今天小編分享的互聯網經驗：工業機器人，引而待發，歡迎閱讀。
說起工業機器人你會想到什麼？恐怕許多人的第一反應都是那種龐然復雜，充滿着賽博風格的機械工廠，人形機器面無表情的指揮、挪動各種復雜機械結構，然後變魔術地生產出各種產品，從顯示器、汽車到手機和電腦不一而足。
顯然，這種科幻風格還不能立刻變成現實，盡管人們已經在很多地方，比如汽車加工和半導體制造領網域，實現了相當程度的自動化流程整合，但這些領網域，盡管大多自帶 " 高科技 " 光環，生產的產品附加值高、利潤豐厚，但它們其實只占龐大駁雜的工業產業鏈中非常微小的部分，在純粹的制造業產品生產線之外，還有包括物流轉運、倉儲管理等許多泛工業領網域，它們都還廣泛處于自動化興起的前夜。有業内人士向品玩指出，全球物流的自動化率都尚不足 5%，中國則更低。更何況，就算是在所謂先進制造領網域，完全的自動化生產同樣也處于剛剛起步的階段。
事實上，就連工業機器人具體指的是什麼，長什麼樣，不同的人給出的答案也不完全相同——這再次需要回歸到復雜的工業流程本身。不同的場景，不同的需求，這些過去都有賴于人來完成的復雜調度和流程銜接，現在都需要自動化的機器來完成——這讓機器的形态變得千變萬化，甚至它往往不單純是一個物理的實體，還同時存在于數據的洪流、預設的算法以及協同的軟體中，它們一同演變成了工業生态的一個環節，力圖實現商業社會中人所永恒追逐的東西——效率的最大化。
一切都在蓄勢待發。
一、四面牆内
曠視科技把自己的工業機器人場景設定在所謂的 " 四面牆以内 "，也就是封閉空間的貨物儲存區網域。
曠視科技智慧微倉示意圖
在國外，這種自動化物流項目已經非常成熟，曠視物流業務事業部產品業務解決方案負責人李帥給我們用冷鏈配送舉了個例子：國外每萬人擁有冷鏈配送車輛是國内的十倍以上。這背後是整個冷鏈物流產業鏈在中國發展羸弱的結果，反映出國内物流自動化水平的落後。
在曠視看來，當然意味着機會。曠視是做計算機視覺識别算法出身的，在由軟算法轉向硬的設備中，物流恰好成為最契合曠視技能點的場景之一。
整個物流業占據了 GDP 10% 到 15% 的份額，李帥介紹到，而曠視所對準的四面牆物流場景，盡管在整個物流中——如果你把幹線物流也算進去——占比不大，但卻是亟待提升效率的地方。
在機器人介入之前，四面牆物料的儲存與物流都依靠人來執行，這不僅是一筆連年增長的成本開支，由人介入的物流實際上還面臨着復雜的管理問題：一方面倉儲領網域的人員流動性頗高，還很容易受到季節性因素的影響，比如農忙和傳統節日會帶來定期的用工荒，這直接幹擾了物流的效率。
另一方面，由人主導和介入的物流無法實現規模效率——當倉庫的 SKU 即存貨部門多到一定程度時候，僅僅靠人是無法實現對物料的精準的操控與盤點整合的。
換而言之，在四面牆内，人力所能及的部分是有天花板的，到了一定程度，規模和效率都無法擴大了。然而這卻恰好是機器人所擅長的地方。
曠視的解決方案包含了自研的托盤四向車、料箱式堆垛機以及各種物料自主移動機器人，組合起來全面替代了倉庫中人所出現的所有地方，而從接收物料、傳遞物料到堆放和取貨這些對物料的精準識别都依賴于算法，這又恰好是曠視最擅長的領網域。
曠視開發的名為河圖的軟體平台能同時控制幾十台遊離在倉庫中的物料搬運機器人，加上輸送線系統，整個四面牆内都能實現 " 無人化 "。
