工业机器人，引而待发

说起工业机器人你会想到什么？恐怕许多人的第一反应都是那种庞然复杂，充满着赛博风格的机械工厂，人形机器面无表情的指挥、挪动各种复杂机械结构，然后变魔术地生产出各种产品，从显示器、 汽车 到 手机 和电脑不一而足。

显然，这种科幻风格还不能立刻变成现实，尽管人们已经在很多地方，比如汽车加工和半导体制造领域，实现了相当程度的自动化流程整合，但这些领域，尽管大多自带 " 高 科技 " 光环，生产的产品附加值高、利润丰厚，但它们其实只占庞大驳杂的工业产业链中非常微小的部分，在纯粹的制造业产品生产线之外，还有包括物流转运、仓储管理等许多泛工业领域，它们都还广泛处于自动化兴起的前夜。有业内人士向品玩指出，全球物流的自动化率都尚不足 5%，中国则更低。更何况，就算是在所谓先进制造领域，完全的自动化生产同样也处于刚刚起步的阶段。

事实上，就连工业机器人具体指的是什么，长什么样，不同的人给出的答案也不完全相同——这再次需要回归到复杂的工业流程本身。不同的场景，不同的需求，这些过去都有赖于人来完成的复杂调度和流程衔接，现在都需要自动化的机器来完成——这让机器的形态变得千变万化，甚至它往往不单纯是一个物理的实体，还同时存在于数据的洪流、预设的算法以及协同的软件中，它们一同演变成了工业生态的一个环节，力图实现 商业 社会中人所永恒追逐的东西——效率的最大化。

一切都在蓄势待发。

一、四面墙内

旷视科技把自己的工业机器人场景设定在所谓的 " 四面墙以内 "，也就是封闭空间的货物储存区域。

旷视科技智慧微仓示意图

在国外，这种自动化物流项目已经非常成熟，旷视物流业务事业部产品业务解决方案负责人李帅给我们用冷链配送举了个例子：国外每万人拥有冷链配送车辆是国内的十倍以上。这背后是整个冷链物流产业链在中国发展羸弱的结果，反映出国内物流自动化水平的落后。

在旷视看来，当然意味着机会。旷视是做计算机视觉识别算法出身的，在由软算法转向硬的设备中，物流恰好成为最契合旷视技能点的场景之一。

整个物流业占据了 GDP 10% 到 15% 的份额，李帅介绍到，而旷视所对准的四面墙物流场景，尽管在整个物流中——如果你把干线物流也算进去——占比不大，但却是亟待提升效率的地方。

在机器人介入之前，四面墙物料的储存与物流都依靠人来执行，这不仅是一笔连年增长的成本开支，由人介入的物流实际上还面临着复杂的管理问题：一方面仓储领域的人员流动性颇高，还很容易受到季节性因素的影响，比如农忙和传统节日会带来定期的用工荒，这直接干扰了物流的效率。

另一方面，由人主导和介入的物流无法实现规模效率——当仓库的 SKU 即存货单位多到一定程度时候，仅仅靠人是无法实现对物料的精准的操控与盘点整合的。

换而言之，在四面墙内，人力所能及的部分是有天花板的，到了一定程度，规模和效率都无法扩大了。然而这却恰好是机器人所擅长的地方。

旷视的解决方案包含了自研的托盘四向车、料箱式堆垛机以及各种物料自主移动机器人，组合起来全面替代了仓库中人所出现的所有地方，而从接收物料、传递物料到堆放和取货这些对物料的精准识别都依赖于算法，这又恰好是旷视最擅长的领域。

旷视开发的名为河图的软件平台能同时控制几十台游离在仓库中的物料搬运机器人，加上输送线系统，整个四面墙内都能实现 " 无人化 "。

旷视认为通过软硬件配合，这套解决方案能用更高的效率调度

3 到 5 年内，布置这些工业机器人的成本就会被抹平，随后，传统上被认为是花钱的后勤部门甚至可以转化为一个营收项目，" 靠生产就可以持续盈利了。" 李帅说到。

更重要的是，这些封闭区域里互相衔接、协同配合机器人突破了人力效率的天花板：2020 年，旷视对广州一家规模庞大的药品物流中心进行了无缝升级，在不停工的情况下实现了整体效率 25% 的提升。

当然，这不是说工业机器人的开发是一套放之四海而皆准的 " 通用方案 "，当这种全自动化的仓储物流方案嵌入大型物料的配送中心或者生产物流线边仓库，成为了制造流程的一个环节时，强烈的行业属性就自动凸显了出来，这意味着你需要针对每个行业独特的特点而进行优化。

冷链物流是一个经典的例子，要让机器人能在零下 20 度环境顺利运行，那么所有的零件都要进行宽温设计，特别是要能经受巨大的温度变化——有人作业的区域平均气温往往是零上 10 到 15 度，这意味着机器人穿行不同的区域要能经受几十度的温差。

