一家成立两年的具身智能公司，为什么先啃“柔性装配”？

具身智能公司想进工厂，第一条产线选在哪，基本决定了它后面两年怎么活。

阿米奥机器人选的是汽车零部件钣金装配、3C上下料这类“重复但有扰动”的工位。

公司成立于2024年9月，创始人刘方本硕均毕业于上海交通大学计算机系，曾在谷歌中国搜索业务部门任职，后加入小米并历任MIUI生活黄页业务负责人、小米汽车自动驾驶产品技术负责人及量产负责人，主导了小米自动驾驶团队从筹建到量产落地的全过程，成果应用于小米首款SU7车型。

2024年9月从小米汽车离职后，刘方短暂加入安克创新负责具身智能项目，同年即独立创业成立阿米奥。

成立仅一年，阿米奥就完成了由安克创新领投、Z基金（智谱生态基金）与险峰长青跟投的约亿元种子轮，随后获欣旺达数千万元种子+轮，以及中金资本、钧山资本等参与的数千万元天使轮，投资方中安克创新与欣旺达均为产业方。

据阿米奥介绍，其技术框架分为“工业大脑”与“工业小脑”两层，前者处理视觉感知与任务决策，后者负责运动控制与实时补偿。

这套分层在行业内已有多处提法，但关键仍在于它能否从展台演示跑进真实产线，让客户算得过账。

为什么不做双足，先做轮式双臂？

阿米奥的产品选择，可以用一句话概括：先把工位干稳，再谈通用人形。

2025年8月，阿米奥首批机器人部署到客户产线，首款产品为轮式双臂构型AmigosBot，双臂14自由度、±1mm操作精度、单臂负载5kg，面向3C及汽车电子零配件作业。

此后推出的AMI-01定位为工业柔性具身机器人，重复定位精度≤±0.03mm、单臂5kg/双臂10kg，搭载双目相机与3D视觉动态感知，操作精度±1mm，支持多SKU自主识别，采用创新侧装双臂设计，可配置移动AGV底盘或固定工位，末端支持吸盘、夹爪、灵巧手等柔性快换。

2026年发布的AMI-02搭载NVIDIA Thor平台，支持VLA模型端侧推理、遥操作数据采集与能力持续迭代，腰部最大升降行程800mm、头部俯仰0–70°，全向移动底盘配合激光SLAM导航与热插拔换电，适用于3C电子、汽车零部件、食品及物流等场景。

这个选择背后是一套明确的成本账。刘方曾在接受媒体采访时提到，选场景看三件事：有明确需求、AI能带来显著改善、ROI算得过来。

他算过一笔账：东南沿海工厂一个工人月薪六七千元，年综合成本8万-10万元，三班倒下来一个工位全年成本二三十万元；因此阿米奥把单机定价卡在20万元左右，若替代2—2.5个人，客户一到两年即可回本。

轮式双臂恰好避开了当前人形机器人最尴尬的两块成本——双足平衡和高动态续航，又把“手”的问题留给自己解决。对产线来说，工人大部分时间不是在走路，而是在工位上抓、放、插、拧。

一位具身赛道从业者也表达过类似判断：不少厂商给机械臂“去脚”，由双足变轮式，不是技术倒退，而是产业对回报率的回应。

汇川技术首次展示的InoBot W1同样是轮式移动平台搭载七轴仿生机械臂——这从侧面印证了工业老兵的判断：工厂地面结构化，不需要翻越障碍，轮式方案的可靠性、负载与续航都更优。

“柔性装配”为什么是先落地的一刀

传统工业自动化靠治具+示教轨迹，产品不变时极高效；一旦来料位姿偏移、SKU换型，调试成本就上来。多品种小批量订单越多，这块痛点越硬。

阿米奥在工博会展示的钣金件柔性装配，逻辑是：视觉识别工件状态→大脑生成装配策略→小脑做位置补偿和力控插入。据阿米奥披露，该系统可实现亚毫米级定位与较高装配成功率；不过相关数据目前主要来自展示工位与试点产线。

