阿米奥创始人刘方：具身智能在工业场景的快速落地与商业实践

文｜富充

编辑｜苏建勋

高效与务实，是原小米智驾负责人、阿米奥机器人创始人刘方的鲜明风格。2024年9月他创立阿米奥，仅一年时间，首批机器人产品已成功部署到客户的生产线中。

据《智能涌现》独家消息，2025年至今，阿米奥已连续完成种子轮和天使轮融资。种子轮由安克创新、星连资本联合领投，欣旺达和险峰长青跟投。天使轮则有中金资本和钧山投资参与，老股东星连资本继续加注。公司累计融资近2亿元，悦丰资本担任本轮财务顾问。

“在国内市场，技术层面很难形成绝对壁垒，最终的竞争关键在于持续满足客户需求，从而建立紧密的客户关系。”刘方向《智能涌现》表示。

刘方于2012年加入初创期的小米。在十三年的职业生涯中，他曾负责手机系统、AI硬件（如小爱音箱、翻译机、车载后视镜等）和智能驾驶汽车等多个业务板块，亲历了多项业务从零到一的突破。这些经历塑造了他注重成本控制、客户导向和极致效率的商业准则。

刘方将这种思维方式也注入到创业项目中，例如在核心的“机器人落地场景”选择上。

在创办阿米奥之前，刘方进行了广泛的市场调研。他发现，细分场景时，三个衡量标准至关重要：存在明确需求；AI技术能带来显著提升；有清晰的投资回报率（ROI）。

刘方认为，具身智能在工业场景并非要取代自动化，而是在人力成本过高或自动化难以完善的环节，提供新的解决方案。

中国工人月薪虽相对不高，但招工难、流动性大，人力缺口明显。同时，随着工厂流水线上小批量、快速迭代的订单增多，传统自动化产线改造成本高昂，学习能力更强的具身智能更能适应新产品的生产需求。

阿米奥的策略，正是优先攻克3C等制造业中分拣、装配、检测这类“传统流水线处理不佳、人工成本又居高不下”的工序。

算一笔经济账：东南沿海工厂里，一名工人月薪约六七千元，年综合成本通常在8-10万元；若实行“三班倒”，一个工位全年成本就达到二三十万元。

基于这道数学题，刘方将阿米奥的单机定价设定在20万元左右。据他了解，如果机器人的回本周期能控制在一到一年半以内，客户就会认为引入具身智能值得投入；一旦回本周期超过一年半，企业的采购决策就会趋于谨慎。

作为80后，刘方对巨头与创业公司之间的竞争有深刻体会。

有人称，AI的终局将是科技大厂下场通吃市场。但刘方判断，工厂业务利润率相对较薄，科技巨头未必会全力投入，这为创业公司留下了生存空间。

从更长远视角看，刘方认为，地缘政治推动的中国工厂产能外迁，也为国产具身智能的出海创造了未来机遇。

近日，《智能涌现》专访了刘方，他分享了关于具身智能场景落地的经验心得，以及对技术、行业发展的前瞻思考。对话内容经作者整理。

△阿米奥创始人刘方，图片：采访人提供 

曾考虑toC市场，但需求尚未明晰

《智能涌现》：为何选择工厂作为具身智能的创业赛道？

刘方：创业前我花了大量时间调研市场，最终结论是必须找到需求明确、且ROI（投资回报率）可计算的场景。

坦率说，谁都向往To C市场，故事动听、想象空间广阔。但我们调研后发现，现阶段无论是技术还是成本都难以支撑。

例如家政场景，中国家庭多有老人协助，小时工成本也相对可控。而且我认为，除了技术因素，在人机交互场景中，用户还需跨越情感和道德的心理门槛。

举例来说，我在日本旅行时注意到，日本高端服务业虽发达，但在追求效率和ROI的场景中，餐厅会采用自动点餐机替代人工。如果客人愿意支付更高费用以获得优质服务，仍然会由人来提供。

反观工业领域，逻辑则非常清晰。一个工位的人力成本年约10万元，三班倒便是30万元。若我们一台机器人售价控制在20万元左右，替代2-2.5个人力，客户一到两年即可回本。这正是他们能快速做出采购决策的原因。

智能涌现：在众多工业场景中，为何聚焦3C电子制造？刘方： 我们筛选场景遵循几个核心标准：1）需求明确；2）AI技术能带来显著改善；3）有清晰的投资回报率（ROI）。 

3C制造业人力密集度高，数万人的工厂很常见；工位集中，便于部署。且该场景中人力成本占比约12%-15%，这部分开销不小，使得企业有付费能力和动力进行升级改造。

智能涌现：您预测具身智能在工厂的日常重复性工作约在2026年底实现落地；复杂任务则需再等一两年。这个时间线如何推算？

刘方：主要是基于数据积累和部署调试适配的时间估算。

我认为，当数据总量达到数万小时，机器人便能胜任柔性装配等复杂工作。

今年我们的数据收集计划达数千小时，明年底目标为万级小时，这一数据量是训练具身智能完成刚性装配等工作的基础。

△阿米奥机器人，图片：采访人提供

聚焦“快速学习”，而非“全能通用”

