与机器人共生：Red Pill or Blue Pill？| 红杉TECH TALK

来源：红杉汇

试想这样一个场景：当你完成晨练准备上班，你替换下的满是汗水的衣物，被机器人收纳进洗衣机内，清洗烘干再叠放整齐；餐厅内，智能机器悉心准备的早餐已经新鲜出炉，精准运送到餐桌；你穿过走廊出门上班，身后的扫地机器人开始一天的劳作，细心带走地板上的细小脏污，并在完成清理工作后，将自己清洗得干干净净；在你乘坐自动驾驶汽车前往工作场所的途中，无人工厂内，机械臂已经有条不紊地制造、配送产品。

将繁杂事物交给机器人的“乌托邦”式想象，正一点点透过现实与未来的缝隙，渗透进你我的生活、工作。对于机器人参与我们生活的未来，你可以take the blue pill，选择对其视而不见、安然度日，但这并不妨碍take the red pill的技术乐观派，用自己的能量撬动想象的壁垒，将活在科幻作家大脑中的未来，用理性的方式拉入现实。当然这个过程，看上去并不像科幻作家描绘的那样炫酷，也远比我们想象得艰难。

2021年初，我们开设TECH TALK栏目，以投资人与红杉成员企业的深度对话，探讨行业前景、把握前沿趋势、抓住科技脉动。

本期，红杉TECH TALK栏目，我们撷取红杉中国2020CEO投资组合峰会深度对话内容，邀请红杉中国投资副总裁公元担任主持人，与思灵机器人创始人陈兆芃、梅卡曼德CEO邵天兰、Zuvi CEO王铭钰、普渡科技CEO张涛，谈一谈机器人企业从曲折小径走向宽阔大道所途经的风景。

公元

红杉中国投资副总裁

陈兆芃

思灵机器人创始人

邵天兰

梅卡曼德CEO

王铭钰

Zuvi CEO

张涛

普渡科技CEO

公元：

机器人发展的大趋势，我们是非常看好的，机器人这种新型劳动力对传统人力进行补充的趋势在各行各业的都在发生，里面最主要的原因是：AI和嵌入式、多传感器融合等技术的成熟；成本的大幅降低，和四五年前相比，最大的区别是机器人的成本从十万或者大几万这个数量级，让普通商户和消费者对机器人不再望而生怯；决策流程变短。

此外，机器人在未来是按场景划分，真正懂场景会成为机器人的核心竞争力之一。

Q1

机器人与智能制造领域，有人高调入场有人转身离场，机器人创业路上的波折与失败，能否成为引领我们走向下一城的密钥？

陈兆芃：思灵机器人主要从事机器人大脑和力控机器人两方面的研究，产品主要应用于医疗机器人，泛制造以及机器工人的替换等领域。我在机器人领域近16年的从业经历中，看到过一些明星机器人企业业务走向停摆的案例。我有时会将那些公司的产品，买来拆解。拆解后，你就会发现，这些产品内部的机电系统等设计，还是存在一些欠缺，这对于有技术洁癖的人是很难接受的。

to B 领域的机器人硬件，如果对硬件精细程度把握不够，很难触达客户痛点。因为用户最后可能要的不是一个机器人，而是一个比较全面的解决方案。这也是有些企业没能走到最后的最主要原因。

企业很容易在初期追赶发展速度，但产品精度不够，这也导致机器人在工业场景的商业化应用落地很难。当然，它仍然可以在过程中不断改进，但机会常常转瞬即逝，错过很可能就无力回天。所以，我们对整个机器人 to B 领域的基本判断是：一定要技术和商业落地两条腿走路，缺任何一条腿，都很难真正地触达客户的痛点。

而避免踩坑的最根本途径，首先对技术要敬畏，第二要切实做好商业落地。

邵天兰：梅卡曼德机器人主要将人工智能技术，应用在机器臂等工业设备上，产品主要为3D摄像头，以及视觉算法，机器人软件平台。目前技术主要应用在制造、物流行业。

我们所处的看上去非常传统的工业自动化、物流自动化领域，过去这些年，因为有一些新技术的涌入，领域内冒出了很多新公司，包括一些大公司也有新的尝试。当然，失败率确实也比较高。本质上，我们处在一个要求极高的传统行业，它与新技术融合过程中，存在的内在冲突非常大。

但也正因为挑战大，曾经的失败案例才更应该予以关注。因为别人的成功无法复制，但是他人的失败你可以避免。从以往的失败案例中，我们看到最大的两个问题：一是缺少实际应用指导，比如产品的定义、技术的开发。有的公司确实发展到了一定的规模，但你认真分析会发现，它内部并没有人真正熟悉客户的需求。技术人员所研发的产品，某种程度上，解决的只是他们大脑中想象出来的问题。公司内部应当有一个“明白人”来指导产品设计、研发，他可以被定义为产品经理。这个角色既需要熟悉先进技术，又需要熟悉客户需求，同时还要将产品如何搭建想清楚。当然，这样的人才，在市场上极为稀缺。

