对话梅卡曼德机械人邵天兰：冲向具身智能结局
|
同样，花 1000 元就能够买到一个很好的手机，但你要花10万从头做一个几乎不成能。今天几万块的汽车就曾经很好了，你若是想本人手搓一个，可能几百万都不敷。
我认为机械人也会有一个雷同的过程，不只仅是简单的数据的叠加，正在这里面它的算法，包罗良多环节的模块，会有若干次严沉的升级。
理论上是，但我们看到像机械臂协做机械人、工业机械人，包罗挪动复合机械人，它同样也是一种尺度化大规模工业出产的形态。那这种形态配上尺度化的眼睛和大脑，也可以或许去满脚很是多的纷歧样的场景。所以这是我们所看到的一个素质性的贸易逻辑，就是。
那从机械人行业的现实进展来看，适才也提到梅卡的产物曾经有良多客户正在用了，机械人行业先正在哪些行业普及起来？进展阶段会是什么？我们80 后、 90 后最等候的是有一天，不再非得希望孩子养老，但愿机械人能帮我们养老，这个希望大要还有多久能实现？
只需 80 后、 90 后的人糊口体例健康一点、开车小心一点，不要做太的极限活动，根基上都能够看到将来机械人去做几乎所有工作，从这个意义上来讲，这一天其实没有那么遥远。
回首这个行业，华创正在2016 年、17 年看从动驾驶的时候有一些 assumption，但后来被证伪了，此中一个假设就是：L2 和 L4 是完全纷歧样的，其时认为做 L2 的公司是无法通过手艺演化到 L4 ， L4 会是完全分歧的公司。这是昔时的见地，现正在来看是错的。
所以中国现正在虽然是全球大工业市场的单一最大客户，但从总量上来讲只占 1/4~1/3，我认为也比力合理，这和中国正在全球制制业附加值里面的占比也是相婚配的。中国以 15% 的生齿，占领全球 30% 多的工业附加值，曾经是一个很是了不得的成绩了，现正在正在工业从动化上产值的比例和这个数字也是相婚配的。
我们就只做本人擅长的工作，正在其他方面和良多巨头有很好的合做；此外，我们做的时候是计谋上放松，很早就起头去做海外市场，但和术上也不克不及过于焦急。由于一旦过急，做欠好口碑，会有反感化。我们一也走得很结实，海外营业占比从过去几年间，从 10% 到20% ，从 30% 到 40%，现正在顿时到 50% 了。
这跟我们过去的印象不太一样，由于遍及认为中国是一个制制业大国，为啥这些制制行业的上逛供应商只能贡献 1/4~1/3 的收入呢 。
今天的机械人思，是我们有很强大的大模子，正在言语理解的能力上，正在视觉的分析能力上，包罗正在算力长进行操做等等，有很好的进展。所以我认为！
，和华创本钱办理合股人吴海燕一路回首了机械人行业的成长，对比了从动驾驶行业的手艺演进，并憧憬了将来机械人若何走入千家万户。本期节目中，你将听到一家独角兽企业的成长轨迹，以及正在冲向具身智能结局的过程中若何上桌的径。
那我换个体例问，现正在这个行业有良多新的名词：大模子、泛化、具身智能等等。正在 2016 年你创立公司的时候，包罗我们 2017 年投资的时候，都还没有这些概念。那今天成立一家机械人公司，和过去比拟，创业者的设法以及行业有什么分歧？
每一个行业、每一个使用场景，国内和国外城市分歧。国外的客户，对于产物的各类认证，包罗良多现实使用的验证，以及产物本身的手艺文档是不是全面？利用是不是简单？出格是可否自行上手利用，都很是看沉。
第一，大师所宣传的最激进的时间表几乎不太可能实现；第二，正在这个过程中，仍是会有人可以或许成长起来，虽然最初现实的时间表没有大师想象的那么快，可能会先通过 L2 或者环节器件成长起来。
我感觉这很像波浪，当我们正在海水概况时，会看到这个浪一会儿 10 米高，一会儿又下去了。但当我们潜到 10 米以下以至更深的时候，会发觉洋流其实常不变的。若是从一线实正做手艺的同窗的视角来看，从动驾驶手艺的前进，并没有像本钱侧所表示出来的这么大的挫折。
