我们在进步广告招租
 
 
CAD模具设计教程大全
查看: 244|回复: 0

熵智科技赵青:智能制造之争,中美历史重演

[复制链接]

4733

主题

8412

帖子

15万

积分

管理员

Rank: 9Rank: 9Rank: 9

积分
155684

活跃会员推广达人突出贡献论坛元老

发表于 2018-9-19 20:47 | 显示全部楼层 |阅读模式
与君子言,如沐春风,听熵智科技创始人赵青用特有工科男的睿智,不疾不徐道来工业机器人领域创业的误区、痛点和时代机遇。他的坦诚直言,相信会启迪思考,让很多人对工业机器人领域创业有更加深刻的认识。


Part 1 “不受待见“的工业创业与情怀使然

在工业领域创业,与惯常我们熟悉的其他领域创业有什么不同?

赵青:最大的区别,放在五年前,真正工业领域创业的机会其实很少,或者说是很不受待见的,因为这个领域看起来比较脏乱差。

过去都是一些在行业内摸爬滚打10年以上的老人,积累了经验和资源后出来做,但还是用自己那套熟悉的老业务在做事,真正技术上的突破很少。

所以在投资人眼中,这是一件很传统的事情,不是那么酷。它的增长速度也确实不像互联网产品,或者一般消费级的产品,那么有爆发力。再加上大多风投机构对工厂这个场景不够熟悉,自然不太热衷。

这几年随着环境变好,有很多年轻人涌入(当然太年轻也非好事)。他们正值事业高峰,是年富力强的时候,不完全依靠过去的积累,不完全打熟悉的业务,而是做出一些创新的东西,去适应工厂智能制造的需求。

所以我们投身工业创业时,说实话首先要感谢现在环境要比以前友好太多了。第二个就是投身于工业之中,或多或少都有点情怀因素。


Part 2 从“大集成”到“高精尖”的国家转变


赵青:因为工业一定是偏幕后的,确实要做一些脏乱差的事情。但整体技术水平、行业发展说到本质,却是一个国家工业基础的体现,要看整个工业体系。

我举两个小例子。刚见了一家美元基金,他们说整个工业体系已看了不少赛道,拿减速器来说,他们觉得只能跟机器人结合比较紧,其他行业应用有限。

我说是的,减速器这个东西,其实就是一个国家整个工业体系的一种体现。它不仅仅靠你有设计能力,你有很好的学术能力或者很好的制造经验。它非常依赖于你整个国家的工业基础,这个工业基础,具体来说就是你的加工水平、工艺方法,还有原材料,你有没有高质量的钢材。甚至在没有合适牌号钢材的条件下,能否订制特殊性能的特种钢材,这涉及到基础材料研发体系。所以一些看起来是很小的问题,但是真正做这种高性能工业品时,就是整个国家工业体系的体现。

第二个例子是,昨晚在天津,我跟一个清华的朋友见面,清华也正在做产业化相关的事情。他说科技部现在有一个明显的风向转变。就是整个国家的重大专项,十年前是非常鼓励做集成的,就是把别人核心的东西拿过来,做这种大项目集成。比如说飞机,就是从全球采购发动机和零配件,最后我们来做一个组装,非常鼓励做这种大集成。

但是现在完全变了,从国家科技层面开始鼓励做一些非常小,但是完全属于那种核心零部件的项目。比如说小到一个什么呢?小到一个轴承。这种高性能的轴承,很多人是看不上眼的。但目前来讲,一个真正应用到这种精密产业的高性能轴承,价格可能在10万人民币以上,国内却完全没有配套。

因此本质上讲,真正比较有技术突破性的工业创新或工业领域创业,还是关系到整个国家的一些工业基础,是比较有社会价值的事情。

所以虽然工业技术型的企业,早期确实会面临很多挑战,比如成长速度不够快,缺乏那种To C创业的爆发性。可一旦它做大之后,实际上防守性就非常强,并且成长受到经济周期的影响也比较小。


wjnWWC3MCljssgvS.jpg



Part 3 中美竞争,历史重现

能否从历史规律上,谈一谈中美未来在智能制造上的竞争?

