特斯拉機器產(chǎn)業(yè)鏈公司拆解
【天風(fēng)機械】Tesla Bot 會是下一個熱點嗎：
我們理解的Tesla Bot：
1、身高1.72m，重量57kg，負載20kg（手臂附加5kg），行走速度2m/s；2、面部有一個重要信息顯示屏，具有40個自由度，多顆機器視覺（autopilot）傳感器作為感知入口,內(nèi)置FSD芯片，同時具有一顆只讀芯片確保安全，同時機器人具備人機協(xié)作的特點確保足夠柔性和安全；3、集合了多攝像頭視頻神經(jīng)網(wǎng)絡(luò)規(guī)劃能力、標(biāo)記能力等，具備混合規(guī)劃系統(tǒng)識別復(fù)雜目標(biāo)并做出判斷和執(zhí)行，這是整個系統(tǒng)的核心，而驅(qū)控系統(tǒng)和核心傳感器將由Tesla自研。
Tesla Bot的意義何在：
1、按照發(fā)布會的定義：將首先在重復(fù)、枯燥、危險的環(huán)境和工況下應(yīng)用，最終將走向我們的家庭，以徹底的解決人工不斷短缺的趨勢；2、從既有的波士頓動力能夠看到，從傳感器到執(zhí)行器能夠工程落地具備可行性，缺少的是對現(xiàn)實復(fù)雜場景的感知、判斷和決策，而這個部分Tesla在自動駕駛技術(shù)開發(fā)中已經(jīng)積累了充分的應(yīng)用；3、Tesla選擇了一個難度系數(shù)大，功能冗余的人形機器人用意還是做一個通用的人工智能的平臺，以適度的超前思維平臺化產(chǎn)品矩陣，也是對將來2年內(nèi)批量生產(chǎn)打好基礎(chǔ)。
我們認(rèn)為的傳統(tǒng)FA機器臂的發(fā)展方向 1、將伴隨著智能化的進程大量應(yīng)用傳感器（視覺為主），并逐步導(dǎo)入由感知--決策--執(zhí)行路徑的自主決策系統(tǒng)，繼而加速智能化和無人化；2、機電一體化大力推進，電機+減速器+編碼器+控制板+剎車等組合的高度集成機電單元，將進一步推進行業(yè)硬件的標(biāo)準(zhǔn)化；3、設(shè)備的小型化、輕量化推動了驅(qū)控一體的發(fā)展，F(xiàn)A機器臂人機協(xié)作的比例逐步增多，從而解決目前工業(yè)機器臂柔性不足的問題，且由FA逐步向B端以及C端逐步滲透。
Tesla Bot相較FA協(xié)作機器臂（Cobot）的變化
1、目前的協(xié)作機器臂的痛點還是不能移動，通常是由第三方集合AMR小車和協(xié)作機器臂通過項目的形式導(dǎo)入客戶，而人形機器人則是完整的一個解決方案，整體性更佳；2、雙臂更類人，符合譬如裝配、搬運、家務(wù)等復(fù)雜場景的使用；而雙足的通過性要強于輪式；設(shè)計的冗余通過工程和量產(chǎn)去做成本方面的平衡；3、最大的區(qū)別目前的協(xié)作機器臂只具備執(zhí)行和簡單的力感知，沒有決策系統(tǒng)，整體還是屬于第一代示教再生機器臂的范疇，Tesla將機器臂升級成機器人，對行業(yè)將起到重要的示范效應(yīng)。
我們對于Tesla bot的期待：
1、Tesla核心參數(shù)去年就已經(jīng)公布，我們預(yù)測原型機去年就已經(jīng)定型，經(jīng)過了一年的場景應(yīng)用和算力訓(xùn)練，成熟度可期；2、人形機器人技術(shù)難度和工程難度比汽車要低，相較為有限條件的自動駕駛，而且不大容易造成人身傷害，認(rèn)為購買決策相較容易；3、特斯拉的工程化能力很強，從復(fù)用部分汽車供應(yīng)鏈就可見，所以定價預(yù)計比較親民，批量后定價將低于普通汽車，初代產(chǎn)品重在不同場景落地迭代。
