主播手记·

这两年工业领域的创业机会越来越多，从前不受待见的“脏乱差行业”也逐渐被投资者看重。

以前在投资人眼中，这是一件很传统的事情，不是那么酷。它的增长速度也确实不像互联网产品，或者一般消费级的产品，那么有爆发力。再加上大多风投机构对工厂这个场景不够熟悉，自然不太热衷。

实际上在这个行业也一直有一群默默耕耘的人。一部分是在行业内摸爬滚打10年以上的老人，积累了经验和资源后，从自己熟悉的业务实现技术上的创新；也有一些因为环境变好，年富力强的工业界新秀或者正值事业高峰的创业者加入进来，他们不完全依靠过去的积累，不完全打熟悉的业务，而是做出一些创新的东西，去适应工厂智能制造的需求。

「长江TIME」是由长江商学院官方出品的播客，邀请长江商学院智造创业MBA的同学分别讲述自己所在领域的痛点难点、时代机遇和他们自己的创业故事。

仓储物流这个赛道已经进入白热化阶段，在巨大的仓库里做分拣既繁琐又枯燥。正因如此，仓储运输机器人、机械臂被给予厚望，希望他们可以尽快取代人类完成这些工作。

随着自动化、智能化的发展，3D视觉成像更立体、更精准，解决的场景也更丰富。目前国内的3D视觉厂家多以初创型为主，以熵智科技为代表，现阶段的3D视觉厂家不得不面对海量的非标场景，在产品和解决方案的双重压力中艰难向上。

作为科技企业，熵智科技现在确实已经需要具备持续创新的能力。不过，如何实现技术革新和商业化落地这两点的平衡，是每一个初创公司都要冷静思考的问题。

本期邀请到熵智科技创始人、长江商学院智造创业MBA同学赵青，聊聊创业中怎样坚持做自己认为对的事儿、过难关以及如何和投资人做双向选择的故事。

嘉宾介绍·

赵青

熵智科技创始人

长江商学院智造创业MBA二期同学

访谈重点·

02:05 中国、日本、美国三个国家制造差异

06:37 工业智能机器人的时代背景

11:35硬件制造的投资环境

15:50 不循规蹈矩的赵青骑车去拉萨，也离开大公司去创业

20:30 做企业最难的部分就是怎么坚持做自己认为对的事儿

27:00 机器人技术的皇冠：机器人3D空间抓取

34:28 复杂的光学系统迭代时间很长，基本上是九死一生

40:30 纯属偶然地来到了长江，赵青却有了意外的收获

本期提到的人物和资料·

| FANUC发那科机器人

| KIVA输送机器人

| 热力学第二定律

| 仓储物流

| 宝洁公司

| 谷歌Sprint冲刺法

| 3D空间无序抓取

| AGV和自动传输系统

| 第一性原理

| MVP：minimum viable product 最简单可行产品

精彩内容节选·

Q

有一种说法日本人选择了机器人，美国人选择了互联网，后面造成了日本在相当长的一段时间整个落后了，他们错过了互联网大潮，你应该能很明显地感受到。

赵青：站在我自己的角度去看，很重要的一点不在于说我们选择了什么，而是整个行业和生态是怎么孕育出来的。中国、日本、美国这三个国家的差异是非常明显的，美国是制造业比较空心化，所以说他的机器人产业很难发展起来，机器人1956年左右被美国人发明，斯坦福造出了第一台世界上的六轴机械臂，但目前看来，行业内机器人四大家族是日本两家，欧洲两家，美国人起了个大早，赶了个晚集，这并不是说美国人失去了什么，某种意义上是他们的选择和战略没有产业支持，机器人还是为汽车制造业服务的。FANUC要比美国人晚了一二十年做机械臂，目前成为世界上最知名、最成功的机器人公司，很大的原因是日本产业结构所孕育的。

其一是他们本身对高精尖技术、工匠精神的追求。以日美为例，美国在投资、市场开放层面居世界之首，所以互联网的模式创新和新的产品，无论是idea还是VC风险投资支持，整个环节非常完善。日本也支持创新，但他支持的创新更多的是对精密制造、精密工艺所带来的工匠精神创新，他们对完全概念式的模式创新容忍度和开放度没那么强。国内的基础非常完善，但只能说是一个制造大国，大多数处于比较低附加值的水平上。