而仅仅是硬件上的设计还不够，有些行业 know how 只有深入场景，换句话说，实地操作才会懂得。比如在冷链物流中，两个不同温度区之间的过渡地带往往充斥着水蒸气和小液滴形成的水雾，这会直接影响摄像头的精准度。

再比如，冷链严格的温控要求意味着系统设计机器人行进路线的时候连它们本身的发热都要考虑在内——旷视的方案是通过算法让机器人的运动轨迹分散化，从而防止聚集形成的高温突破冷链的温控要求。

当然，所有针对场景的设计优化中，旷视最擅长的还是自己的老本行—— AI 视觉算法。

众所周知，药品的流通有着严格的监管规范，仓库里出去一盒药至少要经过两个独立环节的核对，而旷视在其中一个环节实现了对人工的完全替代——用摄像头就能精确实现对药品名称、种类、批次的检验，旷视的算法优势在这种环节中显露无遗，据李帅透露，前期的算法适配只需要三五个人就可以完成。

不仅是对人力的替代，算法辅助下四面墙内的物流要素，在机器人的帮助下都实现了人力所不能及的效率提升——比如对整个库房的快速盘点。价值几个亿的货物，上万个托盘堆叠的货架，机器人可以在很短的时间内就完成所有的盘点，省掉所有的人工环节。

旷视也把算法看做自己最大的优势，用旷视内部人的说法，这被称之为 " 从软切硬 "，尽管 2019 年才正式涉足物流领域，但在更早的 2015 年旷视就已经在进行硬件的开发。

" 外挂 AI 算法的软硬件协同能力根本不能跟自研软硬件解决方案相比。" 而这种协同能力在四面墙围绕的仓储物流领域的想象空间还十分巨大，甚至，旷视认为它将会占据自己整个业务量的四分之一乃至三分之一。

二、一个运筹学问题

如果粗疏的对工业仓储物流领域进行区分，大致可以分为制造业领域和商业领域，后者聚焦于产品本身的流转——它不再是生产过程的一个环节，而是对生产结果的物流分配，在一个综合仓库——比如物流中心和核心仓，物流分配的效率直接决定了品牌的经营效率。

最典型的场景是电商仓库，如何准确、快速、高效的让千差万别的货物从仓库顺利进入干线物流就是这个细分场景需要解决的痛点。

我们都有过这样的经验，在 618 或者双十一来临的时候，物流系统 " 爆仓 " 了，所谓爆仓，也就是仓库中的货物无法及时传递到干线物流网络中去——这往往是由于人手不足所导致的。在巨大的仓库中用最短的时间和路线找到对应的货物这个过程，过去是由仓库工作人员凭借经验来执行的，当客户的订单蜂拥而至时，这些经验显然不足以覆盖电商场景井喷式的需求。

灵动科技致力于解决这个问题。这家经历过多轮、累计融资近 10 亿人民币的移动机器人公司，是京东最大的第三方机器人提供商，有数百台 AMR 移动机器人游走在京东的库房。灵动的机器人策略被称为 " 订单到人 "，也就是说机器人根据订单量和库房物料的分布情况自动到对应位置备货，过去仓库中需要许多人在固定动线上重复走动的情况被机器代劳，现在只需要少量的人在相对固定的区域和机器人配合装备货物就能实现比过去高得多的物流效率—— 2020 年底在京东上线的第一个月，效率就提升了 30%，第二个月则来到了 50%。

由于依然需要人的参与和搬运，这种解决方案适用的仓库物流更多是非标品的小件和中小件，也就是边长小于 72 公分，重量小于 30 公斤的货物——这几乎覆盖了绝大部分电商和高端物流场景，它们仓库中的货物种类繁杂多样，许多甚至连摆放方式都不相同，而由于人和机器人要在巨大的货仓中协同工作，这对机器人的自动化水平提出了很高的要求。

灵动采用的方案是所谓第四代技术，也就是基于深度学习的视觉导航。机器人身上的传感器不只有激光雷达，还有摄像头，灵动的算法让机器人通过深度学习采集到的信息来识别货仓这样的封闭空间中的所有东西——无论是人，货架还是行进路线中出现的其他机器人，并自由穿行其中。

这种技术和乘用车上用来实现自动驾驶的技术本质上是一样的，因此你甚至可以把它当做一种 " 区域限定版 " 的工业自动驾驶。

" 只有我们的四代机可以。" 灵动科技的 CEO 齐欧说到，在这里他指的是限定区域内的自动混行。不要小看这种混行能力背后的技术含量，这意味着它不仅能和别的机器人共同运行，还能与仓库中的其它由人操控的设备，乃至人一起协同运行，这就让过往非常复杂的中小件精准物流动线规划，变成了一个纯粹的运筹学问题——系统只需要从理论上得出运动路线的最优解，剩下的机器人可以自主自动完成。

