从2013年德国学者孔翰宁在汉诺威博览会上提出工业4.0的概念到今天，全世界的工厂经历了工业革命历史上最宏大而残酷的十年：

蓝领工人们发现他们的工友不再是活生生的人，而是一尊尊铁血机器人。他们面临的职业挑战不仅来自机器人，还来自于企业本身基于对工业制造的理解，在人员配置上的重新洗牌。

但这也是中国制造业和物流仓储行业脱胎换骨的十年。

从2016年起，中国就已成为全球机器人需求量最大的国家。这一方面体现了中国力图摆脱低端制造业困局的决心，另一方面也更说明，国内劳动力结构性短缺长期凸显。

从2015年发布的《中国制造2025行动纲领》，到今年年初连续发布的《机器人+应用行动实施方案》、《数字中国建设整体布局规划》，一个个智能化、数字化的应用场景已然在我们面前展开，而国内自研工业机器人也在政策端、资本端、市场端受到越来越多的重视。

3月21日，Syrius炬星受邀参加了虎嗅智库举办的聚焦移动搬运机器人行业的同行主题研讨活动。作为AMR（自主移动机器人）领域的行业代表，Syrius炬星的首席运营官翁放就下一阶段技术改进趋势，资本市场投资偏好，以及新近大热的人工智能等话题，发表了自己的看法。

技术趋势 更协同，更柔性

对于像炬星这样一家专注在自主移动机器人领域的公司来说，我们看到的主要是两方面的技术趋势，一个聚焦产品本身，另一个更偏向商业领域。但无论是哪个趋势，我觉得今天主办方的主题都很适用，那就是“身段变软”，协同和柔性等要求变得越来越高。

就产品本身而言，传感模组以及机器人的移动性能是我们最关注的。对于自主移动机器人，大家最基础的想象就是移动敏捷和避障能力强。不管是在仓储物流领域还是工厂领域，遇到任何的障碍物，机器人需要能够及时避让，以及自主规划路径，这背后对于传感和移动模块的要求都很高。

炬星走的是视觉SLAM(simultaneous localization and mapping)路线：通过集合常用的多种摄像头和光学增强系统，采用VSLAM复合导航方式，让机器人看的更远、更广、更清晰。

产品能力的另一个方面，是炬星的AMR机器人非常强调底层协同。炬星自主研发了操作系统，核心目的就是为了能够实现多智能体的通信，用分布式的方式去进行机器人与机器人之间的协作。

炬星的解决方案无需中央服务器，是机器人之间的互相沟通的过程，这对机器人本体的算力和自身的决策能力要求很高。所以从自身的产品能力来讲，虽然我们目前的主要应用在仓储物流领域，但是在工厂场景，我们也逐渐看到一些客户希望把我们用在比较复杂的工序之间的搬运，去执行不同的任务，这是产品层面的技术改进趋势。

在商业上，我们看到的，是仓库和工厂对柔性的要求越来越高——他们希望非常灵活地把机器人用在不同地方，同时还要尽可能降低工厂与仓库改造的成本与门槛。炬星在这方面做了非常多的尝试，这背后是对技术更高的要求。

机器人的应用已经过了仅仅展现企业自动化能力的阶段，物流仓储和工厂都需要机器人实实在在帮助他们提高效率。怎样适应整个供应链的柔性的要求，包括工厂生产的柔性要求，是我们下一阶段技术改进的目标，这是需要从底层的操作系统，到软件应用层面乃至算法决策层面去配合的一个事情。

面对资本 定制化与规模化的平衡

炬星在与投资人沟通的过程中，发现他们对于机器人公司的要求主要有两点：第一是要实现很好的商业交付，最好是能定制化满足客户的需求；但同时你最好不要定制化，而是标准化，因为只有标准化才有规模效应，只有规模效应才能产生利润。

对于企业来说，这其实是一个两难的选择。对于炬星来说，我们的做法是在硬件（机器人本体）上尽量标准化，同时利用软件和载具能力实现客户的定制化需求。

（炬星AMR机器人在云仓作业现场）

另一方面，我们更关注市场上大量存在的无法改造或者不能做大规模改造的存量仓库。这类仓库希望用比较低的成本来换取面向未来的自动化能力的提升。炬星希望更多的服务这类客户，从而在商业交付与定制化之间能够取得一定的平衡。

客户类型倒逼下的模式创新

对于仓储物流客户来说，本来它的利润率就很低，更不愿意做大规模的投入去引进机器人等自动化设备。

在这一背景下，炬星进行了一系列商业模式的改进。我们在做租赁，但事实上不是机器人的租赁，而是云平台服务的账户租赁。我们的每一台机器人背后，是一整套的云平台服务。通过云平台和机器人之间的交互，为客户提供一整套解决方案，一方面提高仓储物流的效率，一方面降低人力成本。

更进一步的，我们遇到一些客户希望用订单完成量来结算费用，这可能也代表了未来的一个趋势，和劳动力的计件收费是一样的。

在这样的背景下，我们看到的是，大量机器人企业未来没有办法通过卖机器人迅速变现，而是需要通过投入客户现场使用，每天赚回来一部分现金流。这对机器人企业来说，一方面提出了成本控制方面的要求，另一方面对产品的稳定性提出很高的要求。

炬星在商业化之初，就极具洞察地提出RaaS（robot as a service）模式，以应对客户在成本与产品稳定性方面的更高要求。

SaaS（software as a service）的概念已经在类似财务软件、人力软件等领域被广泛接受：SaaS服务提供商不单纯以销售软件获得收益，他们收取的是软件+服务的长尾收益。机器人行业也正在展现这种趋势，但因为机器人行业存在硬件成本，不像软件行业天然具有边际成本为0的特性，RaaS需要走的路更长一些。

AI应用 更聚焦而不是更全能

作为一家机器人企业，炬星当然很关注人工智能的发展。目前ChatGPT对我们最核心的应用是帮助工程师们节省编程时间。炬星有大量软件应用层的需求，程序员有了ChatGPT的加持，可以节省大量的精力在核心代码上。

但是具体到类ChatGPT和机器人本体的结合的话，可能还需要假以时日。

ChatGPT本质上是一个问答型的通用人工智能，而机器人，特别是仓储物流领域的机器人，我们正在研发的是更加专用型的人工智能。这就好像同样是在做视觉SLAM算法，自动驾驶要处理的是上亿种户外场景，在复杂度上远远超过室内仓库要处理的信息，但室内仓储场景对视觉算法的精度要求则比室外高得多。在室外，自动驾驶汽车如果偏离一厘米可能并不会有什么问题，但是在仓库里面，如果偏离一厘米可能就撞上货架了。具体来说，炬星在人工智能方面的能力储备和研发方向，包括了工业视觉领域以及运筹算法和智能调度等领域。

我们一定会迎来一个大AI时代，我们也做好了拥抱它的准备。