機器戰勝了世界冠軍，但還沒能替代流水線工人。
文 | 賀乾明 程曼祺
編輯 | 程曼祺
在十多名員工陸續從宿舍樓躍身而下後，2011 年 7 月，富士康深圳最大的一家工廠裡舉行了一次與工人的溝通會，富士康創始人郭臺銘告訴大家，接下來三年，他將把 100 萬臺工業機器人用到富士康產線中。
工人需要休息，有喜怒哀樂，有情感訴求，但機器人沒有。即使不考慮流水線工作的壓抑與枯燥，勞動力人口下降和用工成本上升的大趨勢也已困擾製造業多年，機器人換人被寄予厚望。
但郭臺銘太樂觀了。在他許下百萬機器人承諾 10 年後，富士康仍離這一目標很遠。在每年為富士康創造數千億元收入的高階智慧手機生產部門中，用工最多的 “複雜精密組裝” 流水線仍由大量工人支撐。
流水線兩旁是按順序排列的望不到頭的工站，每個工站由一名工人負責，他會不斷重複被拆解到自己手上的一項特定動作：安裝相機模組、插入一組排線或扣入一顆振動馬達……工人們輪番上陣，保證不停歇產出，一臺臺售價不菲的智慧手機就這樣在從工站到工站的傳遞中逐漸成形。僅在這一個環節，富士康的工人就有數十萬之多。
做出相似努力的還有一系列鼎鼎大名的科技公司，它們都和富士康一樣無功而返：蘋果 CEO 蒂姆·庫克在 2012 年成立專門實驗室，希望打造更自動化的產線，該實驗室六年後被關停；波音曾嘗試用機器人安裝飛機零件，最後還得人類返工重做；特斯拉 CEO 馬斯克在 2016 年搭建了 “用機器生產機器” 的產線，每生產出來 7 輛 Model 3 只有 1 輛合格。
從富士康到特斯拉，這些公司都想讓機器人替代普通工人。
這看起並非遙不可及。早在 5 年前，圍棋世界冠軍就已被 AlphaGo 打敗，當時人們樂觀地認為，機器智慧已取得重大突破，接下來就是應用爆發。
實際情況是，機器戰勝高智商、高技能的圍棋大師並不難，但要替代一個學歷不高的普通藍領工人卻非常難，這意味著機器人需要像工人一樣能快速上手某種簡單任務，並重復完成，同時具備處理意外情況，學習更多工的能力。
過去數年中，一批人在持續攻克這項難題。半年多前出現在全球最大智慧手機代工廠產線上的一個微小變化顯示，這種努力可能到了獲得突破的時刻。
人能輕易學會的事
機器人花了 60 年
今年 4 月，這家廠商某工廠的手機質量檢測環節，正式部署了數十臺機器人。它們已在替代工人，從事一些看起來簡單的任務，比如把組裝好的手機以特定角度和力度放入一種專門裝置上，以檢測手機效能是否達標。
不需複雜思考或技能經驗，任何一個普通人都能輕易學會類似動作。但機器人走到這一步花了 60 年。
這裡說的 “機器人” 不是科幻電影裡出現的人形機器人，而是誕生在上世紀 50 年代末的工業機器人。它的典型形態是包含多個關節的機械臂，本質是一種自動化裝置，最初用途是去做那些人類辦不到的事，比如搬運重達數百公斤的零部件。
圖：第一臺工業機器人 “Unimate”，重近 2 噸。
多年來，工業機器人的應用場景相對固定。由於重和力道大，它們要在鐵籠裡工作，周圍不能站人，對環境有嚴格要求。更大的限制是，它們只能處理固定任務，比如沿著固定路線搬運固定物體；哪怕只對動作進行一點點改動，都需要重新程式設計，這使工業機器人無法像真正的工人那樣快速、低成本地上手新任務。
工業機器人行業長久以來增長平穩，不受大眾和資本市場關注。
到今天，工業機器人一年的全球銷量在 40 萬臺左右，其中將近一半被賣到了中國市場，主要在汽車、金屬製造等重型製造業做搬運、焊接、噴塗和物料加工（比如切割）。
佔工業機器人出貨量一半的 “四大家族” ABB（瑞士）、發那科（日本）、安川電機（日本）和庫卡（德國，2017 年賣給了美的）的總市值不過 1280 多億美元，還不如剛剛上市，只賣出 100 多臺電動皮卡的 Rivian。
