“我最近又看了下剛創業時寫的BP，我們做的事情到今天都一直沒變過：將智能賦予機器人，而且產品形態和商業模式也一直沒變。”
創立9年來，梅卡曼德一直做著同一件事：給機器人提供“眼”（視覺）和“腦”（決策）。
梅卡曼德是一家為機器人提供機器人3D視覺眼睛、AI大腦及五指靈巧手組件的公司，創辦于2016年。
創始人邵天蘭本科就讀于清華大學軟件學院，并在慕尼黑工業大學獲得機器人方向碩士學位。
2016年，邵天蘭創辦梅卡曼德時，機器人產業的熱度遠不如今天，機器人產品的智能程度也處于初級狀態。但他當時就意識到，自動駕駛的今天，很可能是機器人的明天——傳感、感知、規劃技術的組合讓車能夠自主感知和決策，而機器人也會從人操作走到自主感知和決策的階段，而到了那天，最關鍵的技術就是視覺。
因此，梅卡曼德堅定地聚焦在機器人視覺、大腦，為企業和系統集成商提供“即插即用、適配各種場景”的機器人視覺與決策系統。如今，梅卡曼德的客戶遍布電子、汽車、機械、家電、食品、物流等數十個行業。
自成立以來，梅卡曼德已獲得來自IDG資本、美團、紅杉中國、源碼資本、英特爾資本、啟明創投、華創資本等知名投資機構的多輪支持，累計融資額近20億元人民幣。
今年，梅卡曼德計劃為客戶交付過萬臺機器人視覺與決策系統。隨著巨額資金、頭部企業進入機器人行業，新機會將在哪里產生？敬請閱讀鉛筆道對梅卡曼德創始人邵天蘭。
聲明：訪談對象已確認文章信息真實無誤，鉛筆道愿為其內容做信任背書。
01 一種產品解決多場景問題
鉛筆道：別人都是做完整的機器人產品，而你們只做組件。
邵天蘭：對。最早做“眼”和“大腦”——也就是視覺系統和決策系統。“手”是最近兩年相關技術更進步后加入的。機器人生態中有機械臂或移動底盤這類本體硬件，也有整套系統集成，但我們聚焦在視覺和智能，客戶主要是終端企業和系統集成商。
我們的產品（最終）在制造和物流領域的落地場景很多。制造里有上料、搬運、切割、焊接、涂膠、裝配、碼垛、測量等，物流里有紙箱、麻袋、周轉箱等等。這些都是我們聚焦跨行業通用化的成果。因為無論是客戶還是我們這樣的供應商，其實都不希望每個場景都做定制化開發，而是更通用的產品。
鉛筆道：客戶肯定更希望用一種產品解決多場景問題。
邵天蘭：沒錯。對客戶來說，如果每個應用點都要單獨設計、加工、調試、培訓、維護，那整個系統使用門檻會很高。反之，一個通用性強的產品能覆蓋多個需求點，就對他們來說更輕松。而對我們而言，研發投入是很重的。如果產品只能服務一個場景，那性價比就太低。
我們目標就是做出能廣泛適配多場景的標準化產品。比如我們做的機器人視覺系統，不論是制造還是物流，它都有很強的通用性。
鉛筆道：2016年剛創業的時候，怎么判斷出“機器人智能化”是機會？
邵天蘭：機器人已經發明五六十年，但一直以來只是執行預設動作，智能程度低。我們看到的趨勢，是讓它像自動駕駛一樣可以自主感知和決策。其中最關鍵的技術就是視覺。我們很像是給機器臂做類似自動駕駛的“眼睛”和“大腦”。
這幾年，視覺技術進步飛快。從深度學習開始，到后來大模型，視覺已經從安防走向自動駕駛、醫療影像等等。我們就是在機器人行業里，把這些人工智能技術的快速進步利用起來。
當然看到這個機會的不止我們一家。這幾年全球范圍內，大大小小類似方向的創業公司可能五十家以上，但真能做出可規模化產品的公司很少。
鉛筆道：你從德國留學回來，也沒太多產業需求側的經驗，就直接創業了。
邵天蘭：是的，我的經驗主要是在智能機器人的研發。但機器人的應用場景非常多，沒人能完全了解所有場景的需求。我們現在服務的客戶分布在造車、造手機、食品、煙酒、物流等幾十種行業。