若是当前视镜的角度来看十年后的今天，辅帮驾驶正在 20 万级别以上的车根基普及了。 L2 的辅帮驾驶、 L3 的从动驾驶，现正在以千台为单元正在做试运转。像文远知行、Waymo、百度的萝卜快跑等头部企业，正在一些特定区域曾经有几百辆到上千辆的出租车正在做贸易化的运转，规模也正在逐步扩张，但仍是正在千台这个级别。这个时间表的现实进展速度，明显是远远慢于十年前的激进预期的。
7月底上海的2025世界人工智能大会，欢送听众伴侣们来我们的展台，看一看我们正在人工智能方面的进展，可能让大师对 10 年之后机械人进入千家万户更有决心。
当你具有这一切之后，就能够了，但问题是怎样去具有这一切？所以这些说起来容易，上手的门槛其实是比力高的，我们也是成立 8 年来，才逐步地把方才所说的拼图拼起来。当拼图拼好时，化学反映天然就会发生。但当此中几块缺失时，虽然缺得不多，但效率仍然很难提上去。
我们再憧憬最初一件工作，我前段时间看英伟达发布的，他所发布的一些数据，包罗一些行业的通用研究的数据，都指向了——现正在机械人正在一些根本动做的完成率上仍是比力低。这让我对春秋大了之后能用上机械人办事，发生了深切的思疑。可能这个工具得二、三十年才能实正实现？
良多产物的成熟度现实上还远远不敷好，但价钱曾经被打到很低很低了。像人形机械人，比若有五指工致手、四指工致手等等，以至有人要做到更低。
我们本人用后视镜看一下，由于华创也是从动驾驶行业晚期投资的参取者，良多见地和你差不多。别的，从动驾驶行业由于是个全新的行业，机械人也一样，等于整个财产链条都要去沉塑，从头起头建供应链，客户场景都要从零起头。它的益处就正在于创业公司和大公司的起跑线一样，以至创业公司还更有劣势，由于它更矫捷，大公司可能正在既有成熟行业的根本迭代方面更具劣势，正在全新行业里反而不必然。
（编者注：工控电器是指用于工业从动化节制的电气设备，次要包罗接触器、继电器、信号灯、按钮开关、从令开关、传感器、人机界面、消息化设备、机械视觉、可编程节制器（PLC）、分布式节制系统（DCS）和可编程从动化节制器（PAC）等这些设备正在工业出产中起着环节感化，可以或许实现对电或非电对象的节制、、检测和调理。）。
来岁量产，后年盈利，然后怎样样？但我认为，此中有一些手艺的工作还需要冲破，可是不至于没有思。整个手艺的演进大致分成几个阶段：第一，大师要有一个思；第二，要找到一些比力靠谱的具体的做法，然后就是要打磨，把它做好。
我认为我们过去 8 年间所做的工作，让我们正在冲向具身智能如许的智能机械人结局的过程中上桌了，而且获得了一个好的。
若是我是英伟达、谷歌等等大公司，那我只需从兜里面掏出一部门钱，然后调一些最好的人，有可能就能上桌。
当前，我认为机械人正在相对可控的下，以及专业人士的操做下，能做的工作范畴的增加速度很快，我小我的察看是每年翻一倍。今天的机械人仍是正在一个相对可控的下使用会更多一些，好比制制和物风行业，包罗大型办事业如沃尔玛等也能够很好使用。
那我能够把这个工做多分化几步，每一步有一个从动化的安拆去做，有 10 个动做，我就给它 10 个设备去做，把从动化做到极致是一种方案。另一种就是多雇几小我。还有一种方案，就是用一些伶俐的机械人，俩机械人就能干 10 个步调。
从动驾驶也是成长了良多年，从上世纪八十年代一曲到深度进修呈现以前，好比13、14 、15 年，正在此之前是一个找思的阶段。
但对于我们创业公司来讲，我们需要正在一个时代的过程中去兵戈，而且要打赢它，并且要可以或许把公司做到必然的规模而且可持续，才可以或许去参取下一个阶段的合作。
这件工作从从动驾驶的成长上也能看出来，我记适当年有一些说法认为“ L2 的辅帮驾驶，和L3、L4从手艺层面上会是完全纷歧样的。”我认为今天构成的共识是它们素质上仍是相通的。
是的，现正在正在机械人行业我们看到了有如许的思，然后我们本人也有很好的进展，可是没有任何人敢说我们此时此刻的方式，它就通向最终的将来。
但不克不及和今天的热闹比拟。我 2012 年从本科结业，去读书，读的就是机械人。我的消息不必然很全面，但据我领会，整个学校结业的几千人中，去读机械人的可能就我一个。但到今天，像如许的决策曾经很是很是多，我去机会器人仍是一个冷门专业，到今天开打趣说曾经起头有点烂大街了，似乎所有人都正在做机械人。