我們認(rèn)為推薦的四個維度：
1、傳統(tǒng)機器臂產(chǎn)業(yè)鏈，認(rèn)為綠的諧波、雙環(huán)傳動、匯川技術(shù)長期維度受益于FA機器人以及服務(wù)機器人的雙重利好；2、特斯拉汽車產(chǎn)業(yè)鏈：我們認(rèn)為三花智控、拓普集團供應(yīng)邏輯較為清晰；3、我們看好以碳纖維為代表的新材料的應(yīng)用，做到充分減重；4、我們建議重視國內(nèi)上市公司中的：柏楚電子，億嘉和等有類似特斯拉人工智能技術(shù)路徑標(biāo)的。
TESLA BOT會是下一個熱門嗎
1. TESLA BOT除了家務(wù)應(yīng)用還有其他期待嗎？
對于代駕，快遞，室內(nèi)室外活動的整個類人的場景都可以覆蓋其他場景的復(fù)制和一致性并不是不能預(yù)見的，有非常大的期待。完全從駕駛場景移動到家庭環(huán)境場景，從產(chǎn)品分析上有一定難度，從技術(shù)角度來說，肯定是配合這個場景做一些技術(shù)的迭代和深化，在移植難度上稍微小一點。標(biāo)準(zhǔn)化的程度上會有一定的差距
2. 這個技術(shù)從機械結(jié)構(gòu)上面來講是否比較難以實現(xiàn)？9月30號是否會出現(xiàn)跳票的情況？
從技術(shù)角度來講，單一功能有可能落地完全推動做家務(wù)，復(fù)雜場景的功能成熟度有待考驗，具體還是要看最后對產(chǎn)品發(fā)布的一個建議，才能決定9月30號產(chǎn)品的大概狀況。
3. 對于特斯拉的量價有怎樣的期待？
特斯拉的定價策略開始應(yīng)該是以小批量為主，主要要觀察具體功能的場景，如果僅是做簡單洗碗的功能，定價可能在一個稍微高端以上，再加上整體物料成本的程度，如果附加了更多功能，加上整個產(chǎn)業(yè)鏈價格的提升，價格跟一個汽車或者高端消費品的價格應(yīng)該不會差太多。如果從馬斯克本身的思想來說，通過引導(dǎo)整體消費的方向來講，價格不至于高的離譜，應(yīng)該在中高以上，不會高到大家不能去接受
4. 本次發(fā)布最主要的意圖是不是在于通過不同應(yīng)用場景的導(dǎo)入，實現(xiàn)軟件算力的快速迭代？
對的，而且應(yīng)該不限于只僅僅做商業(yè)，他應(yīng)該像做汽車一樣，很多時候他是在做數(shù)據(jù)的收集以及在做整個背后，不管是人工智能還是神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，因為在數(shù)據(jù)收集的層面，他帶來的更多的是一個算力能力的培養(yǎng)，以及你整個決策算法模型的訓(xùn)練。
5. 戴森的產(chǎn)品相較特斯拉會不會更容易落地？
戴森的落地場景和方向更加明確，而且戴森的營銷也做的比較好，從以前看他的產(chǎn)品生態(tài)也是營銷加持很多，而且從十年的投資時間來看他的預(yù)期管理也會比較成熟，您的觀點呢
消費者對于特斯拉在機器人領(lǐng)域的認(rèn)可，可能馬斯克個人的招牌會更有吸引力一點，但是戴森來說，消費者也許會更容易去接受他的產(chǎn)品？
是這樣的，特斯拉更偏向技術(shù)驅(qū)動，戴森是技術(shù)家市場一起去驅(qū)動
6. 戴森如果單一的機械手臂的話，那么只有一個單一的環(huán)境。如果跟掃地機器人和amr小車去結(jié)合的話，可能會更好一些？
