如果说产业化第一阶段是教育市场，那么，第二阶段属于判定趋势过程，第三阶段面临大规模应用，客户把它作为NO.1的选择。 「我们已经到了第二阶段甚至到第三阶段大门打开的时候。 」
撰文 | 微胖
有人说，近10年经济发展有三条铁律一直未被打破。
解决人口流动造就了高铁、新能源出行；解决钱的流动速度，造就互联网金融、区块链技术；解决货物流动速度，造就了新零售和物流。
确实，今年再谈移动机器人，氛围与过去两年格外不同。
亚马逊又宣布两款新机器人加入仓储运营大军；软银停产Pepper，重仓仓储机器人；波士顿动力商业化第一站着陆仓储物流......
国内，字节跳动最近入股一家仓储机器人；极智嘉与中金公司签署上市辅导协议，拟科创板挂牌上市。据Interact Analysis统计，这家公司目前在全球AMR市场占有率世界第一。
如果说两年前的行业还在大谈「教育」市场、市场「必须」被改变，那么，今年关键词已经变成「从1到N」或者「跨越」鸿沟。
今年订单量飞速增长，截止6月底，极智嘉已在全球范围内销售了 20,000 台自主移动机器人 (AMR)。在7月下旬极智嘉举办的全球智慧物流峰会上，创始人兼CEO 郑勇告诉大家。而两年前，这个累计销量数字不过1万台。
极智嘉创始人兼CEO 郑勇
极智嘉联合创始人兼CTO 李洪波在峰会后接受媒体采访时举了一个例子。两年前，他们和武汉的一个客户交流好几次，但对方总说没想清楚，一直犹豫不决。疫情出现之后，对方打电话表示只要封城解除了，你们就赶紧过来。
「大家发现机器换人不止解决降本增效，还解决各种黑天鹅事件。」
极智嘉联合创始人兼CTO 李洪波
如果说产业化第一阶段是教育市场，那么，第二阶段属于判定趋势过程，第三阶段面临大规模应用，客户把它作为NO.1的选择。「我们已经到了第二阶段甚至到第三阶段大门打开的时候。」他说。
Interact Analysis高级研究总监张键在峰会上披露的数据显示，全球用于物流仓储和制造业的移动机器人，市场销售额在2020年有20％增长，总出货量在2018-2020年间翻了2倍。他们预测，到2024年移动机器人市场规模会超过140亿美元。
Interact Analysis高级研究总监 张键
一
从1到N，制造业业务的扩张瓶颈是什么？
物流机器人有两大场景：制造场景和仓储物流场景。制造场景每年增速大约在30%左右。极智嘉一开始给电商做解决方案，现在有很多业务铺在制造业。
「极智嘉业务，海外大概占60%，中国占40%。」 郑勇告诉机器之心，「中国业务部分里，制造业占一半左右。」
除了体量最大、自动化程度最高的汽车与电子，锂电、光伏行业也是极智嘉布局重要领域。「中国的锂电池、光伏业务每年翻两三倍，这种增长趋势下一定会拿到很多机会。」
峰会当天早上，我们穿过上海西门子开关有限公司花园般的院落，来到他们的智慧物流工厂。眼前，四种不同类型的机器人正在卖力工作，工人基本只是「点缀」。
这座智慧物流工厂有两个关键词，其中一个是「全流程」，亦即实现了从收货、质检、入库，到在库理货、出库集货和产线送料全场景机器人串联和全链路物料信息化。
在收货区，极智嘉拣选机器人来回忙碌，时而检测数量是否正确，时而检测大小、体重是否「超标」。面对来自供应商几千甚至近万种零部件，过去需要80个工人花费5天时间收货，现在10个工人花2天时间就能做完。
收货入库区
因为是高压开关产品，工厂还要安排货架到人机器人负责抽检（比如冲压测试等）。沿着二维码轨道，机器人将货品送到抽检办公室。之后，机器人会将产品返回到之前的货架位置。
货箱到人机器人往返于检验室和收货区的检验站
