Insights | 认知机器人，机器人技术的下一浪潮

自2019 年以来，我们诺基亚成长基金一直密切关注机器人领域。我们花了三年时间才完成首个机器人项目SVT Robotics的投资，花了四年时间才完成第二笔投资，即我们今年 5 月宣布的对ANYBotics的投资。为什么花费了这么长时间？虽然市场早在2019 年就已经很具吸引力，但我们相信，时至今日，代表机器人市场下一个创新和增长的浪潮才真正来临。

为什么是现在？

1. 传感器、AI和模拟能力等底层技术在提升性能和降低成本方面取得了跨跃式发展，让更多非结构化和协作性用例成为可能。这与之前潮流的特性如大批量生产、标准化、处于独立或高度可预测环境的商品形成了鲜明对比。
2. 结构性劳动力短缺驱动了粘性需求扩大，例如，预计到 2030 年，美国仅制造业就将产生 210 万个岗位空缺。

我们相信，与 Exotec 和 Locus Robotics 等公司掀起的移动物流机器人浪潮相比，这些驱动因素将推动创造出更多的未来赢家。

三次浪潮

来源：IFR，ABI研究，诺基亚成长基金分析

第一次浪潮：工业机械臂
自 20 世纪 80年代，机器人开始在工业行业规模使用，但几十年来主要局限于汽车和电子行业的工业机械臂。这一波机器人技术的核心特点是大批量生产和标准化，以实现经济效益，该市场主要由 ABB、Fanuc、KUKA和Yaskawa等行业领导者长期占据。尽管该市场全球规模超过 200 亿美元，但大多数美国工厂尚未采用机器人技术。

第二次浪潮： 物流自动化
2010 年前后，第二次浪潮的迹象开始显现。仓储自动化是这次浪潮的主要目标市场。首先出现的是遵循视觉指引或基于立方体货物检索系统的AGV机器人（自动导引车），随后又出现了AMR机器人（自主移动机器人）。然而，第二次浪潮在经过近十年的发展后，才形成了一个庞大的市场。例如，细分市场领导者 Autostore 成立于 1996 年，但直到 2018 年，该公司的年收入才突破 1 亿美元。四年后，Autostore 实现了 5.84 亿美元的营收，年增长率高达 78%，这表明市场饱和度远未达到顶峰。

仓储自动化领域起步相对较早，这一特性也可以从“货到人”机器人供应商Exotec取得的平行成功得以体现，该公司成立于2015年，几乎比Autostore晚了近20年。 成立于2014年的Locus Robotics等AMR公司是首批真正与人类实现协作，并与其它操作环境兼容的机器人公司。

从笼式机器人到认知机器人，广泛应用于各种工业环境（ABB公司和Anybotics公司）

第三次浪潮： 认知机器人
Locus Robotics 代表了第三次机器人技术浪潮的领先指标，这波浪潮将以具有更强认知能力的机器人为核心。我们相信，它将带来迄今为止最大规模的机器人应用浪潮。

我们对认知机器人的定义是，机器人能够感知周围环境，实时调整以适应变化，并配备简单的人机交互界面。这些能力带来的好处是：减少机器人在部署和使用过程中产生的阻力，并以工业规模开辟新的机器人市场。在我们看来，下一代机器人的认知能力可以真正实现人机协作，让机器人在更加广泛的用例中发挥作用。这与第一波机器人公司所瞄准的大批量生产、高重复性使用案例以及传统的 cobots 定义形成了鲜明对比。

我们投资的ANYbotics 是认知机器人的例证。这种机器人可以与人类一起工作 ，感知环境变化并采取相应行动，适用于各种复杂的工业环境和使用案例，同时易于操作。其它认知机器人技术公司包括 Robco、Neura Robotics、Figure 等。

那么，是什么推动了认知机器人能力的发展，为什么我们认为这将带来迄今为止最大的机器人应用浪潮？

物理世界自动化迈向ChatGPT时代

ChatGPT使AI消费品化，但对于“AI演进对物理世界的影响”这一问题却没有得到足够的讨论。

谷歌 Deepmind 工作的一个例子就是大型语言模型（LLMs）如何在机器人技术中发挥有趣的作用。Deepmind团队最近发布了RT-2，这是一个视觉语言行为模型，它是基于网络文本和图像训练而成，可以将这些数据应用于机器人技术。与传统的工业机械臂相比，这意味着机器人训练和编程的速度和灵活性发生了根本性变化。

