“没有什么花活儿，就是硬碰硬”，梅卡曼德机器人创始人、CEO邵天兰曾在一次采访中回忆，自己最喜欢的机器人相关的电影是《环太平洋》，里面讲述了人类为对抗怪兽入侵，制造出巨型机甲战士进行战斗。虽然电影情节简单甚至无脑，就是比摩天大楼还高的机器人和怪兽一拳一拳贴身肉搏。但邵天兰觉得这恰恰和机器人行业很相似——面对大量工程和业务问题，并不是靠少数聪明人想出一些绝妙点子就能搞定，只能靠大量的努力来一点点解决。

　　这也是邵天兰从2016年创立梅卡曼德起，跑了不下三四百家工厂后感触颇深的地方，计算机专业出身的他明显感受到两个领域的差异：互联网赛道相对较平，但制造业需求非常碎——不仅工艺、环节、场景多，且高度碎片化，每家公司的需求也各不一样。从企业成立之初邵天兰就清楚地知道：“制造业远看是个万亿市场，近看是一万个一亿的市场。而服务制造业最大的挑战不是满足特定客户的特定需求，是如何高效地满足成千上万用户的各种需求。”

　　梅卡曼德在成立伊始就使用AI和3D视觉等智能技术，让机器人拥有更高级的传感、感知、规划等智能能力，用通用的产品去解决普遍的需求。如果能在1万个甚至 10 万个1亿的市场中，有效率地整合出其中的100 个，那就是 100 亿的市场。而AI大模型让机器人智能有望进一步飞跃，机器人市场将可能是现有的 10 倍甚至 100 倍大。这无疑给梅卡曼德的未来注入了极大想象力。

　　为了填平这些市场里非标自动化需求的沟壑，梅卡曼德基于自身AI+3D视觉为核心的技术优势，将机器人做成通用型产品或基础设施平台，以减少对非标硬件的需求。经过7年摸索，梅卡曼德慢慢的变成了全球 AI+工业机器人领域融资额最高、技术能力最全面、落地案例最多、应用领域最广的公司之一。

　　如今，技术狂飙下，AI大模型日新月异，这股浪潮也在工业机器人行业里涌动。当未来的市场变得客观标准，产品也无法存在差异化空间时，行业竞争的终局只能是“硬碰硬”。对此，邵天兰反倒持乐观态度：“AI大模型让工业市场变得更平坦，在没办法差异化的市场里，最终会形成少数的巨头。所以接下来三五年，我们就继续打磨技术产品，解锁更多行业，让智能机器人再上一个台阶。”

　　Q1：2016年底，你从德国回来创立梅卡曼德机器人，当时创业的契机是什么？看到了哪些机会？

　　2016年被称为“人工智能元年”，那时候不论是Alpha Go战胜韩国围棋选手李世石，还是计算机视觉的发展，都引发了大家对AI的极大关注。与此同时，国内的创业热潮也在涌动。我身处其中时并没有预判到后面的发展的新趋势会怎样，但如今回头再看，那确实是创业的一个好时机。

　　其实梅卡曼德从第一天成立起，初衷一直没变过——让机器人更智能。我在德国的学习、工作都围绕着工业机器人，所以清楚看到了机器人的瓶颈所在，当时我们七八个人的研究生团队做机器人任务，编程一周才能让机器人做一些简单的事情。但如果换做人类，可能只需要一两句话就能理解任务。因此让机器人有更好地感知规划能力，一直是我们的目标。

　　2017年4月，华创投资了我们的Pre-A轮，其实当时企业成立不过才半年，没有一点客户，完全成型的产品也很少，所以华创真的是在非常早期的时候就认可了我们。如今六年多过去，我们的产品已完成早期探索，成为规模化、全球化的应用，公司累计融资也超过15亿。但通过人工智能技术，让机器人更智能，依旧是我们努力在做的事情。