灵动科技 " 订单到人 " 解决方案示意图

这非常像是滴滴或者美团对于运力资源的调配，本质上后台系统在实时监测每一辆车、每一个外卖员的运行轨迹和每一个客户、每一个店家的运力需求，最终，算法会得出一个全局运力分配的最优解，它会随着交通状况、运力需求变化等随时变化，灵动的方案也是如此。

当巨量的电商订单涌入时，灵动的系统会根据需求实时测算机器人行进的最佳路线，显而易见，这是道复杂的数学问题，仅仅是这种调度策略的开发，灵动就用了超过一年的时间，但它带来了巨大的回报，因为同制造业机器人不同，流通领域仓储物流对工业机器人来说是一片蓝海。

中国是全球制造业的中心，这种中心地位很大程度上来自低成本优势——中国拥有大量廉价劳动力，从某种程度上讲，这阻碍了机器人在制造领域的扩张——如果用人力和用机器人差不多价格（甚至更便宜），为什么要用机器人呢？

但对电商仓储物流来说，情况完全不是这么回事。中件仓的传统工作模式是由人拉着搬运车在仓库中游走。搬运车的负重是 200 公斤，而由于行进路线事实上是靠人的经验来规划的，每天人步行的距离甚至堪比一个马拉松！在没有空调的库房里，这种近乎极端的工作强度让它的流动率高达 30%，也就是每三个月所有的员工都会换一波，因此，低成本、快速收益的自动化方案对他们来说几乎是一个必选项——仓库运营中有 45% 的成本都来自人工。

灵动科技的机器人系列

这是一个自动化率不到 5% 的行业，而灵动是国内目前唯一拥有完整订单到人解决方案的移动机器人提供商。

三、突破数据孤岛

关于机器人，优艾智合的定义与别家不同，他们扩大了机器人这个定义的外延，把它设想成了一种接近于独立的完整生产力形态，而不再仅仅是一个酷炫的先进生产工具这么简单。

这种机器人独立形态的标志是完全不需要人的介入，因此从外部看来，这种机器人更像一个完全独立自动运行的智能工厂，用优艾智合机器人联合创始人兼工业物流总经理许瑨的话说，在这里，物质流和数据流形成了一个完善的闭环，这突破了工业生产过程中的数据孤岛问题，也是机器人相对人工来说最大的优势。

可以想见，这种高度自动化、智能化的机器人形态意味着要打通制造业生产流程中的所有环节，不仅技术门槛高，成本也更昂贵，让它天然就更适合于单位产品价值更高的先进制造业，比如半导体晶圆制造和新能源电池。

许瑨举了个例子，晶圆制造有 7 道标准的工序，每一道工序本身已经非常成熟且实现了自动化，但工序之间的物料搬运，过去都是依赖人力。

优艾智合半导体车间无人化生产流程示意图

这正是数据孤岛形成的原因，每道工序本身是独立且分离的，但整个制造过程又需要高度的流程化，因此人不得不参与其中，但人力辅助的工艺流程让数据流又充满了断点，这带来的直接后果是工厂不得不大量囤积原材料来保证生产过程的效率不会受到影响。

" 很多生产企业，库存水平居高不下就是因为这一点。" 许瑨说道。

解决的方式就是用机器人去打通全部原本孤立的环节，从原料仓到各级生产线的串联再到最后的成品仓，最终数据流的断点将不复存在。

这种精细程度已经不能用 " 打通最后一公里 " 来概括，恐怕 " 最后一米 " 更贴切。

继续用晶圆制造来举例，每道工序之间，就连简单的上料和下料也有固定的标准，更不必说还有半导体行业广为人知的对洁净度的极致要求——优艾智合的机器人需要运行在 Classes 100 的环境中，也就是说每立方英尺内，灰尘颗粒不能超过 100 颗。

为了打通这 " 最后一米 "，需要实现对行业 know how 的深入理解，优艾智合的 10 多个研发工程师在客户现场旁租了房子住了一年半，先后迭代了 4 个工程版本的解决方案。

" 哪怕机器在物理层面已经完成了 90% 的转运，只要有人的介入，从数据层面上讲，它依然没有突破，它还是创造了一个个的数据孤岛。" 优艾智合最终的解决方案是复合型的，除了移动机器人，还加上机械手臂，传送滚轮等各种机械结构以及视觉算法和传感器，它们共同建立一个完整端到端的工艺流程闭环，它已经成为了优艾智合在半导体自动化领域最强的企业护城河。

如果你去问行内人对目前工业机器人发展的前景，恐怕会得到很多五花八门的答案。一方面，不确定的大环境与消费的疲弱显然波及了整个制造业与物流行业，每个企业在花钱的时候都要仔细的计算 ROI，但另一方面，这或许意味着更廉价的智能替代方案将会成为主流——依赖低成本劳动力的时代正在过去，工业机器人的企业都在试图说服客户，单笔投入高，但长远来看回报率优异的机器人是一个好的选择。

我们现在就正站在这样的时间节点上，面前的是一个驳杂庞大，又蓄势待发的工业机器人江湖。

来源：品玩