曠視認為通過軟硬體配合，這套解決方案能用更高的效率調度
3 到 5 年内，布置這些工業機器人的成本就會被抹平，随後，傳統上被認為是花錢的後勤部門甚至可以轉化為一個營收項目，" 靠生產就可以持續盈利了。" 李帥說到。
更重要的是，這些封閉區網域裡互相銜接、協同配合機器人突破了人力效率的天花板：2020 年，曠視對廣州一家規模龐大的藥品物流中心進行了無縫更新，在不停工的情況下實現了整體效率 25% 的提升。
當然，這不是說工業機器人的開發是一套放之四海而皆準的 " 通用方案 "，當這種全自動化的倉儲物流方案嵌入大型物料的配送中心或者生產物流線邊倉庫，成為了制造流程的一個環節時，強烈的行業屬性就自動凸顯了出來，這意味着你需要針對每個行業獨特的特點而進行優化。
冷鏈物流是一個經典的例子，要讓機器人能在零下 20 度環境順利運行，那麼所有的零件都要進行寬溫設計，特别是要能經受巨大的溫度變化——有人作業的區網域平均氣溫往往是零上 10 到 15 度，這意味着機器人穿行不同的區網域要能經受幾十度的溫差。
而僅僅是硬體上的設計還不夠，有些行業 know how 只有深入場景，換句話說，實地操作才會懂得。比如在冷鏈物流中，兩個不同溫度區之間的過渡地帶往往充斥着水蒸氣和小液滴形成的水霧，這會直接影響攝像頭的精準度。
再比如，冷鏈嚴格的溫控要求意味着系統設計機器人行進路線的時候連它們本身的發熱都要考慮在内——曠視的方案是通過算法讓機器人的運動軌迹分散化，從而防止聚集形成的高溫突破冷鏈的溫控要求。
當然，所有針對場景的設計優化中，曠視最擅長的還是自己的老本行—— AI 視覺算法。
眾所周知，藥品的流通有着嚴格的監管規範，倉庫裡出去一盒藥至少要經過兩個獨立環節的核對，而曠視在其中一個環節實現了對人工的完全替代——用攝像頭就能精确實現對藥品名稱、種類、批次的檢驗，曠視的算法優勢在這種環節中顯露無遺，據李帥透露，前期的算法适配只需要三五個人就可以完成。
不僅是對人力的替代，算法輔助下四面牆内的物流要素，在機器人的幫助下都實現了人力所不能及的效率提升——比如對整個庫房的快速盤點。價值幾個億的貨物，上萬個托盤堆疊的貨架，機器人可以在很短的時間内就完成所有的盤點，省掉所有的人工環節。
曠視也把算法看做自己最大的優勢，用曠視内部人的說法，這被稱之為 " 從軟切硬 "，盡管 2019 年才正式涉足物流領網域，但在更早的 2015 年曠視就已經在進行硬體的開發。
" 外挂 AI 算法的軟硬體協同能力根本不能跟自研軟硬體解決方案相比。" 而這種協同能力在四面牆圍繞的倉儲物流領網域的想象空間還十分巨大，甚至，曠視認為它将會占據自己整個業務量的四分之一乃至三分之一。
二、一個運籌學問題
如果粗疏的對工業倉儲物流領網域進行區分，大致可以分為制造業領網域和商業領網域，後者聚焦于產品本身的流轉——它不再是生產過程的一個環節，而是對生產結果的物流分配，在一個綜合倉庫——比如物流中心和核心倉，物流分配的效率直接決定了品牌的經營效率。
最典型的場景是電商倉庫，如何準确、快速、高效的讓千差萬别的貨物從倉庫順利進入幹線物流就是這個細分場景需要解決的痛點。