　　Q2：你也提到2016年是AI+Robot元年，机器人本体、机器臂......诸多赛道中，为何会选择工业3D视觉细分领域？

　　从行业来看，过去几十年整个机器人学科设置更偏机械和控制，无论是清华、上海交大、哈工大，还是日本的院校都是如此。但如今，清华、斯坦福、伯克利，包括我读的慕尼黑这些大学的计算机相关院系大量在研究机器人。所以我们这一代做机器人其实更“软”，也就是有更多算法、软件、人工智能的工作，这点从专业期刊论文也可以看出来。在数量和进展方面，也比过去机械和控制为主的时代更多、更快。这是大的技术趋势，和汽车行业有异曲同工之处。当然机械和控制等学科仍然是很重要的基础，不能偏废。

　　而之所以选择这样的领域，也和我过去的经历有关。2012年我从清华大学软件学院毕业后，去了德国慕尼黑工业大学读机器人研究生，并在德国知名机器人企业工作，深入参与了先进协作机器人从研发到诞生的全过程。我一直在学习和从事机器人相关的事情，这样的领域本身非常有意思。当然我也只会做这样的领域（笑）。

　　在我看来，工业领域做机器人服务实业，其实是一个更讲道理的学科，就是客户的需求、所需要的指标要和你产品的形态、性能要求相匹配。

　　互联网面对的是人，而人的需求很难描述，它更像一种艺术，很多事情是很难用道理去预测的。比如微信、抖音，技术上一定有可取之处，但用户使用这一些APP并不完全出于技术考量。

　　但对工业机器人而言，能达到多少成功率？达到什么样的速度？智能的程度怎样？有多少应用性、可靠性等等——这些都是更客观的标准，对于像我们这些技术出身的人来说，其实就是更好把握的一件事情。

　　但反过来讲，它困难的地方也在于要求高， 比如像我们自建了高标准的相机工厂生产传感器，下了很大力气提升生产的联动率，既要探索前沿的人工智能技术，又要保证生产制造的一致可靠。从硬件的光学电子算法、人工智能规划到销售交付，整个链条非常长且要求高。

　　相比之下，互联网是“一俊遮百丑”，更强调“长板”，但我们这种机器人产品更要求实用、严谨，有长板的同时还不能有过分的短板，因此也会更有难度。

　　Q4：梅卡曼德主营工业级3D+AI产品，能否讲讲你们目前核心的产品品类以及应用布局到了怎样的阶段？

　　我们成立到现在，经历了四个发展阶段：技术积累、产品落地与应用、产品迭代与规模化，以及市场全球化。

　　技术层面，我们在相机成像、光学设计、AI视觉算法、机器人运动规划、抓取规划方面不断进行迭代。产品有工业级高精度3D相机、可视化编程的视觉算法软件和深度学习平台软件等，主要聚焦机器视觉领域，技术围绕传感、感知、规划展开。公司的核心器件已经完全实现自研自产，累计授权和申请各项专利350多件。

　　2019年开始我们进入规模应用阶段，AI+3D视觉解决方案已经在汽车、物流、重工等众多领域规模化落地，典型应用包括：无序抓取、上下料、拆垛、检测、高精度测量、机器人涂胶、喷胶等等。

　　目前，梅卡曼德的业务已经覆盖50多个国家和地区，全球落地案例超过了三千个。

　　Q5：梅卡曼德在2021年下半年开启全球化，对于一家勇于探索商业模式的公司而言，你们全球市场拓展的策略是什么？会着重布局哪些国家或地区？

　　目前我们在海外有四家子公司，位于慕尼黑、东京和首尔，海外业务已经占到相当大比例，现在公司整体每年翻倍以上增长，海外还要快得多，每年能涨几倍。

　　我们现在销售的是第四代产品，连续三年市占率都是第一，第五代也在研发中，所以能理解为梅卡曼德有一个类似 App Store 的东西，里面有我们各种应用，拿到海外直接就可以用。当然，针对每个国家不同的情况，我们也会相应地做本地化，希望能把中国很多成熟的经验带过去，但也不能生搬硬套，毕竟我们服务的下游企业，每个国家的需求也会不一样。

