IT思维

公众号/机器之能

来自重量级投资人领投的 B 轮主力融资，不仅意味着 3D+AI 细分赛道前景开始明朗，也预示了行业会加速分化。
产品固然可以帮助创业公司应对制造业行业需求的特殊性，但是，由于这一轮人工智能的弱 AI 性，如何破局从 10 到 100，仍然是摆在这些公司面前最大的难题，目前已经出现至少两种截然不同的破局之法。

尽管短期内，疫情黑天鹅仍然会对机器人行业造出比较大的冲击。但是，中长期来看，行业仍处在增长阶段。

撰文 | 微胖

去年的「金三银四」，梅卡曼德 CEO 邵天兰早已奔赴一个又一个客户现场。一年去过的工厂不小于 100 个的他，正被困于公司与家之间的两点一线。

不能出北京，回北京还要隔离，但总不能一直这么封着吧？邵天兰虽不习惯，也无可奈何。

春季前夕，梅卡曼德敲定红杉资本中国基金（以下简称红杉中国）领投的Ｂ轮主力融资，距离去年夏天获得英特尔资本投资仅 7 个月。去年 4 月，他们还完成了来自启明创投领投的Ａ＋轮融资。几次重要融资间隔时间都不长，业务发展非常快，如今，这支 160 人的创业团队已经服务了 100 多家客户。

被黑天鹅搅得天翻地覆的新年伊始，国内制造业复工率仅在三四成，国外疫情蔓延已成定局。疫情这个事情，其实挺伤的，邵天兰坦言，之前预计今年海外业务占比提升至百分之二三十，现在又得重新评估。

不过，事物的发展从来都是非线性，总会从波动中获得收益或受损。信心，正成为机器人 3D 视觉细分领域的关键词。

几年前，每个投资人都在寻找独角兽，它是否会出现在工业领域？规模化落地是一个很重要的节点，B 轮融资意味着在中国，这个细分赛道前景明朗起来。来自顶级风投的投资也昭示一份对未来的信心。

「细分赛道走到什么阶段，要看跑出来的选手，（参考）平均值没有意义。」邵天兰说。

过去三年，做对了什么？

回首 2016 年，带着基于深度学习视觉方案进入机器人领域的创业公司络绎不绝，很少有人预测到一度热火朝天的赛道里，谁会率先跑出来。

刚出来，大家愿景都差不多，很多投资人看着团队顶着业内顶级科技公司或者科研机构的光环就欣然出手。几年后，就像自动驾驶，谁家的车已经上路，跑了多少里程，一目了然。

2019 年的工业机器人领域继续延续了前一年的不咸不淡，不仅融资事件低于以往，融资结构上也以 A 轮（以及之前）为主。大多数公司仍然挣扎着如何将技术转化为产品，没有真正契合客户需求的产品，也难以快速复制。

庆幸的是，我们第一天决定的几个事情，到现在都没变过。邵天兰回忆道。

首先是做 3D+AI 技术。越传统的东西越不好做，做硬件去替代一个已经很成熟的产品，会是一个漫长的过程，偏软的（东西）会好一些。事实上，这也意味着一条类似安卓的生态之路，追求不了高溢价，但要实现规模化。

不过，制造业场景多，但每个都不够大，高度碎片化，而且，客户需求可谓极端多样性。比如，两家汽车公司都需要缺陷检测，仅仅因为流水线上摄像头摆放位置的不同，就可能需要另起炉灶做一套训练数据集。

这和安防做人脸识别不同，无论你给哪个行业做人脸识别，做的事情都差不多。邵天兰解释道，服务制造业最大挑战不是满足需求，而是如何高效地满足成千上万用户的各种需求。

也没有什么花儿活，将技术和经验沉淀到产品里，邵天兰说。从一开始，我们就坚持做产品，而不是纯项目。

过去三年，梅卡曼德通过服务行业大客户带出了自己的 MVP 产品（最小可行版本），这就像先造滑板车，将客户从 A 地运到 B 地，然后再迭代升级成更高级的交通工具。产品要素包括环环相扣的核心技术能力，比如视觉感知，路径规划，还有值得一提的完全图形化机器人编程软件 Mech-Viz。

想打动传统客户用自己的产品，单纯输入核心技术并不现实，还需要关心核心技术以外更多的东西。比如，Mech-Viz 兼容了十几种品牌的机械臂编程语言，可让最终使用者在不写代码的情况下，通过拖拽模块快速设定和更改任务，完成编程，大大降低了使用难度和学习成本的同时，也降低了客户对新技术的文化抵触。

