機器人產業在過去幾年，似乎已經是“顯學”了：

　　人口結構變化，勞動力人口下降，采用機器替代勞力非常有必要;制造業轉型升級，機械化、智能化趨勢顯著;人工智能、大數據等技術快速發展，機器人是科技進步的必然成果......

　　機器人不僅出現在各國影視劇中，就連人民群眾喜聞樂見的春晚，也四次出現了機器人的表演：Alpha機器人、Jimu汪汪、Walker機器人、拓荒牛。

　　然而，機器人“顯學”并沒有出現在資本市場上得到相應反饋，反而是馬斯克一條關于人形機器人的推特，讓A股的機器人板塊突然興奮、大熱，小米等公司也紛紛加碼。馬斯克真不愧是中 美兩大股市的*“帶貨大V”。

　　但如果把功勞都歸功于馬斯克，那倒頗失公允。機器人產業，從機械自動化開始，向施瓦辛格的“終結者”進軍，確實在“迷霧”中穿梭了多年，一些領域、一些公司還在小步摸索，但也有領域、公司也已經找到了光明大陸。

　　這個分水嶺是如何形成的?未來又會如何發展呢?

　　01

　　機器

　　機器人按照國際標準可以分為三類，工業機器人、服務機器人和特種機器人。但從另一個角度、按照替代人類中依賴的能力，可以分為兩類：機器屬性、人屬性。

　　這兩種不同定位，也造就了不同的發展脈絡，簡單說就是：機器屬性，容易落地；人屬性，未來高地。

　　機器屬性，顧名思義發揮的是機器的高精度、高強度、高靈敏、微操作等特點，主要用來替代一些重復繁瑣的工作，或者對人的體力、安全防護要求高的工作。行業發展依靠的是機械、傳感等技術。

　　比如，1959年發明、1961年在通用汽車生產車間“上班”的“尤尼梅特”(Unimate)，可以算是全球*臺工業機器人，就是“機器屬性”。它最初的工作就是把汽車零部件挑選起來放到傳送帶上，但是可以精準、高效地完成同一重復工作。

　　隨后幾十年，工業機器人增加了壓力、觸覺、視覺等各類傳感器，機械自由度、靈活度也不斷增加，但核心屬性還是差不多的。

　　再比如手術機器人“達芬奇(da Vinci)”，是美國直覺外科公司(Intuitive Surgical)的杰出大作，也是偏機器屬性。通過機械手臂和3D內窺鏡，讓醫生直接化身為“奇異博士”和“鷹眼”的結合體，而且還可以遠程、坐著操作，減輕了醫生的體力消耗。對患者而言，微創手術，也減輕了痛苦、恢復更快。

　　不管是自動的“尤尼梅特”，還是“達芬奇”，都是機器屬性為主，發展提升的空間在于高精度。例如不斷實現可以系鞋帶這種對關節自由度要求很高的動作。而機器屬性為主的機器人，并不需要機器發揮自我判斷。

　　02

　　人

　　“人屬性”機器人，就和機器屬性不同。人屬性，就是希望替代完全的人類，以期待實現“外在像人一樣行動、內在像人一樣思考”。

　　外在行動，可以讓機器人通過機械構造、芯片算法等技術，實現仿生效果，像人一樣保持平衡、實現跳躍等高難度動作。這也就是波士頓動力公司酷炫的地方。

　　內在思考，依靠的技術則是人工智能AI。所以，機器人的未來高地，不可避免會遇到AI一樣的挑戰，簡單來說就是“高可以，低不行”，也就是業內提到的“莫拉維克悖論”。

　　在一些智力要求很高的領域，比如圍棋，也許95%的人類都會覺得很難，但AI就可以輕松挑戰各路高手，稱霸棋壇。再比如識別醫學影像，AI依靠龐大的數據庫，可以在效率和準確率方面超越許多醫生。

　　然而在一些智力要求不高的領域，比如“認識貓咪”，這是一個絕大多數三歲以上的孩子都能輕松完成的事情，但機器就困難了。在2018年時，據《紐約時報》上一篇報道稱，機器完成這個行為，則需要1000臺電腦，16000個處理器。就更別說人類的幽默感、同理心等等，是機器人靠著內置笑話取代不了的。

　　這其中的差別就在于，人類可以依靠變化、憑借常識，做出判斷、實現創新，而AI的感知力則要弱很多，雖然算力超過大腦，但對未知的理解、應對，是一個大問題。也難怪有人會說，不和AI比賽，你都不知道人類會聰明這么多。

