拓展蓝海应用场景，工业机器人需要传感器赋能

不同规模集成商战略战术完全不同，而小微型集成商短期内会是中国工业机器人落地的最大助力

集成商作为整个产业链链条的最后一环，离客户最近，贴身服务客户，最了解客户需求，对应用场景的理解也最深刻，因此是行业中至关重要的一环。之前机器人本体仍然是一种通用型标准品，在面对不同的行业、不同应用场景的时候，由于不同场景下有完全不同的工作方式和工艺流程，因此机器人应用必须由集成商做相关辅助配合，并且辅以各种二次开发解决工艺应用问题，最终才能部署到终端客户，由此可见应用集成商的重要性。

但正因如此，集成领域呈现一个重要特点，那就是项目的非标准定制化属性很强，很难沉淀标准产品或者相对标准的模块化方案。每个项目都需要投入有经验的工程师，其规模扩张完全受制于工程师的能力和数量，更为致命的是，不同行业的生产特点和工艺完全不同，工程师不可能精通所有行业，这就意味着当集成商要向陌生行业领域扩展的时候，首先就需要招募新行业的专业人员。以上这些因素都制约着集成商的发展壮大。

在近二十年的发展过程中，集成领域虽然也涌现出了一些体量相对较大的公司，但绝大多数中小集成商仍然受限于众多从业者激烈的同质化竞争，举步维艰。从人员和收入规模上，可以将集成商大致划分为大型、中型、小型和微型四类。

通常来说，年产值在5亿人民币以上，人员规模在400-500人以上的公司可以划归为大型集成商。这类集成商在全国范围内也是屈指可数，并且基本集中在汽车行业应用中。他们的从业时间均超过十年，近年来伴随着中国汽车工业的壮大而成长，通常都会依托一个或多个下游汽车主机厂商客户，但因受到客户市场情况的影响，其集成硬件水平基本都是国际先进水平，对国产机器人基本采取拒绝态度。

相对其他集成商而言，这类大型集成商体量大、实力强，整体呈现良性发展，虽然受限于汽车行业本身的天花板，但总体来说运营尚可。但近几年随着部分资本介入该行业，其中几家公司在资本压力下为了实现快速扩张，开始不计成本的抢单，并且给客户大量账期压款，改变了整个行业的生态，使得整个行业变成需要极高流动资金并且利润有限的状态。

并且这些集成商在前期日子好过的情况下，没有在软件和工艺上投入更多的研发和沉淀，仍然大规模采用国外平台和软件，完全依赖工程师的经验积累和沉淀，没有形成真正意义上的差异化和核心竞争力。

年产值在1亿以上，人员规模在200-300人的集成商可以划归为中型集成商，主要服务于国内一些集中度较高的大行业，如3C、家电、物流等，客户项目体量大。这类集成商对国产机器人排斥程度相对低一些，在一些不重要的工序或者环节可以部分采用国产机器人。通常而言，大型和中型集成商所服务的客户技术实力都不错。

在项目设计阶段，客户也会有部分参与，和集成商一起确定关键工艺应用和方案。并且在项目实施过程中，包括项目交付、使用以及维护等所有阶段都有专人来负责。但也因为客户本身的专业性和技术能力较好，所以客户通常会指定采购核心部件，并且对设备的价格、稳定性以及售后服务的要求都较高，这也间接导致集成商整体成本较为透明，利润空间非常有限。

目前这两类集成商事实上和国产机器人的距离仍然较为遥远，短时间内由于国产机器人自身的性能、指标和可靠性的关系，不大可能被大批量采用。

公司规模在50人以内的通常称为小型集成商。这类集成商受限于自身实力，研发投入少，核心人员或者管理人员通常是由大、中型集成商中的项目经理或工程师分化而来。小型集成商通常维持着一个不那么大的团队，团队战斗力不错，可以应付绝大多数50万-200万左右的小型项目，但对人员规模十分敏感。

和现存的大中型集成商相比，由于现时竞争环境已不同往日，不依靠外界资本的力量，仅靠自身自然发展，很难跨过100人规模的坎，而人员数量少，技术能力不足，也就难以承接更大型项目，从而始终无法扩张规模。并且由于小项目所需要投入的人力也不见得少，所以通常小型集成商也不会承接50万以下的订单。

由于小型集成商的行业地位和信誉尚未完全建立，大量采用国产机器人风险难以控制，因此除了在部分项目的部分工序中少量采用国产工业机器人，该类集成商总体对国产工业机器人仍然持观望态度。

而公司规模在20人以内的通常就划为微型集成商，此类集成商技术能力差，面对的主要客户是在前文所述的一般工业市场，亦即“长尾市场”，其辐射能力有限，依靠的是自己在一定地域范围内的渠道来实现销售和服务。