　　至于海外的重点布局，还是会放在发达国家，因为这些国家地区本身的需求非常迫切，而且我们的产品在当地也很有竞争力。

　　Q6：现在很多行业的公司为了逃离“内卷”会选择出海，对于你们这个领域来说，出海也是为了找寻更多增长红利吗？

　　咱们设想一下，如果中国不那么“卷”，那企业就不出去了吗？实际上我们这个行业不存在单纯只做中国市场的公司，我们做的工业核心器件属于通用型产品，像西门子、基恩士、康耐视都不会生产所谓的本土产品，一定是面向全球的。

　　从历史来看更是如此，所有工业领域的通用器件型公司就没有local的公司，无论中国、日本、还是美国、德国，都没有，背后的商业逻辑都是全球市场。如果一家公司要做全球十成的市场，而你在国内市场做得再大也只能占到两成，最后无论是产品还是规模，都无法跟上别人，所以出海并不是因为国内太卷而做出的被动选择，而是我们这种标准化产品注定要面对全球竞争，既然终局如此，我们就要以始为终，及时入局。

　　Q7：除了全球领先公司如西门子、基恩士、康耐视以外，还有传统机器人厂商、制造业巨头、初创公司不断入局，相比之下，梅卡曼德的差异化优势来自于哪里？

　　第一，实际上绝大部分人说的“差异化”都是虚假的。“差异化”的意思是目标客群、目标需求的不同，往往意味着面向小众、细分的客群和需求。如果面向的是同样的客群，解决的是同样的需求，只是性能、质量、服务、外观、价格、品牌之类不同，就不叫差异化。比如宫保鸡丁，如果只是多放了几颗花生，口味变化一下，那不叫差异化。但是如果我做了一个无糖的宫保鸡丁面向糖尿病患者，这才是差异化。

　　第二，公司不是一定要做差异化。实际上主流市场硬碰硬才更容易出巨头。消费品市场因为总量非常大，所以做一个小细分也是可以做出来很不错的公司。但是工业领域的巨头，几乎都是做主流市场。

　　所以我们公司不刻意做所谓差异化竞争，做的都是主流产品、主流行业、主流应用、主流客户。不管是3D相机、视觉软件，还是AI，产品形态都非常主流，服务的客户也是来自汽车、家电、物流、电商、工程机械、钢铁等大行业。从技术上来说，人工智能、3D感知、机器人规划、包括多模态大模型等也是非常主流的技术。所以我们做的都是标准产品，并不是找了一个非常细分的小行业去竞争。

　　我们几乎没有任何一件事情是刻意差异化，包括公司管理方面，如果一件事和所有人都不一样，那我觉得大概率会是错的。

　　至于梅卡曼德的优势，我们首先是抓住了时机，如果做太早，深度学习、传感等主流技术还没出现，就无法应用在产品中；如果做太晚，这个市场就没我们什么事儿了。

　　第三，我们对自己的产品形态、产品化的理念以及商业模式一直非常坚定，打从公司成立起就没有变过，我觉得这也是做得比较好的地方。

　　所以，技术、产品、客户、资本各个方面的领先让我们形成了一个正向循环，这都是梅卡曼德的优势所在。

　　我们所在的视觉领域，整个市场的需求非常多样，需要做标准化的产品来服务更多客户。作为创业公司，如果一上来就挑战那种最难的事情也不现实，满足的还是制造业最普遍的需求。

　　很多消费品比如女装，不同品牌设计、消费者审美喜好有很大差异化，仁者见仁智者见智，那这件事就没有最优解；但在工业领域，比如施耐德、西门子，它追求的都是客观标准的产品，最后就会达到最优解。如果偏离最优解，那市场会惩罚你。

　　所以无法差异化的市场里，我们所追求的指标都非常客观，它有理论上的最优解，就看谁能更接近。而这注定了最后的市场格局会非常统一，面对的是全球性的竞争，这也是我们这个领域的残酷之处。

