机器战胜了世界冠军，但还没能替代流水线工人。
文 | 贺乾明 程曼祺
编辑 | 程曼祺
在十多名员工陆续从宿舍楼跃身而下后，2011 年 7 月，富士康深圳最大的一家工厂里举行了一次与工人的沟通会，富士康创始人郭台铭告诉大家，接下来三年，他将把 100 万台工业机器人用到富士康产线中。
工人需要休息，有喜怒哀乐，有情感诉求，但机器人没有。即使不考虑流水线工作的压抑与枯燥，劳动力人口下降和用工成本上升的大趋势也已困扰制造业多年，机器人换人被寄予厚望。
但郭台铭太乐观了。在他许下百万机器人承诺 10 年后，富士康仍离这一目标很远。在每年为富士康创造数千亿元收入的高端智能手机生产部门中，用工最多的 “复杂精密组装” 流水线仍由大量工人支撑。
流水线两旁是按顺序排列的望不到头的工站，每个工站由一名工人负责，他会不断重复被拆解到自己手上的一项特定动作：安装相机模组、插入一组排线或扣入一颗振动马达……工人们轮番上阵，保证不停歇产出，一台台售价不菲的智能手机就这样在从工站到工站的传递中逐渐成形。仅在这一个环节，富士康的工人就有数十万之多。
做出相似努力的还有一系列鼎鼎大名的科技公司，它们都和富士康一样无功而返：苹果 CEO 蒂姆库克在 2012 年成立专门实验室，希望打造更自动化的产线，该实验室六年后被关停；波音曾尝试用机器人安装飞机零件，最后还得人类返工重做；特斯拉 CEO 马斯克在 2016 年搭建了 “用机器生产机器” 的产线，每生产出来 7 辆 Model 3 只有 1 辆合格。
从富士康到特斯拉，这些公司都想让机器人替代普通工人。
这看起并非遥不可及。早在 5 年前，围棋世界冠军就已被 AlphaGo 打败，当时人们乐观地认为，机器智能已取得重大突破，接下来就是应用爆发。
实际情况是，机器战胜高智商、高技能的围棋大师并不难，但要替代一个学历不高的普通蓝领工人却非常难，这意味着机器人需要像工人一样能快速上手某种简单任务，并重复完成，同时具备处理意外情况，学习更多任务的能力。
过去数年中，一批人在持续攻克这项难题。半年多前出现在全球最大智能手机代工厂产线上的一个微小变化显示，这种努力可能到了获得突破的时刻。
人能轻易学会的事
机器人花了 60 年
今年 4 月，这家厂商某工厂的手机质量检测环节，正式部署了数十台机器人。它们已在替代工人，从事一些看起来简单的任务，比如把组装好的手机以特定角度和力度放入一种专门设备上，以检测手机性能是否达标。
不需复杂思考或技能经验，任何一个普通人都能轻易学会类似动作。但机器人走到这一步花了 60 年。
这里说的 “机器人” 不是科幻电影里出现的人形机器人，而是诞生在上世纪 50 年代末的工业机器人。它的典型形态是包含多个关节的机械臂，本质是一种自动化设备，最初用途是去做那些人类办不到的事，比如搬运重达数百公斤的零部件。
图：第一台工业机器人 “Unimate”，重近 2 吨。
多年来，工业机器人的应用场景相对固定。由于重和力道大，它们要在铁笼里工作，周围不能站人，对环境有严格要求。更大的限制是，它们只能处理固定任务，比如沿着固定路线搬运固定物体；哪怕只对动作进行一点点改动，都需要重新编程，这使工业机器人无法像真正的工人那样快速、低成本地上手新任务。
工业机器人行业长久以来增长平稳，不受大众和资本市场关注。
到今天，工业机器人一年的全球销量在 40 万台左右，其中将近一半被卖到了中国市场，主要在汽车、金属制造等重型制造业做搬运、焊接、喷涂和物料加工（比如切割）。
占工业机器人出货量一半的 “四大家族” ABB（瑞士）、发那科（日本）、安川电机（日本）和库卡（德国，2017 年卖给了美的）的总市值不过 1280 多亿美元，还不如刚刚上市，只卖出 100 多台电动皮卡的 Rivian。