接下来的存储环节，机器人会根据系统指令，将托盘货物送至不同货区入口。上架前，所有信息经系统采集计算后，自动分配货物去向及储位，充分利用不同储位的效率。
立库存储区入口（左）与货到人库区入口（右）
理货区的一位工作人员告诉我们，无人化后，理货准确率为99.99%。由于系统根据热力图进行智能理货，最明显感受就是效率提升好几倍。即使深夜，仓库也会继续运作，机器人会将空箱子放到进货口，方便第二天工作。
不过，最让人印象深刻的是六层立库区，机器人可以搭乘「电梯」往返高层之间。立库区会按照生产计划每天进行智能理货，例如会将第二天需要的物料放到一楼，确保第二天工厂开工时能够以最快速度完成出库。工人上班后，会根据系统按照优先顺序，分拣给产线。
立库存储区（左）与货到人库区（右）
由于操作界面友好，员工感慨上手很快，新手培训时间也大大降低。比如，收货区新员工2小时就能上手干活，过去可能要培训一周。
除了「全流程」，这座智慧物流工厂的另一个关键词是「柔性」。柔性是一个很大的亮点，在西门子(中国)有限公司智能基础设施集团配电设备与系统事业部财务总监束长虹看来。这意味着可以实现无停产升级改造，「分批部署，不用一次性改换，地图一换，就可以立刻改变跑起来。」
柔性的另一个体现在于，可以根据业务需求增加减少机器人的数量，帮助客户更好地应对业务波动，无需投资额外的仓库空间。
完成了智能升级后，工厂入库效率提升2.5倍、出库效率提升2.15倍，存储面积减少50%，送料及时率和准确率获得极大提升。
尽管参观西门子案例的同行络绎不绝，但束长虹说看的人很多，真正行动的少。
在零售行业，类似亚马逊这样的庞然大物重视仓储物流的，还是少数。很多公司很大，也很有钱，但是他们的钱更多花在引流、竞争上。
众多制造企业也将更多钱花在了生产环节，物流和仓库的管理目前仍采用「人工+机械」作业。从客户角度来看，「用得起」和「容易用」仍然是挑战。一方面，大多数公司没那么财大气粗，购买机器人车队以提高效率的间接成本足以让他们犹豫。
笔者曾参观位于长三角的某纸板厂，物料直接堆在流水线旁，从地面叠加到天花板，司机驾驶叉车来回穿梭。尽管叉车师傅工资过万，但工厂仍然不愿意机器换人，因为相比利润，「智能仓库价格太高。」
另一方面，采用新技术也对传统仓库基础条件提出了要求，改造难度和成本（间接影响投资回报）也是一个问题。也有人指出，思维固化（例如执着于投资回报率）也是制造业业务难以推开的深层次原因。
对于极智嘉这样的供应商来说，不同行业、不同企业形形色色的要求也给业务规模化带来挑战。
郑勇坦言，不同级别的制造业，需要的方案不一样。相对来说制造业，对于机器人定制化要求更高。软件多一些定制化没有关系，但是机器人做很多定制化会带来成本上升，或者质量很难控制。
制造业定制化要求非常高，Interact Analysis高级研究总监张键在峰会上谈到，在制造业场景中，SLAM导航技术使用得更多。制造业场景相比物流场景更复杂，对移动机器人要求也更高，除了提升效率节省成本的要求外，还要考虑安全性、人机混线、与产线节拍的配合等，这些因素导致制造业不如物流仓库那么容易上量。
除此之外，与日本很多中小工厂标准化、流程化做的得很好不同，国内很多小规模制造企业连生产流程都没有，这也制约了机器人解决方案的可采性。
不过，长远看，AI机器人改变制造业的前景，毋庸置疑，也并不新鲜。
谷歌云最近一份报告显示，许多制造商重新考虑他们的供应链和运营模式，以更好地适应大流行带来的波动性增加，并支持消费者要求越来越个性化产品的长期趋势。
