

论文链接：https://arxiv.org/abs/2602.14577

端到端自动驾驶正在从传统模块化架构走向生成式规划，但现有路线仍各有短板：连续扩散策略容易出现跨模态对齐不足、泛化能力有限等问题；离散 Token 形式的 VLA 模型虽然更适合接入大语言模型能力，但一旦解码出错，往往难以回头修正，容易造成误差累积。

DriveFine 提出了一种基于掩码扩散大语言模型的视觉-语言-动作规划框架，将轨迹规划建模为可迭代优化的生成过程。为解决 Token 解码不可逆的问题，DriveFine 引入即插即用的块级混合专家模块，以较低成本为模型注入 Refinement 自我优化能力，并通过显式专家路由与梯度隔离，实现轨迹生成与轨迹优化的解耦。

实验表明，DriveFine 在 NAVSIM v1、NAVSIM v2 以及更具挑战性的 Navhard 基准上，均展现出良好的性能、鲁棒性与效率。通俗地说，它让自动驾驶规划模型不再只是“一次性作答”，而是具备“先生成、再修正”的能力，有助于端到端驾驶系统在复杂路况和长尾场景中做出更稳、更可靠的规划决策。

-

论文的价值，不只在于被顶会录用，更在于它是否能沉淀为持续可复用的技术能力。对小米来说，这些论文所展示的，不是某个单点方向的突破，而是围绕智能终端、智能汽车和智能生活场景展开的系统性技术积累。

视觉理解与生成，让设备更懂真实世界中的图像与视频；GUI Agent、图像内翻译和多模态检索，让大模型更接近用户的真实任务；自动驾驶世界模型与 VLA 研究，则让车辆具备更强的预测、决策和自我修正能力。它们共同指向的，不是单点功能的升级，而是小米 AI 能力体系的持续生长。

对小米而言，论文不是终点，而是技术进入产品之前的一次公开验证。每一项研究背后，都是对更高效模型、更可靠交互、更安全决策和更自然智能体验的长期投入。未来，这些能力将继续沉淀到手机、汽车、智能家居等核心场景中，成为用户真实可感知的体验进化。

END 

跳转微信打开

2026 年 6 月 22 日至 25 日，Wireless Power Consortium（无线充电联盟，简称 WPC）Qi Off-cycle Meeting 在北京小米总部举办，包含 Qi Plugfest & SRT Event。本次会议聚焦 WPC Qi 50W 标准的内容讨论、样机测试与互联互通验证，是 Qi 标准向更高功率、更强兼容性演进过程中的重要技术会议。

这也是 WPC Qi Off-cycle Meeting 首次在中国北京举办，全球超过 20 家产业链企业齐聚北京。作为本次会议承办方，小米与全球无线充电产业伙伴共同推进 Qi 50W 标准的讨论、验证与互联互通测试，推动无线充电体验从「能用」走向「更快、更稳、更安全」。

01

WPC Qi 标准

正在成为全球无线充电产业的共同语言

WPC 成立于 2008 年，是目前全球最具影响力的无线充电标准组织，拥有超过 300 家会员单位。其制定的 Qi 标准自 2010 年推出以来，已成为智能手机及便携式消费电子设备无线充电的重要基础。根据 WPC 官网信息，目前全球已有超过 13,000 款 Qi 认证产品进入市场。

Qi 认证产品需在授权独立测试实验室中完成安全性、充电效率和互操作性测试，只有通过认证的产品才能使用 Qi 或 Qi2 标识。对用户而言，Qi 标准意味着更安全、更稳定、更规范的无线充电体验；对产业而言，Qi 标准则是不同品牌、不同设备之间建立共同技术语言的基础。

无线充电的发展，不能只依靠单一企业、单一产品来推动。尤其是在手机、车载设备、智能配件等多终端逐渐融合的背景下，标准的重要性将越来越高。

▍Qi 标准关键演进路线

• Qi 2.0：2023 年发布，引入磁对准机制，支持 15W 功率。已于 2024 年底正式转换为 IEC 国际标准，覆盖机械结构、热设计、功率传输、通信协议、异物检测、NFC 识别保护与认证等多个维度。