但目前已在全球最大手机代工厂产线上完成手机检测动作的机器人，是一种更加聪明的 “新物种”，它具备一整套新能力：
首先是感知，这包括视觉感知机器人需要识别手机和检测设备的位置；也包括力感知跟工人在放入手机、安装模组时类似，机器人会根据手感和阻力反馈，判断放置是否到位，力大了还是力小了；完成这一动作还需要强大的计算能力在把手机放入检测设备的过程中，算法、软件组成的 “大脑” 也在实时参与，会根据视觉和力反馈给出综合指示。
这些能力是在过去 20 多年中逐渐形成的。
上世纪 90 年代末，德国宇航中心（下称 “德宇航”）机器人和机电一体化研究所开始研发力控机器人技术，并陆续开发出了三款具备力感知能力的轻型机械臂 LWR i-LWR iii，它能精确感知外力并在碰撞物体后自动调整运动轨迹，相关技术成为后来库卡 iiwa 智能机器人的重要基矗
图：德宇航研发的力控机器人 LWR ii。来源：德宇航。
同期，斯坦福大学机器人实验室主任 Oussama Khatib 也在研究机器人避障和力控技术，发表了多篇关键论文。
此后数年里，高分辨率 3D 视觉、自主路径规划等技术逐渐成熟；2012 年后，深度学习技术引发新一轮人工智能技术突破，让机器识别图像的能力超过了人类，并使机器能自主学习任务。
上述技术进展让机器人不仅有 “力觉”，还有了 “视觉”，并能根据这些信息自主行动，完成灵活复杂的任务。
这使机器人终于有可能替代蓝领工人、普通服务人员等 “平平无奇”，数量庞大的劳动者。这是最难攻克，需求最大的方向。
一大批新产品和新公司在这之后涌现。区别于传统工业机器人，这些产品通常被称为 “智能机器人”，一般具有力控、视觉感知和自主规划能力，其雄心壮志是走出汽车制造业等工业机器人的固有地盘，胜任更多工作。
参与其中的公司包括传统工业机器人巨头。2013 年，库卡在德宇航技术授权的基础上推出了智能机器人 iiwa；发那科、ABB、安川都在之后两年内推出了类似产品。
图：库卡研发的机器人 iiwa 正在工作。来源：库卡。
一批创业公司也在这前后集中出现，主要玩家有脱胎于德宇航的机器人公司 Franka（前身 2014 年成立）；主营工业机器人，但近年开辟智能机器人产品线的珞石（2014 年成立）；核心技术团队来自斯坦福大学的 Flexiv 非夕（2016 年成立）；和核心技术团队来自德宇航的思灵机器人（2018 年成立）。
这些新公司的销量和收入无法与传统机器人厂商相提并论。凭着让机器人走进更广领域的可能性，它们获得了与当前收入不匹配的高估值。
张磊、沈南鹏、孙正义
一起投资的机器人公司
在这一批新公司中，思灵机器人受到了诸多资本方支持，它成立不到 3 年，完成 6 轮融资，获得了超过 20 亿元人民币。
目前在全球最大手机代工厂商产线上运转的机器人由思灵提供。据《晚点 LatePost》了解，正是因为这个进展，之前已接触思灵一年多的软银愿景中国团队在今年年中决定出手。软银愿景基金领投了思灵 2.2 亿美元最新一轮融资，助推思灵成为估值超 10 亿美元的独角兽。
主导本次投资的软银愿景基金投资董事张子陶表示：“我们长期看好中国科技领域的创新与发展，并将持续支持中国科技企业的成长。”
高瓴创投和红杉中国多次一同出现在思灵的投资人名单中，这并不常见。高瓴创投投了思灵的第一轮到第六轮（最新一轮），红杉中国投了第二轮到第六轮。
思灵还有一系列产业投资方，包括 C 资本（新世界执行副主席、周大福创始人郑志刚创立的基金）、天智航（骨科手术机器人方案供应商）、新希望集团、小米和工业富联等。