　　Q9：那根据你的判断，整个行业未来的竞争格局会怎样？之后的发展态势如何？

　　这个事情说来也非常简单，所有没办法差异化并且同时有显著规模效应的事情，到最后都会形成少数的巨头。

　　我们做的显然是一个高度标准化的事情，没有任何差异化空间，同时有非常明显的规模效应，后面的竞争格局一定是全球会有少数几家公司。当然我们对整个行业整体是非常乐观的，因为现在人工智能技术、机器人技术还处于一个非常高速的发展期，像华创当时投我们的时候，我们说要做这个事情，但什么时候才能规模化？什么时候能做到我们今天的规模？那个时候说过的话，大家觉得都是理想，但现在已经做到了。未来，我们仍然还会有这样的增长空间，因为整个智能技术和机器人技术还处于一个高速发展的早期阶段。

　　Q10：之前你在和华创资本创始合伙人熊伟铭的一次对话中提过，大模型的出现有机会把机器人的技术再推上一个量级，市场也将可能是现有的 10 倍甚至 100 倍大，能展开讲讲这对你们以及整个行业带来了哪些影响？

　　大模型真的是一个非常非常重要而且能带来很多改变的事情，能让机器人本身的智能更上一个台阶。像我们机器人之前做的，很多是单点能力，比如传感（像眼睛一样能对物体进行高速扫描）、感知（能识别物体的种类、姿态、相互关系），大模型可以带来更高层级的智能，比如像任务的理解、整体的决策。

　　它能够具有更多的常识，理解更复杂的任务。我举个例子，比如我们中午要吃饭，中间会涉及到切菜做饭刷锅洗碗一系列的事儿，这就要求机器人能识别黄瓜土豆并把它们拿起来，这个过程中如何组合这些动作，需要机器人具有常识以及复杂的规划推理能力，而这是以前单点的、功能性的人工智能所不具备的。

　　所以大模型让我们非常兴奋，我觉得它会像之前的人工智能的进展一样，又能打开一系列的应用和场景，让机器人的智能程度再上一个台阶。

　　不久前，我们与汉堡大学张建伟院士实验室达成了一项合作协议，正在共同研发一种全面融合视觉、语音和语言能力的机器人大模型。这种模型将使机器人能够感知和理解环境中的多种信号，并通过自然语言与人类进行交流。研发成果能够大幅提升机器人的智能化水平，使其更好地与人类进行自然合作和互动。

　　在大模型时代下，具身智能现在是人们关注的一大焦点。而张院士就首次提出跨模态学习机器人的概念，通过综合大量含有噪声且多源异构的视觉、听觉、躯体感觉等多模态感知信息，来实现通用具身智能。

　　目前我们的合作还处于科研阶段，但将来希望能让这种机器人大模型进入到餐馆、酒店、医院以及工业等更复杂的场景中。

　　Q12：最近“具身智能”的讨论度很高，行业里也有各式各样的创新，从RT1和PaLM-E，再到李飞飞的“VoxPoser“和 Deepmind 团队的RT2，每隔一段就有新成果发布，你认为现在“具身智能”的发展到底到了一个什么样的阶段？离真正的“具身智能”还有多远，还有哪些关键问题没有解决？

　　以前“具身智能”还是一种科幻，像是月亮一样遥不可及，但现在它像是珠穆朗玛峰一样，这两者是有本质区别的，虽然还是很高，但已经落到了地上，像攀登珠穆朗玛峰一样，人们可以慢慢爬上去，已经具备了攀登上去的技术路线。

　　现在有了大模型，相当于是搭梯子的阶段，整个技术路线有了大的方向，知道该怎么上去了。就像莱特兄弟发明了飞机一样，一开始他们做的飞机只飞行了几十米，但只过了几十年，就有了波音747。所以，一旦一个有潜力的技术有了大的进展之后，虽然后面还有很多具体工程化的工作要做，工作量也会非常大，但至少我们有了一个比较明确的发展方向。