• Qi 2.2：品牌化命名为「Qi2 25W」，于 2025 年发布，将无线充电功率提升至 25W，是当前产业落地的重点方向。

• Qi 50W：当前在研，硬件设计参数已基本确定，计划 2028 年正式发布，是下一代高功率无线充电的核心标准方向。本次小米承办的 Qi Off-cycle Meeting，正是围绕 50W 标准的内容讨论、样机测试与互联互通验证展开的。

02

标准背后的结构性挑战

国产方案面临的现实困境

理解小米为何全力投入 WPC 标准工作，需要先介绍一个现实问题。

现有的 Qi 2.x 版本标准对线圈设计有极为严格的电感量和结构约束条件，与国内主流的小感量线圈、低整流电压、高功率方案（下文简称「小感量、低电压、高功率」方案）存在显著差异。国内手机和智能终端产品形态高度丰富——涵盖小型影像 Deco、大型影像 Deco、竖向折叠屏手机、横向折叠屏手机，以及车载无线充电、配件等多种应用场景——不同产品形态对线圈位置、整机结构、散热设计和充电策略均有差异化要求，且已经过大规模量产和亿级用户的实际验证。

全球无线充电产品形态多样，不同市场、不同产品对线圈架构和功率方案有各自的适配需求。因此，推动更多技术路线进入国际标准，有助于标准本身的完备性和全球产业的共同繁荣。

更深层的问题在于：Qi 2.0 已于 2024 年底转换为 IEC 国际标准，其全球影响力还在持续扩大。这意味着，Qi 标准已经不仅是一套技术规范，更是进入全球主流市场的重要门槛。

因此，推动国产「小感量、低电压、高功率」架构进入 WPC Qi 标准，不仅是某一项技术路线的竞争，更关系到国内终端、芯片、模组和整机产业链能否在全球无线充电市场中拥有持续创新的空间。

当前正值 Qi 50W 标准制定的关键阶段，也是国产方案参与标准起草的最佳时机。 

03

两年攻坚

推动国产「小感量、低电压、高功率」方案进入国际标准

正是基于上述现实，小米近年来持续加大在 WPC 标准工作上的投入，与国内产业链伙伴一起，系统性推动国产无线充电方案进入国际标准体系。

这里的目标，不是强调某一家企业的技术，而是将国内已经量产、经过用户大规模验证的成熟方案，转化为国际标准中的可选技术路径，从而让更多终端产品能够合规进入全球市场，让国产技术路线在全球标准中占有一席之地。

小米推动的重点，是国产「小感量、低电压、高功率」方案。这一方向与国内产业链长期积累高度匹配：小感量方案有助于降低线圈模组的损耗、适应更复杂的整机结构和更灵活的产品设计；低电压架构则有助于在安全性、充电效率、热管理和系统复杂度之间取得平衡。两者相辅相成，实现高功率无线充电。

▍关键里程碑回顾

• 2024 年底：小米正式向 WPC 提出「小感量、低电压、高功率」方案相关标准提案。

• 2025 年：完成 25W 及 50W 小感量兼容方案的 Demo 演示，验证技术可行性。

• 2025 年：与国际主流厂商实现基于小感量方案 Demo 的 50W 互联互通，完成跨厂商互操作验证。

• 2026 年 Q1：在国内多家厂商的共同推动下，「小感量、低电压、高功率」方案正式通过审议，进入 Qi 标准起草阶段。这不仅是小米一家企业的技术进展，更是国产无线充电底层技术路线在全球标准体系中获得话语权的重要里程碑。

04

本次会议

Qi 50W 标准的关键推进节点

无线充电看似只是「把手机放上去充电」，但背后涉及机械结构、热设计、功率传输、通信协议、异物检测、NFC 识别保护、认证体系等一整套复杂技术。随着手机、车载设备、智能配件等多终端的融合加速，用户对无线充电的期待也在不断提升：不仅要能充，还要充得更快、更稳、更安全，并且能够跨品牌、跨设备兼容。

