全文4100字，阅读需要约15分钟。

接上文，这篇重点分析一下小米集团现在AI部门的发展，未来借助AI可能达到的高度。

小米当前市值8500亿港币，约等于7560亿人民币，对应2025年年度利润415亿，相当于是18倍PE。

2026年营收正增长问题不大，但利润大概率负增长，主要是因为存储等零部件涨价，汽车、AI、芯片、具身智能（机器人）的巨量研发投入还没有实际变现导致的，大部分是暂时性因素，即使净利润萎缩至350亿以下，现在的PE也只有22倍左右。

这显然只是一家硬件公司，或缓慢增长的消费品公司应有的估值。

小米大量的创新业务，快速发展并可能铺向海外的电动车，AI、芯片和具身智能未来将创造的价值，都没有给估值。

1、小米的AI处在什么水平？

很多人对小米在AI领域的发展不甚了解，豆包、Qwen3、Seedance2.0等国产模型我们已经非常熟悉了，而对小米的模型使用不多，主要是小米目前最厉害的模型MiMo系列没有很好的流量入口，没有抖X、微X这样的超级日常应用。

小米的MiMo系列，现在主要给自家的“人车家”生态提供底座，属于“基础设施”，必须首先是小米的硬件用户，才能直接感受到。

4.1 初代MiLM

我自己做了一个图，帮大家理解小米从初代自研的MiLM，到第二代的MiLM2，再到今年发布的MiMo-V2系列（可以认为是MiLM3），有哪些进步：

首先小米的模型名称都是Mi打头的，第一代的MiLM中的LM，意为Large Language Model大语言模型。

小米2023年8月发布MiLM-6B，1个B是10亿，6B级别，模型总参数其实是64亿。2023年年底MiLM接入了澎湃OS，到2024年5月的时候才逐步应用在汽车、手机、智能家居等各种产品上，所以小米在AI领域的起步是比较晚的。

这里要说一下小米在发展AI大模型上，相比其他厂家的差异化打法。

雷军最早制定的战略就是，要走轻量化路线，要做本地部署（端侧），要做端云协同。

什么叫端侧？

就是计算的核心和模型就部署在本地，在硬件“端”的一边，与之对应是“云端”和“云侧”，端侧硬件的水平要求模型必须轻量化。比如自动驾驶这个功能，你使用云端模型去处理的话，延迟会很高，对通讯的稳定性要求极高，所以自动驾驶未来基本都会使用端侧模型。

小米的优势在于其生态，在于手机、车、家居设备的全场景布局。上一篇内容我们说过，小米现在除了手机、平板、笔电三电平台外的AIOT设备数、用户数，2025年底已经增长到了10.79亿，同比增长了19.3%，而且还在继续快速增长。

这里手机还好，迭代速度够快，端侧的处理能力和计算能力还可以，和云端的通讯能力也在线，但你想用车和其他家居产品实现AI覆盖，就有点儿强人所难了，比如手表、音箱这种低级形态。

这个时候小米如果一味地追求参数规模，追求模型的性能，追求逻辑、数学、编程等能力，就没法儿发挥出它硬件和生态的优势。

你不可能要求一个3年前出的电动车，或者手表、音箱这种低端硬件，拥有很好的算力和芯片性能。

而且当时的小米认为，和智谱、阿里、月之暗面这种云端模型厂商比性能，完全不是小米的强项。

所以这边儿发布的第一个模型MiML只有6B的参数，这个模型的特点就是极致的轻量化，牺牲复杂推理能力，强化在中文知识问答、文科类任务上的表现，最后小米也确实实现了在自家旗舰手机上的“无损部署”，成为了第一家在手机上无损部署6B以上模型的厂商。

4.2 第二代MiML2

之后到2024年11月的时候，小米发布了MiML的第二代模型，MiML2，模型参数扩展到了0.3B到30B的多个挡位，即从3亿到300亿，从这个模型开始逐渐覆盖了端侧和云端。

因为小米的设备众多，芯片算力和存储能力参差不齐。你可以理解为，设备越低端，可以部署更小的，比6B规模更小的0.3B、0.7B这样的微模型，效率更高。而到复杂任务的时候，又可以用更先进的设备比如手机、平板，部署13B或30B的模型。