但目前已在全球最大手機代工廠產線上完成手機檢測動作的機器人，是一種更加聰明的 “新物種”，它具備一整套新能力：
首先是感知，這包括視覺感知——機器人需要識別手機和檢測裝置的位置；也包括力感知——跟工人在放入手機、安裝模組時類似，機器人會根據手感和阻力反饋，判斷放置是否到位，力大了還是力小了；完成這一動作還需要強大的計算能力——在把手機放入檢測裝置的過程中，演算法、軟體組成的 “大腦” 也在實時參與，會根據視覺和力反饋給出綜合指示。
這些能力是在過去 20 多年中逐漸形成的。
上世紀 90 年代末，德國宇航中心（下稱 “德宇航”）機器人和機電一體化研究所開始研發力控機器人技術，並陸續開發出了三款具備力感知能力的輕型機械臂 LWR i-LWR iii，它能精確感知外力並在碰撞物體後自動調整運動軌跡，相關技術成為後來庫卡 iiwa 智慧機器人的重要基礎。
圖：德宇航研發的力控機器人 LWR ii。來源：德宇航。
同期，斯坦福大學機器人實驗室主任 Oussama Khatib 也在研究機器人避障和力控技術，發表了多篇關鍵論文。
此後數年裡，高解析度 3D 視覺、自主路徑規劃等技術逐漸成熟；2012 年後，深度學習技術引發新一輪人工智慧技術突破，讓機器識別影象的能力超過了人類，並使機器能自主學習任務。
上述技術進展讓機器人不僅有 “力覺”，還有了 “視覺”，並能根據這些資訊自主行動，完成靈活複雜的任務。
這使機器人終於有可能替代藍領工人、普通服務人員等 “平平無奇”，數量龐大的勞動者。這是最難攻克，需求最大的方向。
一大批新產品和新公司在這之後湧現。區別於傳統工業機器人，這些產品通常被稱為 “智慧機器人”，一般具有力控、視覺感知和自主規劃能力，其雄心壯志是走出汽車製造業等工業機器人的固有地盤，勝任更多工作。
參與其中的公司包括傳統工業機器人巨頭。2013 年，庫卡在德宇航技術授權的基礎上推出了智慧機器人 iiwa；發那科、ABB、安川都在之後兩年內推出了類似產品。
圖：庫卡研發的機器人 iiwa 正在工作。來源：庫卡。
一批創業公司也在這前後集中出現，主要玩家有脫胎於德宇航的機器人公司 Franka（前身 2014 年成立）；主營工業機器人，但近年開闢智慧機器人產品線的珞石（2014 年成立）；核心技術團隊來自斯坦福大學的 Flexiv 非夕（2016 年成立）；和核心技術團隊來自德宇航的思靈機器人（2018 年成立）。
這些新公司的銷量和收入無法與傳統機器人廠商相提並論。憑著讓機器人走進更廣領域的可能性，它們獲得了與當前收入不匹配的高估值。
張磊、沈南鵬、孫正義
一起投資的機器人公司
在這一批新公司中，思靈機器人受到了諸多資本方支援，它成立不到 3 年，完成 6 輪融資，獲得了超過 20 億元人民幣。
目前在全球最大手機代工廠商產線上運轉的機器人由思靈提供。據《晚點 LatePost》瞭解，正是因為這個進展，之前已接觸思靈一年多的軟銀願景中國團隊在今年年中決定出手。軟銀願景基金領投了思靈 2。2 億美元最新一輪融資，助推思靈成為估值超 10 億美元的獨角獸。
主導本次投資的軟銀願景基金投資董事張子陶表示：“我們長期看好中國科技領域的創新與發展，並將持續支援中國科技企業的成長。”
高瓴創投和紅杉中國多次一同出現在思靈的投資人名單中，這並不常見。高瓴創投投了思靈的第一輪到第六輪（最新一輪），紅杉中國投了第二輪到第六輪。
思靈還有一系列產業投資方，包括 C 資本（新世界執行副主席、周大福創始人鄭志剛創立的基金）、天智航（骨科手術機器人方案供應商）、新希望集團、小米和工業富聯等。