你们曾经大规模使用到良多场景里了，也是全球正在这个范畴里做得最好的公司。其时是什么契机让你看到了这个标的目的的创业机遇？
是的，我认为这里面有两点：第一，当我们不计成本时，今天人工智能手艺其实曾经能做良多工作，可是正在现实世界中是要算账的。除了一次性的摆设成本以外，设想、加工、安拆、调试、以及出产发生变化，城市带来成本的添加。好比出产一个新型号所带来的额外成本，这些都要被考虑进去。
记得我还没有正式创业时，就看到旧事里良多从动驾驶的视频，良多公司画的时间表等等，这是一个大师确实能看到但愿的，而不是凭空而来的趋向。我们看到良多如许的手艺前进，能带来以前所想象不到的工作。我本人把这叫做 early sign of success，就是成功的晚期信号，确实能看到良多如许手艺的前进。
就仿佛我们每小我正在大学选专业以前所学的良多工作一样，我要对这个世界有一些根本的理解，不管叫事务模子，或者机械人的 foundation model 等等，它并不必然要某一个细分场景的数据。
列位听众朋敌对，我是梅卡曼德机械人创始人、CEO邵天兰，我们正在 8 年前成立了梅卡曼德机械人，颠末 8 年成长，我们所做的高精度工业级 3D 相机和人工智能的软件曾经办事于很是多的物流和制制场景。
我们看到正在制制和物流中，工业机械人仍然有很是大的空间。正在全球有 10 亿人，以至可能20 亿人正在做制制物流相关的工作，那全球的工业机械人此时此刻的存量是 400 万，400 万乘以 100 也只要 4 个亿。也就是说。
对，我们现正在本人不做机械人的本体，好比机械臂或者挪动的平台等等。我们能够适配几十个品牌、上千个分歧的机械人的型号。由于第一，从手艺角度，本体更多属于机械节制、电器，这些不是我们公司擅长的；第二，从生态位来看，本体厂商更多是我们的合做伙伴。此外，从现正在整个市场款式来看，正在没有严沉手艺变量的环境下，创业公司去做这些工作，我认为也贫乏机遇，所以我们本人现正在是不做本体的。
良多人会低估从很好地展现到可以或许大规模现实落地，这之间的门槛。这对于创业公司来说有可能是致命的。一个工作现实上 10 年才会发生，我们预测 3 年会发生，那有可能是致命的。
出格是发财国度，客户对产物成熟度的要求是更高的，既包罗你的不变性、机能，也包罗功能、文档、培训易用性等等各个方面。若是达不到必然的成熟度，那对他们而言，带来的麻烦可能还多于你给他的益处，他就不会去用。
2016 岁尾，我从回来开办了梅卡曼德机械人。比来的三、四年，我们的营业增加很是快，也实现了大规模的使用落地。我其时回来的时候看到的机遇和今天的大模子其实很像——大师看到了新一代的人工智能手艺，让机械人有更好的智能潜力。
但机械的眼睛和人的眼睛该当也还不完全一样，好比物风行业，可能不需要目力那么好，但另一些场景如汽车、半导体这些行业，是不是需要一双出格锐利的眼睛？
十几年前入行时，邵天兰几乎是唯逐个个选择去攻读机械人专业的人，2016年他入局成立梅卡曼德机械人，但愿可以或许让机械人的智能再上一个台阶！
欢送听友们关心「牛白丁」喜马拉雅、小、苹果播客、QQ音乐、豆瓣账号，取我们一路用耳朵感触感染「时常风趣、偶尔深刻」。
这些能力包罗客户的承认、我们的生态，为我们去做新的工作打下了根本。起首可以或许获得良多客户实正在的需求，还有大量的数据堆集，同时我们现正在也有良多前沿手艺，我们本人从规模、资金，以及各方面也有实力能去开辟。所以我认为正在冲向前沿、最初具身智能结局的过程中，我们现正在是可以或许上桌了。
那什么时候能够让我们的机械人慢慢地走到人机交互的场景，以至走抵家庭？这两头有一个逾越的路子吗？
对，一个全面由机械人参取的将来，想起来仍是挺夸姣的。良多单调、的体力工做，都让机械人去做了，然后人类就能够处置一些更有创制力的工作，有更多的时间陪同家庭、休闲文娱，做享受的事。