我們對場景的了解主要來源于兩個方面：一是我們客戶很多，有深入的合作，他們會持續反饋需求；二是我們的產品本身通用性強，軟硬件結合得好，決策也就輕。看到一個新場景，基本不用額外投入就能做。我們能讓更多垂直行業的客戶，在我們平臺上去建他們的體系。
02 從應用到量產的秘密
鉛筆道：公司到現在已經八年，特別重要的發展節點有哪幾個？
邵天蘭：有的，先說說沒變的部分吧。我們從17年、18年開始講的事情，到今天幾乎完全一樣。在做戰略決策這件事情上，只要做對了一次，后面就是定期重復，像復讀機一樣，但核心戰略一直沒變。
這八年半大致經歷了幾個階段：最早是早期產品研發階段，后來有少量應用的階段，再到批量交付階段，現在進入了規模化、全球化、生態化的階段。
第一個重要時間點是大概在2020年前后，產品開始有一定量的實際應用。這個時候會面臨很多挑戰，比如量產、穩定性。你不能每個客戶都派精英研發人員去服務，就要建立起前線支持體系。
第二個階段是從2022年起，渠道體系逐步建立，包括很多海外合作伙伴的比重迅速提升。
這兩個階段背后其實是一個本質問題——客戶需求的響應機制。最早我們派研發人員，后來有了專門的前線技術支持團隊，再到后來經銷商能處理客戶需求，現在很多問題客戶自己就能獨立解決。這個演進代表了技術成熟度的提升。
現在全球很多智能機器人公司，幾乎90%都還沒真正邁過第一個坎，只有極少數公司正在邁過第二個坎，我們算是已經跨過去了。
鉛筆道：所有創業公司要起量時都會面臨這個坎。馬斯克也說過量產地獄。你們的過程是怎樣的？
邵天蘭：我覺得有兩個點。第一個是范式的變化。最早我們可以依靠優秀的研發人員去客戶現場服務，但隨著規模擴大，不能再完全靠自己的人，而是要把技術能力通過培訓、文檔和客戶技術服務轉移出去，讓渠道也能用起來。
第二個是每一個環節都要升級。這就像家里自己炒兩道菜沒問題，但要開餐館，那灶臺、火力、排水全都得換。我們是做硬件的，比如相機，想要做到高質量的量產能力，從2020年開始就有了自己的工廠。在那之前，只是在一個房間里搞生產。
我本來是搞計算機的，軟件跟硬件最大區別就是，軟件一旦調通了，復制一百萬次都是對的；但硬件不是，第一臺能用，不代表第二臺就能用。所以我們很早就開始補硬件方面的量產能力。從供應鏈、質檢、到工藝都建立了完整的體系。因為這些工藝流程，才能保證產品在量產后仍有足夠一致性。比如鏡頭稍有差異，相機就會不一樣。好的產品是高度一致的，就像兩個新的iPhone摔地上撿起來，你也分不清哪個是哪個。
我們產品屬于精密光機電，穩定性、一致性要求很高。這方面我們下了很多工夫，包括工藝、工裝、流程等。
軟件算法層面也是。我們面對的是廣泛場景，同一算法在不同環境下表現可能差異很大，很多都是現場打磨出來的。到現在，我們很多設備到現場能馬上使用，效果很好，但也是經歷了反復迭代。
我們這類產品，至少有一半不是在實驗室里研發出來的，而是跟客戶現場磨出來的。這點其實跟自動駕駛很像。車出廠前只能解決一部分問題，真正的場景會帶來各種各樣的挑戰。
我們也遇到很多奇怪問題。比如客戶打電話說相機不好用了，去現場一看，是有只大蜘蛛趴在鏡頭上。你不能跟客戶說“是蜘蛛的錯”，而是要考慮怎么解決：比如硬件要有足夠防護，鏡頭得能經得起刷子、掃帚甚至水的清潔，還有成像異常的自我監測功能等等。
我們的難點在于場景極其多樣化。自動駕駛做研發如果需要數據采集，馬路上隨時都能跑，工業制造不一樣，客戶的每一個應用場景都不同，而且分散。