在供应链优化类别中，制造商表示他们将人工智能用于供应链管理 (36%)、风险管理 (36%) 和库存管理 (34%)。
对于世界工厂中国来说，突破定制化需求时代的物料管理和效率瓶颈仍然具有实际意义。
中国许多代工厂通常特性是订单数量不是很大，但生产任务比较急，代工的品种也比较多，经常会导入一些新产品。代工利润本来就不高，如果管理不够效率，完成订单后基本赚不到什么钱。
宜家核心供应商之一、广州雅耀电器负责人韩纪杰曾对媒体表示，对于中国供应商来说（B端制造企业）来说，响应迅速仍是一个非常强的竞争优势。
「我们不需要知道销售端的情况，但需要快速地反应，」「除了质量、成本之外，我们最强调的就是快。」
二
从1到N，需要什么样的基础设施？
任何一家科技企业，不论做什么，最终体现的还是一个商业化能力。低维度讲，就是现金流管理能力，是不是可以很好的平衡收入与成本。
对于一家想要上市的公司来说，他们更有动力把盈利的事情做好。
这几年AI公司实践已经表明，自然系统的数据通常凌乱、长尾、不可预测甚至高度熵，由此引发的工作量被证明是这些业务难以经济起来的主要原因。
「把所有问题总结出来，就是以前是有多少人工就有多少智能，甚至是只见人工不见智能。」李洪波已经在两届峰会上谈到这个问题。
随着客户项目和需求越来越多，今年上半年极智嘉又做了去年全年的量，公司人数又翻了一倍，但是「目前的一个难点就是怎么去复制，」郑勇说「做了很多项目，客户项目太多，怎么能够做得完，项目实施变成了企业发展的瓶颈。」
2B行业有一个最大的痛点——如何满足大规模个性化。当客户场景、业务发生变化的时候，系统性能很难继续保持。
对于技术型公司来说，将公司业务从完全的项目制向标准化服务的方向拓展，办法之一就要加强底层的技术创新。
要用技术去解决系统的快速定制化，让系统有更灵活配置的能力，怎么能够快速匹配客户的需求。郑勇表示。
这也是业内人士共识。例如，上海世界人工智能大会期间，某公司推出「AI大装置」，试图解决大规模场景、覆盖更多长尾客户和场景。
事实上，早在2019年，极智嘉就做了一次战略升级，将原来客制化软件开发变成了应用平台——aPaaS，旨在解决大规模客制化问题。
就工业现场来说，完全没有定制化是不可能的，每个客户尤其是工厂，哪怕同一个客户的两个工厂都是独一无二的，关键在于定制内容放在哪一层，要素抽象到什么程度。
就像盖房子，每个楼盖的都不一样，但预制板几乎都是一样的。你可以一砖一瓦地盖房子，也可以组合不同预制板，完成新场景的定制，以更低边际成本实现对象场景的规模化覆盖。这也是整个aPaaS最核心逻辑。
李洪波解释道，在某种程度，aPaaS就是一个高度模块化可配置的东西，就像搭乐高。先把乐高模块、搭乐高的规则或者流程给做出来，需要搭建一个新项目时，我们就用乐高的方式做出来。
无论是安卓还是苹果操作系统，本身也是aPaaS。在安卓基础上，无论谷歌还是开发者都可以二次开发，进而呈现出千人千面。同样，无论是极智嘉做交付，还是合作伙伴或者是终端客户，都可以基于这个平台做二次开发。
aPaaS平台的价值是两个，李洪波认为一个是敏捷，第二个是节省成本。
在历经超过300人工程师、两到三年的持续开发后，今年aPaaS平台再次升级—— 加入 「4D 使能技术」。所谓 「4D使能技术」，也就是四个「Deep」：DEEP(深度)软件智能、DEEP(深度)业务智能、DEEP(深度)数据智能，以及DEEP(深度)群体智能。
例如，业务智能包含的数字孪生，可以让企业享受智能变得风险更低，也更「可持续」。
