從早期VC視角，聊聊工業機器人的機會與坑

　　2015年前后，隨著AI1.0的火爆，市場涌現了*波工業機器人創業熱潮，而在當下偏冷的資本市場中，工業機器人也再次成為為數不多的投資熱點。據媒體統計，今年以來國內工業機器人融資項目的數量已接近60筆，平均每周就有兩個項目獲得融資。

　　“To live well，a nation must produce well”，作為世界上*的制造業大國，工業機器人注定會成為中國下一階段經濟增長和產業升級的重要抓手，而在這片古老的土地上，也注定會誕生一批偉大的工業機器人公司。

　　本期險峰聊聊，我們將近期從一些行業新變化入手，談談我們對工業機器人投資的一些思考，也歡相關領域的創業者及行業專家聯系我們，與險峰一起深入交流。

　　三個變化：為何看好中國的工業機器人

　　首先，是需求側的變化。

　　根據國際機器人聯合會的數據，2022年，全球工廠共計新增553,052臺工業機器人，這其中有290,258臺安裝在了中國。

　　換句話說，中國工業機器人的年安裝量，已經占到全球的一半，超過了美日韓德意等國家的總和;特別是最近五年，我們新增的工業機器人平均增速達到了13%(2017-2022年)，數據表現非常亮眼。

　　可以說經過多年的用戶教育，今天國內廠家對機器人的接受度已經非常高了，現在你給任何一個工廠老板推銷機器人，只要能夠算得過來賬，基本不存在“能用但不想用”的問題。

　　(圖：中國工業機器人年安裝量已超過了世界其他國家的總和)

　　之所以出現這種變化，除了政策鼓勵、產業升級的需求外，一個很重要的因素還是為了應對勞動力不足的挑戰：

　　坦白講，這幾年工廠的招工問題是在持續惡化的，以我們走訪盡調的結果，看到的情況可能要比想象中更嚴重。

　　現在長三角珠三角的工廠里，除了技工以外，普通工人的年齡都在四五十歲——拋開人口出生率的問題不談，年輕人不愿意進廠，寧可去當保安，“玩一天手機80塊到手”，是因為廠里的工作確實非常枯燥。

　　事實上，這也是近代制造業的固有頑疾——100年前福特汽車發明了流水線，大幅提升了生產效率，但代價就是所謂“勞動的異化”。

　　過去一個工人獨自裝配一臺發動機，他會很有成就感;而一旦這個人變成流水線上的“螺絲釘”，工作也就成了機械式的重復，工人不知道自己在干什么，也不知道自己為何要干這個，結果就是辭職率大幅增加。

　　而到了100年后，這個問題依然沒有很好地解決，很多工廠里的工序和100年前并無區別。

　　比如分揀質檢，就是一個機器不斷吐出物料，工人撥出一堆到自己眼前，從里面把殘次品挑出來，同一套動作重復10個小時，中間連摸魚看一眼手機的機會都沒有;再比如上下料，就是一個人拉著小車把料箱搬來搬去，這種工作一看就特別無聊、特別消耗人。

　　當年沒有工業機器人，福特采用的方法簡單粗暴，就是加錢：一方面用高工資留住工人中的精華群體，另一方面要求工人必須持有高中文憑，以增加從業者的沉沒成本(事實上這也是近代學歷教育的開端)。

　　靠著生產效率的提高，當時的福特不僅沒有賠本， 反而賺得比原來更多，但很顯然，人力成本不可能一直增長;到了20世紀20年代，美國的汽車市場從賣方市場變為買方市場，超額利潤不再，福特也從*走向了衰落。