戴森的產(chǎn)品形態(tài)更可能是固定場景和非固定場景都有的一種集合
7. 戴森的定價策略是怎樣的呢？
戴森可能會把事情做得更精，去解決用戶的痛點，比如戴森吹風(fēng)機，他要做產(chǎn)品的顛覆，用了一些技術(shù)加持以及把人機友好做的更好的東西。戴森的定價會結(jié)合市場的接受度，它是市場加技術(shù)一起去驅(qū)動的一個產(chǎn)品平臺，所以這樣看來它的定價會結(jié)合自己物料以及市場一些期望值來推出
8. 將來對家庭網(wǎng)絡(luò)市場主導(dǎo)權(quán)的搶占，相關(guān)的競爭格局是怎樣的？
戴森能在to c行業(yè)把產(chǎn)品做得很好，核心是在于其產(chǎn)品力，所以產(chǎn)品加科技可能是注定決定能不能進入市場或者把市場做爆的一個重要因素，但是本身消費者心態(tài)也在變化，文化也在變化，所以更適應(yīng)市場和產(chǎn)品力更好的商家可能更具有話語權(quán)，更容易切入
9. 歐姆龍似乎還是想在SA工廠自動化做一個解決方案，那么他在家用環(huán)節(jié)有潛力嗎？
歐姆龍的技術(shù)路線比較偏傳統(tǒng)，它對標(biāo)的主要還是協(xié)作機器人，目前來看還是偏工業(yè)為主，家用場景可能需要作為另外一條產(chǎn)品線去打磨
10. 歐姆龍在工廠自動化領(lǐng)域會不會有一個相對比較好的落地情景？
目前歐姆龍在機器人的比例上還是偏低的，也就是說場景可挖掘的可能還是比較大的，因為畢竟現(xiàn)在機器人自動化和智能化事情做的也不是很久，所以場景的拓展整個市場規(guī)模其實是在不斷增長的
11. 歐姆龍在機器人領(lǐng)域和發(fā)那科、川崎、安川相比比較弱，其他這幾家是否會有相關(guān)動作
歐洲和日本產(chǎn)業(yè)鏈和市場生態(tài)上配合度更強于競爭，歐姆龍進入這個市場主要還是希望在一些技術(shù)點出現(xiàn)突破，如果是強競爭的話，他沒有太大的優(yōu)勢，但是因為市場是在不斷增長的，競爭也不至于白熱化到紅海的狀況。
12. 在Moma領(lǐng)域那種企業(yè)更有可能走出來
產(chǎn)品應(yīng)用場景不一樣，極智嘉以ac為起始點，然后往上做去完善整個形態(tài)。那像遨博之類，他們以六軸為趨勢點來往下做的可能性也是有可能。極智嘉偏向于物流自動化這個場景。像遨博、艾斯頓這種它們的場景可能更偏向于在產(chǎn)線地去做一些解決方案或者是去做工藝的事情。
13. 億嘉和模塊化的設(shè)計，是否和國外幾家廠商路徑由重合
億嘉和可能更想做一些產(chǎn)品化的事情，但是目前來看的話，主要是以電力巡檢為主，他可能依托于子公司的資源去做這種應(yīng)用，面對電力場景產(chǎn)出了模塊化的機器人產(chǎn)品，但是它不局限于這一個模塊，他會把各個模塊獨立出來，然后針對另外一個場景去做新的組合。我認(rèn)為這是一個很好的技術(shù)加產(chǎn)品驅(qū)動的方向
14. 億嘉和機器人的感知方式主要是通過雙目3D視覺，生形成三維點云。然后做匹配切割。因為70%的信息量都是通過眼睛獲取的意義會比較大嘛，或者說是和海外品牌的技術(shù)路徑有相似的地方？
感知是機器人加外延扮演的應(yīng)用加上感知可以實現(xiàn)更多的應(yīng)用場景，在我看來這個技術(shù)方向應(yīng)該是不可逆的。大家都在往這個方向走，所以這個方向是比較正確的
