编者按：本文，科技智库甲子光年实地走访了启明创投投资企业梅卡曼德部分客户的生产线现场，采访了其终端客户，集成商、机械臂厂家等合作伙伴，梅卡曼德创始人、一线技术和销售人员，以及多位关注该赛道的投资人，探寻深入物理生产场景的“Physcial AI”如何落地。机器人智能化的商业进展，能为AI与传统场景的结合带来新可能吗？

 

甲子光年要介绍的案例是在日前宣布获英特尔投资的梅卡曼德。这已是继4月获启明创投A+轮融资后，梅卡曼德在今年的第二轮融资。

 

在目前的工业机器人智能化赛道中，梅卡曼德已率先进入规模化落地阶段：

 

创立近3年来，梅卡曼德已获得了包括华为和数家知名整车厂在内的众多汽车、家电、钢铁、物流等行业的头部客户；并进一步扩展至医院、银行金库等商业场景。 英特尔投资中国区总经理王天琳告诉甲子光年：“梅卡曼德真的是花了时间、精力趟坑，取得了比较理想的阶段性成果。工业行业很难做，能得到这些级别客户的认可，很不容易。”机械臂传统巨头川崎机器人中国技术部部长铃木敏幸也告诉甲子光年：“梅卡曼德是他见过的智能视觉技术做得最好的公司。”

 

梅卡曼德应用的部分场景

 

在此次深入工厂的采访中，甲子光年在梅卡曼德服务的某中国著名家电厂商车间里看到了这样一幕：

长达4小时的现场沟通中，身穿灰蓝厂服的车间负责人话头一直没停，他拉着梅卡曼德创始人邵天兰在各个产线上来回穿梭，一个点、一个点地过需求，除了双方已在合作的某空调部件装卸项目之外，这位负责人接连提到，产线上还有搬运上料、折弯、涂胶等大量需要机器替代的环节。

 

实际上，这家家电厂商从7年前就开始探索产线的自动化、智能化改造，并在2015年设立智能装备子公司，生产机械臂、数控机床等产品。 如此功夫背后，是目前中国制造业痛点的一个缩影：人力成本攀升已成为遏住制造业发展的关键瓶颈，机器换人需求强烈。据国家统计局数据，2007年到2018年，制造业的平均工资已翻了近3倍。 

 

而也是在2012年前后，供给侧也迎来了拐点：柔顺控制和以深度学习为代表的AI等技术，在学界酝酿数十年后，到了商业落地的临界点，这为改造自上世纪60年代诞生以来，少有革命性变革的工业机器人领域带来了全新可能。具体变化表现在，深度学习、3D视觉、自主规划、柔顺控制等技术的发展，让原本主要通过编程实现设定动作的机械臂有了更好的“眼睛和大脑”，增加了环境感知和复杂规划能力，可处理更灵活的任务。

 

这些智能化技术的出现，让“为自由而生”的机器人进一步靠近了灵活性和适应性更强的人类。这一改过去，工业机器人的最主流应用场景被限制在制造业中环境相对固定的冲压、焊接、喷涂、物料搬运、码垛等环节的情况，为机器人进入更多制造业细分领域，和向制造业之外的物流、商业场景渗透带来了广阔空间。软银孙正义曾在多个场合说：30年后，会有100亿机器人与100亿人类共同生活。

 

这股热潮在2016年前后刮到了国内一级市场：据IT桔子对2017年上半年AI领域投资情况的统计，智能机器人的融资事件最多，约占投资总数的28%。

 

资本加持，各路新老公司入局，一时热闹非凡。 但2016年至今，从赛道整体情况看，工业机器人智能化的发展仍落后预期，大部分公司还处于从demo到落地，打磨种子客户的阶段。

 

新技术在工业、生产领域落地有3重难点。 

 

难点1：对前沿AI技术和行业经验的双重需求VS市场上缺乏拥有综合能力的团队。投资了梅卡曼德、优必选机器人、旷视科技的启明创投执行董事周志峰告诉甲子光年，他从2013年开始关注这一赛道，尚未看到行业老兵在工业机器人的智能视觉引导技术领域做得好的案例。

 

“新一代年轻人更敢探索基于深度学习的智能技术，而懂这些技术的人又大多优先选择了金融、互联网等高薪行业，导致工业领域尤其缺乏创新人才。”周志峰说。 

 

