*文章来源于庚辛资本

作者 | 张家康

我们已经进入全球经济缓慢衰退的历史周期。驱动过去几十年世界经济迅速发展的4个基础：a.二战、登月和星战储备的科学技术、b.自由贸易、c.和平环境和d.人口红利，都遇到前所未有的挫折和挑战。

AI和机器人技术的发展，将是21世纪除原子弹之外，唯一一个可以调节生产力矛盾的方式，它给人类一个新的空间。其产生的新的应用形态，亦是人类目前已知的技术的集大成者，将给世界带来一个巨大的经济增长机遇，对世界的繁荣和稳定至关重要。

在中国机器人产业4年来的投资、投行和运营，让我们看到中国创业者在AI和机器人领域的优势和热情；让我们见证新的生产关系和更美好的生活体验的诞生；更让我们如此地相信，世界会变得更好。

梦想远大，路径明确，但脚印要一步一步踩扎实。

2023年，机器人产业创业依然存在三大挑战：基因缺陷、产品化不足、以及“内卷”，但也迎来了九大机遇：新物种、新大陆、新世界；标准化、全球化、品牌化；保持谦虚、并肩作战、假以时间；

>>>挑战一和机遇一二三<<<

·是否有修复基因缺陷的决心：迎接新物种、新大陆与新世界

持续进化成为新物种

从场景到数据，从技术到产品，从市场到品牌，每一步都是困难，但任何公司的基因都不是无限的，能力都是有局限的。对于不擅长却重要的事情，机器人公司是否有决心离开舒适圈，去解决问题，而不是把头埋在沙子里，绕开问题，最后发现积重难返？

作为投资人，我们天生喜欢“新物种”，创业者也很希望自己就是那个“新物种”，然而机器人产业的创业的复杂度远超一个人的能力边界，基因缺陷不可避免。前路的坑五花八门，死法也是“各显神通”。

我们观察，懂技术的往往在市场选择上栽跟头，懂产品的往往在商业节奏上丧失先机，懂市场的往往因为产品不够极致成为行业先烈，资源太多的往往又遇到资源诅咒。

结果就是：太多创业公司在错误的方向上渐行渐远，积重难返，更可怕的是，他们还往往不自知。这让我们感到非常可惜，几个内部常见的memo：

如此豪华的团队却扎堆到如此小的市场内卷，

如此牛逼的技术却在没能找到更高增速的产品化路径，

如此牛逼的资源和商业化能力却拿着如此稀烂的产品，

以及如此多的钱竟然投到了一堆项目制（低毛利、高费用、慢回款、大商务团队）且产品化遥遥无期的公司里。

为了解决“基因缺陷”这个问题，我们甚至孵化了一家公司，试图解开技术、产品、商业化路径和资源四个要素互斥的诅咒。

但我们建议更多已经在路上的机器人公司，系统性的调研和梳理自身的发展路径选择、产品定义方法、技术实现标准和资源整合杠杆，以完善基因，成为真正的“新物种”。

持续发现新大陆、筑造新世界

历史上很长一段时间，只有极少数行业（如汽车制造业和仓储物流）有机器人的应用，特点是稳定性高、寿命长、鲁棒性好、不能出错、选择新的方案风险大。

但最近五年，机器人场景全面铺开，各行各业、各人群开始使用机器人。从2个行业到20个行业/人群，新的行业应用机器人的逻辑变得不同（不同场景的需求和参数要求不同），下游的客户/人群也开始大众化，未来会进一步多元化。

2022年，全球机器人产业只有500亿美金规模，因此在机器人产业创业和投资，需要具备动态的观念和创新的思维。

我们观察机器人产业的从业者经常会陷入三个思维陷阱：

1.用旧思维解决旧大陆的问题，硬碰硬，拼执行力，往往是“炒冷饭”，（最可怕的是在价格不敏感的行业中打价格战）；

2.用旧思维看待甚至忽略新大陆，缺乏想象力，更不用谈如何执行；

3.对新旧大陆共同发展过程中产生的要素转移不敏感，对数量级和要素的迁徙没概念，往往积累了大量过程性的技术/产品最终在不自知中被颠覆（诺基亚也犯过同样的错误）；

平面来看，新大陆的核心标签：

1.市场层面：油层浅、油压高、且油量大（钱好赚且容易迅速规模化）；

2.场景层面：智能化的确定性高（每个可标准化的最小单元都有一定的规模）；

3.商务层面：需求方的饥饿感足够强，且创业公司有独立发展的空间；

立体来看，新大陆又有三层涵义：

1.现有设备市场，还没被机器人技术渗透和满足的（如高速增长且CR5超过60%的光伏、锂电、半导体、面板、叉车等）；

2.原本无设备的市场，但机器人作为“人”的替代，更好的满足需求或创造出新需求带来的全新场景和市场（如服务机器人、农业机器人）；

3.产业分工过程中的产生的新的生态位；

以特斯拉Optimus的出现为例，其必然会推动人形机器人的发展，但我们在整个技术链路上没有看到特斯拉人形机器人比现在机器人有代差的进步，即使人形机器人表现出了一定的运动能力，与现在机器人产品也并不是代差的区别。人形机器人并不是技术上的创新，而是系统集成方面的创新，需要一整个生态的产业配套。

Optimus在短期内不一定能代替人在工业场景做一些工作，因为它技术发展还受限于AI技术。如果AI技术的感知能力达不到这个程度，就像现在的无人驾驶，在结构化的道路上对人、对车辆进行感知，通过感知反馈到控制的系统，进行新的规划和控制；人形机器人的场景其实更加复杂，它面对的场景不是单一的，且经常出现跨越式的变化，对AI的要求会更高。