所以若是从算账的角度来讲，会发觉良多工作只要通过人工智能的体例才能算得过来。正在实践中，我们发觉，客户正在乎的不是人工智能，而是关怀整个方案摆设是不是快？分析成本是不是低？是不是可以或许顺应它的变化，以及利用起来是不是简单？为了完成这几个方针，我们发觉谜底就是人工智能。
对于大型制制业来说，哪怕百万级其实也是比力小的设备，但若是家用，可能就要到 10 万级以下。
你刚有一个警告，就是我们要好好熬炼身体，由于正在将来的十年、二十年内，我们就能看到机械人走进千家万户，办事于我们的夸姣一天。
机械人是一个手艺链条很是长的行业，这点和从动驾驶很像。手艺链条很是长，系统极端复杂，需要的要素也很是多，这个过程中想上桌其实不是一个容易的工作，并且不是简单的工作，不是聚一些人、聚一些钱就能上桌，它需要一个活的组织，还需要整个组织正在持续的和役中发生的能力。
这些工场是需要像特斯拉的人形机械人Optimus 那样，进工场拧螺丝吗？什么时候才能替代这些人？用哪种体例？
对，我们到今天发觉从动驾驶公司，好比利用的传感器，不管是双目也好，像激光雷达利用的计较的芯片，包罗我们所利用的端到端的手艺、所利用的模子的布局、里面一些具体做法，现实上是趋同的。像L2、L3、L4，今天大师的手艺线素质上我认为是趋同的。当然我能够说，为了实现更高阶的从动驾驶，我的传感器更多、算力更大、利用的模子的规模更大以及分析的成本更高档等。但他们之间的手艺线，我认为素质差别曾经越来越小了。
换句话说，机械人仍是得先正在特定的特定客户用起来，然后慢慢才能走进千家万户，所以我们的产物现正在也是特定行业、特定客户、特定场景。
今天我们看到良多大厂，好比谷歌、英伟达、Meta、字节、特斯拉，还有腾讯、阿里、京东、美团等等，以至奇瑞、小鹏等汽车厂商都正在做机械人，同时也看到很是多的科研院所、高校正在投入，还有像雨后春笋一样冒出的创业公司。
由于中国国内工程师的数量多，交通也比力便利，大师坐高铁过去就能给到客户手艺支撑。但正在国外，无论是工程师薪资仍是交通成本都很高，所以他们会很是看沉能不克不及自行利用这点。
若是正在 10 年这个标准上，那我们现正在一方面要有前沿摸索，别的一方面也要想法子把公司的根基功、各类能力、营业，包罗规模做起来。这也是我们从从动驾驶上看到的现象。
昔时的标记性事务就是 AlphaGo 打败了李世石，同时正在机械视觉方面也有良多的前进，就仿佛我们从 2023 年看到像 ChatGPT 如许的手艺一样，正在那一波海潮里面我们成立了梅卡曼德，现正在也起头操纵更新一代的手艺，包罗生成式 AI、大模子、多模态等手艺，我们但愿可以或许让机械人的智能再上一个台阶。
这点我们也是从此外行业，好比从动驾驶，好比轮回神经收集，包罗 BERT 等等的公司身上学到的。它们可能正在某个方式上做了良多勤奋，但像 ChatGPT 如许新的方式出来之后，就完全被碾压掉了。雷同这种工作我们看过良多次。
由于现外行业的手艺成熟需要一些时间，包罗创业公司也需要时间打磨本人的能力、扶植团队，以及把产物迭代好。但因为如许短期的过度关心和预期，会导致大师有一些不切现实的时间表，或者对于手艺前进的期望。所以我感觉当前的这种热度，带来了良多机遇的同时也带来了很是多的挑和。
正在最初的方式还没有完全确定的环境下，不要过于急功近利，仍是要连结必然的发散性，要去测验考试一些新的方式，而不是认为我们当前手上的方式就曾经是最好的了。
工业从动化履历了机械时代、电气时代、计较机时代，我们现正在是正在人工智能时代，所以我们所面临的是新一代的产物、全新的市场，并不存正在已有的巨头，这是一个客不雅前提。若是出海的厂家要挑和之前曾经做得很大的巨头，面对的难度会更大。
我们做的是机械人的眼、手、脑，但愿机械人能像从动驾驶的汽车一样，有的能力、规划能力和决策能力。当前我们正在机械人的上料、搬运、拆卸、切割、焊接、涂胶、质检等良多场景都有很是多的使用，我们是全球首个正在制制和物流里面实现大规模制制、大规模智能机械人使用的公司。也很是侥幸，正在公司很晚期的时候我们就获得了华创本钱的投资。