智能涌现：您如何看待具身智能的“技术壁垒”？

刘方：在中国，技术很难成为长期秘密，最终的竞争在于如何持续解决客户实际问题，并由此建立与客户场景的深度绑定。我们的壁垒在于快速做出正确决策。

相较于打造出厂即万能的“通用机器人”，我们更希望机器人成为快速学习者。核心目标是让机器人在单一工位上“学得快”。

我们很早就确立了以“第一视角视频”为主的数据策略。简言之，让工人佩戴摄像头工作，机器人通过观看这些视频学习人类操作。这样对工人作业干扰最小，也能收集第一视角的实际操作视频数据。

在阿米奥，视频数据与真机数据的比例约为6:1，视频构成训练数据的主体，再辅以少量真机数据进行校准微调。

这好比一位新人，通过观看老师傅的操作录像和少量上手练习，便能快速顶岗。我们目前目标是将新工位的部署时间从数月缩短至一周以内。

智能涌现：所以并非一开始就追求全面的机器人能力？

刘方：我们相信数据飞轮效应，但不盲目求“大”，更确信飞轮转动带来的力量。

在垂直领域，具身智能需要在特定问题上“专精”和“快速”，迅速掌握一个工种并在实践中持续学习。

当机器人学会多个工种后，它在工厂中便能形成相对通用的泛化能力。

智能涌现：阿米奥的大脑和模型训练如何实现？在强化学习方面，有何独特思考？

刘方： 重大决策与路径规划采用VLA范式，而临门一脚的精细策略则依赖强化学习。

值得一提的是，我们的强化学习主要侧重于“真机强化学习”，而非仿真环境下的训练。因为仿真无法精确模拟力的反馈和真实世界的所有细节。

真机强化学习用于解决两个问题：一是最后几毫米的精细抓取与装配；二是出现异常时的自主纠错能力。

例如在仿真数据中，具身智能可大致了解动作执行方式，但在实际操作中才能更准确判断动作是否到位。因此，让机器人在真实环境中进行真机强化学习，更能夯实任务掌握。

智能涌现：有人认为具身智能在工厂落地存在数据安全（客户数据难回传）、容错率低等难点，您如何突破？

刘方：首先，我们目前合作的工厂规模多在一两万人，他们能提供足够数量的工人数据，又比超大型工厂更具合作意愿。也就是说，现有客户都愿意开放数据，支持跨厂收集以训练模型。

若未来基础模型训练成熟，我们接到涉及数据保密的大公司订单，届时再补充收集该工厂特定数据即可。

另外需注意，所有具身智能工作场景的容错率都类似，并非工厂独有。

例如，奶茶店始终处于高速节拍运转，容错率可能比工厂更高。但工厂的作业空间固定、环境结构相似，对现阶段具身智能的进入更为友好。

智能涌现：如何看待触觉传感、世界模型等前沿技术？

刘方：具身智能本就是前沿技术方向，现阶段行业都在探索稳定可靠的技术与工程化方案。

具身智能的演进本身涉及VLA、世界模型、多模态传感等前沿方向。除了追求技术先进性，我们也注重技术解决实际问题的效用。例如，我们目前关注多模态传感对实现精密操作的作用。

智能涌现：目前订单和商业化进展如何？

刘方： 我们已拥有三家KA客户，机器人产品在客户工厂产线上陪产运行了一段时间，客户正考虑增加采购量。整体进展比预期更快。

△阿米奥机器人，图片：采访人提供 

明年具身智能泡沫是否破裂，取决于商业化进展

智能涌现：为何此时创业并切入具身智能领域？

刘方： 机器人如同汽车，是历经多年发展的传统行业，过去呈线性增长。但AI的注入使智能驾驶具备指数级增长潜力，我认为具身智能也存在类似的确定性机会。

在大厂，虽能清晰看到技术趋势，但公司决策可能偏保守。对于有志于产业端的人而言，这可能错失良机。因此我选择了创业。

智能涌现：公司为何取名“阿米奥”？

刘方： 名字源自西班牙语“Amigos”（朋友）。我们是一家机器人公司，终极愿景是让机器人成为人类伙伴，“阿米奥”的谐音更悦耳。

智能涌现：具身智能行业有许多90后甚至95后年轻创始人，您作为“老兵”，感受如何？

刘方：（笑）年龄确实偏大，但并非劣势。历经多轮技术浪潮，让我对产业变革有更深认知与敬畏。

我的观察是，每轮技术浪潮中存活下来的企业，创始人往往在之前的技术浪潮中有积累。在需要复杂产业链协作的领域，创始人经验可能更重要。

在技术团队招聘上，我们会启用直接学习最新技术的年轻人，形成互补配合。

智能涌现：阿米奥有出海计划吗？

刘方：有。

动力来自两方面：一是客户有产能外迁需求；二是海外市场ROI更优。

例如曾有匈牙利客户表示，不超过15万欧元的具身智能机器人便可考虑，这约合150万元人民币单价。

中国作为最大制造业国家，需求与场景最丰富。我们的路径是在国内打磨技术、产品与服务能力，初期伴随中国客户出海，再逐步拓展海外客户。

智能涌现：您对具身智能行业的“泡沫”有何看法？判断明年行业走势的关键指标是什么？

刘方：具身智能是快速发展的新兴行业，资本赋予高期望，也难免产生一些泡沫。指标可关注行业头部大公司的动态。

但行业总会向前发展，这是我们确信的。行业也将沉淀真正有价值的东西。相较于追逐高估值，我们更希望公司依靠健康的商业现金流运转。

明年市场走向，主要取决于行业的商业化进展。

封面来源｜企业官方