客户在上线系统之前、之后都会面临不同痛点。例如，上线之前，如果端到端的解决方案是其他客户现场没用过的，如何来判断解决方案是否高度适配，是个很难的问题。
上线之后，如何更加有效地进行智能监控和运维也是挑战。运维人员一般技术水平没有那么高，如果业务波动的情况下，如何做持续性优化？
数字孪生有助于减少数字能力和设计能力之间的差距。「构造一个自动化智能仓库模型，在真正建设这套系统之后先做好仿真，找到系统薄弱点，去优化解决方案，可能是能够让现在自动化成功率提高非常重要的基础。」郑勇说。
上线后，基于数字孪生的数智化监控运维和基于数据驱动的综合优化，有助于解决客户痛点「在真正运行过程当中帮助找到问题，确实是非常有价值的。」
三
生态，又是生态 除了「从1到N」，这几年，AI和机器人供应商谈得最多的还有生态。过去「生态建设」频繁见于半导体行业，如今制造业供应商们也在呼吁分工与协作。 西方成熟工业体系拥有一套稳定的社会分工，生态成员安于恪尽职守与协作。很多大型企业有明确的信息化部门和受过专业训练的技术人员，他们清楚公司需要什么样的系统，什么样的业务属于哪一类生态成员。 传统中国制造业的客户未必有如此清楚的认知，「开发+外包」思维惯性导致他们仍然会对供应商提出包含诸多痛点、过于丰富的需求。 找客户的时候，我卖的不是机器人。我上去的时候都是问，你有什么痛点，订单量有多大，双11怎么样，我再跟你说这样端到端的解决方案，人在运营层面上应该怎么做，机器人怎么去加，方案怎么配。李洪波说。 「把他所有的顾虑都能解决，这个时候才能叫降维，否则你就被别人降维了。」 郑勇告诉我们，国内商业环境比较复杂，不仅产品要做好，还要服务好客户，要做好很多软能力建设，才能拿到更多订单。今天很多做系统都是端到端，不过，未来要向ERP公司、卖机械手的公司学习，他们有专门产业分工，比如有人做系统集成实施。在物流领域逐步构建出生态，有更多合作伙伴去做落地，才能走得更快。 郑勇反复强调，极智嘉仍然是一个机器人公司，本身最核心的定位是产品公司。有了标准化定制产品后，再与更多合作伙伴一起，做灵活的上层机制，配适合业务需要。 要成为一家全球领先的AI机器人公司，最重要的还是底层技术能力，这是支撑未来发展的基础。过去几年，极智嘉曾经花了很大精力做商业化，希望把产品解决方案配到市场上，但「机器人产业里面，我觉得最重要的根本还是技术。」郑勇说。 「极智嘉可能还是会追求自己的业务增长，涉及更多领域，技术还是我们非常重要的一部分，只要投资人还愿意相信机器人的赛道和机器人的梦想，我们还会融资，加强自己的技术。」 其实两年前，2019年的极智嘉全球物流峰会上，公司就表示在未来三年在AI机器人研发方向上投入超过10个亿，在技术上实现领先。 Interact Analysis高级研究总监张键对中国在移动机器人领域的发展势头表示乐观和肯定，「我们已经是头部位置了」。与受制于核心零部件的工业机器人领域不同，除了足够丰富的场景试验田，中国移动机器人企业在视觉感知、调度技术等方面都走在前列，进入全球前列的中国移动机器人厂商肯定更多。 目前，从产品数据看，货架到人机器人走势最为良好。亚马逊自己复制了20万台，极智嘉销最大的也是P系列货架到人拣选机器人。根据大数定律，大规模应用的背后一定是有一个不确定性里面的确定性。如果这个方案有价值，那么，在后续大规模复制的过程中，这个价值就是它真正内在的大数定理指标。 像货架到人拣选机器人的数量，说明这种解决方案在某种程度上具有核心的价值。李洪波说。在大数定理下，市场格局还是在于谁能给客户提供更好产品解决方案，谁能给客户提供更好服务。