仔细观察，这也是制造业赛道中一些亮眼创业公司的共同点。智布互联巧妙利用撮合交易之名（B2B，制衣厂订单）暗渡工业互联网之实（SaaS）；为了打动设备服务商购买 PHM 软件，蘑菇物联还为他们设计了 CRM 软件，并以标准化 SaaS 软件的模式提供出来。

降低客户的文化抵触的同时，Mech-Viz 也降低了公司的项目部署成本。项目做了一个又一个，参与人的经验没有沉淀到一个平台上，怎么复制？邵天兰说。

或许这也是梅卡曼德打动红杉中国的一个主要原因，后者投资工业科技的逻辑之一是，不追全球领先技术，而是追产品解决问题的效率和程度。

破局从 10 到 100，赋能还是聚焦？

产品只是一方面，邵天兰强调，为了实现「以一挡十」的服务效率，还要「做服务者，这与做产品相辅相成。」尽可能与集成商、本体厂商合作，才能高效满足极端多样性的客户需求。

过去一年落地规模得到显著提升，海外拓展七个国家业务，很大程度上得益于服务好集成商。接下来，从 10 到 1000，邵天兰更加强调了服务者角色。

不过，大致统计一下国内外 3D+AI 赛道的初创公司，就会发现领先者们多半停留在了从 10 到 100 的阶段，包括 Vicarious、Mujin、Preffered Networks 这样的明星。因为大家都面临一个相同的难题——弱ＡＩ。

它不是传统意义上的软件产品，AI 公司也多少带有服务公司性质。在过去的采访中，一些机器人创业公司都谈到过这样的问题。除了云端资源、数据和训练模型支出在公司花费中占比不小，导致毛利率降低，更为明显的是，扩展系统也比传统软件近乎零的边际成本要高出不少，特别是针对实践中的各种 corner case，落地多并不等于找到了有效规模化的办法。

正是在破解规模化瓶颈问题上，我们看到了创业公司各自取舍，走向不同道路。

邵天兰反复强调赋能，梅卡曼德是服务者，将技术能力完全开放给机器人本体厂商、集成商。没必要亲手做所有的事情，只要这个细分领域技术够得着、用户付得起、并且创造的价值大于支付的价格，就会与行业里的伙伴合作，这也是梅卡曼德「下沉」原则。

与梅卡曼德同处规模化阶段的其他机器人公司，则坚持聚焦打法。与其赋能行业，不如先做透目前落地状况最好的细分领域。他们深耕的领域也与梅卡曼德不同，指向了自动化水平并不高的传统劳动密集型行业。

在公司负责人看来，平台价值在于坚守在集成商、设备商与终端客户之间的这一层面。他们也更愿意借助渠道的力量，直接打通设备制造商和设备用户。

两种差异化打法最终沉淀到了各自公司架构上。强调赋能的梅卡曼德，借鉴阿里的公司结构，前台直接服务集成商和客户，中台提供支持，后台做技术研发。

我们是一个典型的中台公司，邵天兰解释道，需要借助中台高效应对大量客户极端多样性需求。这也是为什么他将公司比作「水桶型」。

强调聚焦的创业公司一旦决定铺设渠道，就会立刻剥离大部分业务，聚焦一两个最有「钱景」的点，业务重心也因此浓缩为「一个平台（操作系统），两个领域」。公司架构也由原来的中台架构回归到事业部制，这又与传统机器人公司结构（也是事业部制，比如物流事业部、汽车事业部）类似起来。

事实上，如何处理与中国特色的集成商和工业设备服务商的关系，几乎是新科技破局规模化落地回避不了的问题。对问题的不同回答，也直接决定了这些公司后续的演进方式。

比如，在工业互联网领域，有的创业公司倾向于绕过广泛存在的工业设备服务商，直接打通设备制造商和设备用户。有的公司认为，很难绕过这一环。和美国工业高度集中，设备商往往直接销售设备给用户不同，在中国，很多客户资源都掌握在设备服务商手中。

不过，无论以何种方式大规模化落地，细分赛道的马太效应已经凸显，也将越来越明显。杀出重围进入头部阵营的玩家，之后再进行下一阶段，输的一方或落后的一些玩家，会被大量淘汰。

冲击细分的隐形冠军

现在，邵天兰已经很难亲自过问所有的事情。从 10 到 100 的规模化落地，严格考验着团队管理能力，对于邵天兰这样工程师出身的产品经理来说，重技术的惯性思维正成为需要被「调试」的对象。

公司服务者角色越来越强，集成商客户也越来越多，虽然产品好不好用仍然很重要，但是现阶段对外支持能否跟得上，更具现实紧迫性。梅卡曼德正在建立的知识、培训服务体系已经花去团队大量金钱和精力。