他们承受风险能力差，资金少，不敢投入研发，加之项目体量小，通常在20万-50万范围内，稍有不慎没控制好风险就会赔本。但有趣的是，目前这类集成商反而是大量国产工业机器人最积极的下游应用商。

主要原因在于客户承受能力有限，对成本非常敏感，投资回报时间要求高，普遍希望在一年之内回收成本，同时终端客户本身不专业，对自动化不了解，甚至之前根本没有接触过工业自动化，需要集成商做大量的教育和服务工作，甚至在项目投运初期需要长期有人驻厂，在这样的微型项目上如果再采用国外本体配置，集成商完全无利可图。

因此这部分应用市场和大量的微型集成商才是中国工业机器人本体目前真正的下游市场。

因此，在短期三到五年内，国产机器人只能在小微型集成商侧大量应用这种情况并不会有太大改变，这主要是由本体性能差距和一般工业客户的高度分散及成本敏感造成。然而从目前观察到的市场情况看，终端客户虽然需求明确，对自动化或者工业机器人有渴望，但最终的使用效果却并不满意，普遍反应买得贵、用得贵、不稳定、不好用。

同时集成商也抱怨自己不赚钱，生存困难，双方均对现状不满。客户对结果不满主要是由一般工业客户端的生产特点导致。和大批量流水线的标准化生产不同，小型制造业通常表现为小批量、多品种生产，并且产品种类更换频繁，对柔性化要求更高，并且也仍然只是停留在机器换人的阶段，没有自动化产线的需求。

而工业机器人从诞生至今，技术本身并没有什么本质性变化，仍然是一个严格按照外界输入进行操作，不具备自主特性的执行机构，集成商的任务就是将各种工装夹具和辅助设备与机器人配合起来，完成指定工作，这也使得机器人只能在固定的场景和条件下工作，无法实现柔性生产，因此无法满足大量的“长尾”小型制造业客户的需求亦是必然。

一旦切换不同的作业内容，客户很难快速完成切换，仍然需要求助于集成商，造成生产中断，效率低下。

对于小微型集成商而言，由于机器人不具备基本智能、自主性和灵活性，也导致大部分项目都是非标项目，每接到一个新的项目就需要重新设计与调试。而项目工程师一直以来都在不停重复同质化的低技术水平工作，技能提升和工作成就感都较差，通常都抱着做几年赚点钱的心态。

稍微有能力的工程师在积累一定经验之后，就会考虑离开自主创业从而导致团队裂变严重，吸引不了更多优秀人员进入，使得团队技术水平存在瓶颈，表现为技术能力不强；同样由于项目无法标准化，也就无法快速复制，完成更多项目就需要更多的人，公司管理难，也很难快速上规模。

与此同时，项目部件无法批量采购，质量控制上参差不齐，项目实施总是处于反复调试、反复修改的状态。客户由于对自动化的认知水平较低，也在此过程中经常提出不合理要求，于是集成商看似不错的毛利就被不停地改进和服务消耗殆尽。工程师们疲惫不堪，而客户抱怨连连。

如何才能有效解决目前出现的这些问题？解决的关键除了集成商自身以外，还有上游的本体制造商。集成商要进一步降低成本，只有标准化一途，首先找准在一定区域内有相当潜在需求量的特色产业，对其应用场景和工艺进行分析，形成标准化工作站方案，批量化生产并通过上量过程快速迭代。

这样不仅可以达到标准化的目的，同时由于批量增加，整体成本也必然下降，利润空间也随之加大，可以为终端客户提供更有竞争力的产品；而从上游本体制造商侧，也需要作出更大提升和改进，来加速下游标准化进程。比如，通过集成各类传感器（包括视觉、触觉等）来增强机器人的适应能力，从而降低集成的非标化和难度。

同时本体商加大对行业工艺的研究力度，让机器人更简单、更简便、更专业，也加大对集成商和终端用户的技术培训，进行技术输出，将部分技术转移到集成商，促进其更好地为终端用户服务。只有通过本体商和集成商上下一体的紧密结合，整个标准化进程才可能得以更快推进和落地。

虽然目前大中型集成商并没有强烈使用国产工业机器人的意愿，但随着国产本体水平不断提升，这部分市场也会逐渐被蚕食。当然前提是国产本体商不再一味执迷于低价战争，维持合理的利润空间，将更多精力和实力投入到最重要的研发中。汽车行业由于应用非常成熟，相对而言空间较小；但对于国内体量大、集中程度高的3C市场，则可能是中型集成商和研发能力强的机器人本体商的好机会，容易诞生大型集成商，当然对集成商能力要求也较高。

当前3C行业90%以上的前端工序已经实现了自动化，后端组装环节由于物件小、柔性要求高，自动化难度比一般工业要高很多。同时由于3C行业的产品更新速度加快，随之而变的是工艺的更新和优化，对集成商和本体商而言，过分的强调产品本身而脱离对工艺的理解，很难在3C行业立足。

