文|数智前线 徐鑫

编辑|任晓渔

移动机器人（AGV/AMR）行业最近消息不断。普渡从服务机器人跨界进入工业市场，已显拥挤的赛道再添新玩家。海康机器人则宣布AMR全品类第十万台产品下线，行业头部玩家发展多年后，产能正在起量，规模化发展趋势已现。

同时，去年以来的大模型热潮，也让移动机器人行业迎来了新的发展利好。一位创业者兴奋地表示“它对机器人智能化水平的提升，比过去十年技术的累积之和还要多。”

某种程度上，这是移动机器人行业当下发展的写照。

过去十年移动机器人行业在国内快速兴起，物流仓库和工厂产线上往来穿梭的移动机器人成为了智慧物流和智能制造的代名词。据高工机器人数据，2014～2023年，行业复合增长率超过了40%，销量十年间增长了20多倍。

潜在空间下，除了创业公司、成熟的机器人制造商以及传统物流和自动化设备供应商纷沓入场，还有一些玩家跨界杀出，内卷严重。硬币的另一面是，经过十年发展，2023年行业规模虽超12万台，但规模化和标准化交付仍是行业共同要跨越的难题。

大模型加持下，这一赛道会迎来新故事吗？行业又该如何走出内卷叙事？

01 有些拥挤的赛道

近日，服务机器人公司普渡发布了首款面向工业场景的机器人PUDU T300，从餐饮等服务场景进入低频、轻量的工业配送环节。

普渡机器人创始人兼CEO张涛受访时曾表示，入局工业市场的原因包括工业场景潜力大、对机器人等产品的接受度高，同时他们此前在服务机器人领域积累了经验。外界解读，普渡跨界进入工业物流运输环节，是期望在行业内卷时，寻找新的增长通道。

不过，观察人士们也指出，普渡进入的其实是一个已经有些拥挤的赛道。

过去十年，国内的移动机器人行业经历了从起步到追赶海外企业，到逐步完善产业链条的过程，目前国产化率已经超过九成。

一位行业资深人士介绍，赛道从2012年3月开始点燃，当时亚马逊以7.75亿美元收购仓储机器人提供商Kiva Systems，陆续吸引了一大批企业布局物流仓储自动化领域。

之后，在国内劳动力成本上涨、招工难以及产业升级等多重背景下，移动机器人产品逐渐在零售、制造等多个场景应用。

这一过程中，大量的玩家纷纷入局。据CRM产业联盟2023年数据，国内AGV/AMR产业链相关企业超过600家，其中主营产品为工业应用移动机器人（AGV/AMR）的本体企业超过220家。这个数字比移动机器人发展较早的欧洲和北美区域的数量都要多。

比如第一波移动机器人创业热潮（2014～2017年）成立的各类企业，如极智嘉、海康机器人、快仓、海柔等已经崭露头角，朝规模化发展，其中极智嘉、海柔等企业在海外市场的销量表现亮眼，布局已经逐渐完善。但到2023年，仍然有创业公司加入这个赛道并获得融资。

一些老牌的机器人公司库卡、安川和发那科也把业务从机械臂延伸到AMR领域，发展出了物流搬运类机器人业务，典型如库卡机器人，2021年在上海成立独立的移动机器人事业部，并于同年发布了相关产品。

AI领域的玩家也已入场。比如旷视科技，以AI算法起家，通过软硬件一体的方式进入安防市场后，从2017年开始，智慧物流领域被旷视视作AI落地到行业场景的新破局点。

物流行业的平台企业则从自身提效角度，投资相关的企业或推出自研产品。去年7月，物流平台货拉拉就曾投资塔斯克机器人，押注机器人市场。被投资的企业塔斯克本身也是一家成立于2021年的智能搬运机器人研发商，它们的主营产品是智能托盘机器人。

电商物流平台菜鸟则在加大仓运配等环节的自动化投入时，推出过自研的仓储运输移动机器人，比如2022年时菜鸟对外公布的自研托盘四向穿梭车。

由此，这一赛道内集齐了创业公司、成熟的机器人制造商以及传统物流和自动化设备供应商，甚至富士康和中兴这样的企业。

玩家汇集，但资深人士却认为市场仍属早期，一个表现就是行业规模。CMR产业联盟数据显示，2023年中国移动机器人（AGV/AMR）销售规模约为212亿元，销量约为125000台。即使有统计口径大小的差异，行业市场仍待进一步打开。

