AI落地机器人如何“小步快跑”地发展？

火了3年，AI即将面临全面降温？前几年大热的一轮轮AI热门落地方向各自面临困境： 

金融、医疗市场，数据难拿；以视觉技术为主的安防看似红海，但收入中，基础设施占比大，技术服务占比小；语音和语义的to C音箱等赛道需要更大销量自证，to B客服等赛道亟待摆脱外包处境；此前被乐观期待的自动驾驶面临技术、伦理双挑战。

从消费互联网的3年上市到行业AI落地的细水长流，希望押出下一个伟大公司的一级市场也陷入迷惑：风口不再，价值难寻。 

而在市场气氛低迷的2019年，一个以往并不最在风口浪尖的领域——面向制造业、物流等生产环节的智能工业机器人赛道却逆势而上，红杉、高瓴、高榕、晨兴、启明、顺为等头部机构纷纷加码： 

2月，AI工业视觉公司阿丘科技获君联领投的A+轮融资；

4月，协作机器人公司节卡机器人获赛富领投的B轮融资；

7月，智能机械臂公司Agile获来自高瓴、红杉、天智航、线性的Pre-A轮融资；

8月20日，艾利特（ELITE）机器人宣布完成亿元人民币的B轮融资，由国中创投领投，元禾原点、策源创投、索道资本跟投。

据IT桔子数据，2018年智能工业机器人赛道的投资案例为66起；而截至7月，今年上半年的投资事件已达43起。创业公司之外，ABB、发那科、西门子等机械臂、工业自动化传统强者，阿里、京东等科技巨头，海康、商汤、旷视等其他赛道AI头部公司也纷纷布局这一领域。

然而，细分赛道回暖之下，各玩家仍面临工业领域的一个严峻规律：这个行业重资质、高门槛，围绕相似新方案竞争的所有人，都面临相同的时间窗——谁能率先落地，积累案例，就会逐渐把慢一拍的人越甩越远。

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。 明显的拐点发生在2012年，中国劳动年龄人口规模较上年减少345万人，是新中国有统计数据以来的首次下降，此后7年，这一数字又连续下降，到2018年已跌破9亿。

同时，严苛的环境加之枯燥的重复性劳作，让90后、00后对工厂望而却步。工厂经常有钱也招不到人。生产旺季，有些工厂还会打出“高薪兼职”的广告，但应者寥寥。

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。

3D相机以及AI视觉算法的进步使机器人有望处理物体种类极为多样的快递分拣等复杂场景。需求强劲加上技术突破，全球在2012年迎来了一波“智能化机器人热潮”。

Amazon于当年收购机器人公司Kiva Systems；

Google在2012到2013年间，一口气收购了包括波士顿动力在内的9家机器人公司；

贝佐斯从2008年起连续8轮投资了机器人公司Rethink Robotics；

郭台铭也在2012年宣布，富士康要在3年内打造“百万机器人”；

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%。一批智能机器人新公司纷纷成立，新创公司之外，各路巨头也涌入赛道。 其中既有ABB（瑞士）、发那科（日本）、安川（日本）、库卡（德国，已被美的于2017年以40亿欧元收购）、西门子（德国）等机械臂或工厂自动化领域的传统老牌企业。 也有阿里、京东等互联网科技公司。

机器人四大家族（ABB、库卡、安川、发那科）平均历史长达106年，172年的西门子更是比全聚德还老17年。 如果不是新技术带来新机会，新玩家很难平白无故地切入工业、生产场景。 而反过来，这种市场特质也意味着，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。 

于是，赛道所有玩家头上，都悬着一个紧迫的时间窗，对自己不掌握场景的创业公司来说尤其如此。 跳不过去，就会困于恶性循环： 初创，服务案例不足→算法能力、稳定性、服务经验得不到真实场景打磨→很难打动客户→继续没有案例。 

所以，整个赛道“看过了太多demo，看过了太多video，却迷失在落地中每一次无果的测试”。 而一旦抓住愿意尝试的种子客户，并在服务中建立口碑，突破了时间窗，就能拨动正向飞轮： 逐渐积累案例→在真实场景中沉淀算法、提升稳定性和服务经验→打动更多客户→获得更多案例。 这就是为什么，行业里的第一声水花尤为重要。

源于机器人智能化也像诸多AI赛道一样，正面临复杂竞合。

 直接夹击机器人智能化厂家的上游玩家是机器人本体厂商，其中既包括百年巨头如四大家族等，也包括中国本土的一批挑战者，如新松、埃斯顿等；他们内部都有视觉算法研发团队。 

下游则包括各自占据细分场景的大量集成商，和在工业自动化领域深耕多年的工业巨头如西门子、GE等；而且在一些地区，如日本本土，四大家族自己也是集成商。 这些上下游玩家的优势是客户经验强；但在算法、软件上的研发能力有限。

而且如今，在多年波澜不惊的工业自动化领域之外，又集结了一群墙外的窥伺者。 第一类是手持黑科技利器的互联网巨头。 如Google在2013年连收9家机器人公司，一度掀起全球机器人热潮。 

2018年起，Facebook AI团队也在机器人技术上动作频频，其研究涉及六足机器人、Replica真实感训练数据集和Habitat模拟引擎，并在今年6月开源了与卡耐基梅隆大学合作的机器人编程新框架PyRobot。 

腾讯在2018年3月成立机器人实验室“RoboticsX”，探索人工智能、机器人本体、自动控制等7大技术，但目前仍未公开产品。 可以看到，这些科技巨头的取向更靠近前沿研究，有吸引顶级算法、软件甚至硬件人才的优势；但目前来看，似乎尚无推进商业落地的明确时间表；未来如果要真刀真枪加入竞争，则短板是对工业制造业缺乏行业认知和客户积累。 

2018年底，亚马逊曝光了自己的自动化仓库方案。 在这前后，国内掌握了物流场景的科技巨头——阿里、京东也都有相似动作。 

在这些科技公司设想的未来自动化仓储系统中，包含了非常综合的技术： 一是硬件层的机械臂、3D相机、交叉分拣带、AGV等设备；二是使硬件智能化的各类软件、算法系统，如视觉检验、混合码垛、无序分拣及联动数台AGV的中控系统——在菜鸟无锡仓，已能实现对700台AGV的同时调度；三是涵盖从仓储到拣货、打包、分拣再到出仓全流程的智能化决策、管理系统。

2017年，阿里曾宣布要在未来5年持续投入1000亿，实施“新零售和物流全球化”计划，而包括仓储、转运、分拨中心等在内的物流自动化、智能化改造会是其中重要一部分。 

据IFR的最新数据，2017年，中国工业机器人的密度是68台/万人，排名23，比韩国（631台）、新加坡（438台）、德国（309台）、日本（303台）差了一个数量级。 决心要在2025年，实现制造业上台阶的中国，未来一定会努力抹平差距。 且中国制造业虽粗犷有余、精细不足，但体量大、胆子也大，对新技术更有包容度，是全球范围内智能工业机器人落地的最佳实验田，没有之一。 

面对越来越复杂的工业体系，人口、资源受限的小国已被逐渐边缘化，无力也无意参与全球竞争。 而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。