当然，这肯定不是解决这一问题的首次尝试，Ready Robotics和Wandelbots等公司已经为解决同样的问题筹集了大量资金。如与2019年相比，现在的不同之处在于，这是LLM首次将自然语言界面用于机器人，而不是使用专有的编程语言，并利用公开可用的数据。LLMs或VLMs在机器人领域如何大规模应用还有待观察，但无论我们的投资目标如何这都代表了一种极具吸引力的技术演进。

谷歌 "从文字到机器人 "技术示意图

除了可以实现无代码用户界面的 VLM 或 LLM 之外，过去几年中还出现了其它重大技术飞跃，提高了机器人的认知能力。例如，波士顿动力公司（Boston Dynamics）30 年发展史视频就很好地说明了历史上他们的进步需要多长时间，以及我们目前的发展速度有多快。

更强大的仿真能力、合成数据的进步、传感器以及强化学习模型，这些使得机器人技术比以往任何时候都能独立地实时适应不断变化的现实世界条件，从而越来越广泛地应用于各种使用案例。我们相信，这些技术进步使认知机器人成为可能，它们将使机器人技术朝着真正的人机协作技术方向发展，并在更广泛的领域中大大降低用户使用的阻力。

我们的投资目标

机器人行业的成熟度因机器人类型和目标市场的不同而大相径庭。例如，用于汽车行业的工业机械臂是最成熟的类别之一，因此，50% 以上的工业机械臂市场被五家大企业所占有。除汽车和电子行业外，机器人技术是一个高度分散且基本未被渗透的市场。因此，我们看到了一系列极具吸引力的投资机会，这些机会与我们的认知机器人主题相吻合，可分为三类：

1. 创造了新的机器人类别的全栈垂直系统，如 ANYbotics、Robco 或 Aerones；
2. 使机器人技术的采用和应用更加方便快捷的机器人软件供应商，如我们的投资组合公司 SVT Robotics；
3. 将现有一流的解决方案与专有软件层进行整合，提供全套服务价值的公司，如 Formic。

作为一家从 A 轮到 C 轮都参与投资的风险投资公司，我们深知，对于机器人技术领域的创始人来说，根据不同投资阶段来评估 NGP Capital 是否适合他们是非常具有挑战性的，尤其是在 A 轮。为透明起见，我们列举了几项关键点，用于评估不同阶段及产品市场是否与我们的投资战略相契合：

1. 已部署的机器人数量？除试点项目，部署的数量最好达到两位数；
2. 已部署机器人的使用情况如何？需要数据说明产品或系统如何融入最终用户的日常工作流程；
3. 已部署的机器人性能如何？不管是全栈还是软件供应商，我们都希望看到已部署机器人从正常运行的角度来看，与客户期望相比的表现数据；
4. 订单到收入的转化率是多少？我们认为，对于全栈公司来说这是一项重要指标，体现他们的产品化水平、每次部署最少所需的定制化程度以及供应链的可扩展性和表现。所有这些都会影响增长的可预测性、资本效率和客户满意度。
5. 是否有回头客？客户是否不断重复购买，这是我们验证客户问题是否得到解决的一个关键数据。

当然，我们不会将相同的指标应用于从A轮到C轮不同的投资阶段，但希望这能让我们了解到，在评估我们是否适合投资某一阶段的机器人公司时，我们会优先考虑哪些因素。

多年来，我们一直关注这一市场，深知机器人并不是最容易攻克的技术或市场，但我们坚信，在当前的技术和需求趋势下，我们将迎来迄今为止最为广泛的机器人技术应用浪潮。那些能够掌握复杂机器人技术的公司将拥有长远发展的竞争优势。我们非常敬佩那些有勇气和激情，用自动化技术解决现实世界中复杂问题的创业者。

机器人技术与我们整个公司的数实大融合理念非常契合，我们的目标是进行多项机器人技术投资，并希望与该领域感兴趣的创始人、运营商和其他投资者增强沟通。