大部分創業者做不到、也不太願意在同一個盤子裡集齊高瓴創投、紅杉中國、軟銀願景這些強勢的投資機構。
思靈創始人陳兆芃對此的解釋是：厲害的投資人一定有一個終極目標，在一個可能產生大變數的方向投到最頭部公司，並讓公司做得足夠大，這符合所有投資人利益。
當前智慧機器人領域的投資邏輯是：最多的錢湧現技術背景最強的人，這裡鮮有網際網路行業曾經發生的草根創業和逆襲故事，投資人也不相信跨界。
思靈的技術背景是德宇航和哈爾濱工業大學。其創始人兼 CEO 陳兆芃在哈工大師從中國工程院院士劉宏，2008 年被劉宏送往德宇航，跟隨德宇航機器人和機電一體化研究所所長 Gerd Hirzinger 讀博，Hirzinger 正是上文提及的德宇航力控輕型機械臂 LWR 專案的領導者。
創業前，陳兆芃已在德宇航讀博和工作了十年，負責開發了在國際空間站中使用的靈巧手，並參與研發力控機器人。思靈聯合創始人 Peter Meusel 也來自德宇航，是陳兆芃多年同事。
陳兆芃告訴《晚點 LatePost》，思靈剛成立時的 10 多位初創員工全部來自德宇航。思靈現在的 600 多人中， 70 多人曾在德宇航工作。
另一家受資本青睞的公司非夕也有相似背景，其技術源頭是斯坦福機器大學機器人實驗室。非夕聯合創始人兼 CEO 王世全師從該實驗室主任 Oussama Khatib 教授。非夕在成立第二年拿到了高榕資本、金沙江創投等機構的 1。5 億元人民幣融資。去年底，美團、珠江集團、新希望集團等投了它 1 億美元。
思靈天使輪投資機構線性資本合夥人王淮說，他把力控智慧機器人視作一個可能帶來大變革的科技創新方向。投這類對技術突破要求很高的領域時，他關注團隊能否追溯到最牛的技術源頭，當時他最有興趣的兩家公司便是思靈和非夕。
獲得資本支援的思靈，做了一系列產品開發和生產準備。
為讓機器人能感知環境，陳兆芃稱，思靈自研了能感知力度的 “高精度扭矩感測器”；“看” 的感測器——工業相機，來自外部採購，思靈自己掌握視覺演算法。
在感知基礎上，智慧機器人還要根據環境與任務自主規劃動作。這需要能處理感測器資料、並形成決策和動作規劃的演算法。陳兆芃將其稱為 “冰山水下的部分”“比重是 99%”，思靈投入了 200 餘名工程師做演算法、軟體開發，佔研發團隊四成。
能完成單一任務仍不夠，智慧機器人的更大價值是它可以學習新的任務，有一定通用性。這是依靠資料、演算法和硬體的整體能力實現的。
最後，智慧機器人要大規模落地還需要具備量產能力。思靈在北京自建了工廠，用於生產機器人核心零部件及整機組裝。
待跨越的門檻
經過 3 到 5 年發展，匯聚了一批技術人才和大量資金，做了一系列產品、研發和生產準備，現在智慧機器人到底做到了什麼，替代普通工人的進度條走了多少？
主打輕型協作機器人理念的遨博機器人，推出了可替代理療師的按摩機器人，今年一次性獲得了一家美容連鎖店的千臺訂單，但有從業者懷疑這不是可持續的真需求。非夕曾公佈過力控拋光打磨、插拔線束的方案，但一直未披露具體客戶和落地進展。跟智慧手機代工廠合作之外，思靈的其他嘗試包括在珠寶工廠裡分揀鑽石，在農場裡給豬打針等。
但滿足上述需求，有時不需要機器人具備多高的智慧。
用更傳統的、不帶力控和視覺感測器的輕型工業機器人搭配 3D 視覺相機，也可以完成鑽石分揀。如果不考慮色澤，只分大小，還可以直接用網篩。
打磨、拋光是許多力控機器人希望進入的場景。一位從業者告訴《晚點 LatePost》，以金屬手機殼打磨為例，用不帶力控的機械臂配合砂帶或彈性磨料，也能實現力控機器人能做到的柔性打磨效果。這種方法的缺點是精度一般，但手機殼打磨本身對精度要求不高。在廣東，已有數千臺沒有力控的傳統工業機器人在從事這項工作，發那科、ABB、庫卡和國內企業埃夫特、配天等都提供相應方案。