第二个问题是创新。没有创新，新锐公司很难与大型公司同台竞争。但创业企业面临现实的问题是，如果新技术过多，公司是否有能力能有效平衡。例如，梅卡曼德就包含光、电、机械，以及各种计算、控制软件等等技术创新需求。公司在这种情况下，需要想清楚，哪些方面要做较为激进的创新，哪些方面只能做有限的创新，如果同时多方面做过多创新，最后很可能HOLD不住。

所以我看到避坑主要在于两方面，一要有“明白人”，将技术、应用串起来。二要找到创新的平衡点。

王铭钰：事实上，无论 to C 还是 to B 的机器人产品，最主要还是有客户买单。比如用AI技术做玩具猫、玩具狗，要想清楚对大多数老百姓，养宠物的乐趣是什么？这些玩具能不能提供这种乐趣？所以，最重要的还是从本质上解决用户的核心痛点。

从国内制造业对智能机器的需求来看，企业主更希望产品能帮到他，解决他所面临的问题。我们应该保持清醒的是，很高精尖的技术不一定解决实际的问题，我们还是要用最恰当的技术，解决最恰当的问题。

反观 to C 领域有一个好处，产品只要做得好、市场足够大，公司就可以将精力放在产品迭代层面，关注怎样把每个点的技术都做好，这样就可以慢慢建立壁垒。

张涛：普渡科技是一家商用服务机器人公司，我们的核心技术是机器人自主移动的技术、第一款产品是餐饮配送机器人，自公司成立以来我们除了深耕餐饮机器人领域之外，也在做其他场景和应用的拓展。

服务机器人领域的创业是非常难的，难点主要在于场景和应用的选择，全球服务机器人行业的先驱 iRobot 在验证出可行的产品和商业模式之前一共调整了14次方向。机器人领域创业失败的案例，在我看来问题主要出在场景和应用的选择上，而这背后的底层原因是，深度思考不足。深度思考能力是每个创业者都必须具备的，但这并不容易，许多人会选择战略性懒惰。如果没有基于深度思考的切实可行的场景和应用选择，即使你的技术很先进，最终赢得技术失去了市场也没有任何意义。

有的公司甚至对于自己是 to B 还是 to C 的定位都不清晰。例如有家美国创业公司的最终愿景是做 to B 的自动驾驶方案商，但推出的第一款产品却是在自带的小跑道上运行的 to C 类玩具赛车，这就与最初愿景有些南辕北辙，因为这两件事背后的能力模型是非常不同的。这家公司后来倒闭了，复盘的时候你会发现他们做玩具赛车的那些工作都是无用功。所以企业要时刻保持清醒，做持续的深度思考。

至于在服务机器人领域如何做场景和应用的选择，我们的思考结果是要满足两个条件，一是市场规模大，二是技术门槛高。

Q2

在智能硬件领域踩过哪些坑？又是如何爬上来的？

陈兆芃：这几年最大的坑在于供应链。我们一直认为，只要供应链厂商给到了精度、强度、刚度等数据，按照数据，产品一定可以满足我们的需求。但实践中会发现，有时这些数字并不十分准确，存在精度需要自己量、功率未达到要求等情况。总的来说，需要自己花更多精力去把控，这是踩过的一个最大的坑。

邵天兰：我们更多的挑战是来自商业，来自和下游整个产业链的关系层面。刚才我也提到了，我们在一个非常传统、很成熟的自动化行业，最近我很深刻的意识到，在我们的人工智能产品交付环节，如果硬要按照自己的逻辑去处理，从经济上效率上，很可能完全不划算。

所以，必须要向很多成熟公司学习，他们很多形式是有道理的。比如，要有意识的把很多客户工作，交付工作交给下游，释放自己企业的效率。以前我们规模小时，这件事情不十分显性，只是当业务规模起来时，交付上压力瞬间变得非常大。这是我们最近踩过的坑，也是最近提升改进的地方。

王铭钰：从产品设计、研发到最后量产，过程中有很多坑。这些坑只要蹚一遍，就会有一个大概认识，并且随时间推移认识也会有所变化。

我们是个制造业大国，但我们大学教育，对硬件产品如何从设计到生产的环节，涉及得很少。因为在学校实验室里，把产品做出来跑通，事情就宣告结束。或者实验做出来，获得数据发表了结论，就算完成。但在企业，你所生产的 to C 的产品，要卖到千家万户，有人要在南极用，也有人在赤道用，它所面临的温度、湿度、压力等等环境都非常不同，对产品品质的要求完全不在一个数量级。

基于这样的思考，对研发工程师、创业者而言，把产品设计出来，不算结束。产品顺利生产完成，在用户这里使用正常，整个研发周期才算完成。而对于刚刚走出校园的从业者、创业者而言，完成这样的思维转变并不容易。

张涛：我们公司在2016年成立，复盘曾经踩过最大的坑，是在2017年。2017年时我们的技术和产品还不稳定。因此产品不可能大规模销售，再加上公司资金紧张，当这三个问题耦合时，我们做了一个糟糕的决策。