　　而今天人類的娛樂方式早已更加多元化，隨著社交軟件、手機游戲，直播短視頻的普及，現代人對于精神享受的追求也和100年前不可同日而語，情緒價值正變得越來越貴。

　　此消彼長之間，哪怕工廠的工資一直漲，也很難招到人，即使招到了也只干一兩個月就走了。

　　從這個角度說，機器換人、未雨綢繆，已經是目前國內產業界的共識，也是一條無法回避的必由之路。

　　第二個變化來自產業端。

　　事實上，今天中國機器人公司對于制造業的理解是*于歐美的。

　　以移動機器人為例，我們說上一代移動機器人的熱潮，很大程度上還是“西風東漸”的結果：

　　2012年，亞馬遜并購了當時全球*的倉儲機器人公司Kiva，隨后AGV開始被亞馬遜廣泛使用，也由此開創了“貨架到人”模式。

　　巨大示范效應讓創業者們看到了機會，今天中國主要的移動機器人公司基本都興起于那個時代，身上多多少少也都有Kiva的影子。

　　但從本質來說，中國和美國的物流場景并不相同：歐美是消費國，倉儲物流以流通加工型為主，比如亞馬遜電商就是一個經典的應用場景，機器人只要解決了配送中心的揀選和搬運，就可以解決90%倉儲問題。

　　然而中國是世界工廠，我們除了流通加工以外，另一個很大的場景是生產制造。

　　舉個例子，我們訪談過一家工廠，是國內的排前三的文具生產商，他們的倉庫大約配了80臺AGV，但CEO會給我吐槽，說哪怕是只要一塊橡皮，“機器人也會把整個貨架都搬過來”。

　　賣一塊橡皮可能只賺一塊錢，但貨架一來一回，成本早已超過了一塊錢，這也是傳統“貨架到人”方案的劣勢，天然存在命中率低的問題：一個貨架50個sku，每次揀選只需要其中2-3個，其他sku本質都是都是陪跑，效率上是很大的浪費。

　　這個缺陷亞馬遜可以通過打通前后端數據來部分提升命中率，但國內倉儲服務商基本是無法解決的，只能做有限的優化。

　　實際上，流水線最舒服的生產節奏，是豐田公司的「精益生產」模式：比如今天工廠計劃生產5000支筆，那我只需要倉庫送過來5000根筆桿和5000根筆芯，不要多也不要少。

　　如果更進一步的話，*能上午送2000，下午送3000，因為好的工業園區都是寸土寸金，產線旁邊沒有額外空間來儲存多余原材料。

　　這也代表了客戶一大類的需求，即中國需要一批專為生產制造開發的移動機器人解決方案。事實上，海柔的崛起也是抓住了生產制造中的揀選場景，用ACR+貨架的方案解決了「單程多箱」的搬運問題。

　　但作為一個剛剛起步的行業，制造業倉儲機器人的優化之路還非常遙遠，無論成本、利用率、改造周期和柔性，都還有很大的提升空間。

　　因此，險峰也在2023年天使投資了倉儲機器人公司「魔倉」，他們的團隊采用MagicStore方案替代了傳統的地牛、叉車和堆垛機設備，減少了人力和倉儲成本，一次性投資也大幅低于傳統解決方案。

　　總的來說，中國的倉儲物流痛點，只有中國企業才能解決，不能指望照搬照抄歐美的解決方案，因為歐美沒有如此多樣的制造業場景，換句話說，這可能也是屬于中國機器人創業公司獨有的機會。

　　第三，是新技術帶來的彎道超車機會。

　　記得大約10年前，當時的輿論氛圍，只要提到國產機器人必稱「四大家族」，然后就是反思和找差距，但是近幾年這類聲音小了很多。

　　究其原因，是因為隨著機器視覺的崛起，機械臂本體在機器人整體解決方案中的重要性已經大幅降低了。

　　舉個例子，工業機器人有一個指標叫做「重復定位精度」(RP)，它是指機器人兩次到達同一個位置所產生的誤差。

　　比如你要求機器人的某個關節軸移動100毫米，*次它走了100.02毫米，第二次走了99.8毫米，那么重復定位精度就是0.04毫米(100.02-99.8=0.04mm)。