　　而另外一個問題是，AI能力過高也不行。如果AI真的實現技術突破，可以像人一樣思考的時候，又會讓人類驚恐，倫理黑霧襲來，以至于人們也會提前把這個趨勢遏制了。

　　所以，相比之下，“機器屬性”可以撒開歡地跑，而“人屬性”就是遙遠的高地，前途光明、道路曲折。

　　03

　　六便士和月亮

　　機器屬性，大部分在工業場景，環境穩定、流程清晰，經濟效益也更容易進行對比。所以，發揮機器屬性的公司，仰望月亮的同時，也賺了一袋袋六便士。

　　就像達芬奇手術機器人母公司，營業收入從2000年的0.3億美元，不斷增長到了2021年的57億美元，股價在最高點時也有百倍以上漲幅。

　　在工業機器人領域也誕生了四大家族：瑞典ABB、德國庫卡KUKA、日本安川FANUYASKAWA、日本發那科FANUC。從這個名單中也可以看出，工業機器人水平的高低，往往和一個國家工業發達度相關。

　　而回到我國來看，隨著我國工業水平提升，工業機器人也在追趕中。2021年中國工業機器人產量達36.6萬臺，同比增長54.4%。產業鏈里也誕生了埃斯頓、禾川、匯川、拓斯達、綠的諧波等上市公司。

　　相比而言，“人屬性”的機器人公司，卻有不少依然在仰望月亮，花著投資人的六便士。

　　原因也不復雜，人屬性機器人，多數為服務機器人，高技術、大場景、多需求：

　　一方面，技術集中度太高，難度也必然加大，外在內在技術都需要突破一道道門檻;另一方面，面向的場景需求不一，不同領域剛需爆發點也不一樣;與此同時，如果面向C端，需求場景比較多樣化、個性化，但支付能力卻又不高。

　　相比B端用機器人來省錢而言，C端更像是花錢買服務。難度自然不同。

　　過去幾年，服務機器人領域爆發最為可觀的是“掃地機器人”。簡單來看，掃地機器人和洗衣機一樣，都是家電而已;不同的是，掃地機器人內置了一些路徑算法。雖然不算高級，但因為切中了C端市場“宅、懶”的需求，也切入了B端高頻率使用的需求，所以銷量可觀，2021年達到百億元。

　　而在C端，炒菜機器人、陪伴機器人等，依然是煙一樣的需求。看著有，但不夠高頻、不夠剛需，風大一吹就沒了。相反，如果面向B端開發炒菜機器人等可以高頻、標準發生的場景，也許有不錯機會。

　　對于服務機器人，另一條路徑也許是學習特斯拉，先找到小眾、但支付力高的人群，先行教育、同時有現金流來維持開發、降本，不斷等大眾市場發展。

　　這也就是經典的“技術采用生命周期理論”，消費者分為創新者、早期采用者、早期大眾、到晚期大眾、落伍者等群體，層層擴散。

　　就連在仿生機器人領域，已經赫赫有名的波士頓動力公司，也因為商業化壓力，曾多次變更股東。而“人屬性”機器人遇到的狀況，并不罕見。比如在自動駕駛領域也正發生。

　　雖然我們都很期待完全自動駕駛的汽車出現，但在現階段、甚至更長的一段時間內，由于路況環境、智能水平、消費習慣、法律法規等綜合原因，L4級別以上的自動駕駛并不能實現、商業化可能性很低。所以無論Waymo還是百度，都開始調整策略，所謂“勇攀高峰、沿途下蛋”：

　　L4是月亮、作為技術源泉，而L2則是六便士，商業化發力的方向。而“人屬性”機器人公司，也要做平衡。只看月亮，就會餓死。

　　04

　　機遇

　　當機器人行業成為顯學時，創業也成為熱潮。而在機器人領域，有兩大機遇：一個是產業鏈的國產替代，另一個是創造新市場。

　　機器人產業鏈主要分為三大類：核心零部件，包括控制器、伺服系統、減速器(RV、諧波);本體，包括多關節、直角坐標等;系統集成。控制器是工業機器人的“大腦”，伺服系統是“動力源”，減速器則是“關節”。

　　其中，減速器技術壁壘最高、毛利率最高，達到40%;伺服系統35%、控制器25%、本體制造15%等，依次降低。而國產比例大概在20%-30%，有很大的替代空間。但由于對精度要求高，因此替代過程也會很緩慢，技術要提升、客戶要認證。

　　另一個機遇是創造新市場。這一方面不如國產替代那么顯而易見，就像VR眼鏡一樣，是一個需要重新組合技術創造需求場景的事情。而可能性則基于AI的發展，從而帶來無限可能。

　　但這就又會帶來另一個問題：假設果子成熟了，誰來摘果子呢?

　　就像網絡發達了，運營商并沒有發展像應用軟件公司一樣的業務;電動車發展了，整車廠卻哭訴利潤到了電池公司、礦公司。未來摘果子的是例如商湯、四小龍等AI公司呢?還是優必選、普渡等機器人公司呢?

　　這是一個大賽道，但也是要想平衡“月亮和六便士”的賽道。