“我最近又看了下刚创业时写的BP，我们做的事情到今天都一直没变过：将智能赋予机器人，而且产品形态和商业模式也一直没变。”

创立9年来，梅卡曼德一直做着同一件事：给机器人提供“眼”（视觉）和“脑”（决策）。

梅卡曼德是一家为机器人提供机器人3D视觉眼睛、AI大脑及五指灵巧手组件的公司，创办于2016年。

创始人邵天兰本科就读于清华大学软件学院，并在慕尼黑工业大学获得机器人方向硕士学位。

2016年，邵天兰创办梅卡曼德时，机器人产业的热度远不如今天，机器人产品的智能程度也处于初级状态。但他当时就意识到，自动驾驶的今天，很可能是机器人的明天——传感、感知、规划技术的组合让车能够自主感知和决策，而机器人也会从人操作走到自主感知和决策的阶段，而到了那天，最关键的技术就是视觉。

因此，梅卡曼德坚定地聚焦在机器人视觉、大脑，为企业和系统集成商提供“即插即用、适配各种场景”的机器人视觉与决策系统。如今，梅卡曼德的客户遍布电子、汽车、机械、家电、食品、物流等数十个行业。

自成立以来，梅卡曼德已获得来自IDG资本、美团、红杉中国、源码资本、英特尔资本、启明创投、华创资本等知名投资机构的多轮支持，累计融资额近20亿元人民币。

今年，梅卡曼德计划为客户交付过万台机器人视觉与决策系统。随着巨额资金、头部企业进入机器人行业，新机会将在哪里产生？敬请阅读铅笔道对梅卡曼德创始人邵天兰。

声明：访谈对象已确认文章信息真实无误，铅笔道愿为其内容做信任背书。

01 一种产品解决多场景问题

铅笔道：别人都是做完整的机器人产品，而你们只做组件。

邵天兰：对。最早做“眼”和“大脑”——也就是视觉系统和决策系统。“手”是最近两年相关技术更进步后加入的。机器人生态中有机械臂或移动底盘这类本体硬件，也有整套系统集成，但我们聚焦在视觉和智能，客户主要是终端企业和系统集成商。

我们的产品（最终）在制造和物流领域的落地场景很多。制造里有上料、搬运、切割、焊接、涂胶、装配、码垛、测量等，物流里有纸箱、麻袋、周转箱等等。这些都是我们聚焦跨行业通用化的成果。因为无论是客户还是我们这样的供应商，其实都不希望每个场景都做定制化开发，而是更通用的产品。

铅笔道：客户肯定更希望用一种产品解决多场景问题。

邵天兰：没错。对客户来说，如果每个应用点都要单独设计、加工、调试、培训、维护，那整个系统使用门槛会很高。反之，一个通用性强的产品能覆盖多个需求点，就对他们来说更轻松。而对我们而言，研发投入是很重的。如果产品只能服务一个场景，那性价比就太低。

我们目标就是做出能广泛适配多场景的标准化产品。比如我们做的机器人视觉系统，不论是制造还是物流，它都有很强的通用性。

铅笔道：2016年刚创业的时候，怎么判断出“机器人智能化”是机会？

邵天兰：机器人已经发明五六十年，但一直以来只是执行预设动作，智能程度低。我们看到的趋势，是让它像自动驾驶一样可以自主感知和决策。其中最关键的技术就是视觉。我们很像是给机器臂做类似自动驾驶的“眼睛”和“大脑”。

这几年，视觉技术进步飞快。从深度学习开始，到后来大模型，视觉已经从安防走向自动驾驶、医疗影像等等。我们就是在机器人行业里，把这些人工智能技术的快速进步利用起来。

当然看到这个机会的不止我们一家。这几年全球范围内，大大小小类似方向的创业公司可能五十家以上，但真能做出可规模化产品的公司很少。

铅笔道：你从德国留学回来，也没太多产业需求侧的经验，就直接创业了。

邵天兰：是的，我的经验主要是在智能机器人的研发。但机器人的应用场景非常多，没人能完全了解所有场景的需求。我们现在服务的客户分布在造车、造手机、食品、烟酒、物流等几十种行业。