　　因此，「重復定位精度」是一個挺重要的參數，它決定了機器人的核心性能，每個客戶在購買機器人之前一定會先看這個指標。

　　可以想象，假如一臺焊接機器人，每次焊槍的落點都不一樣，那也就不要談什么加工精度了。

　　過去，全球重復定位精度*的機器人來自發那科，比如其旗下的LR Mate 200id型六軸機器人，重復定位精度可以達到0.01毫米，國產機器人的精度就是做不到。

　　這是因為，重復定位的*難度在于“機器人如何判斷自己到達了目標點位？”

　　它的背后是一整套系統性工程，是由電機+減速器+皮帶+齒輪+連桿合在一起的精度共同決定。

　　這種對于這種單一零部件的精密加工，過去一直是德日兩國的強項，要想精進別無他法，只能靠時間慢慢堆。

　　比如，四大家族中的安川電機就是一家百年企業，最初以伺服電機起家，其創始人安川敬一郎和孫中山是同一時代的密友。

　　而發那科的前身則是富士通旗下的一個數控部門——要知道，富士通早在1960年代就已經稱霸了全球數控裝備市場，即便如此，到它1974年生產出首臺工業機器人，中間也探索了十多年的時間。

　　作為后來者，中國和這些企業的差距是以數十年計的，要想原路追趕非常困難，最后就只能在低端做同質化競爭，必須很便宜才有人買。

　　然而，隨著近年來機器視覺的發展，決定機器人精度的核心指標開始慢慢變成了AI識別能力：

　　AI會首先通過相機提取圖像特征，進行數據識別和計算，然后通過逆運動學求解機器人各關節位置的轉角誤差，最后控制末端執行機構調整機器人的位姿以消除此誤差。

　　國產機械臂確實精度差一些，但也沒關系，通過AI和機器視覺實時調整就可以了。

　　相比之下，“四大家族”的重復定位做得再精準，在90%的場景下，兩者的實際使用效果是差不多的，而國產方案的成本更低。

　　所以一個很明顯的變化是，以前集成商和工廠簽合同，工廠一般都會指定必須用ABB或者發那科的本體，但今天這種情況已經很少了，除了航天軍工等少數賽道，大家其實已經不太在意機器人本體用的是哪家。

　　而比起機械臂，移動機器人會更依賴機器視覺，因此技術迭代、彎道超車的感覺也更明顯。

　　客觀來說，在移動機器人這個垂直賽道里，中國公司相比傳統海外巨頭已經具有了一定*優勢。比如四大家族中的庫卡KUKA，今年就專門成立了一個部門來做移動機器人，相當于是在追趕海康和極智嘉的腳步。

　　工業機器人有什么新機會

　　從產業鏈來看，上游三大核心零部件，中游本體，下游系統集成商，分別談談看法，權當拋磚引玉：

　　1、上游：有機會，但很卷

　　三大件是整個產業鏈中*錢、也最強勢的，行規一般是100%全款才發貨，而且幾乎沒有銷售成本，頭部公司比如步科、匯川，基本都不缺訂單，坐在家里客戶就自己找過來了。

　　因此，對于初創企業來說，現在再想從中低端市場慢慢往上做，可能已經很難有機會了。

　　電機的高端市場中，無框力矩電機是個不錯的品類，比如美國科爾摩根 (Kollmorgen) ，這是一家已經100年歷史的公司，最早是做軍用望遠鏡出身，它生產的無框力矩電機毛利可以做到80%。

　　如果未來人形機器人爆發，無框力矩電機是繞不開的卡脖子技術，里面有很大的國產替代機會。

　　(圖：無框力矩電機沒有軸和軸承，只有轉子和定子兩個部件，是人形機器人繞不開的科技樹)

　　減速器主要分為諧波減速器和RV減速器兩大類(行星、擺線針輪等這里暫不討論)， 其中，諧波這塊的機會不是太大，因為綠的這些公司已經做得很好了，國產的性價比和產品力都已不輸進口貨。

　　相比之下，RV的精度、扭矩更強，性能更好，如果能做出來會很有價值，但是難度也大，一個新的RV研發周期至少也要在三四年以上，期間要不斷的往里面砸錢。

　　(圖：諧波減速器主要用在機器人手臂關節，RV減速器用于基座)