观察重点不在于单次精度，而在于“换型不改程序”能否成立。据阿米奥IFIMS平台方案，其“看-想-做”闭环架构中，“看”是集成3D视觉、触觉与力觉的多模态感知系统，实现毫秒级精准感知；“想”是VLA范式下的任务规划；“做”是端侧推理与实时执行。

换型通过学习新工序完成，目标是把新工位部署时间从数月压缩到一周以内，实现“零代码换型”。

这类方案的早期成效已有客户侧反馈。

阿米奥与华南智能硬件制造企业迪比科能源达成战略合作后，将方案部署至其东南亚与美洲工厂，迪比科智能制造负责人曾表示“过去一条产线改造需停工两周，现在用机器人‘学’新技能只需3小时”，并称这会让其海外工厂承接紧急订单时产能响应速度远超当地竞争对手。

阿米奥还获得了欣旺达，以及加拿大CAMT Automotive等海内外制造企业订单，AMI-01已获得这些客户订单并逐步批量交付。

2025年12月，阿米奥签署首个商业订单与首个海外商业订单。

刘方此前在采访中曾表示，国内不存在技术秘密，最后拼的是持续解决客户需求形成的绑定；阿米奥不做“出厂什么都能干的通用机器人”，而是做一个“快速学习者”，让机器人在一个工位上“学得快”。

按刘方说法，这意味着阿米奥当前阶段并不主打“技术壁垒”叙事，而是优先建立场景绑定——数据飞轮转起来之后，当一个机器人学会多个工种，自然会形成相对通用的泛化性。

汇川的汽车场景落地为何选择阿米奥的“大脑”？

汇川技术是本届工博会上具身机器人赛道最受关注的工业老兵之一。公司首次展示轮式具身机器人InoBot W1——轮式移动平台搭载七轴仿生机械臂，具备全身液冷、IP54防护与电池热插拔设计，为车间狭窄空间与连续工况做准备。

同期亮相的还有汽车焊装作业示范线，集成控制、驱动、机器人、视觉等产品，融合无线与智能技术，人形机器人联动视觉系统与弧焊机器人，自主完成工件上下料、复位等工序并协同开展弧焊作业；示范线依托标准化工艺模块实现开发复用，通过数字孪生提前验证方案、借助视觉自适应抓取完成柔性上下料。

此外，汇川还展示了REAL四层架构与工业智能大脑，聚合工艺知识、设备图谱、现场经验与生产数据，用于生产异常分析与控制策略调整。

从底层伺服、关节模组到整机本体，汇川的工业自动化底座完整。公司伺服系统市占率31%、SCARA机器人市占率28%、低压变频器市占率21%，均在国产厂商中排名第一，且人形机器人相关电机已实现自研自产。

在工博会上，汇川还请来一线客户现场站台：冶金厂老师傅说以前换辊停机两小时，现在AI提前48小时预警；陶瓷厂老板算账称省下3个巡检工、能耗降8%、次品率从3.7%压到1.2%。

但值得看的是另一件事：在汽车钣金件柔性装配这一具体场景的落地验证中，汇川选择让阿米奥承担“大脑层”——感知决策与现场纠错，而展示跑在汇川的本体上。汇川官方将阿米奥列入“AI伙伴”，并提及感谢阿米奥对其智能汽车焊装岛样板点的支持。

为什么是钣金件柔性装配？这是汽车零部件生产中典型的“重复但有扰动”的工位：钣金件来料位置、角度、姿态不可能完全一致，传统专机依赖高精度固定治具与预设轨迹，换型或来料偏移就需要重新示教调试；而多品种小批量趋势下，这类换型越来越频繁，专机边际成本急剧上升。