在产业转型的过程之中，包括目前国内外形势所带来的机会，不亚于六七十年代、七八十年代日本在机器人发展过程中所面临的日本经济腾飞以及制造业腾飞的时代。

其二是行业也在发生变化，机器人的发展起源于汽车产业的发展，传统燃油车慢慢到达一定的程度，规模增长有限，新能源车、电动车和无人驾驶会有一些变化，但机器人变得越来越灵活，对机器人智能性的要求越来越高，不管是技术推动还是产业需求推动，比如说物流、商业机器人，走如家庭的机器人跟工厂的机器人形态可能不一样，除了陪伴型，到真的要帮你做一些工作的形态，要求也不一样。在这些方面相比，我非常有信心，也觉得是好的时代。

Q

所以我们现在还处于非常早期的时候？

赵青：第一点是我们的基础非常好，但水平比较低，在升级的过程中有更多的机会。第二是整个产业的结构要发生变化，这不仅跟我们国家相关，跟全世界都相关，机器人从完全服务汽车产业到服务物流，以前进入很少的场景，但现在的要求发生了变化。

我们公司叫熵智科技。“熵”代表了我们公司所作的事情和目标。“熵”最近谈的比较多，更多的人在谈把它作为管理学、公司治理的一种因素，怎么样能做好员工的参与、无序与混乱和管理的自平衡。我们其实更回归它的本质意义，“熵”来自于热力学第二定律，在一个封闭系统内，如果没有外力的话，这个物质就处于无序混乱的，这才是平衡态，而不是一切井井有条的，没有任何外力的状态下不会处于井井有条的状态。

过去机器人的工作非常井井有条、流程化、自动化，这是在额外的原理和帮助一下完成这项工作的。我们希望机器人能适应无序混乱的自然状态，所以我们首先做的工作是偏重机器人的视觉感知和大脑运动部分，希望机器人能去适应无序混乱的自然状态。

Q

你们只做无序变成有序吗？

赵青：不完全是，真实的自然状态可能是无序的，有可能一些偶发的因素有序，因为有序意味着处理会更简单，如果成本不高，我能把它变成有序，实际上处理会更简单一点。所以说我们希望机器人具备这个能力，但不一定完全把机器人的工作变得更复杂。

Q

你觉得做企业这几年最难的是哪一部分？

赵青：最难的是认定这件事情是对的，也认定了我们希望以这种方式去做，但带来的挑战是比较大的，因为外界不一定完全理解和接受，就算接受了也有这样的一个过程，你认为正确的事情别人不认为对。换个角度说，有人感兴趣，但可能需要你花很多时间教育引导，可能划得来，也可能不划来，我们认为对的事情但知道需要投入的更大，短期内需要支持和资金，怎么样做好这两方面的平衡，怎么样兼顾短期要求和长期认为对的事情并且没有裁判告诉你对错。

Q

所有的事情都要你自己去试？

赵青：对，有明显的延后效应，过了好长一段时间才知道这件事情做对还是做错。

Q

为什么有好长的延后效应？

赵青：迭代周期会长一点，迭代周期之后，往合作伙伴推的时候有接收过程，一来一回3到6个月就过去了。

Q

所以有可能我已经投入了3到6个月的研发，当我知道它错的时候可能已经过去很长时间了，又要翻过头来重新去做，并不像to C的产品一样那么好。

赵青：对，远远不像，更不像纯算法类的产品，这可能以周为时间来进行迭代，或者说就两周的时间来强化，大家封闭开发可能就有效果。

Q

谷歌他们有一个方法叫Sprint，做这个项目的时候他们就去做一个model，他们会规定非常短的时间，有的时候短到5天，我就是做一个非常小的模型，把我从头到尾都做出来，一旦它行的话再去投入大的生产。一旦不行的话，我就让它在最快的速度时间之内试错试掉。

赵青：我们非常希望借鉴经营生产能不断地迭代，确实很难说在第一时间就能规划得很好。最好是经过最小价值成本方式做出来然后试错，确定之后再做更大的投入，我们也时时刻刻牢记这种方法，但是因为我们涉及到多种学科和光学器件，导致没办法去验证，光学算法是需要光学系统搭建出来之后在能进行验证，很长一段时间内做了，但不知道做的好与坏。

迭代周期要长，导致整个要保持足够的耐心。

Q

这其实是你的修行。

赵青：这不是我的修行，更多的是研发人员要保持好的心态，他们既有时间上的压力和要求，同时又得保持日常工作的耐心，他们要做到这两者之间的平衡是一个挑战。对我来讲是公司成品与业务和规划之间的平衡。

这对我们的挑战是最大的，因为极少有人去做这么复杂的系统。不排除有很多人在做硬件，只是说我们选择做高性能的光学系统，因为我们本身是机器人背景出身，这样的背景出身做光学系统的时候是相对比较少的，有点跨专业。光学系统是高精尖技术，周期确实长，我们做的事情国内几乎没有人做。