　　但無論無框力矩電機還是RV減速器，屬于誰都看得見的機會——所有人都知道需求很大，有國產替代的邏輯，所以競爭也特別激烈。

　　目前，新玩家和老玩家，創業公司和上市公司都在里面卷，相信未來一定有人能跑出來的，但具體是誰能跑出來，有很大的不確定性。

　　所以，除非是特別高階的團隊，否則如果是今年才出來創業做三大件，*的時間窗口期可能已經過去了。

　　2、下游：看好掌握核心Know-how的集成商

　　相比三大件，下游集成商反而是一個更具有想象力的大市場。

　　工業機器人其實非常像軟件行業，技術壁壘較低，但行業門檻很高——大家底層的通用技術差不多，但每個場景之間差別極大。

　　比如倉儲機器人，在快遞、冷鏈、醫藥、煙草、機場、汽車等很多場景里都有應用，乍一看每個場景似乎差不多，不都是搬東西嘛，但其實解決方案完全不一樣;如果不是產業里面的人，站在外面看會覺得很簡單，一進去發現全是坑。

　　因此，很多最有技術含量的Know-how，其實是沉淀在集成商身上的，因為他們是最終面對客戶做交付的人，毛利也會比較高。

　　當然，這里所說的集成商，不是指那些只能復制粘貼成熟方案的分包公司，而是說要抓住客戶痛點，真實提升行業效率。

　　舉個例子，中國倉儲成本很高，其中很大一塊是倉庫的租金，普通移動機器人大概只能堆高到2.5米左右，而中國的倉庫、廠房平均高度是4.5米，如果用傳統的AGV方案，相當于40%的空間浪費了，這部分租金也白交了。

　　所以，我們能看到今年“工業上樓”的概念突然火了，背后的邏輯也是在工業用地緊張與產業升級的雙重壓力下，向土地要效益的一種必然選擇。

　　以前的集成商并沒有很好的解決這個問題，只是通過國產替代把機器人做便宜了，讓更多工廠可以用得起，但倉儲效率本身并沒有得到提升，因此也才有了后面魔倉、海柔的機會。

　　但倉儲也只是中國制造業整個龐大產業鏈上一環，類似的細分場景還有很多很多，每個場景下都有機會跑出來一些優秀的機器人公司。因此，我們會比較看好那些掌握核心Know-how、在成本-效率上具有競爭壁壘的集成商。

　　3、中游：要發展須向上下游拓展業務

　　綜上，在上下游共同擠壓之下，未來機器人本體公司的日子會變得比較難過。

　　工業機器人的大趨勢是模塊化，為了做出增值和溢價，現在核心部件廠商都會趨向于提供各種各樣的一體化解決方案：

　　比如可能一開始我只賣電機，但客戶覺得麻煩，想一次性采購完，所以我就要配好一套伺服系統后再交付;再比如，一開始我只賣傳感器，慢慢就變成了要做一整套感知模塊，這樣其實就相當于搶了一部分機本體公司的業務。

　　而下游集成商，因為掌握核心Know-how，則會趨向于去找本體廠家做定制開發，等于又切走了一塊蛋糕。

　　所以，如果一家企業只做機器人本體，就會變得越來越像一家來料加工的OEM工廠，本來毛利就低，后面會越來越低。

　　從這個角度講，機器人本體企業要想發展，必須向上下游拓展業務。事實上，當年歐美公司也是走了差不多的路子——先做本體起家，有了技術積累后做核心設備，有了解決方案再去做集成，這條路徑被證明是完全可行的。

　　賽道、團隊和人性：機器人創業如何避坑

　　首先是賽道的選擇。

　　比如，今年光伏清潔機器人非常火，因為光伏電站大多建在沙漠里，經常有風沙，沙子落在光伏面板上會影響發電效率，過去的只能是雇傭當地的牧民，從很遠的地方運水，再用人工去清洗，成本很高，洗的也不干凈，但是現在改用清潔機器人，就可以很好的解決問題。