据阿米奥此前披露的技术框架，“工业大脑”负责理解环境与任务，根据视觉信息、工件状态和工艺要求生成操作策略；“工业小脑”再把策略转成实时动作并执行补偿。在此次工博会汽车焊装场景的展示中，这套分工被具象化成一条完整的钣金装配闭环：

工件上料后，系统通过3D视觉识别钣金件的实时位姿——位置偏移多少、角度倾斜几度、姿态是否翻转，信息被送入阿米奥的感知决策模型。

大脑根据工艺要求判断抓取点、规划装配顺序，并针对来料变化自主调整策略：若某个孔位被遮挡，就切换插入路径；若抓取姿态不理想，就重新生成抓取轨迹。随后指令下发至汇川本体执行层，通过力控算法和视觉伺服实时补偿，连续完成取料、定位、对准、插入及装配等动作，最终实现亚毫米级精密装配。

整个流程的关键不在于单个动作精度，而在于“面对现场变化完成完整任务闭环”——系统根据实时感知结果调整动作，执行过程中持续进行位置补偿并对任务状态作出判断，失败可重试而非直接停线。

汇川选择在这一场景中与阿米奥协同，逻辑可以从三个层面理解：

一是场景对齐。阿米奥当前主攻汽车零部件钣金柔性装配、3C上下料这类工位制任务，与汇川汽车焊装示范线、其积累的500余类制造应用场景资源高度重合。汇川需要在这个具体工位上验证具身方案的工业可行性，阿米奥恰好有现成的技术框架与试点经验。

二是能力互补不重叠。汇川出本体、驱动、力控底座和产线集成，执行层稳定可靠，并有工业智能大脑与REAL架构统筹；阿米奥出感知决策、VLA任务规划、真机强化学习下的精细装配策略，专精大脑层。双方各司其职——汇川的工业底座让执行稳，阿米奥的大脑让系统能应对变化。

三是落地节奏一致。刘方在采访里提过选场景三标准——有明确需求、AI能带来显著改善、ROI算得过来。汇川同样讲究“两提四节双安全”的可量化价值评判，不比拼模型本身，而看能否提高生产效率与产品品质、节约材料人力空间与能耗。两边在“不先吹通用人形、先把工位干稳”这一点上节奏合拍。

需要说明的是，目前双方公开信息仍偏样板点层面——具体哪条产线、由谁交付、大脑层接口如何嵌入汇川REAL架构，尚无更细披露。

但比起“战略合作”式空话，这次工博会呈现的关系是清楚的：汇川把汽车钣金装配这个样板场景开放出来，阿米奥在上面跑大脑层闭环，展示“大脑在汇川本体上跑通”的协同效果。

对阿米奥而言，这是一次被工业自动化头部企业“用场景验证”的机会；对汇川而言，也是在具身落地早期，借外部AI伙伴把汽车工位的大脑层先跑通，再沉淀进自己的平台生态。

阿米奥受到关注，原因在于它将具身智能创业中较为务实的路径摆上台面：不选舞台选工位，不做双足做轮式，不先讲通用先讲换型。

刘方在采访里说过一句挺实的话——最后拼的是客户绑定。

这意味着，阿米奥未来12到18个月的核心指标，不是发了几款机器人、拿了几个奖，而是——AMI-01/02在客户产线连续运行了几周？换型是否真能由现场工人触发，无需算法团队驻场？同一家客户有没有下第二单？

工博会的展台归展台，产线留存率归产线留存率。具身智能工业落地的第一轮竞争，关键不在于演示稳定性，而在于能否缩小演示成功率与产线成功率之间的差距。

行业共识是，机器人进厂要过两道关——产线实测能否扛住工业级精度与稳定性，规模化后成本能否撑住商业逻辑，两关都过才算跑通产业化闭环。

阿米奥目前处于早期商业化验证阶段，能否从具身智能热潮中持续存活，取决于未来12到18个月的客户复购与产线留存数据。