Qi 50W 标准正是无线充电标准向更高功率演进的重要方向。目前，该标准的硬件设计参数已基本确定，正在从方案定义走向内容完善和样机验证阶段。

此类技术会议的价值，不仅包含研讨标准条文，还将标准方案置于实体硬件、实物样机与实测环境中开展实操验证。不同企业的发射端、接收端、芯片方案、线圈设计和系统策略，需要在同一测试环境下完成对接和验证，才能推动标准从技术方案走向产业落地。

本次在北京小米举办的 WPC Qi Off-cycle Meeting，正是 Qi 50W 标准推进过程中的关键节点，议程涵盖标准文本讨论、样机参数测试与互联互通验证三大核心方向，为后续标准成熟和产业落地奠定基础。

▍参与阵容

来自全球无线充电产业链的 20 余家企业齐聚本次会议，业务范围涵盖终端、芯片、仪器、充电器、配件、汽车电子、线圈材料、测试认证和标准组织等产业链关键环节（按英文首字母排序）：

Anker Innovations、Apple、ConvenientPower、Dolby Laboratories、Google、GRL Platform Solutions、Honor、Huawei、Luxshare-ICT、Maxic Technology、nok9、NuVolta Technologies、NXP、OPPO、Panasonic Automotive Systems、Philips、Renesas、Shanghai Amphenol、Southchip Semiconductor、Vivo、Xiaomi、Wireless Power Consortium

其中，20  家公司参与样机参数测试和互联互通测试，参会研发人员超 90 名。这一阵容涵盖了全球无线充电产业最具代表性的技术力量。来自中国大陆的企业在其中占据重要比例，也直观体现了中国产业链在全球无线充电标准生态中不断提升的参与度与影响力。

▍会议核心工作

• 标准讨论：围绕 Qi 50W 技术方案的标准文本细节，推进技术参数确认与争议条款协商。

• 样机测试：各厂商携带硬件样机，在统一测试环境下完成参数采集与性能验证。

• 互联互通测试（Plugfest）：开展跨厂商、跨方案的互操作验证，是标准从文本走向产品落地的必经环节。

Plugfest 的核心价值，在于把不同产品、不同芯片、不同协议版本放到同一个测试环境中，发现问题、定位问题、推动解决。从设备放上去能不能稳定充电，到不同品牌之间能不能顺畅协同，再到充电过程安不安全——每一次稳定的用户体验背后，都是标准讨论、样机测试和互联互通验证持续积累的结果。

05

走进小米工厂

智能制造与标准能力的双重展示

6 月 26 日，本次会议特别安排全体参会嘉宾参观小米亦庄汽车工厂。

小米亦庄汽车工厂坐落于北京经济技术开发区，是小米智能制造能力的集中体现。工厂在传统冲压、焊接、涂装、总装四大工艺基础上，自建大压铸车间与电池车间，配备超过 700 台工业机器人，实现大压铸、冲压、车身连接与装配、涂装、总装等全链路关键工艺 100% 自动化。工厂内设有 29 个研发实验室，并建有全长 2.5 公里、设计时速 120 km/h、涵盖 18 种路况的综合测试跑道，整线满产节拍可达每 76 秒整车下线一台。对于来自全球的无线充电工程师与标准专家而言，此次参观也是近距离感受小米在智能终端与智能汽车融合发展方面综合实力的难得机会。

在无线充电的未来应用场景中，车载场景是增长最快、用户体验最关注的方向之一。手机进入车内无线充电区域后能否实现快速设备识别、稳定功率传输与有效热管理；车载端与手机、配件之间能否实现跨设备、跨生态的协议兼容——在智能手机与智能汽车加速融合的背景下，上述问题的解决方案正日益成为行业关注的焦点。通过工厂参观，与会嘉宾将更为直观地了解小米在这一融合趋势中的真实产品布局与全栈制造能力。

