图|左：梅卡曼德创始人兼CEO邵天兰
对比科幻电影里无所不能的机器人，现实里的机器人虽被冠以“人”之名，本质上仍是按着指令进行工作的自动化设备。
这个诞生自上个世纪50年代的产业，经历了几十年应用场景的探索以及技术壁垒的攻克，至今仍未完全渗透进人类社会。
以使用率最广泛、渗透率最高的工业机器人为例，2022年，中国共计销售约30万台工业机器人，总保有量还不到150万台。而同年中国制造业企业已达327万家，容纳了近1.05亿人就业。换算下来，每70个工人才拥有一台机器人。
对于机器人行业发展的困境，梅卡曼德创始人兼CEO邵天兰认为：“（此前）机器人的智能水平仍然很低，是很大的瓶颈。”
图|梅卡曼德北京总部
转变思路，巧破定制化成本难题
在一家物流公司内，一台搭载了梅卡曼德3D视觉相机的机器人正将纸箱、麻袋等货物从空地搬运到传送带上。仅仅过去数分钟时间，原本随意摆放的货物就被成功派送到各处，整个流程没有出现一点错误。
这是梅卡曼德机器人常见的应用场景之一。同时在汽车、物流、钢铁、工程机械、3C、新能源、家电等行业的工厂里，这些机器人还能完成无序工件上下料、视觉引导拆码垛、货品抓取、快递供包、工业检测等工作，不仅轻松实现了本来应该由人完成的动作，最重要的是保证了工作完成的高效性和准确性。
“现实中的工业场景不尽相同，每个行业、地域、或是应用场景对于技术和解决方案的需求各有侧重，让机器人实现从理论、到应用、再到规模化落地的跨越，并非易事。”邵天兰告诉笔者。
从邵天兰的讲述来看，工厂在实际场景下需求多样复杂，而传统机器人受限于自身软件系统，基本上只能依据设定好的程序进行工作。如果此时能有台机器人“读懂”用户的需求，这对于工厂的工作效率来讲将是极大的提升。
事实上，这些工业企业对于“智能型工业机器人”的迫切需求，也反映了这个行业的另一面现状——在价格昂贵的工业机器人面前，中小型企业很难承担起特殊工业场景下的定制化服务，工业机器人几乎是大型企业的专属。
“技术链条长、试错成本高、产出慢、投入风险大，这些问题都是智能工业机器人在批量落地前会遇到的一些主要阻碍。”邵天兰总结道。
既然定制化硬件的难题和成本很难降下去，那么是否可以从一个思路入手？
梅卡曼德的做法，是将机器人做成通用型产品或基础设施平台，再组合上“AI”与“3D视觉”两大核心，以此来减少对非标硬件的需求。
“AI和3D传感器就像机器人的‘大脑’和‘眼睛’，是机器人智能化的关键所在，而我们的团队在这两个领域有着非常深厚的技术积累。”邵天兰补充道。
抓住了主要矛盾，自然能挖掘出破局的钥匙。邵天兰对于工业机器人行业的洞悉理解，不仅成为了自身创业的契机，也为后来梅卡曼德领跑3D视觉机器人赛道指明了方向。
据统计，国内3D视觉相关企业有近60-70家，但能将3D视觉赋能到机械臂方向的企业，其实屈指可数。
3D视觉赋能机械臂，下一步继续深耕产品
成立于2016年的梅卡曼德，以“新势力”的姿态入局机器人行业，其成长速度非常惊人，曾在一年半内连续拿下四次大额融资，背后站立着美团、红杉、源码、英特尔资本、IDG等顶级资本天团。
一方面，当时机器人市场本身极度火热；另一方面，资本市场对于梅卡曼德的3D视觉产品非常认可。
邵天兰告诉笔者：“在我们创业初期，AI和3D视觉在机器人领域的应用极其少见，客户对此几乎完全不了解。梅卡曼德率先做出了能规模化落地的产品，进入了技术领先、产品领先、业务领先、资本领先的正向循环。”
据介绍，在公司成立初期，梅卡曼德仍然围绕着软件开发为主，但随着团队中发现市场上很难寻找到「高性能3D相机」以及「能够快速处理大量数据的计算设备」，于是公司迅速将“传感器”这一核心硬件列为公司研发重点之一。
靠着极强的执行能力和优秀的技术储备，梅卡曼德率先实现了3D相机的规模化和交付体量，最终赢得了投资人与客户的认可与好评。
在押中风口后，梅卡曼德紧接着做的就是深耕产品。
“长期来看，随着工业机器人市场的持续利好，3D视觉技术的发展会越来越快，更多的应用场景会被开发出来。”
机器人需要“智能”，工业终将拥抱AI
有了“身体”，有了“五官”，想要组成完整的智能机器人系统，下一步就是补上AI能力。
就制造业而言，大多数场景都对精度有着严苛的要求。早些年机器视觉技术进入工厂的生产环节后，有效地减少了人工错误、提高了生产效率以及安全性。随着近些年AI技术的不断成熟，机器视觉算法迎来了一次“进化”，覆盖了更多的工业场景；同样是生产制造重要一环的工业机器人，也在这场AI浪潮中找到“进化”的新方向。
邵天兰告诉笔者：“机器人所需的‘智能’其实是理解环境并自主决策的能力，这里的环境既有现实场景，也包括人的意图和指令。AI的发展让机器人能应对更复杂的环境，并做出更高级的自主决策。通过AI强化学习，机器人能够在大量的自主训练中学会对各种形状的物体进行自主操作。”
目前，梅卡曼德已经在机器人产品的多个方向运用到了AI技术，包括「感知和视觉识别」、「路径规划」、「碰撞检测」、「自主决策」、「智能控制」等等。
图|3D视觉引导线束抓取
值得一提的是，在各行各业内卷AI大模型的当下，梅卡曼德团队很早就注意到大模型对于机器人行业的影响。
邵天兰表示，AI大模型是公司在发展路线上的一次技术的自然延伸，目前在多模态大模型研发进度上，公司已经做了非常多的工作。在大模型的帮助下，机器人可以进入更多、更复杂的场景，尤其是服务业领域。
“AI和互联网一样正在带来广泛的基础性变革，未来所有的企业都要拥抱AI，包括制造业。下一阶段，AI将‘跨越鸿沟’，从少量早期客户，发展成一种大规模的普遍应用。”邵天兰总结到。
尾声
在工业场景里，AI并不缺少需求。
企业们深知数智化转型的重要性，AI能够解决企业在生产流程里的诸多痛点。同样，工业机器人也能帮助企业享受工业自动化带来的便捷和效率，没人会拒绝。
但真正想把这些技术打入大众化工业场景中并非易事——价格是一方面，技术本身又是一方面。
如何实现技术普惠，打通应用落地前的“最后一公里”难题，这其实是梅卡曼德一直在努力推进的事情。
“我们梅卡曼德的使命就是通过这样的关键技术，推动机器人智能发展，让机器人能够从笨拙的机器变成无所不在的智能帮手。”邵天兰说道。
不可否认，工业领域的技术落地确实存在诸多难题，但能总有企业找到方向，火热地坚守着。
（本文图片来源：梅卡曼德）