哪怕我们只关心大中型的制制、物流和像沃尔玛如许的大型办事业，仍然看到是一个 10 亿人正在做的市场，我们就算用机械人去辅帮此中哪怕 1% 的岗亭，也是一个万万级的工作。这曾经比今天整个工业机械行业的存量都要大。所以？。
以前的从动化，更多是诉诸于机械节制这些不敷矫捷的设备，出格是定制化的机械，它的设想、加工、安拆、调试的成本很是高！
但要一个点，今天大师虽然有个好的思，可是做法很较着有局限性。我们看到今天所有的方式，不管是言语模子，包罗 VLA ，包罗各类各样的方式，很较着是有局限性的。
若是不和人深度交换、现实复现手艺，仅仅单凭视频或者论文，我本人是不太敢相信这些消息的来历的。
所以正在邵天兰看来，“比起概况波浪的噪声，我们更该当关心水下演进的潮水”，而梅卡曼德过去八年恰是通过一次次打硬仗，正在手艺、客户、全球化等方面都打下了根本，才得以正在冲向。
我把场景分成两类：一类是间接办事人的场景，好比剃头店、餐馆、养老院，它的方针就是要办事人。但我们同时有大量的场景，方针不是办事人而是办事物品。好比出产一瓶矿泉水，目标就是为了把水出产出来，而且送到需要的人手上，那这个过程中，人形所带来的价值就未必那么大。
我们现正在的行业和使用曾经很是普遍了，既能够正在汽车厂的焊卸车间做上料、码筐、焊接、质检等等良多工做，同时也能够正在奶粉厂、快递物流坐做搬运。我们现正在的客户来自很是多的行业，大到几十米以至上百米长的汽船出产，也有几毫米的手机部件的出产。
两、三年有可能是一个过度激进的预测，正在机械人的根本操做能力方面，10 年这个标准上我认为能做到一个很好很好的结果，也是一个可预期的成果。能够类比从动驾驶，好比我们回看一下 15 年的从动驾驶。
好比过去说的“三年商用、 五年量产”，还有良多大厂讲过，到了 2018 年或者 2020 年，所有的车城市实现从动驾驶。
即便正在短期内，如许够得着的制制、物流和大型办事业，对工业机械人来说，曾经是一个很是复杂的市场了，这个市场脚够发生千亿美元级此外巨头。
我们现正在的模式就是通过尺度化的产物，去适配很是普遍的硬件形态，然后能做良多的行业。劣势正在于一旦做出来之后，它的效率、全球化以及客户笼盖城市很好。
换句话说，正在制制业、物风行业，其实从动化所能告竣的替代人的场景，还常无限的，剩下的这些庞大的体力活、劳动的工作，要靠智能化去做。
第二，正在细分场景的技术上，机械人具有根本的能用的能力很是主要。我们先从一部门可以或许获得的场景逐步地向更多的场景扩展，这里面 foundation model 的能力是逐步正在堆集的，并且可以或许验证，这常很是主要的一点。我们从从动驾驶的成长上也获得良多，先通过某些体例让整个营业转起来，同时有大量的数据可以或许进来，这是一个很环节的点。
可能有人会问，梅卡现正在做的行业是工场和物风行业，一方面，升级需要去做，无论是架构的升级也好，仍是模子的升级也好。别的，你此刻认为本人有没无数据飞轮？由于你收集的都是制制业的数据，或者物风行业的数据。那日后要进入办事业，进入家庭、学校、病院，是不是还得从头起头？
当然我们需要数据，但我认为这件事有的时候是一个 oversimplification，就是过度简化。我们回看从动驾驶过去 10 年的汗青，它明显不是一个简单的收集数据的过程。整个范式，包罗良多环节的模块都有严沉的升级。当然今天大师会讲，像端到端，像大模子，以至像抱负正在讲的 VLA 司机大模子等等。
通过人工智能，让这种大规模出产的、成本很低的机械，可以或许去面临千行百业特殊的需求，这个就是我们所做的工作。
更精确的说法仍是思，就是从一个思到一个实正的做法，这之间可能仍是有一些不同的，当然我们也看到这个过程正在逐步地变短，逐步地。今天的人类很卷，一个思发生之后，就会有良多的资本投入去做。
