阿米奥创始人刘方：具身智能真正要数字化的，是“劳动能力”

今年，机器人行业最确定的一条主线是进工厂。

7月7日，一场发布会释放了几个信号：2025年我国人工智能核心产业规模超过1.2万亿元，人形机器人全年整机产量有望突破10万台；规上工业企业AI应用普及率已超过30%，人形机器人开始“进工厂、下车间”。

这几句话放在一起看，方向很清楚。

机器人正在从实验室、展台和资本故事里，被推到真实工位上，接受制造业最现实的检验。

但进工厂只是表象。更深一层的问题是：机器人到底要替人完成什么？

阿米奥创始人刘方给出的答案很直接：具身不是大模型，也不是自动驾驶，是新业态。它真正要数字化的，是劳动能力。

这句话，比“机器人进工厂”更值得琢磨。

“劳动能力”不是动作库。它是一套连续能力：感知、判断、操作、纠错、复用。机器人只有把这套能力跑通，才可能从技术演示变成真正的生产资料。

这也是阿米奥有意思的地方。

它选的是轮式双臂路线，瞄准的是3C、汽车、食品加工等柔性制造场景里，传统自动化不好做、人工成本又不低的工序。

这条路不炫，但它问的是一个更硬的问题：一段人的劳动，能不能被机器人可靠地接过去？

一、HPI不是指标，是劳动能力的信任门槛

为了衡量这件事，刘方提出过一个指标：HPI，Hours Per Intervention。

简单说，就是机器人在真实生产环境里，每经历一次人工接管、纠正、复位或重新标定之前，能连续自主工作多少小时。

这个指标听起来很技术，但真正重要的地方，是它把机器人从“会不会做一次”，拉回到“能不能持续交付”。

生产资料有自己的考核方式。它不能只在样板工位上跑通，而要能被排进班次；不能只适应一种物料，而要在多SKU、多物料、多班次里持续工作；不能把问题留给现场工人频繁兜底，而要把人工干预一点点压低。

刘方说过，行业里很多所谓订单还是意向订单，签了很多条产线，真正试产的可能只是少数。

这话不太好听，但接近现实。展厅里做成一次，不代表能在产线上做一天。一个工位跑通，不代表能在多种物料和连续班次里继续跑。

HPI要回答的，就是这件事。

而且，HPI不能单独看。它必须放在同样的SKU、同样的工艺要求、同样的良率标准、同样的目标节拍里看。

如果机器人靠放慢速度、减少动作、避开复杂任务来减少干预，这个数字就没有商业意义。客户要的是稳定产出，不是温室里的稳定。

能提出HPI，说明刘方对机器人产品有一层更深的理解。

具身智能最难的地方，不是让机器人“会一次”，而是让客户敢把一段劳动交给它。

二、刘方的反共识，把机器人做成生产资料

刘方的特别之处在于，他明明有最适合讲技术故事的履历，却总想解决最现实的问题。

他做过手机系统、AI硬件、智能驾驶，也经历过多项业务从0到1。按理说，这种背景最容易讲一个宏大的技术故事。

但阿米奥的产品选择，反而很克制。它没有追最热的双足人形，而是选择轮式双臂机器人。

原因也简单：在很多制造场景里，地面是平的，工位是固定或半固定的。客户真正关心的是成本、稳定、节拍、精度、能耗和维护便利性，不是机器人走路时有多像人。

如果场景需要上下楼、跨越复杂地面、在为人设计的空间里移动，双足人形当然有意义。

但在平整产线里，多出来的自由度如果不能转化成产出，就只是成本。

阿米奥首款产品是轮式双臂机器人，14个自由度，±1mm操作精度，5kg负载，覆盖多数3C产品作业需求。

这些信息比机器人“像不像人”更重要。因为它说明阿米奥不是在抽象地讨论形态，而是在围绕具体劳动定义产品。

一个工厂工位，三班倒，一年人力成本大概二三十万。如果一台机器人价格在20万左右，能替代2到2.5个人，客户一到一年半能回本，这件事才有可能成立。

工厂采购机器人，不是在给技术投票，而是在做经营决策。它要算人工成本，算良率，算维护，算换线，也算出了问题谁来兜底。

在3C制造企业的点焊工位，这笔账更直观：原先需要6人三班倒，部署阿米奥机器人后，只需要1台设备加1名巡视员，良率稳定在99.9%以上。

这不是简单替人。这是把一段劳动拆出来，交给机器持续完成。工厂要的不是形态正确，而是账能算过来、活能干稳定。

三、技术路线不是站队，是让劳动能力解决问题

现在讲具身智能，很容易陷进路线之争。VLA、VLM、世界模型、预训练、强化学习，哪个才是正路？

刘方的态度比较冷静。他不是不懂技术，也不是不关心前沿。恰恰因为他是技术人出身，才更清楚一个道理：技术路线不是用来站队的，是用来解决问题的。

真实劳动里的问题，往往很细。

零件反光、摆放偏差、夹具公差、材料变化、接触力不稳定、异常状态恢复，这些问题未必能被一个通用模型一次性吃掉，却足以让一台机器人停下来。

所以阿米奥更强调第一视角视频、真机数据、后训练和真机强化学习。

让工人戴着摄像头干活，机器人先看老师傅怎么做；再用真机数据校准动作；再在真实环境里解决最后几毫米的抓取、装配和异常纠错。

这个目标背后，是让劳动能力可记录、可训练、可验证、可复用。

传统自动化适合大批量、标准化、长期稳定的工序。问题是，现在很多制造业订单变小了，SKU变多了，换线变快了。工厂不是不想自动化，而是改造成本高、周期长、灵活性不够。

具身智能真正有机会的地方，就在中间。

它不是马上替代所有自动化，也不是一上来做一个什么都会的机器人。更现实的路径，是先在一个个工位上成为“快学者”。

阿米奥机器人帮助某品牌的海外工厂降低40%的综合生产成本，产能稳定性提升至99%；新产品调试时间从两周缩短到3小时。

刘方有一句判断很关键：真正的壁垒不是拥有一个更大的模型，而是能不能把每一次现场干预，转化成下一次更少干预。

这句话把阿米奥的数据飞轮说透了。

部署越多，真实劳动数据越多；真实数据越多，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。

这才是阿米奥真正看重的商业闭环。

四、结语

当然，阿米奥这条路也没那么轻松。

一个工位跑通，不代表多工位、多产线、多客户都能快速复制。客户从试用到复购，从一个工位到多个工位，从一条产线到更多产线，中间隔着HPI、良率、维护成本和回本周期。

也就是说，阿米奥要靠真实部署、持续运行和客户复购来证明自己。

但反过来看，这正是它值得观察的地方。

当政策和产业都在把机器人推向工厂，真正的分水岭不是谁更早喊出口号，而是谁更早接受HPI的检验。

未来三四年，机器人进工厂大概率会是具身智能最重要的一条主线。但客户不会因为一台机器人像人，就为它买单。客户只会为稳定的产出、可计算的成本、可接受的回本周期买单。

阿米奥的价值在于它更早承认了一个现实：机器人可以不像人。但它必须先把一段劳动，变成可以被信任的能力。