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、