大部分创业者做不到、也不太愿意在同一个盘子里集齐高瓴创投、红杉中国、软银愿景这些强势的投资机构。
思灵创始人陈兆对此的解释是：厉害的投资人一定有一个终极目标，在一个可能产生大变量的方向投到最头部公司，并让公司做得足够大，这符合所有投资人利益。
当前智能机器人领域的投资逻辑是：最多的钱涌现技术背景最强的人，这里鲜有互联网行业曾经发生的草根创业和逆袭故事，投资人也不相信跨界。
思灵的技术背景是德宇航和哈尔滨工业大学。其创始人兼 CEO 陈兆在哈工大师从中国工程院院士刘宏，2008 年被刘宏送往德宇航，跟随德宇航机器人和机电一体化研究所所长 Gerd Hirzinger 读博，Hirzinger 正是上文提及的德宇航力控轻型机械臂 LWR 项目的领导者。
创业前，陈兆已在德宇航读博和工作了十年，负责开发了在国际空间站中使用的灵巧手，并参与研发力控机器人。思灵联合创始人 Peter Meusel 也来自德宇航，是陈兆多年同事。
陈兆告诉《晚点 LatePost》，思灵刚成立时的 10 多位初创员工全部来自德宇航。思灵现在的 600 多人中， 70 多人曾在德宇航工作。
另一家受资本青睐的公司非夕也有相似背景，其技术源头是斯坦福机器大学机器人实验室。非夕联合创始人兼 CEO 王世全师从该实验室主任 Oussama Khatib 教授。非夕在成立第二年拿到了高榕资本、金沙江创投等机构的 1.5 亿元人民币融资。去年底，美团、珠江集团、新希望集团等投了它 1 亿美元。
思灵天使轮投资机构线性资本合伙人王淮说，他把力控智能机器人视作一个可能带来大变革的科技创新方向。投这类对技术突破要求很高的领域时，他关注团队能否追溯到最牛的技术源头，当时他最有兴趣的两家公司便是思灵和非夕。
获得资本支持的思灵，做了一系列产品开发和生产准备。
为让机器人能感知环境，陈兆称，思灵自研了能感知力度的 “高精度扭矩传感器”；“看” 的传感器工业相机，来自外部采购，思灵自己掌握视觉算法。
在感知基础上，智能机器人还要根据环境与任务自主规划动作。这需要能处理传感器数据、并形成决策和动作规划的算法。陈兆将其称为 “冰山水下的部分”“比重是 99%”，思灵投入了 200 余名工程师做算法、软件开发，占研发团队四成。
能完成单一任务仍不够，智能机器人的更大价值是它可以学习新的任务，有一定通用性。这是依靠数据、算法和硬件的整体能力实现的。
最后，智能机器人要大规模落地还需要具备量产能力。思灵在北京自建了工厂，用于生产机器人核心零部件及整机组装。
待跨越的门槛
经过 3 到 5 年发展，汇聚了一批技术人才和大量资金，做了一系列产品、研发和生产准备，现在智能机器人到底做到了什么，替代普通工人的进度条走了多少？
主打轻型协作机器人理念的遨博机器人，推出了可替代理疗师的按摩机器人，今年一次性获得了一家美容连锁店的千台订单，但有从业者怀疑这不是可持续的真需求。非夕曾公布过力控抛光打磨、插拔线束的方案，但一直未披露具体客户和落地进展。跟智能手机代工厂合作之外，思灵的其他尝试包括在珠宝工厂里分拣钻石，在农场里给猪打针等。
但满足上述需求，有时不需要机器人具备多高的智能。
用更传统的、不带力控和视觉传感器的轻型工业机器人搭配 3D 视觉相机，也可以完成钻石分拣。如果不考虑色泽，只分大小，还可以直接用网筛。
打磨、抛光是许多力控机器人希望进入的场景。一位从业者告诉《晚点 LatePost》，以金属手机壳打磨为例，用不带力控的机械臂配合砂带或弹性磨料，也能实现力控机器人能做到的柔性打磨效果。这种方法的缺点是精度一般，但手机壳打磨本身对精度要求不高。在广东，已有数千台没有力控的传统工业机器人在从事这项工作，发那科、ABB、库卡和国内企业埃夫特、配天等都提供相应方案。