我們都有過這樣的經驗，在 618 或者雙十一來臨的時候，物流系統 " 爆倉 " 了，所謂爆倉，也就是倉庫中的貨物無法及時傳遞到幹線物流網絡中去——這往往是由于人手不足所導致的。在巨大的倉庫中用最短的時間和路線找到對應的貨物這個過程，過去是由倉庫工作人員憑借經驗來執行的，當客戶的訂單蜂擁而至時，這些經驗顯然不足以覆蓋電商場景井噴式的需求。
靈動科技致力于解決這個問題。這家經歷過多輪、累計融資近 10 億人民币的移動機器人公司，是京東最大的第三方機器人提供商，有數百台 AMR 移動機器人遊走在京東的庫房。靈動的機器人策略被稱為 " 訂單到人 "，也就是說機器人根據訂單量和庫房物料的分布情況自動到對應位置備貨，過去倉庫中需要許多人在固定動線上重復走動的情況被機器代勞，現在只需要少量的人在相對固定的區網域和機器人配合裝備貨物就能實現比過去高得多的物流效率—— 2020 年底在京東上線的第一個月，效率就提升了 30%，第二個月則來到了 50%。
由于依然需要人的參與和搬運，這種解決方案适用的倉庫物流更多是非标品的小件和中小件，也就是邊長小于 72 公分，重量小于 30 公斤的貨物——這幾乎覆蓋了絕大部分電商和高端物流場景，它們倉庫中的貨物種類繁雜多樣，許多甚至連擺放方式都不相同，而由于人和機器人要在巨大的貨倉中協同工作，這對機器人的自動化水平提出了很高的要求。
靈動采用的方案是所謂第四代技術，也就是基于深度學習的視覺導航。機器人身上的傳感器不只有激光雷達，還有攝像頭，靈動的算法讓機器人通過深度學習采集到的信息來識别貨倉這樣的封閉空間中的所有東西——無論是人，貨架還是行進路線中出現的其他機器人，并自由穿行其中。
這種技術和乘用車上用來實現自動駕駛的技術本質上是一樣的，因此你甚至可以把它當做一種 " 區網域限定版 " 的工業自動駕駛。
" 只有我們的四代機可以。" 靈動科技的 CEO 齊歐說到，在這裡他指的是限定區網域内的自動混行。不要小看這種混行能力背後的技術含量，這意味着它不僅能和别的機器人共同運行，還能與倉庫中的其它由人操控的設備，乃至人一起協同運行，這就讓過往非常復雜的中小件精準物流動線規劃，變成了一個純粹的運籌學問題——系統只需要從理論上得出運動路線的最優解，剩下的機器人可以自主自動完成。
靈動科技 " 訂單到人 " 解決方案示意圖
這非常像是滴滴或者美團對于運力資源的調配，本質上後台系統在實時監測每一輛車、每一個外賣員的運行軌迹和每一個客戶、每一個店家的運力需求，最終，算法會得出一個全局運力分配的最優解，它會随着交通狀況、運力需求變化等随時變化，靈動的方案也是如此。
當巨量的電商訂單湧入時，靈動的系統會根據需求實時測算機器人行進的最佳路線，顯而易見，這是道復雜的數學問題，僅僅是這種調度策略的開發，靈動就用了超過一年的時間，但它帶來了巨大的回報，因為同制造業機器人不同，流通領網域倉儲物流對工業機器人來說是一片藍海。
中國是全球制造業的中心，這種中心地位很大程度上來自低成本優勢——中國擁有大量廉價勞動力，從某種程度上講，這阻礙了機器人在制造領網域的擴張——如果用人力和用機器人差不多價格（甚至更便宜），為什麼要用機器人呢？
但對電商倉儲物流來說，情況完全不是這麼回事。中件倉的傳統工作模式是由人拉着搬運車在倉庫中遊走。搬運車的負重是 200 公斤，而由于行進路線事實上是靠人的經驗來規劃的，每天人步行的距離甚至堪比一個馬拉松！在沒有空調的庫房裡，這種近乎極端的工作強度讓它的流動率高達 30%，也就是每三個月所有的員工都會換一波，因此，低成本、快速收益的自動化方案對他們來說幾乎是一個必選項——倉庫運營中有 45% 的成本都來自人工。