我们对场景的了解主要来源于两个方面：一是我们客户很多，有深入的合作，他们会持续反馈需求；二是我们的产品本身通用性强，软硬件结合得好，决策也就轻。看到一个新场景，基本不用额外投入就能做。我们能让更多垂直行业的客户，在我们平台上去建他们的体系。

02 从应用到量产的秘密

铅笔道：公司到现在已经八年，特别重要的发展节点有哪几个？

邵天兰：有的，先说说没变的部分吧。我们从17年、18年开始讲的事情，到今天几乎完全一样。在做战略决策这件事情上，只要做对了一次，后面就是定期重复，像复读机一样，但核心战略一直没变。

这八年半大致经历了几个阶段：最早是早期产品研发阶段，后来有少量应用的阶段，再到批量交付阶段，现在进入了规模化、全球化、生态化的阶段。

第一个重要时间点是大概在2020年前后，产品开始有一定量的实际应用。这个时候会面临很多挑战，比如量产、稳定性。你不能每个客户都派精英研发人员去服务，就要建立起前线支持体系。

第二个阶段是从2022年起，渠道体系逐步建立，包括很多海外合作伙伴的比重迅速提升。

这两个阶段背后其实是一个本质问题——客户需求的响应机制。最早我们派研发人员，后来有了专门的前线技术支持团队，再到后来经销商能处理客户需求，现在很多问题客户自己就能独立解决。这个演进代表了技术成熟度的提升。

现在全球很多智能机器人公司，几乎90%都还没真正迈过第一个坎，只有极少数公司正在迈过第二个坎，我们算是已经跨过去了。

铅笔道：所有创业公司要起量时都会面临这个坎。马斯克也说过量产地狱。你们的过程是怎样的？

邵天兰：我觉得有两个点。第一个是范式的变化。最早我们可以依靠优秀的研发人员去客户现场服务，但随着规模扩大，不能再完全靠自己的人，而是要把技术能力通过培训、文档和客户技术服务转移出去，让渠道也能用起来。

第二个是每一个环节都要升级。这就像家里自己炒两道菜没问题，但要开餐馆，那灶台、火力、排水全都得换。我们是做硬件的，比如相机，想要做到高质量的量产能力，从2020年开始就有了自己的工厂。在那之前，只是在一个房间里搞生产。

我本来是搞计算机的，软件跟硬件最大区别就是，软件一旦调通了，复制一百万次都是对的；但硬件不是，第一台能用，不代表第二台就能用。所以我们很早就开始补硬件方面的量产能力。从供应链、质检、到工艺都建立了完整的体系。因为这些工艺流程，才能保证产品在量产后仍有足够一致性。比如镜头稍有差异，相机就会不一样。好的产品是高度一致的，就像两个新的iPhone摔地上捡起来，你也分不清哪个是哪个。

我们产品属于精密光机电，稳定性、一致性要求很高。这方面我们下了很多工夫，包括工艺、工装、流程等。

软件算法层面也是。我们面对的是广泛场景，同一算法在不同环境下表现可能差异很大，很多都是现场打磨出来的。到现在，我们很多设备到现场能马上使用，效果很好，但也是经历了反复迭代。

我们这类产品，至少有一半不是在实验室里研发出来的，而是跟客户现场磨出来的。这点其实跟自动驾驶很像。车出厂前只能解决一部分问题，真正的场景会带来各种各样的挑战。

我们也遇到很多奇怪问题。比如客户打电话说相机不好用了，去现场一看，是有只大蜘蛛趴在镜头上。你不能跟客户说“是蜘蛛的错”，而是要考虑怎么解决：比如硬件要有足够防护，镜头得能经得起刷子、扫帚甚至水的清洁，还有成像异常的自我监测功能等等。