二代模型对比一代，除了能力更强，还使用了量化、投机推理、剪枝等新的技术：

这些概念有点复杂，就不赘述了，我也不太看得懂，有需要的我可以把技术文档分享给大家。

总之这些量化、投机推理、剪枝一类的创新技术，能显著提升模型性能，提升推理速度和长文本处理的精准度，或者能大幅减少对硬件性能的需求，减少算力消耗。

4.3 第三代模型MiMO-V2系列

到2025年12月，小米正式发布了第三代模型，这是性能突飞猛进的一代，不再命名为MiML3，更名为MiMO-V2-FLASH。

有FLASH这个词条的存在，证明是一个追求快速和轻量化的版本：

以及之后发布的满血版MiMO-V2-PRO（2026年3月19日发布），MiMo-V2-Omni，MiMO-V2-TTS，以上这些模型有什么区别？

首先看命名，MiMo中的Mi还是小米的意思，后半部分MO，至少包含两层含义。

一个是混合专家架构MOE（mixture of experts），简单地说从MiMO-V2开始，小米全面转向了混合专家模型架构，这是一种基于稀疏注意力机制的架构，可以动态选择一小部分称为“专家”的子网络进行计算，能提升模型的容量和计算效率，特点是“高参数，低计算量”。

比如说MiMo-V2-PRO，总参数达到1T，也就是一万亿！但激活参数只有42B。

不过现在MOE架构其实不稀罕了，大部分主流大模型都在使用了，且都有总参数和激活参数，比如阿里的千问Qwen3-30B-A3B，意思就是总参数30B，激活参数3B（Actived3B）。

第二层应该是包含多模态输入，多模态输出（Multiple-Input Multiple-Output）的意思，也就是模型除了能理解输入的文字以外，还可以理解图像、语音，甚至视频，同时也能生成多模态的内容。

所以MiMo-V2是一个系列，后缀FLASH、PRO、Omni等是不同版本，其中FLASH是高效轻量化版本，PRO是旗舰级的推理基座模型，Omni是全模态感知模型（Omni就是全能的意思），TTS是语音合成模型（Text-to-Speech文本信息到语音）。

第三代的MiMo-V2系列相比前两代有哪些进步？

我做个表格方便大家对比研究：

MiMo-V2相比前两代的主要特点是：规模更大，面向Agent时代打造，是多模态模型，上下文长度达到1M token（比上一代扩展了5倍以上），采用多层MTP推理加速技术。

这里过多堆砌AI领域的名词，对于投资人朋友理解起来有些困难，先说说小米最新一代几个模型取得的成绩。

4.4 小米大模型的真实能力

Artificial Analysis大模型榜单，也叫AA榜单，是当下较为权威的，针对大模型的第三方独立测评平台。他会对全球排名前列的大模型进行智能、逻辑推理、代码生成，以及面向智能体的能力测试，并进行排名，新的模型发布后测试分数会随时更新。

AA官网大家可以自行检索，这里避免违规不放链接了，直接给大家看看小米的几个模型的实力。

4.4.1 智能Intelligence

截至今天3月31日，在智能指数（Intelligence index）榜上，小米最顶尖的MiMo-V2-PRO得分49分，排在全球第7位：

这是一个非常牛X的成绩，要知道小米在大模型领域其实算是新兵，之前一直是藉藉无名的。

上图中，我将小米的两个模型MiMo-V2-RPO和MiMo-V2-FLASH用橙色箭头标注。

轻量模型V2-FLASH仅以309B的总参数（激活参数15B），就拿到了41的高分，超越英伟达最强的模型Nemotron3的36分。

国产的，取得好成绩的几个模型，上图我用蓝色箭头标注。

目前排在小米V2-PRO前面的大模型有：Gemini3.1 PRO（57分）、GPT-5.4（xhigh版本，57分），Claude Opus 4.6（53分）、Claude Sonnet 4.6（max版，52分），以上几个来自GOOGLE、OPENAI、Anthropic三大美国AI巨头就不多说了，小米在资历、技术层面，投入的资源等，和这几个其实都没有可比性。

接下来是国产模型的骄傲，智谱的GLM-5，得到50分，排名全球第5，国内第1；MiniMax-M2.7得50分，排名全球第6，国内第2；之后就是小米的Mino-V2-PRO了，排在全球第7，国内第3，得分甚至高于马斯克的Grok 4.20和月之暗面的Kimi K2.5。