15. 全球人工智能雖然應(yīng)用場景不大一樣，但本質(zhì)上技術(shù)從源頭來看是否相似或者有借鑒的地方
從AI視覺來看，這些感知的技術(shù)可能從信息獲取不論是3D點云還是2D平面視覺獲取信息，從技術(shù)角度來形成這個功能性的閉環(huán)是一致的。主要看技術(shù)能做到怎樣的準(zhǔn)確度，精度能做到怎樣
16. 優(yōu)艾智合的多場景應(yīng)用擴展落地您怎么看待？
多行業(yè)前期比較難管理，有體量和資金的情況下，多行業(yè)也可以嘗試，畢竟產(chǎn)品形態(tài)是一樣的
17. 目前公司處在一個持續(xù)投資的階段，他在一市場很火爆，目前需要更多的商業(yè)模式的探索，最終來到一兩個場景實現(xiàn)落地，在短期之內(nèi)它的行業(yè)倍數(shù)或者客戶背書效應(yīng)可能比實際盈利來的更重要，這是我目前對發(fā)展階段理解你怎么看？
我的理解比較類似，目前來看他在做供應(yīng)鏈整合，我覺得并不完全是技術(shù)驅(qū)動或者產(chǎn)品驅(qū)動，他可能更多的相當(dāng)于是上游的角色，下游的gcd有了自己的產(chǎn)品，拋離它的可能性會很高，作為上游很重要的一點就是系統(tǒng)集成，那么如何去通過下游合作做產(chǎn)品的閉環(huán)是他面臨的挑戰(zhàn)。
18. 類似優(yōu)必選這樣的企業(yè)剛開始立意非常高，但是實際落地的場景上并不是解決剛需的一些產(chǎn)品，可能之后定位就會比較尷尬，怎么看待這樣公司的發(fā)展路徑？
他目前服務(wù)性的產(chǎn)品總體來看剛需的功能性不是特別強，從閉環(huán)來看它是以云的主導(dǎo)做未來可能ota的升級，主要是想通過硬件層面的一個點，通過軟件去做硬件整個功能或者控制的升級。未來去做家務(wù)機器人的可能性也是有的，但是他目前沒有用這個場景做打磨，只是做了一些展示性的東西，具體還需要團隊實際的規(guī)劃
19. Tesla bot目前滿足的是不是術(shù)最下限的期待？
特斯拉的機器人還是有所可以期待的，產(chǎn)品力上不夠強硬，實際反饋去做，從工業(yè)角度來看可能會更踏實一點。
20. AI加視覺在未來很長一段時間，是否是我們需要不停的去迭代進行產(chǎn)品開發(fā)的領(lǐng)域？
是的，AI加視覺是把整個現(xiàn)在偏自動化線上化變得更智能化，是真正去實現(xiàn)一些智能化，AI偏向做決策，視覺偏向做獲取，實現(xiàn)一整個動作的閉環(huán)
21. 不論是特斯拉機器人還是行業(yè)里面一些其他企業(yè)來看，都需要不斷的去將體積做小，功耗降低，機電一體化是不是一個明顯的趨勢
是這樣的，從早期傳統(tǒng)行業(yè)專業(yè)細分，積電是分開的，從未來來看偏向于符合型，機電一體化是一個大的趨勢
22. 驅(qū)控一體是否會有一個很好的發(fā)展空間？
波士頓動力的原型機器人改變了工業(yè)機器人的形態(tài)，然后增加了驅(qū)控一體的融合度，這是一個很好的方向，這是以保證穩(wěn)定性和功能性的一個很重要的一個比較穩(wěn)定的方式，未來是在不斷的技術(shù)迭代過程中的方向。
23. 目前fa四大家有怎樣的一個規(guī)劃？海外的趨勢是怎樣的？
Fa四大家也在往驅(qū)控一體走。當(dāng)然這個過程因為工藝機器人畢竟是切成 24 小時去做很精密的事情。這個過程也會面臨很多問題，畢竟供應(yīng)鏈的一些主機以及半導(dǎo)體行業(yè)的一些散熱的問題是一個點。所以在做這個小型化的同時，也會做相應(yīng)的配套，去完善整個性能的一個保證