赵青:纵观整个机器人产业的发展,第一台工业机器人大概诞生于1956年,美国人德沃尔和约瑟夫·英格伯格发明了首台工业生产中的搬运机器人Unimation。而后1969年美国的一位斯坦福教授,发明了第一台六轴工业机器人,叫Stanford arm,将机器人的潜在用途扩展到更复杂的应用场景。

但有了这些发明之后,真正我们熟知的工业机器人四大家族,却都是在1970年代到1980年代才跟进的。也就是过了十年之后,工业机器人才取得广泛应用。我们看现在的格局,四大家族是瑞士的ABB、德国的库卡、日本的发那科和安川电机,占了全世界工业机器人产量的60%,却没有一家是美国公司。

从中可以看出一些规律,那就是技术的演进往往有一个创新者,还会有一个推广者。同时要有相应的应用场景,来促进技术产品的大爆发。这里面美国人非常擅长做创新者,而日本却抓住了七八十年代的经济腾飞,将工业机器人这个技术很好地结合到国内产业的发展中去,让他们的机器人公司发展成了全世界最Top之一。

所以回头来看今天的智能制造,中美之间的对比会有似曾相识的感觉。美国非常鼓励引导从0到1的创新,尤其是高校来做这种科技转化,环境氛围及著名的《拜杜法案》都很支持。但做了从0到1的创新之后,要实现真正的产业化:
第一,需要你有足够的产业支持应用;第二,需要你有一大波产业链上下游的公司能够真正把技术用的比较好。也就是从不同的场景,从提升性能、从降低价格等不同维度去用起来。其实这是美国比较缺乏的。

很多时候我会想这就是历史在重演。1950年代美国人真正发明了机器人,日本却借助经济腾飞把相关技术和产品实际利用了起来。现在机器人领域,美国又在做一些创新。就是以前机器人只是自动化的代表,而现在机器人则升级作为了智能化、自主性的代表。伴随这些创新,肯定会产生另外一些玩家,有可能会诞生新的四大家族,去适应新的市场需要。

我们不说我们要成为新的四大家族,我们不敢,给人的感觉太过自大了。但我想强调的是,伴随新的机会出现,一定不是在它原有的市场格局内,一定要有新的东西出来。而这个新的东西,一定依赖于能够把它应用到实际场景的工业体系中去,它一定会成为整个工业价值的一环。中国电商物流、消费电子等行业的大爆发,为这些新的东西提供了大量应用的场景,会更好地夯实产品和算法,这正是中国在智能制造方面实现超越的机会。


Part 4 工业创业,标准化才能取得最高利润


工业领域一般都是项目制,在定价权方面会不会被厂方钳制?

赵青:谈一下工业创业的商业模式,我觉得最重要的就是要把产品和技术方案标准化。

我们来看目前市场份额最大的四大家族,通过他们的财报,可以看出很直接的规律,那就是做标准化的厂商,量可能不是最大的,但他的利润是最高的。

像瑞士ABB既做标准化的产品、做本体,又做集成业务,所以他们业务体量是最大的,但毛利其实没有那么高,大概20%多,纯利不到10%;日本发那科主要做本体,少量做集成,他的业务体量就相对ABB要小很多,但他们的纯利接近25%,毛利接近50%;德国库卡更侧重汽车领域的集成,所以他们的纯利只有2.5%。
基本上得出两个逻辑:

第一,你一定要有核心技术,没有核心技术你做集成、做项目,说实话没有太多的生存空间;第二,就一定要做标准化,不做标准化,你的利润率会比较低,你的体量走不上去;我们两个维度来看,一要有核心技术,二要做标准化,这两个才是工业领域创业的硬核。你两头占一头,你要么是有体量,要么是有利润率,你两头都占,就是你既能保证体量,又能保证利润率。