鉛筆道：你們今年要交付過萬臺，對你們來說壓力大嗎？
邵天蘭：對我們來說還好。我們的業務已經比較成熟，產品的規模量產也有完整體系支撐。從研發、生產、供應鏈到渠道、服務，我們過去幾年做了大量努力。
今年這種上萬臺的量產對我們來說是比較踏實的事情，而且我們的整體效率也在持續提升。我們的銷量在快速上升，但團隊人數和費用基本持平，說明我們內部效率是在不斷優化的。我們也引入了一些自動化設備，擴充了產地空間等。所以今年的任務壓力不大，這些是我們從2020年開始積累下來的成果。
梅卡曼德通用眼腦手機器人
鉛筆道：在量產過程中，最痛苦的是哪個階段？是百臺還是千臺的時候？
邵天蘭：我覺得是剛進入千臺階段的時候最難。因為這個時候你的收入還不足以支撐起一個完整、高效的團隊和生產體系，同時你的體量又大到不能靠三五個人“搓”出來。
供應商也不夠重視你，不會給你最好資源；但你又不是那種一拿就能走的客戶。就是不上不下，特別尷尬。我們當時整個供應鏈重建，組建新工廠，完善了全流程的工藝、設備、SOP、質檢流程。還趕上疫情，要搭新廠特別折騰。
03 像在機器人行業做自動駕駛
鉛筆道：為什么這么堅定地只做“眼”和“大腦”？
邵天蘭：我們有幾個特別穩定的點。雖然技術方案在不斷升級，模型結構、參數、算法都在迭代。但我們的產品形態始終沒變——就是“傳感器+軟件+現在的手”。
第二個穩定的是業務模式——標準化產品+服務系統，通過經銷商服務終端客戶。第三是我們不做系統集成，而是面向廣泛行業的標準化產品，還有國際化方向。
這跟我們所處的行業結構有關。我們所在的是理性需求、理性決策的行業。客戶需求非常清晰，就是效率、穩定性、使用難度、部署周期、綜合成本這些維度，可分析、可測量。
我們技術是新的，但所進入的行業非常成熟，比如制造、物流領域的終端客戶，還有機器人、PLC（可編程邏輯控制器）、系統集成商。這些產業鏈、商業生態早就存在，我們沒有改變這個生態，而是作為“新的一類技術”進入生態系統。舉個例子，這個行業本來就有做液壓的、氣動的、電控的、顯示屏的，我們只是加入了人工智能視覺這個品類。系統集成商沒變，終端客戶也沒變，只是我們幫他們解決了更多新的應用場景。
鉛筆道：站在2025年，機器人的“眼、手、大腦”的新機會是什么？
邵天蘭：今天有兩個重大的變化。第一是人工智能技術的飛躍。我們剛創業那會兒，人臉識別還算是前沿技術。現在日常生活里到處都在人臉識別，買東西、進地鐵，都是人臉識別。
而且今天的模型能力已經進入了近萬億參數的時代。這些技術進步讓我覺得很多過去解決不了的問題，現在至少能看得到希望。比如我們的機器人已經具備一定的常識推理能力——我說“要釘釘子”，它能識別出“哦，我有錘子”；下雨了，它知道要遞傘給我。這些其實都離不開大模型帶來的語言理解能力。
另外還有強化學習的進展。比如我們演示的抓取任務，現在又快又準，這在幾年前做不到。
第二個變化是巨頭的高度關注。這個“巨頭”包括大公司，也包括大基金。對創業公司來說，這既是機會，也是挑戰。
機會在于——你不需要再一個個客戶去科普“什么是智能機器人”。今天很多客戶已經被大廠教育過了，知道這個東西能干嘛。但挑戰是，你得做得比大廠更好、更貼合需求。這對創業公司來說，壓力也很大。
鉛筆道：下游對“眼、手、大腦”組件的需求更強了。
邵天蘭：當然會增加。但也有些事情，我們這樣的創業公司一開始是做不了的，比如教育市場。你看自動駕駛當年怎么起來的？不是因為哪個創業公司，而是谷歌這樣的巨頭幾百億美元進去了，大家一下子就知道這個行業有多火。
