机器人目前对外界的感知能力还类似盲人的状态,但是一定不会止步于此,不仅信息获取能力会不断提升,智能水平,包括单机和群体智能,都会不断提升。
刘宗尧:
如果传统机型降价,会对MRDVS产品造成短期价格冲击,甚至影响市场占有率的提升速度么?
高勇:
目前,MRDVS技术产品的成本和价格,和激光雷达产品差不多。至于蓝芯自己的产品,因为传感器和MRDVS系统都是自己研发的,所以随着销售和产能的爬坡,成本甚至低于目前激光雷达产品。未来只会越来越低,有充分应对价格战的缓冲区间。打价格战的产品,天花板普遍非常低。只有面向未来的替代性产品,才有更大的生存机会。
刘宗尧:
已经有使用AGV的客户来说,更换机型的概率有多大?
高勇:
如果AGV已经上线3-4年以上,之前的采购早已在第2、3年收回成本。面对性价比更高的产品,客户是有极大采购可能性的。很多时候,我们甚至看到老旧机型被扔在一边闲置的情况。
刘宗尧:
大型厂商会对竞争格局产生较大的影响么?
高勇:
MRDVS系统和传感器研发,对所有厂商提出的课题都是一样的。蓝芯努力了6年,其他厂商也会经历同样的打磨过程,甚至做不成的风险。
当然大力可以出奇迹,但是大型厂商对于投入产出是有较高要求的,短期没有营收的业务方向往往难以在内部落地。这不仅是机器人领域,也适用于其他很多创新领域。所以很多新业态或技术,往往都是由小型创业公司引领的。
更早更坚定的投入,已经为蓝芯赢得了一定的时间窗口去占领市场,不用过度关注竞争,有竞争证明是个好市场、好方向。
刘宗尧:
目前蓝芯聚焦到3C电子、新能源、包装、铁路化工几个行业,选择的标准是什么?
高勇:
首先是行业附加值要高,或是对机器人的需求是刚性的,而不是点缀式的,视觉技术的价值能被充分释放。
刘宗尧:
哪一个行业的机器人进入速度会最快?
高勇:
新能源。首先行业获得的投资量特别大,付费能力强。其次,行业对生产效率要求高,新建厂房的时候,机器人投入也是一次到位,付费意愿强,这是在其他行业很少看到的。
刘宗尧:
作为一家创业公司,从研发到交付回款,都踩过哪些坑?流程管理和组织力上有哪些考虑?
高勇:
从客户拓展、交付、实施,到售后运维,各种各样的困难基本上都遇到过。蓝芯是2019年开始的商业化,现在已经比较顺了,但仍有优化空间,比如进一步提升产品的标准化、应用性程度,通过和集成商、渠道合作为客户提供更好、更细致的交付、实施、售后体验。
蓝芯的HRBP配比应该是行业内最高的,目前公司有250人左右,人事团队有10多个人。人和文化是企业最重要的生命线,问题总是有,善于协作和解决问题的团队不常有。
从企业发展的角度来考虑,最重要的是持续辨识问题,就像陪伴小孩子长大一样,是裤子太小了,还是背心太小,要很清晰地定位出短板在哪里。企业管理是一个链条,任何环节有问题,公司发展就会有挑战。
刘宗尧:
在供应链和直销上,会投入更多时间和人力么?
高勇:
我们有自己的工厂和一整套供应链体系,但我们也坚持定位于一家研发型、产品型的科技公司。所以,在自有产能外,我们也会和其他产线合作。
在销售和服务上,大型客户以直销为主,中小型客户与集成商和渠道商共赢合作。
人的精力是有限的,事事极致不理性。做好供应链和生产、销售的同时,我们更需要把精力投入到产品迭代中,因为基于MRDVS技术的产品还有很大的提升空间。这是蓝芯的长板,也是我们能够长期在市场上存活的生命线。只有当产品力到达一定天花板,增长来源于成本控制的时候,才是重心倾斜的时点。
刘宗尧:
从发展节奏上来看,是快速收割市场重要,还是慢慢做好产品更重要?
高勇:
两者并不矛盾。无节制的扩销不会是蓝芯的选择,那是模式创新,不是科技创新。生产出具备壁垒的产品,才拥有占领市场的护城河。
蓝芯选择先苦后甜,充分理解市场,打磨有竞争力的好产品,才有合理利润去成为一家好公司。如果反其道而行,一味求快,短期很好,但长期乏力。船大难掉头,惯性会毁掉一家公司。
刘宗尧:
不少人认为由于劳动力结构的差异,中国市场的机器人应用有一定特殊性,不能生搬硬套“效率提升”的逻辑,蓝芯怎么看待这个问题?
高勇:
我看到过一些数据,中国家庭的人口出生率水平,导致劳动力缺口会持续到2050年左右,而且是持续放大,这是基本面。
在服务客户的过程里,也可以看到劳动力偏好正在发生从未有过的改变。招工难不仅是数量少,还因为年轻人从事重复性劳动意愿低,这是中国经济水平发展到一定阶段的结果。未来的服务业,依然会有很多非机械替代的种类,比如创意类劳动。但重复性、单一单调的劳动被机器人替换掉是大势所趋。
同时,客户使用机器人的习惯逐渐养成,机器人性能和价格优势也伴随资本和市场投入逐渐提升。这些因素会共同作用,不断提升机器人在部分作业场景的渗透率。
刘宗尧:
随着量产落地的机器人越来越多,我们离高级别的机器智能还有多远?这种智能会是什么样的?
高勇:
智能水平可能会超过人,比如通过识别信息来结构化的判断,地上掉了东西怎么办,料筐里货物不多该补货了。理解场景的能力会越来越强,我们会看到真正意义上的智能工厂或智能空间。