所以我们目前有两个壁垒,一个是硬件方面,3D相机以及3D相机配套的图像处理算法;另一块就是做无序分拣解决方案的标准化。其中最难的是底层算法的标准化,因为要面对不同的场景,有很多定制化的需求,我们要帮助实施商构建一个比较便捷的参数化配置,这非常依赖于底层算法的普适性。这样我们有标准化的产品方案,除了自己直接去落地实施以外,集成商也非常乐意跟我们合作。


zgR6L0P6PGPGrZWP.jpg



Part 5 无序分拣是机器人领域的圣杯


你们在做基于3D视觉技术的柔性智能物流分拣机器人,简单来说无序分拣,是不是仓储物流中难度最高的一个环节?

赵青:无序分拣广义来讲是Item Picking,很多人把它称为机器人领域的圣杯,是衡量机器人智能性的一个非常极致的代表。也就是考验机器人能否把一个随机的物体抓起来,这里面考虑的因素非常多。首先是视觉能力,我能不能知道这是一个什么样的物体?它属于一个什么样的姿态和位置。

第二个是机器人运动能力,能否做出合理的运动路径规划。还有一个我们往往很容易忽视,可难度也是非常大的,就是最后的抓取策略和抓取能力。比如说现在桌面上有一杯水,这杯水我们人类会自然地避障去拿(握中间)。当然也可以拿杯口或杯底,但这样拿我们知道会不稳,水会晃动,或者拿的重心太高了会吃力。只有握中间是最稳定的,这个实际上我们有先验知识。

机器人能不能拥有这样的先验知识,实际上很考验它的自主性。我们现在把无序分拣技术应用到物流领域,实际上是降低了难度,因为是我们主动给了机器人一点先验知识。但其实在国外很多高校,他们在做学术研究的时候,就是希望机器人通过不断去抓取,去建立这个先验知识。即抓了1万次之后,它终于知道这么抓是最好的。

我们人类本身适应不同生活场景,也是有一个学习过程是吧?这些国外高校就希望机器人自己去学,而不是按照人的经验知识被动执行,当然这是机器人真正形成自主性、形成智能,一个非常极致,非常典型的体现。那么我们把它应用到物流的时候,难度已经做了一定的简化,便于它的工程化。

所以说,无序分拣不一定是仓储物流里最难的,但一定是不好处理的一种场景。大家之前都是试图去解决运输、AGV,还有一体化仓库等问题。反而把货物拿起来放到正确的地方去,这个问题一直被忽视。因为它很分散,同时商品SKU的品类环境确实比较动态,解决起来很麻烦,所以之前这个问题一直被搁置,不是那么受重视。

因此纯粹从物流自动化的角度出发,分拣绝对是一个不好下手的环节,是一个刺猬。大多数人在物流领域创业不会选择这点。但我们的创业切入点却是从机器人自主性出发的,也就是从Item Picking这个角度去看,把这项技术运用到物流,反而是一个比较可控好下手的场景。

就当前而言,我们第一步要把物流自动化这个标准解决方案做好,再往工业里面去拓。与物流自动化主流客户集中不同,工业领域是一个客户非常分散,但更具想象空间的市场。正像物流自动化全世界最大的厂商,日本大福2017年的全年销售额大概是30亿美元。但是工业自动化里面的巨头,像ABB、BOSCH,都是几百亿美金的销售额。

现在还有一个误区是,有很多人会拿机器人替代人工去算成本的账。这笔账很独立,很好算,就是一个工位员工的成本以及这个机器的使用费用。但机器人替代人工,实际上更多应该从工艺优化的角度,把它从离线变成在线,从纯粹替代人工到成为它整个工业的一部分。