难点2：工业场景对稳定性的高要求VS先进新技术落地时需要磨合期。制造业的许多客户非常保守：它们看重技术供应商以往的服务经验、已有案例和存续时间。 而新技术的落地，必然会在初期经历与实际场景的磨合期；车间恶劣的物理环境：如粉尘、温度湿度、电压不稳定、电磁干扰等又进一步提升了达到稳定性的难度。 

 

难点3：客户需求多样VS技术公司对边际成本递减的追求。如何在多元的需求中抽取核心功能并产品化，如何进一步沉淀服务能力和经验是突破这一难点的关键。 

 

重重困难之下，在今年上半年的“新闻不断”之前，市场对工业机器人智能化赛道经历了较长的观望阶段。 

 

一旦有人率先突破客户，就会把后来者越甩越远；而且在制造业、物流等生产场景，“先行者”席位向来非常有限，全球范围内，未来可能只会容纳3到5个大型公司。 

 

行业里的第一声水花尤为重要。7月中旬，甲子光年就捕捉到了水花的一点侧影：在某中国知名汽车厂商的零部件车间里，两台重载机器人正通过梅卡曼德的3D相机和算法，对各种零部件自动进行打胶作业。现场工人可通过梅卡曼德的图形化操作软件Mech-Viz自行添加新种类的零部件，过程中无需编写任何代码。 

 

而就在5米之外，一群穿着罩衣的工人正在进行人工打胶——这是该厂处理这道工序的传统方式，但近年来，由于熟练工人减少，操作不规范、效率低等问题日益严重，该厂终于启动了自动化改造。 

 

这只是今年以来，梅卡曼德进行的50多个应用项目之一。邵天兰向甲子光年展示了他们从2018年至今的客户pipeline，从2019年开始，订单量增速明显加快，基本每周都会有新客户落单。这些客户主要分布在3大领域：

 

制造业——汽车主机厂、汽车零部件生产、家电、钢铁、食品、高铁轨道部件生产等

物流——自动仓、快递中转中心等

其他商业领域——医院、银行金库等

 

核心场景包括拆码垛、上下料、定位引导/装配、分拣等。

 

目前，梅卡曼德也已开始出海——他们已在德国开设分公司，并在日本本土通过了前期验证，获得了海外市场订单。今年6月，梅卡曼德自主研发的Mech-Eye智能相机通过了CE(欧洲)、FCC（美国）、VCCI（日本）三项重要认证，这将为切入十分重资质的海外市场打下基础。 

 

成立不到3年的梅卡曼德在机器人智能化赛道率先砸出水花，跳过时间窗，拿到了下一阶段的比赛入场券。 

 

其投资人周志峰认为，梅卡曼德已开始进入从1到10的规模化发展阶段。

 

邵天兰自己现在最在意的问题，已不再是从0到1的打标杆客户，而是从1到10的批量交付。2019年上半年，梅卡曼德团队扩大了近一倍，大量的交付任务，对年轻团队的考验非常大。好在，梅卡曼德从成立第一天起，就在打造一个核心武器——Mech-Viz，这也是他们能拨动正向飞轮的关键。

 

邵天兰告诉甲子光年，现在梅卡曼德服务客户时的标配情况：在绝大多数客户现场，他们只有一到两位调试人员。平均调试时间也从成立之初的数个月降到了目前的一至两周（典型复制性项目）。造访工厂的第二周，甲子光年又在梅卡曼德北京总部，体验了Mech-Viz对前方作业状态的远程可视化复现。当时，一位工程师正在协助处理华南某大客户的现场需求。“如果使用传统的机器人编程方式，来做这种包含深度学习、3D视觉、抓取规划、路径规划的项目，工程师很可能得去客户那儿帮着写代码。”邵天兰说。 

 

所以，看起来不是刚需的Mech-Viz实际上才是规模化交付的利器：它既减少了梅卡曼德自己的驻场和后期维护成本，也能提升客户一线人员的使用体验，减少客户的工程师成本。如梅卡曼德的合作伙伴，某机器人拆码垛领域最大的集成商之一就提到，使用梅卡曼德的产品后，他们的调试速度比过去压缩了一半。

 

更重要的是，Mech-Viz为公司提供了积累、沉淀经验的通用软件平台。若没有这个平台，服务客户的各种细碎经验——如不同场景的物体码垛、抓取规划方式等——会散落在写了几千行代码的示教器或某个现场老师傅的脑海中，雁过无痕，无法成为产品持续进化的养分。