06

标准是产业协同的基础设施 

从推动国产「小感量、低电压、高功率」方案进入 Qi 标准，到承办 WPC Qi Off-cycle Meeting，小米在无线充电领域的标准工作，本质上是在做一件更长远的事：把中国产业链积累的技术能力，转化为全球产业共同遵循的规则。

这件事的价值，不仅仅属于小米。

对国内整个无线充电产业链而言，标准的进展意味着更完善的市场准入门槛、更广阔的全球市场空间、更强的国际竞争力。芯片厂商、方案商、终端厂商、配件厂商、测试实验室——每一个环节都将从标准话语权的提升中受益。

在手机、车载设备、智能配件等多终端加速融合的今天，无线充电将从一个单一产品功能，逐渐成为连接多设备、贯穿多场景的关键基础体验。标准的重要性不会随着技术进步而降低，只会越来越高。

从参与标准到承办会议，从技术验证到产业协同，小米正以实际行动推动国产无线充电方案融入全球标准体系。此次 WPC Qi Off-cycle Meeting 落地北京，既是对中国无线充电产业实力的重视，也是一个新的起点。小米愿意与国内产业链伙伴一道，推动更多源自中国、经过市场验证的技术方案进入国际标准体系，为全球用户带来更高功率、更高效率、更强兼容性的无线充电体验。

END

跳转微信打开

跳转微信打开

今天，小米正式发布以 MiMo 大模型为核心的全屋智能 AI 开源方案——Miloco 2.0。

相比 Miloco 1.0，Miloco 2.0 在下一代智能家居的探索上“更进一步”：让家里的设备不再只是“听指令”，而是开始“会思考”，更深度的探索全新智能家居形态。

它能看见家里发生了什么，也能听懂你的需求；不仅会执行命令，还能记住家人的习惯、主动跟进长期任务，并在需要时提醒和干预。

Miloco 2.0 现以 Agent 形式接入 OpenClaw，支持一键安装和部署，支持 macOS、Linux、Windows 系统，后续计划会陆续适配 Claw 类产品。

为了让更多人理解 Miloco 2.0 到底能做什么、怎么用，我们写了这篇科普。

01

Miloco 2.0 是什么？有什么能力？

Miloco 2.0 是一个面向未来的全屋智能 AI 开源方案。如果要用一句话概括，它更像是一位真正住在家里的 AI 智能管家。

• 摄像头是它的眼睛，能看见谁在家、在做什么；

• 麦克风是它的耳朵，能听到孩子哭、老人呼唤；

• 米家设备是它的手脚，开灯、关空调、拉窗帘……全都能控制；

• Miloco 则负责理解、记忆和决策，让全屋设备协同工作。

支撑 Miloco 2.0 从规则控制迈向“主动智能”的，是背后两大核心能力的进化：

▍第一，接得住"长期任务"，不是一次性指令

过去的智能家居只能完成 “一句话对应一个动作”：开空调、关灯、拉窗帘。但生活中的很多需求，不是一次动作就能解决的。比如：

• “帮我留意孩子的坐姿”

• “孩子连续看电视满1小时就自动关掉”

• “如果老人夜里长时间没回房间，提醒我”

这类任务需要持续观察、记录状态、判断条件，再决定什么时候提醒或干预。Miloco 2.0 可以把这些长期目标变成持续跟进的家庭任务：

• “帮我留意孩子的坐姿”——它会在孩子驼背时自动提醒

• “孩子看电视满1小时就关掉”——自动计时，不用你盯着

这些习惯会逐渐沉淀成专属的家庭档案，帮你一键生成个性化自动化任务。

02

从 1.0 到 2.0，Miloco 的升级有哪些？

去年11月，小米发布了全屋智能探索方案 Miloco 1.0，开始尝试用大模型重新定义智能家居。

有了 Miloco 1.0，你不再需要研究繁琐的手动设置，只需要像和人聊天一样说出需求，大模型就能自动理解你的意图，并帮你完成配置。

但是，Miloco 1.0 主要靠规则驱动——你需要提前把每一条规则都设好。而现实生活千变万化，规则永远写不完。

这次发布的 Miloco2.0，在智能家居的未来形态探索上更进一步。它基于小米自研 MiMo 大模型，并通过 Agent 与 OpenClaw 连接，带来了全新的四大升级：