市场也不可避免地出现了内卷竞争局面。新松机器人移动机器人BG总裁此前专门指出，在市场需求大的动力电池与光伏行业项目上，单个项目销售额上亿元，但大部分项目都是以最低价中标为基本，“投标价格没有最低，只有更低”。

海康机器人去年提交的招股书显示，从2020年到2022年移动机器人业务毛利率有下滑趋势，并提到，“行业竞争的加剧导致报告期内的产品存在一定幅度的降价，尤其是移动机器人业务方面较为明显”。

02 定制化需求VS规模增长

竞争虽然激烈，但市场需求依然旺盛。一位资深人士介绍，近年来随着新能源汽车、光伏和动力电池的行业需求增大，移动机器人正在这些行业加速应用，这几个场景也占了行业增量的大头。

市场里第一梯队的玩家已经逐步走出了规模增长趋势。海康机器人日前宣布AMR全品类第十万台产品下线，某种程度这是行业头部玩家们经历十年发展交出的一份答卷。

而这个数据背后也隐藏着一个行业问题：移动机器人厂商们如何实现规模化发展？

移动机器人产业联盟统计，2022年中国工业应用移动机器人市场有4家企业业务订单额跨过了10亿门槛，销售额过亿元的企业约42家，其中，1～3亿元的企业有28家，行业内大量玩家的营收规模很难突破3亿元大关。

之所以出现这种局面，在于企业需求现场的复杂性。

仓储物流及工业生产场景里需求千差万别。海康机器人副总裁吴永海在一次会议演讲时就提到，他们面对千行万业时，即使同一个行业同一个场景，不同企业的运行模式是完全不一样的。

同时，在复杂的应用现场，企业的目标优先级可能也不相同，这使得行业内很难像其他消费电子行业一样实现大规模的批量化交付。

唐文斌介绍，有些行业里比如冷库，需求方会关注无人化程度，希望无人化程度高，仓库里可以用更少的人。有些客户则会追求易维护性，设备种类少一点，维护起来会更简单。还有企业会追求空间内存储和订单出库能力的大小。

这些因素影响下，要满足客户需求，就不可避免会出现定制化的情况。

定制化需求和企业规模化发展之间如何实现平衡？移动机器人厂商们也在想办法解决问题，比如用组件化和平台化方式来应对挑战。对繁杂业务功能进行梳理，分类抽样出一些原子级别的组件，再进行原子级别的组合，搭建出不同的应用场景，来适配各种各样的需求。

另外，企业还日益重视客户现场端的二次修改和开发的能力。海康机器人提到，他们有专门的的Dataflow业务开发平台，可以用业务逻辑去编排，用户可根据自身业务的变化，来不断调整逻辑策略。

一位资深人士举例，“上了系统之后，客户发现有浪费要改怎么办？自己改不了就找厂家，但厂家都退场了，这个时候就非常尴尬。”二次开发平台的搭建就能适配企业需求端的变化。

软件系统也非常重要。一个是不同软件产品的兼容。由于企业业务现场的复杂需求，一些解决方案需要不同品牌的产品互相配合。但如何调度不同企业的产品，实现兼容，也是难题。另一点在于，随着一些智能仓储场景落地深入，大规模的移动机器人之间如何协调，机器人如何不撞车并规划最优路线，非常考验算法的能力。

目前国内主流的物流机器人企业都很重视软件系统方面的投入。比如旷视在2019年研发河图系统时，就是以河图作为一个中央大脑来调度所有的自研及三方设备，并实现了包括仓库管理系统（WMS）、仓库执行系统（WES）、任务执行系统（TES）和机器人本体控制软件在内的软件系统连接。不仅实现了智能化的仓储物流一体化管理，还支持在规划阶段进行仿真，真正实现了仓储物流系统的全生命周期管理。

在行业多产品配合的背景下，推动相关接口规范与统一也成行业内的共识。一些行业协会和已经在牵头提了行业标准，也有企业已经行动起来。比如，2022年移动机器人产业联盟制定了《工业应用移动机器人与其调度系统数据的接口规范》已于去年4月发布。

