阿米奥机器人刘方：具身智能不是大模型，更不是智驾

过去两年，具身智能常被放进两个熟悉的叙事里理解：它要么是“大模型的下一站”，要么是“自动驾驶向工厂的迁移”。前者强调模型、数据和规模效应，后者强调感知、预测、规划与端到端闭环。两种说法都言之成理，然而在阿米奥机器人创始人刘方看来，它们仍未能回答那个更根本的问题——我们究竟需要具身智能解决什么问题。

刘方坚信：具身不是大模型，不是自动驾驶，是新业态。自动驾驶数字化的是驾驶能力；大模型数字化的是知识；具身智能真正要数字化的，是劳动能力。

这并不是一句把机器人包装得更宏大的口号。相反，它把问题拉回了最务实的工业现场：客户购买的不是一个会演示动作的机器，也不是一组漂亮的模型参数，而是一段可以持续交付产出的劳动。机器人必须在工位上完成任务、保证良率、跟上节拍，并在经济性上替代或补充现有的人力与自动化方案。

 

阿米奥双臂轮式机器人AMI-01，目前已在3C、汽配、食品加工等多条产线上应用

从“会做”到“能用”：劳动能力是新的数字化对象

互联网把信息的获取和分发变成了可复制的软件能力；基础大模型让知识的生成、调用和交互以更低的成本规模化；自动驾驶则试图把驾驶中的感知、判断和操控沉淀为可部署的系统能力。具身智能面对的，是更靠近生产一线的一层：把人类在真实物理环境中完成任务的能力，逐步转化为可训练、可验证、可复制的数字能力。

这也是为什么，机器人不能被简单理解为“大模型加上一只机械臂”。模型可以在云端迭代，能力提升后很快被分发到大量软件终端；但机器人每一次能力升级，都要穿过硬件本体、传感器、末端执行器、控制系统、工装、现场节拍、维护流程和安全边界。软件的规模化，更多依赖分发；机器人的规模化，则要先经过一次次真实部署的验证。

在工业场景里，劳动能力也不是一个抽象的“技能标签”。它通常由一组彼此耦合的能力组成：看清对象与状态、理解工艺目标、规划动作、控制接触力、处理误差、识别异常，并在必要时完成恢复。以一个看似简单的上下料任务为例，零件的反光、遮挡、摆放偏差、材料变化、夹具公差和节拍要求，都可能改变机器人下一步应该如何行动。

因此，具身智能的目标不应只是让机器人“能做更多动作”，而是让一段劳动流程在清晰的边界内成为一种可交付的能力包：它可以被部署到一个工位，被持续运行，被记录、纠偏和升级，并在相近任务中复用。刘方将这一过程概括为“劳动能力数字化”。未来真正有价值的，不是某一台机器人做了多少动作，而是有多少劳动能力被沉淀下来，能够被反复部署。

HPI：衡量的不是“稳定多久”，而是劳动能力能否被信任

自动驾驶有一套成熟的衡量体系——Miles Per Intervention（MPI） ，即车辆在一次人工干预之间，车辆能自主行驶多少英里。几百英里、几千英里、上万英里，数字一路攀升，但背后是同一个逻辑：让车在结构化道路上跑得更远、更少被打断。这个指标之所以成立，是因为它将“系统能否持续完成驾驶任务”转化为一个可长期追踪的运营尺度。

刘方认为，具身智能同样需要一个面向真实工作的尺度。因此，阿米奥提出 HPI（Hours Per Intervention）：机器人在真实生产环境中，每经历一次需要人工接管、纠正、复位或重新标定的干预之前，能够连续自主工作的小时数。

HPI 与 MPI 表面上都在衡量“更少干预、更长连续运行”，但其含义并不相同。车辆始终在完成“驾驶”这一相对统一的任务；而在工厂里，机器人面对的是大量不同的零件、工序和工艺约束。对机器人而言，HPI 从 1 小时提升到 10 小时、再到 100 小时，不只是可靠性曲线变好，更意味着某一段劳动流程开始在真实物理世界中被系统消化。

不过，HPI 不应被理解为一个可以脱离场景单独比较的“漂亮数字”。如果一台机器人通过降低节拍、回避难动作来减少干预，它的 HPI 可能上升，却不一定创造更多价值。真正有意义的 HPI，必须放在相同 SKU、工艺要求、质量标准、安全约束和目标节拍下观察，并与良率、单位产出、人工投入和维护成本一起衡量。

这恰恰体现了 HPI 的价值：它不是只看模型表现，而是把模型、机器人和现场运营放在同一张答卷上。对于客户而言，HPI 足够高，意味着这段劳动可以被纳入排班和产能计划；对于机器人公司而言，HPI 持续上升，意味着系统不再停留在“会做一次”，而是在接近“可以长期交付”。HPI 的本质，不是机器人“坚持得更久”，而是客户开始相信：这段劳动可以交给它。

没有后训练，通用模型很难变成产线级能力。

如果说 HPI 是劳动能力数字化的刻度，那么后训练就是让刻度持续增长的发动机。刘方并不否认通用具身模型的重要性：它们提供了理解环境、遵循指令和生成动作的能力基础。但在产线里，模型“看得懂”并不等于系统“靠得住”。