一个更加全栈的创始人会关心产品/服务的各个方面，这就需要擅长许多软件以外的东西，比如硬件，供应链管理，销售，合作伙伴关系等。前英特尔营销高管比尔·戴维多（Bill Davidow）将这种「整体产品（whole product）」概念视为帮助初创企业跨越关键鸿沟的重要方式。

对于技术背景创始团队来说，这些并不是他们曾经熟悉的工作，也意味着更高的难度系数，启明创投周志峰在接受 36kr 采访时曾谈到，未来 To B 科技创新领域会有更多的并购机会。

不过，如果他们做到了，竞争对手将很难复制这样的「整体产品」，它有助于创建一些非常大的公司。梅卡曼德想要为细分领域的隐形冠军。

面对竞争中挥之不去的传统行业巨头，邵天兰谈到了他的「工业逻辑」。如果产品做到足够好、开放并且更便宜，重复建设就没有必要。「（我们）不是不让别人做，而是（让他们）没必要都自己做。」

这有点像罗纳德·科斯的社会分工，如果市场交易成本足够低，为什么还要将人留在工资单上？只有当内部解决这件事的成本低于（包括等于）在市场找外援时，有能力的企业才会考虑自己做。

相比安防领域，制造业更难具备这样的条件。在邵天兰看来，安防行业并不高度分散，巨头集中，产品产业链条也比较浅，龙头可以「软硬兼施」。制造业不仅体系庞大也很分散，除了高度集中、技术门槛非常高的个别领域（比如航空发动机），很难形成巨头通吃的局面。

在不少机器人创业公司看来，他们并不是原有的赛道上去追赶大公司，而是「另起炉灶」。在底层架构上运用新技术重新设计，包括把深度学习结合机器视觉，引入到自动化行业这个新赛道上，这些初创有可能更领先。更何况，对中国市场痛点的理解和响应速度上，大公司也不一定优于这些初创。

虽然很难形成巨头通吃的局面，不过，很多细分领域的头部企业可以做到一家独大，整个行业会有几千个这样的隐形冠军，就像德日那样，邵天兰坚信。

2020，机会仍然在这里

目前制造业产能恢复仍不理想，导致市场需求降低，上半年市场增长可能会有一个回调，邵天兰认为，短期内，疫情黑天鹅仍然会对机器人行业造出比较大的冲击。中长期来看，行业仍处在增长阶段，疫情不仅加深了传统行业的自动化认知，也多了一份升级驱动力。

红杉中国二月「逆行」完成 25 家企业的投资，投资数量实现了同比增长，也从一个侧面反映出资本对工业科技赛道的信心。新的被投企业当中，除了梅卡曼德，还有芯片以及半导体智能制造的初创，他们手中都握有赋能制造企业升级的新技术。

红杉中国认为，疫情终会过去，未来各个行业将会出现更强劲的反弹力，受挫行业会逐步恢复，新生行业将快速发展。

无论如何，我认为这个创业路径还是可以坚持下去。黑天鹅肆虐过程中，另一家机器人创业公司负责人表达了类似信心。

回想当初「押注」制造行业，邵天兰笑着说，如果用命去押注，我也不敢赌。「（押中）不是说我们有多牛，也有运气成分在」。

没有完全盯着电商，他们一开始就认为，制造业会是一个庞大的增量市场。全球 60% 的工业机器人都在中国汽车和 3C 制造领域，新技术可以让这些机器人变得更聪明和灵活，应对更加复杂的生产场景。

从传播规律来看，新技术一般都会从 IT 基础好、刚需明显并且支付能力强的行业开始，比如消费互联网、安防和金融，然后再向其他行业溢出。从红杉中国最近三四年的投资方向看，越来越多的智能设备、工业互联网及关键器件初创出现在项目名单上，本质上都是面向制造升级产生的增量市场。

关注这个溢出方向的还有启明创投。周志峰认为，偏向具体行业应用的方向上更加关注 B 轮投资机会，即那些将较成熟的视觉、语音技术找到明确行业场景、其商业价值已经得到初步验证的企业。比如，梅卡曼德。

工业科技的投资与政策导向密切相关，一位投资人告诉机器之心，「新基建」大力发展 5G、工业智能也给这个细分赛道添加了助燃剂。

而对于传统制造业来说，已经开启的自动化进程也难以因疫情而中断。

年前采访过的一家位于东莞的玩具制造商已经买了几十台机械臂用于升级，去年中美贸易战如火如荼，他曾考虑将工厂搬到东南亚。

但是，玩具包括不少配件，比如芯片、铁片等，东南亚没有这样完整产业链条，也不具备中国熟练工人的隐知识，最终他选择留在东莞，通过自动化升级应对劳动力问题。

疫情犹如一次大考，什么样的企业复工更快、受人员影响更小、交付能力更强，「相信每个人心里都有了一笔更清楚的账。」这位负责人说。