“干了半天发现干不过一根弹簧，就挺绝望的。” 这位从业者认为，客户在意的不是技术是否精妙，他们只关心解决问题和成本。
满足另一些需求时，仅有智能机器人又不够，还需要机器人公司针对特定场景做定制化开发。
用机器人给猪打针就需要一套综合方案，其大致实现过程是：先用视觉定位打针部位，然后让装有注射器的机械臂快速完成注射，而不是像人一样控制住猪再打针。同时，方案里还要有一套检测系统，判断注射是否成功。
类似例子还有珞石在刀具行业推出的磨刀工作站。由于每一把刀坯来料的厚雹形状都有细致差异，工作站会先用 3D 视觉识别出刀坯的具体形态，再让机械臂抓取刀坯，并自主选择合适的角度、力度放到旋转着的磨刀石上，完成开刃。工作站还要处理磨刀过程中的污水和金属粉尘。
珞石把工艺做得足够深，已占住不少刀具大客户，但这类产品不好迁移到别的行业，且研发成本不校从最初注意到这个需求，到真正生产出能在张小泉、十八子等刀具厂实际使用的初代产品，珞石花了 1 年半。
一名机器人从业者告诉《晚点 LatePost》，智能机器人公司目前的最大挑战是要找到能让自己安身立命的需求：
安身立命指有量，且有优势。有量即看某个需求是不是持续的、大量的且相对标准化的、产品可复用的；有优势，是看在稳定性、灵活性和成本的综合考量下，智能机器人方案是否好过别的方案竞争方案不仅包括其它类型的机器人，也包括专有设备或人类。满足量和优势，才能给机器人公司带来持续收入和利润。
思灵现在的重点方向：在手机制造业替代精密复杂组装线上的工人，满足“量足够大”。仅在富士康，这一环节的工人就有数十万。
理论上，智能机器人做这件事确实有特殊优势，它能以相对标准化的方式满足需求。“智能” 的涵义之一就是机器人具备学习能力，同一种设备既能装摄像头，也能装振动马达，还能插排线、拧螺丝。这将减少工厂换产时的调整、部署成本，加快换产速度；也能让机器人供应商摊薄研发和生产成本，获取更多利润和更大规模。
思灵正在对复杂精密组装环节发起挑战。与思灵合作的手机代工厂人士告诉《晚点 LatePost》，目前产线上运转着数十台思灵机器人，其中大部分用来做手机检测，但已有两台进入了最吃人力，对智能机器人需求最大的复杂精密组装环节，正处于小批量试产阶段。
接下来，思灵需要证明，自己比其他方案更有优势，其他方案也包括继续用工人。
智能机器人目前仍做不到像工人那样灵活，但有成本优势。据《晚点 LatePost》了解，除工资成本外，目前与思灵合作的手机代工厂商在一些地区的招工补贴可以达到 10000 元 / 人，且这些工人往往只会在厂里干 3 个月。
陈兆称，目前思灵出售的智能工业机器人，18 个月后的综合成本就会低于人工。
智能机器人还需要与其他设备竞争。《晚点 LatePost》了解到，在思灵希望批量落地的高端手机复杂精密组装产线上，其实已有数台自动化设备，它们不是机器人而是非标准化专机。这些专机能完成特定组装任务，比如将直径毫米级的微小螺丝拧进手机中。
专机的缺点是柔性差，只能处理固定工作，拧螺丝的专机干不了插排线。智能机器人则可以用相对通用的硬件配合人工智能算法学会多种任务，但目前速度和精度比不上专机。
上述手机代工厂人士称，现在的趋势是专机会变得 “更柔性”，机器人的成本和速度问题也会改善，“二者正相互角力”。
在过往多年的尝试、失败又尝试后，新一代智能机器人重新打开了一丝替代流水线工人的可能性。
从业者相信变化会发生，但对它会以多大程度和多快速度到来没有共识。毕竟这比下围棋难多了。