理论上讲，我们应该想办法尽快把产品做稳定然后去做销售，但我们当时做的决策是，能不能做一个短平快的新产品来做收入养团队。回头看，这个决策就是个坑。因为它偏离了我们的主要产品，让我们的技术不复用、销售不复用。所幸我们及时调转了方向，回归主线产品。

Q3

工业机器人领域，我们和德国、日本还有很大的差距。在对方具有先发优势的情况下，我们怎么能后来者居上？对中国创业公司而言，我们又该如何追赶？

陈兆芃：做机器人跟造车一样，涉及到供应链关系，上下游管理，整机系统的设计和优化等等。其实在这么复杂环节中，时间和技术的鸿沟是很难跨越的，因为它是一个系统工程，不是一个算法，也不是一个idea。它是基本的技术创新，供应链创新，整机创新。客观来讲，中国与德国在这一领域差距还是存在的。

至于如何克服，我们认为：如果欧洲和中国的产品技术研发，能够与中国整个市场有效配合，就很有把握实现迎头赶上。

原因很简单，虽然欧洲、美国、日本等国家和地区，整体积累的先发优势很明显，但他们迭代速度比较慢。比如，德国要花一年迭代的工作，中国可能两个月就会完成。

现在国内在强调“双循环”，在德国和中国都有团队布局的思灵，对科技“双循环”践行得比较好，中德两边团队在技术、市场的双向结合，极大提高了产品研发和商业化落地速度。“双循环”可以极大提高国内机器人水平，带动行业发展，我们会在这个方向上继续努力。

邵天兰：国内是带着新技术出发，相当于新技术产生的变量。或许在局部，在当下的时间点，大家会觉得国内有很大优势，但从全局来看，我们的差距很大。

以国内大型无人工厂的建设为例。这些大型项目的中，通常只有很小一部分产品源自国产，比如AI视觉、AGV等，而德国、日本的产品占比却非常大。而许多国外工业巨头，它在细分领域的统治力，在工业里面的统治力，可以说是超乎想象的。

另外的差异来自商业层面。从我们德国、日本的团队反馈来看，他们更希望能够和厂家、经销商乃至最终客户之间，建立起一种长时间的，甚至以代际为时间单位的联系，大家可以共同做大，而不是追求短期依低价快速获得利润。

但在国内低价已经被证明是非常有效的策略。只是工业领域，真正好的公司都需要长期有巨大的研发投入，在巨大的毛利基础上，才能建立起不可撼动壁垒。国内极少见到有公司达到了这样的良性循环。

这样商业思维的转变，不是靠一家公司的努力就可以扭转，还需要公司要带着上下游，一起在更长时间尺度上实现共同发展。

Q4

to C 机器人领域最近出现了一些爆款产品。类似爆款可预测吗？或者说机器人爆款，是否可复制？

王铭钰：我所理解的爆款就是卖得好。爆款的出现，某种程度上说明市场上存在许多未解决的痛点，新产品解决了痛点。我们生活当中，有很多让人不舒适的地方，这也意味着 to C 机器人存在很多机会。

人对生活品质的追求在不断进阶，这是爆款出现的必然性之一；另一层面的必然性来自企业、或者创始人自身在定义产品时所坚持的原则，是追求性价比，还是追求其他。这和他的价值观、想解决的问题、想成为什么样的人，高度相关。

张涛：我们公司的领域虽然属于 to B，但我们的下游客户主要是小B，业务本质有很强的 to C 属性，所以我们对于 to C 的爆款硬件产品，也有些自己的理解，能不能做出爆款主要从三个维度来看：

第一个维度是场景，to C 也是分场景的，比如戴森、特斯拉和苹果，分别代表了三类场景，戴森代表家庭场景，特斯拉代表出行场景，苹果代表个人计算设备场景，这三种场景的共性就是市场规模特别大。to C 的企业想要打造爆款产品，首先要选一个比较大的场景。

第二个维度是企业的能力模型。要做出爆款产品，企业需要具备什么能力？上述三家公司存在几个共同特征：具备很强的核心零部件技术，具备很强的硬件整机产品集成设计能力，具备很强的产品定义能力，具备很强的产品品味。

第三个维度是品牌周期和技术周期。预测爆款是个很难的事情，但用品牌周期和技术周期两个时间轴来审视爆款，会大大提高预测的精准性。比如，举个特斯拉的例子，特斯拉能够爆红的原因之一，是在很长一段时间内，汽车领域基本没出现过新企业新品牌。事实上在每一个行业，经过五年、十年、三十年、一百年之后，传统公司的产品大概率都会无法更好地满足人们的新需求，而这些问题最终都会被新公司、用新方法解决一遍；特斯拉能够成为爆款的原因之二，是抓住了汽车电动化、智能化的技术浪潮。小米能够成为一家现象级的公司，也是类似的道理。总之，用品牌周期和技术周期这个评估框架，可以比较好地解释消费电子行业的历史，也能以一定概率预测未来。

（声明：本文仅代表作者观点，不代表新浪网立场。）