“幹了半天發現幹不過一根彈簧，就挺絕望的。” 這位從業者認為，客戶在意的不是技術是否精妙，他們只關心解決問題和成本。
滿足另一些需求時，僅有智慧機器人又不夠，還需要機器人公司針對特定場景做定製化開發。
用機器人給豬打針就需要一套綜合方案，其大致實現過程是：先用視覺定位打針部位，然後讓裝有注射器的機械臂快速完成注射，而不是像人一樣控制住豬再打針。同時，方案裡還要有一套檢測系統，判斷注射是否成功。
類似例子還有珞石在刀具行業推出的磨刀工作站。由於每一把刀坯來料的厚薄、形狀都有細緻差異，工作站會先用 3D 視覺識別出刀坯的具體形態，再讓機械臂抓取刀坯，並自主選擇合適的角度、力度放到旋轉著的磨刀石上，完成開刃。工作站還要處理磨刀過程中的汙水和金屬粉塵。
珞石把工藝做得足夠深，已佔住不少刀具大客戶，但這類產品不好遷移到別的行業，且研發成本不小。從最初注意到這個需求，到真正生產出能在張小泉、十八子等刀具廠實際使用的初代產品，珞石花了 1 年半。
一名機器人從業者告訴《晚點 LatePost》，智慧機器人公司目前的最大挑戰是要找到能讓自己安身立命的需求：
安身立命指有量，且有優勢。有量即看某個需求是不是持續的、大量的且相對標準化的、產品可複用的；有優勢，是看在穩定性、靈活性和成本的綜合考量下，智慧機器人方案是否好過別的方案——競爭方案不僅包括其它型別的機器人，也包括專有裝置或人類。滿足量和優勢，才能給機器人公司帶來持續收入和利潤。
思靈現在的重點方向：在手機制造業替代精密複雜組裝線上的工人，滿足“量足夠大”。僅在富士康，這一環節的工人就有數十萬。
理論上，智慧機器人做這件事確實有特殊優勢，它能以相對標準化的方式滿足需求。“智慧” 的涵義之一就是機器人具備學習能力，同一種裝置既能裝攝像頭，也能裝振動馬達，還能插排線、擰螺絲。這將減少工廠換產時的調整、部署成本，加快換產速度；也能讓機器人供應商攤薄研發和生產成本，獲取更多利潤和更大規模。
思靈正在對複雜精密組裝環節發起挑戰。與思靈合作的手機代工廠人士告訴《晚點 LatePost》，目前產線上運轉著數十臺思靈機器人，其中大部分用來做手機檢測，但已有兩臺進入了最吃人力，對智慧機器人需求最大的複雜精密組裝環節，正處於小批次試產階段。
接下來，思靈需要證明，自己比其他方案更有優勢，其他方案也包括繼續用工人。
智慧機器人目前仍做不到像工人那樣靈活，但有成本優勢。據《晚點 LatePost》瞭解，除工資成本外，目前與思靈合作的手機代工廠商在一些地區的招工補貼可以達到 10000 元 / 人，且這些工人往往只會在廠裡幹 3 個月。
陳兆芃稱，目前思靈出售的智慧工業機器人，18 個月後的綜合成本就會低於人工。
智慧機器人還需要與其他裝置競爭。《晚點 LatePost》瞭解到，在思靈希望批次落地的高階手機複雜精密組裝產線上，其實已有數臺自動化裝置，它們不是機器人而是非標準化專機。這些專機能完成特定組裝任務，比如將直徑毫米級的微小螺絲擰進手機中。
專機的缺點是柔性差，只能處理固定工作，擰螺絲的專機幹不了插排線。智慧機器人則可以用相對通用的硬體配合人工智慧演算法學會多種任務，但目前速度和精度比不上專機。
上述手機代工廠人士稱，現在的趨勢是專機會變得 “更柔性”，機器人的成本和速度問題也會改善，“二者正相互角力”。
在過往多年的嘗試、失敗又嘗試後，新一代智慧機器人重新打開了一絲替代流水線工人的可能性。
從業者相信變化會發生，但對它會以多大程度和多快速度到來沒有共識。畢竟這比下圍棋難多了。