工业现场的难点，往往来自模型预训练阶段很少见到的细节：材料与光照造成的视觉偏移、零件间微小的公差变化、接触时的摩擦与力反馈、工装位置的累积误差，以及流程中偶发但必须处理的异常。它们未必足够“通用”到能被一套基础模型一次性覆盖，却足以让一个实际工位停止运行。

因此，阿米奥的技术路径不是把通用模型当作终点，而是把它当作一个中间态。第一视角的现场操作数据，能够提供人类如何完成任务的丰富先验；遥操作和真机调试数据，则让这种先验与具体机器人本体的运动学、末端执行器和真实接触过程对齐；每一次失败、人工干预和恢复，又为系统补上最有价值的边界样本。

在这一闭环中，最重要的并不是“采到多少视频”，而是能否把数据变成可用的工程反馈：机器人为什么失败？是视觉误检、抓取姿态不稳、接触力不合适、工艺判断错误，还是异常恢复策略缺失？不同原因需要不同的修正方式。只有把失败拆解到可处理的层面，数据才会转化为下一轮 HPI 的提升。

在此基础上，纯数据驱动的学习仍不足以应对真实产线的长尾情况，因此必须引入reasoning能力，使机器人不仅能理解语言指令与描述自身状态，还能在面对未见场景时进行一定程度的推理与决策，从而弥补后训练泛化能力的天然上限。

刘方认为：真正的壁垒不是拥有一个更大的模型，而是能否把每一次现场干预，转化为下一次更少干预。从这个角度看，具身智能的飞轮也变得更具体：不是泛泛地“数据越多越好”，而是“部署越多，真实劳动数据越多；真实劳动数据越多，后训练越有效；后训练越有效，HPI 越高；HPI 越高，客户越愿意扩大部署”。模型、数据与商业化在同一条闭环里互相强化。

形态服务于任务：工业现场需要的不是“像人”，而是“能交付”

围绕具身智能，最容易吸引注意力的形态往往是人形机器人。但刘方的判断更克制：人形并非没有价值，它可能更适合为人设计的通用环境；只是对现阶段的工业制造而言，“像人”并不是客户的第一诉求。客户首先要的是精度、节拍、稳定性、维护便利性以及可计算的 ROI。

阿米奥选择轮式双臂路线，正是从这一判断出发。在许多固定或半固定工位中，轮式底盘与双臂协同能够在覆盖范围、移动效率、稳定性和能耗之间取得更直接的工程平衡。比起为通用环境保留大量自由度，工业产品更需要在明确任务边界内减少不必要的复杂性，把系统能力集中在“看、想、做”的闭环上。

这并不意味着工业机器人永远不需要人形，而是意味着产品形态应该从任务出发，而非从想象出发。若一个工位真正需要上下楼、跨越复杂地面、使用为人设计的工具，人形可能具备优势；但若任务的核心是高速、精密、重复且需要长期稳定运行，那么结构约束往往比形态通用更有价值。

在刘方看来，未来的工业机器人产品不应被“是否像人”定义，而应被三个问题定义：它能替代哪一段劳动？HPI 能做到多少？客户是否愿意为它持续付费？这三个问题会反过来决定本体、末端、传感器、模型和部署方案应该长成什么样子。

复购，才是数字劳动力真正成立的时刻。

具身智能行业不缺 Demo，也不缺试点。真正稀缺的是：机器人在完成一轮验证后，客户愿意把它从一个工位扩展到多个工位，从一条产线扩展到更多产线，并把它纳入长期预算。

这也是刘方区分“意向订单”和“真实订单”的原因。一次现场演示只能说明系统在某个时刻完成过任务；一次短期试点只能说明客户愿意继续观察；只有稳定的产出、可计算的成本收益和持续的复购，才能证明机器人交付的已经不是演示能力，而是能够被采购的数字劳动力。

对于制造企业，购买机器人从来不是一次技术投票，而是一笔经营账：它能否覆盖一个完整流程，而不只是替代一个孤立动作？它是否能适应换线、换型和现场波动？发生问题后，恢复和运维成本是否可控？这些问题最终都会落到同一个结果上——单位产出、良率、人工投入和资本回报是否改善。

因此，阿米奥并不把等待某个“机器人版 ChatGPT 时刻”当作路径。工业具身智能的进步，很可能不是一次突如其来的能力跃迁，而是一条条产线、一段段劳动、一轮轮后训练所推动的 HPI 曲线。先在能兑现 ROI 的场景中建立能力，再让能力随部署和数据不断扩张，这条路更慢，却更接近产业真正的规模化。

机器人没有奇迹，只有积累。

当劳动能力能够被记录、训练、验证、复用并持续改善时，机器人公司经营的就不再只是硬件销量，而是一套不断增长的数字能力资产。它的价值不只存在于某一台机器上，而会沉淀在未来每一次部署、每一次换线和每一次客户复购中。

这或许才是具身智能区别于大模型，也区别于自动驾驶的地方：它最终要回答的，不是“机器人有多聪明”，而是“有多少真实劳动，已经可以被可靠地数字化”。