一点都不难，甚至可以让 AI 帮你装。你只需要：

• 一台能跑 OpenClaw 的电脑（Mac / Windows / Linux 都行）；

• 一个小米账号（绑定家里的米家设备）；

• 一台米家摄像头（已有的就行）；

• 一个多模态大模型的 API Key。

然后给 OpenClaw 发送指令 ：

“帮我安装 Miloco 插件：https://github.com/XiaoMi/xiaomi-miloco”

它会帮你自动完成环境准备、绑定账号和模型，全程几乎不用动手。

详细步骤可参考《Miloco 2.0 使用说明书》：

https://github.com/XiaoMi/xiaomi-miloco/blob/main/user_guide_zh.md

使用成本高吗？Miloco 2.0 本身完全开源免费（仅限非商用），摄像头和米家设备，优先利用家里已有设备即可，无需额外购买。真正的成本主要来自两部分：

• 一台运行 OpenClaw 的设备（家里的旧电脑也行）

• 大模型 API 调用费用

如果使用 Xiaomi MiMo 模型，Miloco 2.0 开源首周还有免费送 Token 的活动，点击阅读原文跳转链接即可参与。

-

目前，Miloco 2.0在面对更复杂、多变的真实家庭环境，仍无法做到每次都准确完成，未来还将持续优化和提升。

但 Miloco 2.0 已经让我们看到一种全新的生活方式：未来的智能家居，不再只是执行命令，而是真正理解生活。

Miloco 团队正在持续优化，希望把它打造成一个会理解你、记得你、主动帮你的家庭 AI 管家。

阅读原文

跳转微信打开

近日，小米 openvela 教育社区宣布，自3月项目启动以来，已完成北京工业大学、天津工业大学、北京信息科技大学、深圳职业技术大学、深圳信息职业技术大学、重庆电子科技职业大学六所高校教育社区的全覆盖搭建与常态化运营，累计吸纳600余名理工科学生参与，首批企业级开发项目已全面进入开发实战阶段。

作为小米集团深耕产教融合的核心项目，openvela 教育社区依托小米自研开源实时操作系统 openvela，面向高校构建“社团搭建—技术培训—项目实战—人才输出”全周期育人体系，核心定位“校企协同、技术赋能、人才共育”。项目采用“教师推荐+学生自荐”双通道遴选机制，各校均组建30至67人规模的专属社区，配套社长、副社长及核心干事骨干团队，统一落地双周学习汇报与阶段性成果评估制度，实现标准化运营。

线下方面，北京工业大学、天津工业大学开展实地专场宣讲，由 openvela 开源负责人、教育社区运营核心团队主讲，各校学院院长及指导老师现场参与支持，单校最高到场学生超118人；线上方面，深圳两所高校及重庆电子科技职业大学依托线上专场宣讲精准触达在校学生，同步解读社区培养规则、激励体系与成长路径。所有院校通过统一流程完成核心成员筛选与组织架构落地，实现六校社区同步启动运营。

01

企业级项目实战，让学生在真实产业环境中写代码

为真正实现“以练促学、以赛促技”，六校社区已全面启动首个企业级开发项目——openvela 仪表盘自研项目，同步开展社长专项培训，落地标准化项目运营模式，为学生提供真实产业开发场景。

该项目设置18天开发周期，适配学生技术基础，配套小米专业技术团队全程评审与技术答疑。所有参赛作品由小米专业技术团队评审打分，成绩计入学生官方成长档案，优秀作品可跨校公示并获得专属实物奖励。任何阶段表现突出的学生均有机会获得小米实习及就业推荐资格。

