Auto Byte

专注未来出行及智能汽车科技

微信扫一扫获取更多资讯

Science AI

关注人工智能与其他前沿技术、基础学科的交叉研究与融合发展

微信扫一扫获取更多资讯

李苗苗编辑

走出PPT,掘金智能制造的底层逻辑是什么?

图片

随着政策、新技术等变量不断渗透到智能制造领域,新旧市场正在加速迭代,可以说当前智能制造领域正在经历一场变革。

该如何识别并抓住智能制造领域的发展趋势、市场新变量?站在投资人的角度又有哪些意见和建议?蓝湖资本合伙人魏海涛分享了他的思考与投资实践。魏海涛主导投资的企业包括超卓航空、精实测控、海富电子、昆宇新能源、中睿天下等。


编辑 | 李苗苗

一 

智能制造的红利

制造业作为实体经济的主体,是推动经济长期稳定增长的核心引擎,但纵观中国制造业发展过程和整体面貌,大而不强,既有优势又有不足。

优势重点表现在三方面,一是中国制造业体量是美国的1.6倍;二是在全球制造业增加值中我国以近三成的占比稳居世界第一,遥遥领先世界制造业巨头;三是近10年中国制造业在GDP中的占比虽有所下降,但基本保持在25%以上。

不足之处是跟国外供应链强国相比我们一直处于产业链较低位置,尤其是高端数控机床和集成电路领域,造成这个现象的核心原因是中国绝大部分制造业属于资源导向型,而且利润率偏低。因此,国家战略层面2015年就提出了「中国制造2025」。 

图片

在这个大背景之下,我们认为科技作为第一生产力将在未来十年持续推动智能制造领域的演进和发展,围绕「技术创新」的创业和投资也将同步迎来高光时刻,智能制造领域将诞生一批非常优秀的企业,细化看来,有四大红利:

红利一:完整的制造业产业链。中国制造业不仅是体量最大的国家也是全世界唯一拥有联合国全部工业产业分类的国家。

红利二:国际、国内市场机会巨大。首先,国内庞大的人口基数就会带来非常多的新机会;其次,消费电子变迁下中国品牌正在全球崛起。

红利三:优质创业者的人才溢出。主要来源于国际知名外企以及本土知名制造业企业和研究所,这也是目前我们整个制造业CEO里的核心人群。

红利四:工程师红利。这得益于我们的高校扩招,整体劳动素质的提高给行业带来非常多的人才储备,创业公司也能更好从中挑选人才。

综上,中国制造业将迎来非常大的发展机遇。从产业链流程角度,我们关注四大环节——物流与供应链、研发与生产、测试和分析与决策上的机会。具体到细分市场,我们会通过存量和增量两大逻辑去覆盖。

首先存量逻辑指在巨大市场中明确的市场机会而不是「模糊的正确」。重点关注在大体量的市场中,寻找帮助提升行业效率和实现国产化替代的公司。

在市场选择上,要客观看待市场大小。一方面,不要总是沉浸在千亿级、万亿级市场想象之中,因为真正属于创业者的市场机会并不是很大,相反也许因为聚焦,百亿级的市场也能够出长出优秀的公司;

另一方面,制造业的一大特点是客户会寻找多家供应商,以管控供应链风险,一家公司如果没有阶段性垄断产品很难做到非常大,一般所占市场份额最大在30%,所以如果目标市场是小而美的十亿级也不是一个很好的选择。

其次增量逻辑,核心是通过新技术运用寻找破局机会,进行产业链重构。新技术的发展一般都会遵循「Gartner新兴技术成熟度曲线图」,我们一般会选择Slope of Enlightenment(爬坡期)进入,因为我们更期待技术本身在产业中的运用。

技术创新及其所引导的制造业价值链升级,将使得制造业逐步走向「高端和敏捷」方向转型,未来制造业各环节将逐步融合,传统生产制造企业能力范围将向两端逐步延伸。

以工业领域为例,通过增材制造、自动化、微电子等技术为基础的生产技术创新,将推动制造业向「高效、高质量、无人化」方向发展;通过以「ABC」(AI、Big Data、Cloud)为基础的数字化创新,将推动生产工具向「迅捷、精准和轻量化」不断演进,使得生产分析、技术研发、交易等流程得到升级更新;通过物联网为基础的智能制造创新,制造商将极大提高单位生产效率,体量也将成倍增长。

