商都网-河南商业门户网站
  • 微信
  • 抖音

千峰访谈魔法原子顾诗韬:先收敛场景,再配置技术

亿邦动力

例如物流分拣方向,与京东、顺丰的分拣供包方案正在POC,更给马士基提供了高效的柔性分拣+供包方案,已经能够在终端为客户节省成本;导览导购方向,为中石油、广汽、爱仕达、追觅提供标准化的导览及导购方案,未来可覆盖前端引流、转化促单、拣货补货等完整的智能营销链路,使得门店的数字化智慧零售体系拥有一个可交互的物理载体;柔性生产方向,在追觅、拓普持续深耕高速电机的各道上下料工序。

亿邦:您把场景筛选概括为“四道闸门”:原子技能、ROI三年回本、跨行业复用、客户硬约束。这四道闸门分别淘汰了什么类型的场景?为什么“三年回本”是硬指标?

顾诗韬:四道闸门分别过滤:一看工序能否拆解成“原子技能”、现有技术能覆盖多少;二算ROI,要求客户三年内回本;三看技能能否跨客户、跨行业复用;四看客户侧的节拍、成功率等硬约束。三年回本是硬指标,因为客户只为回本买单,回不了本的场景,技术再炫也不会持续付费。

亿邦:您怎么看产业智能体改写B2B?垂类大模型是否有长远发展必要?产业互联网公司的AI护城河在何处?

顾诗韬:我们相信产业智能体会改写B2B,但方式可能和很多人想象的不同。物理世界最大的商业难题是场景碎片化:ChatGPT可以用一个入口聚合数亿用户,机器人却要在进入每个工厂、每家门店时,重新适配工艺、环境与流程,物理世界的需求难以像Token一样被标准化地聚合与分发。所以通用人形产品的全面落地还有很长的路要走,未来很长一段时间,企业要在垂直、差异化的细分场景中活下去。

垂类能力因此是必要的,但我不认为这是“垂类大模型”与“通用大模型”二选一的问题:我们的做法是通用模型基座只有一个,硬件形态模块化横跨多品类,垂直Know-how与末端定制交给集成商与合作伙伴——上一代工业自动化巨头ABB、西门子、汇川技术面对的同样是碎到不能再碎的需求,却靠成千上万种标准化产品长成了平台公司。具身智能公司手里多了一个变量——统一的模型基座,有机会用几十年走完他们上百年的路。

护城河在哪里?我的答案是三点:一是软硬一体的系统工程设计能力。纯软件团队外采机械臂,底层不开放时连逆向调试都做不了;而自研硬件的底层代码对软件团队完全开放,软件又反过来定义下一代构型,这种双向咬合外部很难复制;二是数据工程化的复利。模型可以共享,但工厂的工装、节拍、空间与安全规范各不相同,谁在真实场景里持续拿到数据,谁的能力曲线就更陡;三是对场景的理解深度。很多客户只会说“机器替人”,说不清要什么形态,把需求翻译成可交付方案的“场景翻译能力”本身就是壁垒。

亿邦:您把护城河概括为软硬一体、数据复利、场景翻译能力三点。其中“场景翻译能力”怎么理解?为什么客户说“机器替人”还不够?

顾诗韬:很多客户只会说“机器替人”,说不清要什么形态、什么节奏。把需求翻译成可交付方案的“场景翻译能力”本身就是壁垒。客户说不清,就需要我们进场去看工序、看节拍、看空间、看安全规范,把模糊需求翻译成机器人能执行的原子技能和交付方案。这个能力不是算法能替代的。

亿邦:海外布局方面,魔法原子目前布局了哪些核心市场?做了哪些关键本地化调整?

顾诗韬:我们出海不是“先国内、后出海”的老路,而是“生而全球化”,公司从成立初始就同步向海外销售。目前产品已进入近30个国家,海外收入占比约四成;今年4月硅谷全球具身智能创新大会上,我们披露过覆盖超过50个国家和地区的市场网络。

不同国家和地区的分区打法差异很大:欧洲是当下最好的工业市场,上一轮“油改电”让老牌制造业吃了大亏,这一轮他们把拥抱具身智能看作能否留在牌桌上的战略问题,愿意为确定性交付支付溢价;但溢价意味着高门槛,订单通常分阶段释放,先买几台、再部署10台、效果达标再追加后续批次,所以我们必须培养本地化交付团队,挣溢价的钱,靠的是交付能力。日韩和新加坡需求与国内相近、确定性高,客户看重交互质量与多机协同成熟度,但日韩工业采购长期由本地财团主导,必须借助本地经销商渠道进入。美国市场的特殊性在市场结构:To B客户天然信任本地供应商,叠加数据本地化惯例,我们的选择是迂回,人形机器人进不去没关系,让搬运、物流产品和数采用真机设备先进去,同时绑定本地合作伙伴、探索设立本地公司。

相关推荐