把创业八年的过程比做是“拼地图”，他们专注于机械人的眼、手、脑，但愿通过尺度化的产物适配普遍的硬件形态，从而笼盖千行百业。邵天兰称这种模式是“既要、又要、还要、也要”的过程，不只门槛高，难度也大，但现在一走来，梅卡曼德的产物曾经正在汽车、物流、沉工等浩繁范畴跨行业、规模化落地，持续四年市占率第一，成为全球“AI+机械人”范畴规模最大的。
这个动做能够是良多种，但人的眼睛相对而言更有共性。好比我本身踢球踢得很差，但眼睛能够判断场上的环境，只不外是我不会踢罢了；我也不会转笔，但眼睛能够判断出笔是什么样子的。所以我们手的能力千差万别，但眼睛的能力相对而言最具共性。
我们从 2019 年就起头做，不外那时候做国外市场，更多是但愿获得一些反馈来指点我们的产物开辟。实正以扩大营业为方针来做海外市场是正在 2021 年，那时候疫情还没有完全竣事。
起首，发财国度的高尺度市场可以或许把我们带着往上走，这种压力很是主要，由于我们看到所有Tob 的好公司最初必然是被一些高尺度的客户带起来的，我们进入发财国度市场，它可以或许倒逼我们这一点。第二，机械人行业不像消费品，消费品的地域个性化很凸起，但工业品正在分歧国度之间的差别没有那么大。所以若是我们不出去，那等国外同类公司成长起来之后，他们也会进来。
这么听起来，其实机械人行业，仍是比 2015 年的从动驾驶要好一些，由于现正在机械人行业该当处于 L2 的普及阶段， 但15 年的时候从动驾驶行业 L2 还没有普及。
这倒不会，我们现正在所办事的所有行业客户，都是尺度化、通用化的产物。由于我们现正在做的是机械人的眼睛和大脑，不管几十米长的船仍是几毫米的部件，虽然做的是拆卸、焊接等其他工艺，但都是从视觉层面出发，它所做的工作都比力有共性——识别物体的品种、判断它的形态、精准地定位，然后指导机械人完成响应的动做。
换句话说，我要处理某一个问题有好几种路子，一种就是做新，做各类各样的从动化的设备，建新的一个从动化产线。
我认为更多仍是正在机械人的智能上，要可以或许有很是好的能力，能识别数以千计、万计的物品，要能精细地去它的形态，以及自从操做能力、使命理解能力、决策能力等等。从2012年去读书起头算起，我本人进入机械人这个行当也有不短时间了，正在这期间我看到机械和节制是有前进的，可是前进的幅度以及带来的本量变化是远远小于人工智能的，而我们现正在看到整个行业正正在敏捷地人工智能化。
起首，从能力上，公司的能力是要兵戈打出来的，不是若干小我聚正在一路，就从动获得这个能力，这个能力是活的，必然要大师正在一路做一些工作，才可以或许扶植起来；第二，我们获得了全球大量客户，包罗上百门第界 500 强客户的承认，是由于我有根基的营业和品牌；第三，我们获得了良多生态合做伙伴，此中有良多的巨头，有良多细分范畴领先的公司。
用少量型号的产物，去应对成百上千个场景的需求，这对创业公司而言，是更聚焦更可行也是耗损更少的体例。
这是一个很好的问题。起首，若是去看一些宣传无人工场的企业的财报，会发觉它其实有 10 万人，以至几十万人。
机械人行业能够看做是学计较机的人正在“”这个行业的一个过程。我本科正在大学，本来的良多机械人的尝试室现实上是归正在机械学院下面的，大师认为机械人无机械的部门，有节制的部门，所以本来是良多机械和电气，包罗电机还有节制相关的学科。这些年我看到的一个很是严沉的趋向，就是搞计较机的人，出格是工智能、做大模子，包罗从其他行业，好比从动驾驶等出来的一些人，开打趣叫“”了这个行业，就是现正在大师认为机械人更多是关乎智能的，这是我们看到的一个很是较着的趋向。
但今天我发觉其时发生正在从动驾驶行业里的所有工作，现在正在机械人或者具身智能范畴里正正在汗青沉现，所有的工作都以别的一种形式再发生一遍。
是的，能够到L4、L5，好比 90 后正在退休之前，我认为是能看到这一天的，但短期内三、五年，可能没有那么快，持久来看我常有决心的。