　　Q13：工业领域场景一般都比较复杂，所以一直以来定制化都比较严重，大模型出来以后，这些定制化是不是都能省掉了，比如给机器人一个指令，它就能自动完成所有操作吗？

　　通用的东西其实是产生真正规模化应用的一个非常大的前提，历史上咱们也都见过，比如电脑在最初是专门算火箭轨迹、弹道，处理人口数据的，真正大规模普及其实是在出现了通用的个人电脑之后。而电脑的通用，也使得它整体的规模和成本有了巨大的优化，才能够真正推广开来。类似的事情非常多，很多专用的设备，必须要形成一个通用的产品才能真正开始去普及。

　　对我们而言，一定要减轻软硬件开发上的定制化，当然有些配置还是要做的，就像电脑是标准产品，用户还是会安装不同的软件。我们尽可能用更加通用的能力，特别是传感器和算法，来减少非标的定制，这样成本更好，周期更短，也更具备适应性。

　　Q14：能够理解为有了大模型和更好的算法后，就可以减少定制化、减少SKU吗？

　　是能减少每一个场景中，整个硬件做定制设计所需要的工作量。我举个例子，比如在一个自动化的场景里，你是使用通用的机器人即“标准化的产品+通用的视觉”来解决？还是设计非标的、定制的结构？

　　如果使用的器件越标准，里面用的传感器和算法越多，那通用的机器人器件也会越多，这样所需要的定制周期，以及未来改变整个应用的风险就越低，所以自动化要尽可能地使用更加标准的器械，比如机器臂、机器人、AGV，它相比于传统的输送线以及定制化的结构来说，就是标准化的产品。因此，尽可能使用标准化产品的组合和配置，而不是使用很多复杂的定制设计。

　　Q15：听起来有点像乐高。我们还了解到，现在制造业里有很多场景还没有被机器人替代，而且中国每万名工人的机器人拥有量和很多国家相比渗透率还不高，在你看来原因是什么？还需要在哪几个方面进行提升？

　　最主要的原因还是技能程度不够，每次面对一个需求，调试交付的整体周期会很长，今天自动化也好，机器人也好，整体仍然非常慢。外界经常会想象，这个环节需要替换人，把机器人拿过来就可以用，其实不是这样的，一个自动化项目的周期达半年是非常正常的。

　　这个世界上没那么多新鲜事，我打个比方，今天饭店扫码点单的普及率大概有80%，但自动化点单很早就开始有人做，最初是用专业的设备点菜，但它从来就没真正普及过，因为这个系统要有专业公司来做，周期长、成本高，而且维护起来也不方便。直到智能手机和移动支付出现后，餐馆老板用二维码就能自己来操作，技术变得可得和可及了。

　　再比如洗衣机，某一些程度上洗衣机也是机器人，但它依然需要有专业技术人员来安装管子。将来机器人怎么样才可以实现高度智能化？我们给它下达指令后，它需要用类似人的眼睛识别现场，理解执行任务，只有达到一定标准和高度时，未来每个人就会有一台机器人，甚至机器人数量会超过人类，就像今天的手机电脑一样。

　　Q16：梅卡曼德团队目前已经有700多名员工，管理上你面临最大的挑战是什么？未来三到五年，你对公司有怎样的期待？

　　这对我们来说确实是一个非常大的挑战，因为企业内部有不同的团队，文化也会不同。比如研发团队在北京，都是来自全球顶尖高校的硕士博士、大公司的优秀工程师，整体氛围会很宽松，办公室还养了猫；生产团队的风格就非常严谨，还有在上海的销售团队，对他们唯一的要求就是让客户满意。所以不同团队要有不同的组织文化、管理风格，最后还要凝聚起来实现公司共同的目标，这确实是很大的挑战。

　　未来三五年，我希望公司能从始至终保持快速地增长，像我们现在做的这种多模态大模型，包括各种先进传感器能够有更多应用，进入更多行业，让智能机器人再上一个台阶。