比如说我这套东西能够更好的保证商家的产品质量、性能,能够更好地提高它的生产效率,这就是一个system上的考虑,最终它的附加值会远远比纯粹替代人工要高很多。


IbQ4530GlbSm85Pm.jpg



Part 6 “户外达人”的创业心经


熵智团队堪称豪华,大部分都是博士、硕士,与这么多聪明人为伍,在团队管理方面有没有挑战?
赵青:作为创始人,所谓的管理方法我觉得都是术层面的。真正核心在于,你和团队相互之间有没有比较好的信任感。其次,对于团队带头的几个人来讲,他们是不是足够大度?大度不是说,完全不在乎或无视这种。而在于真的该给的时候给,该坚持的时候要坚持。这些原则的处理,非常依赖于创始团队几个人间那种信任关系。

因为创业往往是这样,就是坏的时候,什么都没有的时候,大家往往能够抛弃一切,咬咬牙坚持。但好的时候,大家却很容易分道扬镳。我们也出现过类似的问题,不是分道扬镳,而是核心团队的几位博士,学术背景比较强,都在高校里面。当公司进入高速发展期就面临一个抉择,能不能全职从高校里面跳出来,包括他们的家庭都在不同的城市,如何去做权衡和决策?我觉得他们做出了很大的牺牲。

至于具体的管理方法,更多是针对我们下面的员工。作为创业公司,我们还是挺重视企业文化,每次开会都要重复。我们对文化提炼了很久,说起来却很简单,第一个就是极致。
因为国内做技术的,很多时候就想着我做的差不多就行了。或者别人做成这样,那我也做成这样子就足够了。这在于我们的整个教育理念,很多时候灌输的,其实不是说你要做到世界第一,不是说你要做到行业顶尖,不是说你要追求那种很强的探索欲,而就在于很多时候做到马马虎虎差不多。我们真正把这个事情做顶尖、做好的这个意识是非常弱的。

但是我们熵智本身要定位成为一家科技驱动的企业,希望有一天能够成为未来的四大家族之一。所以要沉淀自己的核心技术,从这个角度出发,我觉得真要把这个事情往好做,往最顶尖做。

如果别人做到1,你做到0.7那肯定是不足够,你做到0.9那接近同业水平,你做到1.1其实也不足喜。你要做到倍数倍,做到10倍是最好的,但你起码要做到乘以2,这样一个水平上。从我们文化上面,所有人进来之后就一定要有这个目标,一定要有这种工作氛围和工作方法。
第二个企业文化就是自主性。很多日本企业在工业里面发展的非常好,但日本文化是非常流程化、非常死板的。我自己一方面有很多外企经验,另外对新兴科技企业了解比较多,所以我非常注重员工的自主性。

尤其他们是作为技术人才,一定不要像传统纯粹的工程师那样,按照指令去管理,他们必须有一定的探索精神。实际上我们也在内部鼓励,有一定的时间能够去做一些自己想做的事情,比如在技术分叉方面的探索。

至于说到什么创新,这些我觉得是很虚的了。我们的文化现在提炼出来就四个,一个极致、第二自主,第三数据支持决策,第四有效沟通。

数据支持决策,这是作为典型的工科生,作为典型技术型企业,必须形成的一个职业素养。当然了我反过来说,很多时候决策的方向,不是靠纯粹的数据,但是大家必须要这样一个习惯,尽可能要有收集数据,通过数据来做出决策的习惯。

随着数据积累的越多,你对这个数据越来越敏感,慢慢才可能会跳出这些传统的数据,去做更合理的决定。但是想一步就跨过去,纯粹不依靠数据,或者依靠非常片面的数据去做决定,往往很多普通的一线员工,或者说大部分中层员工,非常容易犯的错误。
学模具哪家强?还数5A模具设计教程网 加入VIP,立即免费拥有全站教程,立即加入

发表回复

您需要登录后才可以回帖 登录 | 立即注册

本版积分规则

关闭

5A站长推荐上一条 /4 下一条

 
 
5A模具设计技术支持
苏州模具设计在线客服
苏州模具设计精英会
工作时间:
8:00-22:00
官方微信扫一扫
快速回复 返回顶部 返回列表