对客户而言，你的硬件要有很好的靠得住性、成熟度，各方面的机能都要好；软件要具备完美的功能，人工智能的算法要有很是强的顺应性，正在现场才能很是不变、快速地摆设起来。同时，还要有很是完美的培训文档、手艺支撑的系统，而且做过良多行业验证，堆集了良多经验，能被客户信赖的同时，还要拓展合做伙伴的收集，如许他们才能自行去完成交付。
今天我们所看到的制制业里面的无人化，仍然只是正在很是局部的范畴内发生，中国现正在仍然有上亿人正在间接做制制业相关的出产，若是把物流等相关的婚配财产算上，很可能会有 2 亿人，正在全球这个数字就是 10 亿人。
好比大型工场，能够相对比力好的设想机械人的工做。可是一个家连我本人都设想不了，再加上若是有宠物可能会更复杂。
一个是我们产物的定义和尺度常高的，我们一上来并不是要做一个廉价货，而是就要做世界第一。
对的，但这更多是传感器层面的差别，我们现正在做的高精度相机，最高曾经能够做到 0。2 微米的精度——就是把一根头发劈成 400 份，每一份差不多就是 0。2 微米。我们也有可以或许笼盖几米标准的高速的产物。虽然精度纷歧样，但从背后人工智能算法角度来讲是相对有共性的。由于现正在的产物里面，现实上人工智能是开辟难度最大、成本最高、周期最长的部门。
所以，迈向通用人工智能的径越来越清晰了。到本年下半年 11 月份摆布，梅卡曼德曾经创业九年了。做为创始人，坐正在此时此刻，你若何定义梅卡曼德正在机械人场景里的？
我感觉有这么几点缘由：第一，我们制制业的产值很是复杂，好比钢铁等等，但像机械人、还有一些从动化，边际贡献可能没有那么大；别的就是价钱的问题，由于现正在不管是消费品仍是工业品，中国的价钱比拟全球全体是偏低的，虽然数量上可能占比会更大一些，但整个产值占比会相对低一些。此外，比拟于发财国度的出产，我们从动化的比例相对低一些。
现正在从动驾驶除了有像特斯拉、华为如许的巨头以外，还有若干家创业公司，也是正在冲向从动驾驶结局中上桌了。这些公司我认为无一破例都是正在 L2 或者2。5、2。9、2。99 等等时代先把它的营业转起来，获得了良多的客户承认，包罗数据、团队的扶植等等，我但愿我们也可以或许有一个雷同的过程。
风波很大的时候，你反而要关心到实正的手艺的演进、贸易的演进，包罗使用场景等等，这也是我现正在很是但愿能切身参取此中的工作。
你将听到来自华创本钱和我们的伴侣们，以投资人和创业者的第一视角，一路交换那些投资、创业、前沿科技、消费、生命科学等范畴的洞察和趋向，回忆片段取霎时，分解认知和思虑。
不要把公司所有的资本都压正在这一代的手艺线上。我认为一个健康的公司，最好要建立三层营业壁垒，我们现正在就是如许做的。第一层，今天可以或许发生收入利润的营业，它曾经有了脚够的成熟度；第二层，今天所看到的前沿手艺，要可以或许跟进和改良当下最好的手艺；第三层，我们也有一部门精神，包罗做产学研合做，去摸索一些正在今天还没有成熟的、新一代的手艺范式。这就是所谓的“发卖一代、改良一代、预研一代”。若有更多资本，以至能够再往前沿再摸索一代，就能够避免所有的资本 all in 正在一个今天看来可能比力领先，但也许正在未来的某一天就掉队了的手艺标的目的。
是的。第三，我研究了良多公司，包罗机械人、工业从动化，好比西门子等等公司的财报，这种头部的工业从动化公司，他们正在整个大中华区所获得的收入一般是 1/4 ～1/3。
这让我想起 2015 年或者 16 年的从动驾驶行业，阿谁时候我看从动驾驶行业更多是一个傍不雅者的脚色！
换句线 年那阵子的从动驾驶公司，那时候曾经无数十家拿到派司能够上去测了。阿谁时候大师投从动驾驶，去这些公司尽调时曾经无机会坐上一辆从动驾驶汽车上去转一圈。它跟现正在从动驾驶的焦点区别是，阿谁时候的车正在平安上还没有 100% 的把握，其实现正在也不必然有，对吧？
对，由于阿谁时候大师曾经有思了，可是还没有到一个都承认的做法。今天我们看到好比华为、特斯拉等，不克不及说完全到一个共识上，可是能够分化到一类共识上。