社区为学生全面开放产业资源：硬件开发板到手即用、系统化线上课程覆盖 openvela 北向快应用开发框架、工程师社群实时在线答疑。学生在真实开发环境中完成从开源框架学习、JS 技术考核到完整项目交付的全流程实践。北京院校参与者可优先获得小米科技园及小米汽车工厂参观资格，深圳院校开放小米深圳园区参访权益，以产业体验激发学生创新动力。

02

北工大领跑，三个月跑通“学习者到开发者”全路径

北工大 openvela 教育社区自2026年3月启动筹建以来，三个多月完成全周期落地建设。从3月17日项目负责人入校宣讲、吸引百余名学生报名，到3月25日破冰课程开讲并完成核心管理团队遴选；从4月29日社团首个仪表盘自研技术项目正式发布，到5月完成社员 JS 技术考核、学生自主筹办线下技术研讨活动——三个月跑通全周期培养路径，形成“企业赋能+学生自治+实战落地”的可复制运营模式。

学生自主开展线下技术交流会，聚焦仪表盘项目开发难题进行小组研讨，同步制作调研问卷收集社团发展与课程优化的学生建议，形成闭环优化机制。社员扎实掌握 openvela 北向快应用开发框架，为后续嵌入式底层开发筑牢根基。

6月3日，北工大近30名师生代表赴小米科技园参访交流。小米集团技术委员会马洪波带领师生回顾 openvela 操作系统九年发展历程，深度解析底层开源项目的核心架构与应用方向，结合自身经验分享参与开源共建的成长收获，鼓励同学们持续深耕开源领域。软件研发图形工程师辛炳男针对社员在自研“小米仪表盘项目”中遇到的技术瓶颈现场逐一答疑，给出可落地的解决方案。生态负责人赵微结合互联网、智能制造行业发展趋势，解读职业发展路径，为学子们的实习就业规划提供专业建议，同时介绍 openvela 覆盖120余家产业链合作企业的生态资源。

校企双方在座谈中达成重要共识：下一学年，北工大 openvela 教育社区将由学生全权自主策划各类科创活动，小米将持续提供硬件开发板、系统化线上线下课程、技术专家社群在线答疑等全方位资源支持，为学生自主科创保驾护航。

参访当日，师生一行还前往小米之家全球总店参观，全品类智能硬件及小米汽车等产品让大家直观感受到科技赋能生活的魅力，同学们结合实物产品为全球开源开发者大赛 AI 硬件方向梳理选题思路。参访结束后，同学们纷纷畅谈收获。有同学表示，这次不仅解决了代码研发中的难题，更体会到开源社区协作创造的乐趣；也有同学感慨，亲眼见证技术从代码转变为实体产品，明白了学习不能局限于书本，要立足实际需求做研发。

03

以开源生态为纽带，持续构建产教融合育人体系

openvela 是小米自研的开源实时操作系统，已应用于小米多款智能硬件产品。教育社区通过整合企业师资、实战项目、实习就业、赛事认证等全方位资源，打通高校理论教学与产业实战的壁垒，构建“教育—人才—产业”三方共赢的良性生态。

截至目前，六校试点社区已全面完成“社团搭建—破冰育人—项目实战—骨干培育—自主运营”全流程落地，真正实现产业技术进校园、实战项目育人才。

后续，openvela 教育社区将持续推进“开源之春”系列活动，落地技术讲座、跨校交流、编程竞赛、深度项目开发及全球开源开发者大赛等多元内容，持续扩大高校合作版图，优化人才培育体系，为数字科技行业持续培育优秀开源技术青年人才。

跳转微信打开

跳转微信打开

以下文章来源于：Xiaomi MiMo

从务实创新到探索未知，以思考触碰智能的边界，用创造回应每一次好奇。Ask Mi Anything！

跳转微信打开

今年高考季，小米大家电也迎来了一场特殊的“考试”——带着四项核心技术，接受行业权威专家委员会的鉴定。

近日，中国制冷学会、中国节能协会共同在湖北武汉组织召开小米大家电系列科技成果鉴定会。由小米智能家电（武汉）有限公司主导研发的四项关键技术——制冷剂动态调节与虚拟感知融合、出风形态重构的舒适送风、全温域宽频高能效控制、多智能体强化学习的多联机节能——经专家委员会鉴定，全部达到「国际领先」水平。