目前看，移动机器人的企业需要面对的是一个系统工程。唐文斌认为，整个链条里，从硬件、软件、算法，到整个的方案设计和最后实施落地，包括一些细节，比如客户的接口，培训和运维，整个长链条的业态都影响最终效果。“这是个综合系统，厂商在任何一个环节短板都不能太短。”

03 大模型红利

过去一年多，大模型技术在全球范围内引发了连锁反应，也打开了不少企业的增长空间。

IDC日前发布过一个数据，从2022年10月1日到2024年3月15日近18个月的时间里，全球包括云计算厂商、硬件芯片、到软件应用和大模型公司的60家企业，在大模型浪潮下，资本市场上市值已经增加了8万亿美元。

大模型到来，也给机器人赛道带来了很高的讨论热度。一名机器人创业公司的资深人士告诉数智前线，他们看到这一两年来，大模型对机器人智能化水平的提升，比过去十年技术的累积之和还要多。

“原来是基于写死的程序，通过编程设定出机器人的智能。”这位人士告诉数智前线，比如让机器人从a点到b点到c点，需要清晰界定过程，机器人才能过去。大模型加持后，只要用户用自然语言说到哪里去，机器人就可以实现。

人机交互方式正在变革。旷视科技CTO唐文斌举了一个例子，比如在欧洲物流和工业生产的一些现场，有不少语音类控制系统的解决方案，很多人作业时带着耳麦，通过有限制的指令，用语音去跟系统交互。大模型到来后，强大的语义理解能力下，人能更快更方便地把操作指令给到系统。

唐文斌告诉数智前线，另一个更重要的变化在于，端到端的大模型，从感知、决策和控制能力集中在一个模型上，人对机器人的控制能力、机器的智能程度都有望上一个新的台阶。

实际上端到端的模型也是当下业内基础大模型演进和发展方向，比如OpenAI日前发布的GPT-4o就是端到端模型，它已经实现文本、音频和图像的任意组合作为输入，并生成文本、音频和图像输出的任意组合，交互响应速度与真人对话非常类似。而谷歌去年8月发布的延时效果令不少人感到惊艳的机器人大模型Robotics Transformer 2（简称RT-2），也是一个集视觉-语言-动作（VLA）能力为一体的端到端模型。

国内某人工智能企业的某行业解决方案负责人告诉数智前线，端到端大模型意味着，从语音的输入到语义理解到控制决策，之前由多个模型叠加完成，现在变成一个模型去完成。此前叠加的方式多少会带来智能程度的损耗，同时信息在不同的模型间流转也天然有更多的延迟，而端到端模型则意味着更少的损耗，智能程度更高和更短的时延。

一些人有疑问，物流仓储环节里看起来相对封闭，这个场景里有必要引入大模型吗？唐文彬认为，仓储物流场景其实任务类型并不单一。比如，一个物料运输作业场景包含了搬箱子、拣选、包装、贴胶带等多类任务，大模型的泛化能力能带来很确定的价值。“物流这个场景，其实是非常好的场景。它要干的活挺多的，需要更智能化的机器人。”

这些新变化让物流机器人赛道上的玩家感到兴奋不已。去年大模型浪潮来临后，唐文斌和他的团队很快就有反应，“旷视科技创立时就想做机器人，这波浪潮下，我们是为数不多既懂大模型又懂机器人的公司，这两个技能点很少汇聚在一个团队上”，目前他们正在打造大模型和物流机器人相结合的产品。

行业人士认为，设备智能水平的提升会加速产品在各类行业场景里的应用渗透，这可能释放新的空间，避免玩家在存量空间内卷。

海康机器人首席执行官贾永华举过一个例子。此前传统AGV感知能力和自主决策能力都比较弱，只能实现点对点的搬运或是一些环线的简单固定重复工作，产业的规模也比较小。他曾经去日本某一家知名公司，每年出货量仅几百台。但随着移动机器人加入更多算法，单体的智能越来越强大，产品变得更具柔性，能在人机交互的环境下运行后，移动机器人的应用范围就实现了大扩展，比如去年一年海康机器人的出货量可能比十年前整个行业都多。

不过，大模型带来的剧变可能刚刚开始。行业也普遍认为，用Transformer模型和预训练的方式去做机器人控制，打开了技术的新方向，但具身智能发展仍处于早期。“还需要随着数据的循环，不断提升它的成功率，并且真正在一些场景里产生业务价值的闭环。路还是挺长的。”唐文斌说。