我们现正在有若干硬件的型号，大要十几个 SKU 就能够笼盖绝大部门的场景，从持久来看，SKU 可能也不会那么多。人工智能的算法，若是要为每一个场景去做特地的开辟锻炼验证，确实受不了。所以最环节的部门，仍是要把大脑的部门共性化，至于传感器的部门会有一系列的细分型号。
正在全平易近做机械人的今天，邵天兰用汗青的后视镜回看，发觉今天的机械人行业很像2015年的从动驾驶——一方面手艺的冲破和前进带来了很是大的但愿，但另一方面，泡沫之下，良多人也会低估手艺展现到大规模落地之间的门槛，从而制定出激进的时间表。
比若有的大学、公司，试图一步到位，去做L4、 L5，最初可能他们的进展反而掉队于从 L2 慢慢往 L3 走的公司，好比华为、特斯拉以及其他的创业公司的进展，由于后者可能正在贸易上、数据上、各类能力的扶植上是走得更好的。
所以素质缘由就是一个尺度化的硬件大规模出产，能够带来百倍的成本优化。那么我们的问题就变成了，怎样样利用尺度化的硬件来满脚各行各业很是分离、很是定制化的需求？这个尺度化的硬件，和各个行业里各类需求之间的 gap，我们就用人工智能、用机械人的眼睛、大脑把它填上，这就是我们现正在所做的素质上的工作。
以至良多省份也创立了机械人研究核心。所以我适才讲到的一个严沉的变化就是今器人行业获得的来自包罗部分、投资人、大企业的关心，比我其时刚成立梅卡曼德的时候要多得多。它有很是好的一面，好比良多创业公司融资会愈加容易，由于关心这方面的本钱良多，同时国度政策也会支撑，潜正在客户也会被如许的高潮所吸引，所以更有可能获得一些晚期客户的关心。
我们现正在的客户次要是制制、物流这些行业，正在从动化时代，良多制制业曾经呈现了所谓的“黑灯工场”、“无人工场”，整个工场里面可能就一两个工人，以至没有人，那正在这种环境下，人工智能赋能的机械人，还能为制制业提拔多大的从动化、智能化的空间？这个市场到底还有多大？
我认为没有素质性的门槛，更多的仍是像适才说的从动驾驶，好比 99%~99。9%~99。99%，这里面我们还要有很是稳妥的的能力，要有很强大的操做能力。
你正在一个更早的时间，由于选择也好，由于幸运也好，走正在了一个准确的大标的目的上，然后进到了一个准确的房间里面，坐正在了这个桌子上。
我举个例子，去宜家买一把椅子，可能只需几十块钱。但若是请一个木工做椅子，哪怕锯出来的工具很粗拙、很简单，所花的成本很可能是上千元，由于你要买物料、设想、请人，还要去做加工。以至定制化加工成的椅子，最初很可能还和尺度化出产的椅子材质一样，但到最初你会发觉有一个百倍的价钱差别。
是的，我感觉素质的缘由是由于从动驾驶是一个、很是庄重的行业，涉及人身平安，所以正在同样的手艺成熟度下，机械人行业的使用就会比从动驾驶要广一些，由于涉及到人身平安，它的门槛天然也会更高一些。
我认为这个手艺的演进完满是持续的，今天正在一部门的办事业场景中，我们曾经有一些使用了。我认为它的成长，和今天我们曾经正在制制、物流还有一部门的贸易场景中所做的工作是完全持续的。
今天正在全球范畴内，至多每几百小我才能对应一台工业机械人，那它的次要瓶颈就是智能化程度不敷。
机械人行业不是一个小我豪杰的行业，它不像有一些范畴，好比数学，某一两个大神靠本人的一己之力就能做起来。
一是它的顺应性需要进一步地提拔，由于从制制物流起头往办事以至家用走，我们面临的是愈加不成控的场景；第二就是分析成本还要再进一步下降；还有一点就是平安性，正在最坏的环境下，必然要非专业人员的平安。
从动驾驶行业确实也履历了几回大起大落，无数次的但愿之巅，也无数次的之谷，两头有过很是难熬的、本钱和市场都不承认的阶段，也有大师从头燃起但愿，又起头对这个行业逃捧的期间，但熬过来的公司也因而成为了行业里平台级的公司。
梅卡曼德有一个比力好的外正在前提，就是我们所做的品类——人工智能机械人的眼睛和大脑，现正在比力风行的说法叫具身智能，所面临的是一个全新的市场。这个市场之前不存正在一个曾经做得很大的公司，把客户的以及产物的生态位占住，这对我们来说，会更有劣势。 |