我們這個行業也一樣。很多巨頭入局，對我們是正面幫助。他們幫助我們教育客戶，但客戶的預期也被抬高了，對技術的要求也更高。這意味著我們得不斷迭代技術，才能滿足他們。
不過行業現在確實比當年熱鬧太多了，比如像春晚的機器人跳舞，這是全民事件，大家都在熱議。
鉛筆道：你看到宇樹機器人表演時，是什么感受？
邵天蘭：我覺得這個節目很棒。此前也在其他舞臺上看到過機器人互動，這次看到機器人更靈活，轉手絹很有設計感；二是張藝謀導演的編排很棒，融合了美學、人機協作。給機器人穿傳統服飾、把它們和人跳舞融合在一起，這種“人機共舞”的美學理念讓節目更出圈。
可以說這是一次全民的技術普及。后續還有機器人馬拉松等等活動，讓行業外的人也開始關注機器人，吸引了資金和人才，這對行業是利好。
接下來三條路徑會越來越清晰：大企業做、科研和教育體系做，還有我們這些創業公司做。我們很幸運，這些年已經獲得了足夠的資源和關注，下一步就是“各自完成目標”。
現在機器人行業的發展階段和自動駕駛那會兒真的很像，資本、人才密集涌進來。但那不是故事的終點，是起點——后來發展很好的自動駕駛公司，都是有可行技術和商業路徑的。不能指望“奇跡”，而是得踏踏實實把產品形態和商業模型走通。
鉛筆道：如果對照自動駕駛，你們像不像地平線？既做算法也做核心組件。
邵天蘭：地平線是一家很棒的企業，團隊也非常優秀。我們有算法能力、有核心部件，同時能跟機器人系統很好地融合，做出完整解決方案。就像地平線的芯片+軟件能配合車子一樣，我們也是組件+算法+集成能力，最后帶來價值。
04 創業要在非共識階段啟動
鉛筆道：早期投資人是怎么看到你們的？
邵天蘭：風口沒來之前，也有少數專業投資人會提前關注。他們本身就研究工業機器人、自動化、物流、汽車這些行業，很專業。他們看到我們產品能解決真實問題，就愿意投。特別是早期，業務和財務指標還沒跑起來，投資人更多看的是：你這個技術是不是有未來？但未來具體是3年、5年、10年還是20年，這個差別太大。你要說20年以后才起飛，他們可能等不了。
他們會很看重你是不是已經滿足一部分客戶需求，有沒有客戶驗證、測試結果、復購數據等等。我們早期客戶可能復購兩次，現在很多客戶已經復購幾百甚至上千次了。
鉛筆道：你們在非共識狀態下就已經開始做這件事了？
邵天蘭：是的。其實我覺得創業公司必須得這樣。平時也喜歡讀很多講創業故事的書，比如吳曉波老師的《激蕩三十年》，還有很多關于企業家的傳記，比如馬斯克的故事，我也很喜歡讀。
幾乎所有真正的創業公司，都是在共識尚未形成時就開始行動的。他們必須搶跑，必須在趨勢被廣泛認可前就已經進入了。
鉛筆道：但這個階段會很孤獨吧。
邵天蘭：是會有孤獨，但也很快樂。比如我們在2017、2018、2019那幾年，雖然業務規模還很小，但行業關注度也不高，所以壓力其實不大，穩扎穩打探索，做各種探索。
最近很多新成立的機器人公司就不一樣了，如果是一家剛成立的新公司，在今天的行業熱度下，技術還沒成熟、產品沒做出來、商業化還比較早期，可能會面臨比較大壓力。公司發展需要跟上行業關注度和大家的期待。
所以我們享受過一段“聚光燈之外”的時間，這段時間非常寶貴。它允許我們靜下心來，把技術、產品、商業模式、團隊一點點打磨出來。如果一開始就面對激烈競爭，很難，真的很難。有些東西，是急不來的，慢慢來，比較快。
你看像很多優秀企業特斯拉、小米，早期其實也面對過很多非共識和挑戰。但正是那個階段，他們才能專注積累。我覺得這是一個公司最關鍵的成長期。
真正壓力大的反而是現在，要量產、起規模、要和市場頻繁接觸，進入主流市場和真實的商業化世界，這時候壓力才是真正上來了。