 

“这个积累是公司能往前走的基础。”邵天兰说。但一个问题是，既然新一代机器人编程软件好处良多，为什么赛道里其它玩家不做？邵天兰的回答是：要么没认识到，要么没做好。从公司成立第一天起，梅卡曼德就在做Mech-Viz，对其的优化、迭代一直持续到现在。 这首先源于邵天兰对机器人智能化落地的认知，在他看来，机器人的智能化可以被划分为3个维度： 

 

更高的感知——源自传感器和算法技术的进步

更高的规划能力——源自运动规划技术的提升

更优的人机交互方式——需要新一代工业机器人软件系统带来全新编程方式

 

梅卡曼德的产品刚好对应着这3个维度：3D相机、视觉和规划算法，以及Mech-Viz。

 

而第二步，意识到重要性后能不能做到，则需要攻破两个关键点：一是产品定义，二是凑齐软件、算法和行业认知三重能力。

 

先后从清华软件学院和慕尼黑工大信息学院毕业，并在德国机器人公司工作过的邵天兰有技术和工程上的积累，他恶补领域知识的方式是大量跑现场。 

 

在正式创业前，邵天兰用近3个月时间集中拜访了一批工厂和集成商；直到现在，这仍是他工作中的重要内容，实地走访过的各地客户现场已达上百个。 

 

把自己定位为公司最大产品经理的邵天兰要在现场确认两件事：一是看场景是否具有技术可行性；二是看需求是否具有商业价值，是否可泛化；除了创始人自己跑前线，梅卡曼德整个公司对需求把握亦有一套方法。市场够大、技术可达、投入产出比可计算是主要的判断标准。

 

Mech-Viz之外，邵天兰认为梅卡曼德的另外两个优势是综合技术能力和工程能力。 

 

综合技术能力表现在产品上，是方案的完整性。与梅卡曼德合作，服务国内某头部通信设备厂商的某集成商在采访中说：“梅卡曼德整个系统包含校正、机器人接口、碰撞检测等流程，而很多厂商只做一部分，比如3D定位，还需要额外做很多工作。”邵天兰认为，梅卡曼德不是相机公司，也不是视觉算法公司，而是一个像自动驾驶公司一样有综合能力的公司，有自己的3D相机，视觉、规划算法，软件，具备比较完整的机器人智能能力。

 

而工程能力，是一种构建包含多种硬件、软件、算法的复杂系统。这是创业公司在服务种子客户时，抓住“唯一一次机会”的关键，表现在产品上就是稳定、安全、耐用。中国汽车零部件机器人自动化领域最大的集成商之一金沙数控副总经理赵爱国告诉甲子光年，在金沙与梅卡曼德合作的一个机床装料项目中，梅卡曼德的产品确实满足了客户“不出错、不停机”的要求。 

 

有了过硬的产品基础，在具体商业打法上，梅卡曼德的原则是“被集成”——尽量少做集成项目，以供应方角色与集成商合作，更快落地更多场景。这是因为工业、生产领域的需求非常碎片化，如果想成长为某环节的重要玩家，一定要以大量场景量喂养自己的技术能力、行业认知和化需求为产品的抽象能力。而自己做集成商，容易让眼前收入分散公司精力，拖慢落地速度，顾此失彼。近3年来，总体来看，梅卡曼德发展得较有节奏感；但在工业巨头、互联网科技巨头和其他视觉领域跨界玩家扎堆入局的情况下，邵天兰的危机感一直很强：“你看我们做得比较好，那是因为我们一直在拼命向前跑。一定会出现强劲的对手，只是我还不知道在决赛圈会遇到谁。”   

 

不过，在可能发生的刺刀见红的竞争之前，全行业面临一个共同瓶颈——机器人本身的渗透率。

 

供给和需求体量都非常大的中国，有潜力在正展开的新技术商业竞争中，获得更大机会。从新一代AI、IoT芯片到智能机器人、到各层面的AI算法、再到自动驾驶和它背后的激光雷达等硬件，各硬科技细分赛道，现在仍覆背着一层残雪，但下一代的全球化科技种子公司，正悄然等着在不久的春天后冒头。（文章经微信公众号甲子光年授权转载，有编辑与删节，点击文末“阅读原文”查看全文）

 

来源 | 甲子光年

作者 | 火柴Q、杨逍

编辑 | 火柴Q