　　這背后的邏輯，其實是中國光伏這幾年一直在擴產，上游行業的爆發催生了下游的新需求，由此誕生出了全新的市場機會。

　　但一個與之相反的例子是焊接機器人，焊接應用最多的場景是汽車制造，不過從歷史來看，汽車制造的大趨勢其實是“去焊接化”的;

　　比如福特時代，一臺車架地盤需要幾百個零件焊接到一起，但現在通過一體壓鑄技術，只需要前中后三塊結構拼起來即可。

　　(圖：采用一體化壓鑄的Model Y與Model 3對比，焊點減少了1600個)

　　目前，特斯拉已經在復雜車身一體式壓鑄技術上取得突破，通過3D打印工業型砂來鑄模，可對整個車身底部實現一體式壓鑄，車身制造時間可從1～2小時縮短至1-2分鐘，生產成本則可降低約40%。

　　在新的生產模式中，傳統汽車中的焊接步驟將會大幅縮減，意味著焊接機器人的應用場景也會大幅減少，從這個角度說，焊接可能就不再是一個適合初創機器人公司進入的賽道。

　　第二是團隊的方面。

　　剛才提到，工業機器人的技術壁壘較低，但技術門檻很高，因此對行業的know-how就變得特別稀缺，一些痛點行業內的人會覺得非常痛，但外面的人往往感知不到。

　　舉個例子，移動機器人可以稱重這件事，是很多年后才實現的功能。

　　其實對甲方來說，稱重是個挺大的剛需，比如一件貨，入庫的時候500公斤，出庫的時候變成了400公斤，那中間一定是出了什么問題，比如監守自盜之類的;而如果機器人能自帶重量感知功能，定期盤庫這些工作就可以被大大簡化。

　　但機器人公司會認為，移動機器人本質上替代的是叉車，既然叉車都沒有稱重功能，為什么機器人要有?

　　——和實現這些簡單功能相比，技術型創始人更喜歡把精力放在更酷炫的東西上，比如算法和視覺。

　　所以，如果創始人只懂技術、不懂產業，就很容易拿著錘子找釘子，類似于“我先做出一款很酷炫的機器人，再去找應用場景”，找了半天發現客戶好像也不太買單，毛利很低，很難盈利，只能多招銷售人員，最終變成了一家強銷售的公司。

　　不過比較令人欣喜的是，這幾年能看到很多產業出身的創始人進入到這個行業，這批人既懂產業，同時又懂技術，自帶「制造業老炮」與「AI專家」兩層Buff，綜合能力很強，上手也更快——這也是我們看好工業機器人下一步發展的重要理由。

　　最后，是底層的人性問題。

　　客戶的真實想法往往是說不出來的，你問他有什么痛點？他會告訴你沒有痛點。

　　有可能是他自己也沒意識到有問題，也可能是問題沒辦法放在桌面上說。

　　舉個例子，一條流水線上的工長，本來管著50個人，現在你說要用機器人替代掉這50人，他肯定不會老老實實配合你。

　　其實一家公司里，永遠只有老板一個人最關心成本，打工人則更關心自己的利益和飯碗。

　　用《明朝那些事兒》中的話說：“這世界上所有存在的東西必有其合理性，否則就不會誕生，舊有的東西或許已經過時，卻也是無數前人智慧的結晶，僵化也好，繁瑣也罷，但是，有效。”

　　而一旦做出任何改變，就一定會有風險、會有試錯成本，如果這時有幾個人跑去告訴老板，說老板我覺得咱們這樣改不行，那老板是會聽誰的呢。

　　所以當年張居正的策略，是讓自己活，也要讓別人活，“我不砸大家的飯碗，大家也不要造我的反。“

　　比如，令工長們很頭疼的一件事是招工：每每遇到交貨旺季，訂單多卻又招不到人，但機器人可以*解決這些問題。

　　你還是能繼續管你的20個人，旺季也不用加臨時工，人少了效率提升了，大家可以賺得更多。

　　類似這些*層人性的東西，其實與技術無關，需要創始人有非常綜合能力的才能應對。