我们的难点在于场景极其多样化。自动驾驶做研发如果需要数据采集，马路上随时都能跑，工业制造不一样，客户的每一个应用场景都不同，而且分散。

铅笔道：你们今年要交付过万台，对你们来说压力大吗？

邵天兰：对我们来说还好。我们的业务已经比较成熟，产品的规模量产也有完整体系支撑。从研发、生产、供应链到渠道、服务，我们过去几年做了大量努力。

今年这种上万台的量产对我们来说是比较踏实的事情，而且我们的整体效率也在持续提升。我们的销量在快速上升，但团队人数和费用基本持平，说明我们内部效率是在不断优化的。我们也引入了一些自动化设备，扩充了产地空间等。所以今年的任务压力不大，这些是我们从2020年开始积累下来的成果。

梅卡曼德通用具身智能眼脑手机器人

铅笔道：在量产过程中，最痛苦的是哪个阶段？是百台还是千台的时候？

邵天兰：我觉得是刚进入千台阶段的时候最难。因为这个时候你的收入还不足以支撑起一个完整、高效的团队和生产体系，同时你的体量又大到不能靠三五个人“搓”出来。

供应商也不够重视你，不会给你最好资源；但你又不是那种一拿就能走的客户。就是不上不下，特别尴尬。我们当时整个供应链重建，组建新工厂，完善了全流程的工艺、设备、SOP、质检流程。还赶上疫情，要搭新厂特别折腾。

03 像在机器人行业做自动驾驶

铅笔道：为什么这么坚定地只做“眼”和“大脑”？

邵天兰：我们有几个特别稳定的点。虽然技术方案在不断升级，模型结构、参数、算法都在迭代。但我们的产品形态始终没变——就是“传感器+软件+现在的手”。

第二个稳定的是业务模式——标准化产品+服务系统，通过经销商服务终端客户。第三是我们不做系统集成，而是面向广泛行业的标准化产品，还有国际化方向。

这跟我们所处的行业结构有关。我们所在的是理性需求、理性决策的行业。客户需求非常清晰，就是效率、稳定性、使用难度、部署周期、综合成本这些维度，可分析、可测量。

我们技术是新的，但所进入的行业非常成熟，比如制造、物流领域的终端客户，还有机器人、PLC（可编程逻辑控制器）、系统集成商。这些产业链、商业生态早就存在，我们没有改变这个生态，而是作为“新的一类技术”进入生态系统。举个例子，这个行业本来就有做液压的、气动的、电控的、显示屏的，我们只是加入了人工智能视觉这个品类。系统集成商没变，终端客户也没变，只是我们帮他们解决了更多新的应用场景。

铅笔道：站在2025年，机器人的“眼、手、大脑”的新机会是什么？

邵天兰：今天有两个重大的变化。第一是人工智能技术的飞跃。我们刚创业那会儿，人脸识别还算是前沿技术。现在日常生活里到处都在人脸识别，买东西、进地铁，都是人脸识别。

而且今天的模型能力已经进入了近万亿参数的时代。这些技术进步让我觉得很多过去解决不了的问题，现在至少能看得到希望。比如我们的机器人已经具备一定的常识推理能力——我说“要钉钉子”，它能识别出“哦，我有锤子”；下雨了，它知道要递伞给我。这些其实都离不开大模型带来的语言理解能力。

另外还有强化学习的进展。比如我们演示的抓取任务，现在又快又准，这在几年前做不到。

第二个变化是巨头的高度关注。这个“巨头”包括大公司，也包括大基金。对创业公司来说，这既是机会，也是挑战。

机会在于——你不需要再一个个客户去科普“什么是智能机器人”。今天很多客户已经被大厂教育过了，知道这个东西能干嘛。但挑战是，你得做得比大厂更好、更贴合需求。这对创业公司来说，压力也很大。

铅笔道：下游对“眼、手、大脑”组件的需求更强了。

邵天兰：当然会增加。但也有些事情，我们这样的创业公司一开始是做不了的，比如教育市场。你看自动驾驶当年怎么起来的？不是因为哪个创业公司，而是谷歌这样的巨头几百亿美元进去了，大家一下子就知道这个行业有多火。