靈動科技的機器人系列
這是一個自動化率不到 5% 的行業，而靈動是國内目前唯一擁有完整訂單到人解決方案的移動機器人提供商。
三、突破數據孤島
關于機器人，優艾智合的定義與别家不同，他們擴大了機器人這個定義的外延，把它設想成了一種接近于獨立的完整生產力形态，而不再僅僅是一個酷炫的先進生產工具這麼簡單。
這種機器人獨立形态的标志是完全不需要人的介入，因此從外部看來，這種機器人更像一個完全獨立自動運行的智能工廠，用優艾智合機器人聯合創始人兼工業物流總經理許瑨的話說，在這裡，物質流和數據流形成了一個完善的閉環，這突破了工業生產過程中的數據孤島問題，也是機器人相對人工來說最大的優勢。
可以想見，這種高度自動化、智能化的機器人形态意味着要打通制造業生產流程中的所有環節，不僅技術門檻高，成本也更昂貴，讓它天然就更适合于部門產品價值更高的先進制造業，比如半導體晶圓制造和新能源電池。
許瑨舉了個例子，晶圓制造有 7 道标準的工序，每一道工序本身已經非常成熟且實現了自動化，但工序之間的物料搬運，過去都是依賴人力。
優艾智合半導體車間無人化生產流程示意圖
這正是數據孤島形成的原因，每道工序本身是獨立且分離的，但整個制造過程又需要高度的流程化，因此人不得不參與其中，但人力輔助的工藝流程讓數據流又充滿了斷點，這帶來的直接後果是工廠不得不大量囤積原材料來保證生產過程的效率不會受到影響。
" 很多生產企業，庫存水平居高不下就是因為這一點。" 許瑨說道。
解決的方式就是用機器人去打通全部原本孤立的環節，從原料倉到各級生產線的串聯再到最後的成品倉，最終數據流的斷點将不復存在。
這種精細程度已經不能用 " 打通最後一公裡 " 來概括，恐怕 " 最後一米 " 更貼切。
繼續用晶圓制造來舉例，每道工序之間，就連簡單的上料和下料也有固定的标準，更不必說還有半導體行業廣為人知的對潔淨度的極致要求——優艾智合的機器人需要運行在 Classes 100 的環境中，也就是說每立方英尺内，灰塵顆粒不能超過 100 顆。
為了打通這 " 最後一米 "，需要實現對行業 know how 的深入理解，優艾智合的 10 多個研發工程師在客戶現場旁租了房子住了一年半，先後迭代了 4 個工程版本的解決方案。
" 哪怕機器在物理層面已經完成了 90% 的轉運，只要有人的介入，從數據層面上講，它依然沒有突破，它還是創造了一個個的數據孤島。" 優艾智合最終的解決方案是復合型的，除了移動機器人，還加上機械手臂，傳送滾輪等各種機械結構以及視覺算法和傳感器，它們共同建立一個完整端到端的工藝流程閉環，它已經成為了優艾智合在半導體自動化領網域最強的企業護城河。
如果你去問行内人對目前工業機器人發展的前景，恐怕會得到很多五花八門的答案。一方面，不确定的大環境與消費的疲弱顯然波及了整個制造業與物流行業，每個企業在花錢的時候都要仔細的計算 ROI，但另一方面，這或許意味着更廉價的智能替代方案将會成為主流——依賴低成本勞動力的時代正在過去，工業機器人的企業都在試圖說服客戶，單筆投入高，但長遠來看回報率優異的機器人是一個好的選擇。
我們現在就正站在這樣的時間節點上，面前的是一個駁雜龐大，又蓄勢待發的工業機器人江湖。