而排在后面的轻量FLASH版本，也只是以微弱的劣势输给大名鼎鼎的Qwen3.5和DeepSeek V3.2，可见其实力不俗。

4.4.2编程Coding和Agentic能力

体现逻辑推理的编程能力指数（Coding Index）方面：

MiMo-V2的PRO和FLASH两个版本，以41和33的分数，分别排在全球大模型总榜的第10和第14位。

推理和Coding能力不是小米的强项，但这个排名也相当不错了。

面向智能体的能力，自主感知、推理、规划与执行层面的指数Agentic Index：

MiMo-V2的PRO版本以63分的好成绩，排在全球第5位，国内第2位，第1是智谱的GLM-5，同样是63分。

以上从智能、编程、AGENT三大能力综合来看，小米的第三代大模型MiMo-V2系列已经跻身绝对的第一梯队。

4.4.3 价格

以上谈的都是性能。

而我们知道模型的价格也非常重要，也就是单位性能，或单位token调用需要支付的马尼。

小米自己公布的，在256K上下文以内，它的输入和输出（input和output）的价格，只有Claude Sonnet 4.6的1/3，是Claude Opus 4.6的1/5：

前面我们看到Claude Opus 4.6和Claude Sonnet 4.6的智能Intelligence得分也不过53和52分，仅比小米MiMo-V2-PRO的49分略高，价格却是小米大模型的3到5倍！

而在AA榜单里的智能关联价格对比（Intelligence vs Cost）一项：

纵坐标代表智能，智能分数越高越好（在上图中越靠上越好），横坐标代表价格，价格越低越好（在上图中越靠左越好）。

也就是说，综合智能和价格，在上图坐标系中，越靠左上越好。可以看到小米的旗舰模型PRO和轻量模型FLASH，都在极其靠左上的位置（两个橙色箭头）。

4.4.4 Omni版本的Agentic

小米在发布MiMo-V2-RPO的同时，还发布了一个Omni版本，是面向全模态的底座模型，重点用于Agent领域。

这个分项需要看PinchBench榜，是专门用于评估模型在‌真实工作流中的执行能力，比如发一封邮件，直接调用 API，或者直接生成一份报告的能力，而不是传统意义上的知识问答，或者推理。

下图是截至3月31日的分数，V2-Omni版本在任务最佳完成率一项拿到85.6分的不错成绩，任务平均完成率得分81.9%，排名全球第三位，仅次于Minimax M2.7的83.2%和Claude Opus 4.6的83.1%。‌

可以说最近半年，小米在AI大模型领域的能力是突飞猛进的，从之前几乎没什么存在感，到最近各种刷榜，好评如潮。

最后总结一下：

小米在人工智能领域的发展空间极其广阔，属于是既有场景和生态（总量十几个亿，双位数增长的智能终端设备），又有塑造顶尖大模型的技术水平（MiMo-V2系列模型的能力前面已经论证过）。

未来双剑合璧，会演化出一个什么样的终极形态？

不敢想。

而且小米的这个生态位，在国内还看不到有其他的竞争对手，差异化明显。

字节、腾讯、阿里只有大模型和超级APP，缺乏硬件和底层系统支持，KIMI、智谱、Minimax、Deepseek等只是模型相对优秀，连个流量入口都没有。

现在看来唯一在生态位上对小米有挤压的只剩华X（苹果属于半残状态），但华X的硬件总数少很多，华X的底座大模型现在也并不出彩。

目前小米20到22倍PE的市盈率，是完全没有给AI估值的，只有车的估值。

2025年小米集团整体的研发投入达到331亿，同比增长37.8%，其中1/4，也就是80亿的规模投给了AI，就砸出了MiMo-V2系列这么优秀的产品。

今年3月雷军又豪言2026年在AI上要投160亿，占全年研发投入400亿的40%以上！未来三年AI领域要投超过600亿！

2025年小米集团在AI领域的研发人员规模达到了3000人以上，同比暴增45%！

这么多钱，这么多人砸下去，未来三年小米将孵化出怎样一个AI怪物？

也许只有时间才能给我们答案～

关注我，分享更多投资干货～