总之，当前规模较大的集成商，应从产线、物流到系统进行深度整合，加强软件开发、数据解读和界面处理等方面的投入，争取创建更加系统化的解决方案，增强客户粘性，提供更高附加值。

只有高效地提供最适合客户制造工艺的解决方案，具备自主软件开发能力，甚至拥有自主研发制造工业机器人的能力的全能型系统集成商，才可能获得爆发性机会，成为行业巨无霸；而相对规模较小的集成商，则应在特定的一些高成长、相对大体量领域做专、做深，先不要执迷于超出自身能力地开发规模较大的自动化线，而是针对细分行业的机器换人特征，快速推进标准化程度很高的专用工作站，实现不单纯依靠人员扩张的快速成长。

让机器人聪明起来——传感器赋能的工业机器人将会成为差异化和未来蓝海应用场景拓展的最有力武器，视觉则会首当其冲

如前所述，在中国这个比较特殊的市场中，终端用户的分散性以及对工业自动化行业的陌生导致其对工业机器人易用性提出了较高要求。工业机器人经过几十年的发展，虽然在精度、性能等方面已经达到了相当成熟的水平，但实际上在易用性、智能化方面仍然相对落后，非但中国如此，在日本、德国等工业机器人发达国家也是同样状态，因此，如何提升工业机器人的易用性，并且通过传感器甚至一些新兴的人工智能算法辅助来大幅度扩展工业机器人的应用领域便成为工业机器人从业者最应该去思考的问题。

只有在这个方面，中国才和其他国家是站在同一条起跑线上，具备同台竞技的资格和能力。并且通过传感器赋能，使工业机器人可以有能力去处理之前完全无法处理或者很难处理的场景，真正开辟出有差异化的应用和市场，对于行业避免进入大规模同质低价竞争也有着非常重大的意义。在各式各样的传感器中，视觉作为最重要的方向，也必然最先得到行业的关注和重视。

机器视觉并不是一个新技术或者新话题，在工业领域实际上已经应用多年。之前主要在各类工业自动化流水线上承担检测、测量等方面的职责。在工业机器人领域，视觉也同样不是新进入者，比如在焊接机器人领域使用的激光焊缝跟踪就是一种典型的视觉传感器应用。然而，机器视觉在工业机器人行业的应用仍然是凤毛麟角，造成这种现象的原因较为复杂，归纳起来不外以下几点：

1、视觉团队对工业应用场景的了解和理解有限，机器人厂商和集成商虽然可能了解客户痛点和要求，但却无法找到合适的解决方案提供商，供需双方之间存在着信息不对称；

2、视觉方面人才数量有限，而要解决终端客户问题，必然需要视觉和机器人团队双方通力协作，这种跨专业合作的促成本身具备一定难度；

3、机器视觉结合机器人的应用场景尚不明确，无法对视觉提出无论是硬件模块还是软件算法的具体需求，从而使得整体进展缓慢；

4、在应用场景相对明确的领域，目前看主要是定位和导引，两种力量的结合也只是刚刚开始，技术方案远谈不上成熟，稳定性也存在很大问题，更不用说高企的成本。在视觉成本和机器人成本倒挂的情况下，大量引入视觉显然是不可能完成的任务；

5、技术层面上，由于视觉系统需要和机器人控制器进行通信，并传送指令，作为视觉方案商需要去对接各种各样的控制器，这是一个没有技术含量，但却相当消耗时间精力却又不得不做的事情。更遑论过程中并不一定能得到控制器厂商的支持。

以上便是视觉一直未能在工业机器人领域大批量应用的几个主要原因，但归纳起来基本是两大类：技术成熟度和成本。目前并没有任何可以放之四海而皆准的视觉解决方案。以当前最常见的机器人上下料应用为例，首先根据工业节拍的要求和不同的物料输送方式，视觉方案就需要选择不同的技术路线，譬如传送带方式可能采用激光线扫比较合适；而如果节拍要求较高、光照复杂、零件材质接近镜面，或者视野较大，移相结构光方案就不大实用。

因此基于不同的场景，硬件模组的选择可能截然不同，这对视觉方案供应商的算法和方案能力便提出了较高要求。并且由于尚未得到规模化应用，上游硬件模组厂商成本和价格都居高不下，使得当前视觉方案成本相当高，大多在20万以上，这几乎是工业机器人本体和其他部件成本的两到三倍。如此高企的成本使得大规模市场应用几乎无法想象。

但随着近两年视觉技术和产业的不断进步，应用市场逐渐增加，方案成本也在快速下降，有望在两到三年内达到一个可以批量应用的位置。因此对于工业机器人行业，现在开始积极开展和视觉厂商的合作，并不是要在当前大规模推广视觉集成和应用，而是要和视觉厂商一道，走到市场第一线，了解终端客户的需求和应用场景，找到批量应用的标准方案，为两三年后大批量复制和扩张打下坚实基础。