在未来,用户将成为制造业价值链的起点,其具体而多变的服务及产品业务需求将被制造商直接捕捉,进而柔性生产比重加大,根据需求设计或重新设计开发的新产品所需成本和资源损失越来越少,供应商也将在数据驱动下形成精准品类控制,与最终用户需求保持一致。

 二 

无人驾驶的发展与大机

目前中国制造业走在世界前沿,不是说我们技术达到世界顶级,而是场景丰富,在具体场景中很容易出现应用级别的创新,现在工业领域多是具有中国特色的原生公司。

接下来我来讲一讲前沿技术在制造业领域的演进过程和机会。一般我们会先通过六个问题来得出对底层技术的判断:

问题一:技术趋势判断。未来10年,该技术领域会出现哪些重大趋势或变革。

问题二:确定性判断。指重大趋势或变革的发生概率是不是很大。

问题三:影响力判断。是否会给行业带来10X倍速影响的剧变点(影响力代表对现有商业模式的改变或对新商业模式的创造)。

问题四:成熟度判断。以Gartner新兴技术成熟度曲线为模型,未来什么时候能够达到成熟期。

问题五:商业化判断。最终技术创新都要落脚在商业化上,基于技术领域持续创新,是否会出现很多颠覆式变革性的技术应用和商业模式。

问题六:我们如何行动。核心关注该技术对目前关注的业务领域带来什么样的影响和启示。

依据六大底层框架,我们对无人驾驶领域一直保持持续追踪,也对未来10年无人驾驶领域的趋势做出了四个预判:

图片

第一,细分应用场景的批量化落地。比如L4级别开放道路的无人配送和半封闭园区的卡车干线运输。

第二,封闭场景应用走向成熟。像AGV、无人叉车、服务机器人等在电商、酒店、餐厅、家庭等场景的应用爆发。

第三,L3辅助驾驶开始普及。辅助驾驶将会成为车厂在未来参与行业竞争非常重要的应用,也逐步成为影响消费者购买决策的关键因素之一。

第四,智能组件市场开始繁荣。两年前很少有投资人觉得激光雷达或超声雷达会有很好的前景,但往后,传感器、高精度地图、低功能解决方案随着无人驾驶的发展都会迎来爆发式增长。

预判是我们对无人驾驶技术的探索和投资布局的底座。从行业出发,我们在A轮就投资了专注于无人驾驶大脑的Momenta,现在也已成长为超级独角兽。沿着这个思路,我们目前看好无人驾驶技术在物流行业应用,尤其是普适性工业车辆[无人叉车]。

物流作为大赛道。无论是在干线运输、城市配送还是快递都出现了很多大公司,但我们国家整体社会物流总费用所占GDP比例高达14.8%,而美国、日本等发达国家该比例稳定在8%-9%左右。人工费每年也都在不断增长,目前占整个物流车辆运营成本的40%,这让工业车辆无人化变成了非常明确的趋势。

而叉车作为仓库必备的普适性工业车辆当下也面临三大痛点:招工难,因为工作时间很反人类,造成人员流失严重;成本高,需要培训;货损居高不下。

所以,我们看好无人叉车领域主要有四点原因:

首先,叉车解决场内物流,属于工厂内部搬运非常成熟的产品;其次,从产品需求和形态角度看,不太需要去教育市场;再者,叉车属于工厂刚需,从增量和保有量来说属于千亿级市场;

之后,叉车作为比较成熟工业车辆,只要技术和价格实现起来能达到客户要求降本增效,无人化就是水到渠成的事情;最后,叉车本身的电动化给这个事情发生带来非常大的可能,目前欧洲叉车的电动化率达到80%,而中国只有40%,正处在行业过渡阶段。