24. 除了機器視覺以外，其他的哪些傳感器會有機會？
其他的比如像力控在做一些精密的動作中是很關(guān)鍵的傳感器的因素視覺加利控基本上是一個很重要的內(nèi)容。外圍像iOt的控制可能會是整個環(huán)境更閉環(huán)， 同時跟plc做通訊和溝通，包括數(shù)字孿生和可視化傳感器的作用都很大
25. 國內(nèi)傳感器的相關(guān)公司有沒有推薦？
目前像梅卡曼德還有熵智科技都在做3D相關(guān)的應(yīng)用，但是這個成熟度大家都正在做優(yōu)化。算是一個藍海的市場
26. 機器視覺領(lǐng)域，目前國內(nèi)和海外的企業(yè)更多在進行錯位競爭，這是行業(yè)比較好的一個現(xiàn)象嗎
國內(nèi)機器視覺并不完全依賴機器人發(fā)展，其實是相輔相成的，因為像檢測類的，有的時候可以脫離機器人去做事情，但是視覺方面限于視野的局限性，還有一些精度的局限性，很多時候是完不成所要賦予的要求的
27. 對于機器人硬件算法來說是怎么理解的？
AI是在一些標(biāo)準(zhǔn)化的場景里面應(yīng)用工業(yè)行業(yè)還是以項目制為主。但是項目制造就的問題在于交付部署的時間上比較難預(yù)估人員的消耗也比較難預(yù)估AI的發(fā)展其實是統(tǒng)一化和規(guī)?；y(tǒng)一化在于AI賦能拓展了更多的場景，本來機器人不能做的事情，有了視覺就可以進一步的落地，標(biāo)準(zhǔn)化的應(yīng)用本身是項目是應(yīng)在ai賦能情況下可以做成標(biāo)準(zhǔn)化
28. 入口端跟執(zhí)行端會率先于AI算力成熟在技術(shù)部化以后就是一個工程化的問題，最終比拼的還是算法和算力，平臺架構(gòu)？
是這樣的，當(dāng)很多硬件成熟到不用做相應(yīng)的修改，軟件層面的競爭是比較大的。AI神經(jīng)網(wǎng)絡(luò)主要在于對各種信息特征的提取，對數(shù)據(jù)進行分析，分析完了以后輸出相應(yīng)的數(shù)據(jù)，整個網(wǎng)絡(luò)的設(shè)計以及網(wǎng)絡(luò)的優(yōu)化剪裁還是需要算法算力，就是算法相應(yīng)的工程師去做相應(yīng)的網(wǎng)絡(luò)設(shè)計，網(wǎng)絡(luò)的剪輯以及優(yōu)化。所以這方面的人還是無法替代的。中國產(chǎn)品的競爭率都是在AI算法的優(yōu)化性和先進性上，以及對整個場景和業(yè)務(wù)的理解。中國產(chǎn)品的競爭率都是在AI算法的優(yōu)化性和先進性上，以及對整個場景和業(yè)務(wù)的理解
29. 從國內(nèi)供應(yīng)鏈上的企業(yè)來看，哪些企業(yè)更有機會？
歐美和日本市場，它的產(chǎn)業(yè)鏈發(fā)展更多是協(xié)作關(guān)系。產(chǎn)品是多學(xué)科的綜合產(chǎn)品，就像有感知，有分析，有AI算力和算力平臺有末端的機械手，有協(xié)作集群。有電機，傳感器以及減速機這樣的產(chǎn)業(yè)鏈。目前最容易打磨和成熟起來的是下游公司在有資源和場景的情況下進行打磨，配合上游把產(chǎn)品做出來，再加上AI平臺化去把整個產(chǎn)業(yè)的規(guī)模蛋糕做大，大家協(xié)同去做，是比較良性的一個方向
注：只是分享一些基本面分析研究資料，僅供參考，投資有風(fēng)險，不作任何投資建議。