Q

你觉得你应该算是创业当中很幸运的吧？

赵青：坦诚讲，过程中经历了很多周折，也有很多压力，只是说事后来看确实比较幸运，过程还是挺曲折的。

Q

融资的难点是哪里？

赵青：融资的时候，我知道这个问题一定能解决，一定能拿到某一家认可，只是说在那时候不知道是哪一家，也不知道是哪一个月。为什么我知道一定能拿到？因为了解融资的逻辑、套路、方式以及自身的状态，对自身的优缺点很清楚，对投资人的诉求也清楚，所以一定能找到，只不过说是不是今天或明天这家？我的愿望和他的愿望有多强烈？有没有非常合作的契机使这两点能碰撞到一起？我觉得这需要一些机缘。有一些投资人行业研究做得非常深入，就算非常不知名的时候，他们都能主动找上你，这是他们的技术和产业研究所带来的指向，但很多投资人还是要靠你去影响，让他们相信投你是对的，投你能赚到钱，投你是行业大势所趋。

Q

你们现在的客户有哪些？能举个例子吗？

赵青：客户主要在工业类、物流类，主要是解决机器人面对复杂场景无法做出柔性响应的要求。

举物流和工业的例子，机床加工零部件，零部件怎么来的？行业内就是一个料筐，零部件在料筐里面，用人推过来，或用小车运输过来放到旁边，目前把零件放到机床里面加工是两种方式，一种纯粹靠人，另外一种是靠机器人，但机器人零件在料筐里面看上去摆的整齐，实际上位置是不精确的，稍微运输一下位置就晃了，机器人是不能处理这样的工作，某种意义上是不确定，虽然看上去整齐，但从机器人的角度上是不确定的。如果要用机器人的话，旁边要放工装台，工装台上面会有工装夹具，把零件放上去卡住，把位置确定好，这样机器人才好编程。换了另外一个零件，就换另外一批工装夹具，机器人在另外一套程序进行操作。

目前是这样两种方式，第一种方式是靠人，第二种是靠机器人，还是有点别扭的，因为那个人还是没有省掉，要完成把零件从料筐里面拿出来放到工装台上的过程，只是说机器人从工装台上放到机床里面去，原来并没有完全省掉，并且这个人降低了安全隐患，但原来这里面并没有省下，并且还存在一定影响效率的瓶颈。为什么机器人不能从这个料筐里面直接操作？如果能直接操作，通过AGV和自动运输系统把这个零件运回来操作，完成之后对机床进行操作就更好了，这是非常直接的场景。

Q

其实挺难的。

赵青：是的。这就是为什么亚马逊要从学术上邀请全世界一流的机器人实验室解决从书架里面随便拿几个物体这样一件事情。在物流业也是一样：京东、唯品会、天猫的大型仓库里面流程是这样的，很多物体是存储在仓库里面的，假设我在京东上买了一个耳机或手机，因为它们两个很相近，可能存在一个大仓库里面，里面有很多料箱，料箱放了不同的SKU和品类。比如说这个料箱里面是手机，那个料箱放的全是耳机，现在你下单买手机，我下单买耳机，系统接到指令之后会把放手机和耳机料箱自动运输出来。

运输出来之后需要有套系统在这里面完成拣货，把手机拿出来放到订单盒里面去，那订单就包装完成准备发货了。如果我买耳机之后，还买了洗发水，可能另外一个仓库的洗发水要开始包装，最后把两个单合并。这里面有一个很直接的问题，系统把料箱运过来的时候，怎么样把手机从料箱里面拿出来？盒子大概是40×30cm，深度大概20cm，这里面放了20个手机，我怎么样从这里面挑一个手机出来？一堆手机放到这里，眼睛看到了怎么样？能不能实时产生动作？手能不能伸过来抓起来？看到了不一定能实时有这样的动作拿出来。这些问题都需要解决。

Q

你对智造创业MBA这个项目有什么期待？

赵青：我个人觉得有两点，甘教授在创办课程的时候希望着重在三个方面：1、创业孵化；2、工程教育；3、MBA教育。

我自己是从传统工程教育过程中走过来的，完全能理解教授们设立工程教育的初心，通过前几天上过的课程的反馈和感受来看，无论是机器视觉、机器学习、机器人和无人驾驶等，相对具体有价值，但技术哲学给大家带来的启发会更好一点，因为工程教育某种意义上是从传统中走过来的，缺乏好奇心，缺乏在第一时间回归到第一性原理的思考方式。教授希望讲机器学习、机器视觉和机器人的时候，首先能深入底层的原理，能知其然，知其所以然，能先勾勒出来，再回归到具体的问题，具体的问题要解决实际的问题，从理论到系统到应用有这么一个闭环。

END