至此，小米大家电累计有20项关键技术被认定为「国际领先」水平，并陆续搭载于各款旗舰产品——强劲风 Pro 系列搭载9项、上出风 Pro 系列9项、中央空调系列6项，为用户带来更舒适、更智能、更节能的使用体验。

01

强劲风 Pro 系列｜制冷剂动态调节+全温域宽频高能效控制：极速冷暖，控温精准，全域节能

很多用户有这样的困扰：盛夏回家，空调迟迟降不下温；夜间睡眠，室温忽冷忽热；每月结算电费，空调堪称“电老虎”。

小米制冷剂动态调节技术，解决的正是这个问题：根据实际需求，动态、智能地调配系统冷媒量，快速冷暖时加大冷媒供给，室温稳定后适时减少冷媒，控温更精准，使用也更省电。

搭配“全温域宽频高能效控制技术”，压缩机在低速运行时平稳不频繁启停，高速运转时动力强劲无衰减，再辅以 AI 算法实时校准电机参数，让空调全程保持高效运转，每一度电都用在刀刃上。

搭载了这两项核心技术的强劲风 Pro 系列，能实现10分钟降温9度、升温10度；并且无惧极端环境，-35℃低温制热、65℃高温制冷均可稳定运行，强劲性能、舒适控温与节能表现兼备。

02

Pro上出风系列｜出风形态重构的舒适送风技术：舒适全域，告别冷暖不均

夏天开空调，冷风容易对着头和身体直吹，怎么调都躲不开；冬天开暖风，热气全飘在头顶，腿脚还是凉的。

针对这个困扰，上出风 Pro 系列给出的答案是：重构送风系统，通过180°反转风道，出风口整体上移。制冷时冷风贴天花板环流下沉，全屋均匀降温、无直吹不适感；制热时依托三重偏旋引流与斜置面板导流，热风贴地铺展，暖意自下而上充盈全屋。

这意味着，空调不再只是简单“把风吹出来”，而是让冷风、热风以更符合人体舒适感的方式流动。对用户来说，夏天少直吹，冬天脚下更暖，房间温度也更均匀。

03

中央空调双风轮系列｜多智能体强化学习多联机节能技术：全屋精准控温，高效省电

全屋中央空调，最怕“一刀切”：有的房间已经够冷，有的房间还没达温；系统持续运行，又带来额外能耗。

多智能体强化学习的多联机节能技术，正是让中央空调从“全屋一起开”，进化到“按需分配”：通过精准感知并预判各房间冷热负荷，再依托 AI 算法动态分配冷热量，按需精准输出。搭配4Hz 超低频技术，米家中央空调 Pro 双风轮系列在即使单开1个房间空调的情况下，也能让整个系统持续稳定输出，不频繁启停，舒适又节能。

小米大家电的技术路径，与传统大家电企业有着本质不同。过去，家电更多是在执行用户指令：用户设定温度，空调开始运行；用户调整模式，系统被动响应。

但小米希望，推动大家电产品进入新的阶段——不仅能执行指令，更能理解环境、判断需求、主动思考、主动服务；推动大家电行业从“硬件竞争”走向“体验竞争”，从“单点参数领先”走向“全场景体验升级”。

未来，小米大家电将继续坚持长期技术投入，持续推动 AI 能力与家电产品深度融合，致力成为产业价值的贡献者、产业进步的推动者。

跳转微信打开

跳转微信打开

以下文章来源于：Xiaomi MiMo

从务实创新到探索未知，以思考触碰智能的边界，用创造回应每一次好奇。Ask Mi Anything！

跳转微信打开

以下文章来源于：Xiaomi MiMo

从务实创新到探索未知，以思考触碰智能的边界，用创造回应每一次好奇。Ask Mi Anything！

跳转微信打开