我们这个行业也一样。很多巨头入局，对我们是正面帮助。他们帮助我们教育客户，但客户的预期也被抬高了，对技术的要求也更高。这意味着我们得不断迭代技术，才能满足他们。

不过行业现在确实比当年热闹太多了，比如像春晚的机器人跳舞，这是全民事件，大家都在热议。

铅笔道：你看到宇树机器人表演时，是什么感受？

邵天兰：我觉得这个节目很棒。此前也在其他舞台上看到过机器人互动，这次看到机器人更灵活，转手绢很有设计感；二是张艺谋导演的编排很棒，融合了美学、人机协作。给机器人穿传统服饰、把它们和人跳舞融合在一起，这种“人机共舞”的美学理念让节目更出圈。

可以说这是一次全民的技术普及。后续还有机器人马拉松等等活动，让行业外的人也开始关注机器人，吸引了资金和人才，这对行业是利好。

接下来三条路径会越来越清晰：大企业做、科研和教育体系做，还有我们这些创业公司做。我们很幸运，这些年已经获得了足够的资源和关注，下一步就是“各自完成目标”。

现在机器人行业的发展阶段和自动驾驶那会儿真的很像，资本、人才密集涌进来。但那不是故事的终点，是起点——后来发展很好的自动驾驶公司，都是有可行技术和商业路径的。不能指望“奇迹”，而是得踏踏实实把产品形态和商业模型走通。

铅笔道：如果对照自动驾驶，你们像不像地平线？既做算法也做核心组件。

邵天兰：地平线是一家很棒的企业，团队也非常优秀。我们有算法能力、有核心部件，同时能跟机器人系统很好地融合，做出完整解决方案。就像地平线的芯片+软件能配合车子一样，我们也是组件+算法+集成能力，最后带来价值。

04 创业要在非共识阶段启动

铅笔道：早期投资人是怎么看到你们的？

邵天兰：风口没来之前，也有少数专业投资人会提前关注。他们本身就研究工业机器人、自动化、物流、汽车这些行业，很专业。他们看到我们产品能解决真实问题，就愿意投。特别是早期，业务和财务指标还没跑起来，投资人更多看的是：你这个技术是不是有未来？但未来具体是3年、5年、10年还是20年，这个差别太大。你要说20年以后才起飞，他们可能等不了。

他们会很看重你是不是已经满足一部分客户需求，有没有客户验证、测试结果、复购数据等等。我们早期客户可能复购两次，现在很多客户已经复购几百甚至上千次了。

铅笔道：你们在非共识状态下就已经开始做这件事了？

邵天兰：是的。其实我觉得创业公司必须得这样。平时也喜欢读很多讲创业故事的书，比如吴晓波老师的《激荡三十年》，还有很多关于企业家的传记，比如马斯克的故事，我也很喜欢读。

几乎所有真正的创业公司，都是在共识尚未形成时就开始行动的。他们必须抢跑，必须在趋势被广泛认可前就已经进入了。

铅笔道：但这个阶段会很孤独吧。

邵天兰：是会有孤独，但也很快乐。比如我们在2017、2018、2019那几年，虽然业务规模还很小，但行业关注度也不高，所以压力其实不大，稳扎稳打探索，做各种探索。

最近很多新成立的机器人公司就不一样了，如果是一家刚成立的新公司，在今天的行业热度下，技术还没成熟、产品没做出来、商业化还比较早期，可能会面临比较大压力。公司发展需要跟上行业关注度和大家的期待。

所以我们享受过一段“聚光灯之外”的时间，这段时间非常宝贵。它允许我们静下心来，把技术、产品、商业模式、团队一点点打磨出来。如果一开始就面对激烈竞争，很难，真的很难。有些东西，是急不来的，慢慢来，比较快。

你看像很多优秀企业特斯拉、小米，早期其实也面对过很多非共识和挑战。但正是那个阶段，他们才能专注积累。我觉得这是一个公司最关键的成长期。

真正压力大的反而是现在，要量产、起规模、要和市场频繁接触，进入主流市场和真实的商业化世界，这时候压力才是真正上来了。