 三 

投资感悟与建议

图片

现如今,随着产业链的不断进阶、市场的不断扩大、优质创业者的增加,智能制造领域即将迎来新的拐点和爆发,这让越来越多优秀创业者开始试水,所以我想站在投资人的角度给大家分享五个建议以及行业看法。

建议一:产品,属于首要考察要素。创业前期团队最大问题是只关注自己技术壁垒,对公司未来的产品走向没有过多计划。但在投资人看来,产品背后代表的是整个研发体系的生命力和未来可能产生的毛利;其次智能制造也属于ToB,ToB业务公司如果不以产品角度出发的话,财务表现将很难有大杠杆;最后产品至少要有3-5年的生命周期。

建议二:市场。市场是核心竞争力的体现,创业者需要找到特别适合自己又特别明确的市场。

建议三:团队。智能制造领域具有强落地需求,因此团队搭建需要特别完整。有经验的领导团队、市场、产品、技术等一个也不能少,特别是CFO,一定要选择一个超配的人,因为他可以辅助对财务理解相对偏欠缺的CEO进行现金流、应收帐款等管理,这个对于公司发展来说很关键。

建议四:商业模式。找到相对有可持续性收入的模式,比如外包整个工厂某一部分的易耗品或者消耗品。

建议五:切入点。好的切入点可以让创业变得事半功倍。有两个词很关键:变化和痛点,变化指行业正在发生的巨大变化,比如新能源汽车的逐年上升让汽车领域供应链发生的零部件制造改变;痛点指团队可以在行业很「痛」的地方做出改变,比如机器人控制智能化领域帮助企业解决高素质工业编程人才问题。

智能制造未来的发展核心一定是降本增效。同样也有两个关键词,一个是数字化,另一个是智能化。

在数字化阶段,我觉得首先要做的是充分尊重行业中既有的玩家和传统文化,比如汽车领域就有自己固定标准、习惯和话语体系,如果不懂就很难做好。

在智能化阶段,技术推进会逐步加快。目前中国制造业行业竞争加剧已由粗放式发展进入精细化管理阶段,客户对新技术的接受度逐步提升,但也需要特别注意新技术能否有效帮客户解决问题,因为工业公司是整个商业社会中最注重效率的一类企业,它非常有架构感和层次感,会非常考虑投入产出比。

最后再说一个很有趣的现象,近两年大量ToC投资人开始转入智能制造领域。好的影响是为这个领域带来了更多的资金和人才,让赛道本身的生命力变得更强;

不好的有两方面,一方面是钱在这个领域发挥的作用不会像ToC投资那么关键。因为制造业非常注重产品和技术本身在客户端产生的价值,即便通过大量砸钱,业务的增长也不会像ToC产品那样迅猛。

另一方面是智能制造领域的创业土壤不完善,一个新的创业团队想在产业中稳定自己的价值需要大概5年的时间,发展周期漫长。这导致部分焦虑的投资人逼迫团队去做一些看似加快速度实则短视的动作,让企业的健康发展造成损害。

所以,作为智能制造领域的投资人我们要有更多的耐心去等待和陪伴创业者找到好的产品和模式,不可急功近利地妄想逾越时间的限制。

产业智能制造
相关数据
激光雷达技术

自动驾驶车辆传感器的一种,采用激光扫描和测距来建立车辆周围环境的详细三维模型。Lidar 图像具有高度准确性,这使得它可以与摄像头、超声波探测器和雷达等常规传感器相提并论。然而激光传感器面临体积过大的问题,同时,它的机械结构非常复杂。

重构技术

代码重构(英语:Code refactoring)指对软件代码做任何更动以增加可读性或者简化结构而不影响输出结果。 软件重构需要借助工具完成,重构工具能够修改代码同时修改所有引用该代码的地方。在极限编程的方法学中,重构需要单元测试来支持。

逻辑技术

人工智能领域用逻辑来理解智能推理问题;它可以提供用于分析编程语言的技术,也可用作分析、表征知识或编程的工具。目前人们常用的逻辑分支有命题逻辑(Propositional Logic )以及一阶逻辑(FOL)等谓词逻辑。

推荐文章
暂无评论
暂无评论~