图：马路创新副总经理何燕萌
1、我们对机器人、机器人应用究竟有什么样的需求?
最早的时候大家可能是想实现机器人替代人类做一些工作，机器把人从简单、枯燥、复杂的工作当中解放出来，这是最早人类对机器人的需求。机器人应用场景就是完成一个非常简单的工作，完成抓取或者物流的简单搬运。随着机器人的发展逐步可能会希望完成一些更复杂的工作，简单的抓取当它不能去实现的时候，是不是我们可以通过一些所谓的感知判断去实现一些更复杂的工作?就逐步出现了这种能够跟人有一些简单协同的机器人，这是它后来的第二个阶段。
2、我们对于机器人最终的希望是什么?
我们对于机器人最终的希望是它有独立思考能力，它能够完成更复杂的工作。无论是4G、5G、工业底层技术的实施和普及，包括分布式计算、云计算、物联网这样的技术和底层能力的夯实，使得我们现在对于机器人提出了更高的需求。
当人类对机器人提出更高要求的时候，机器人怎么实现人类对它的期望?会有两个方向，第一个机器人越来越复杂。可以看到丰田不同的时间点会推出越来越拟人化的机器人，左下角这张图是摩尔定律的趋势，这个大家都很熟悉。固定的时间增长，机器的处理和能力会增长，成本会下降。但问题是当你对于单个机器的要求越来越高的时候，到某一个时间点机器人是不能满足人的期望的，这样的情况怎么办?
我们认为还有一条趋势就是所谓的集群化协作，这是自然界中非常常见的图片。这样一些个体通过有效的集群协作，可以实现能力的倍增，可以实现传统个体不能实现的很多内容，这样的思路是不是可以应用在机器人协作上?是不是可以通过已有的机器人设备更加有效、灵活、智能化调度和应用，去实现我们现在不能实现的很多期望?这其实是我们一直在思考的问题。
传统意义上无论是机械手臂还是传统的机器人，或者工业机器人，每个机器人都是所谓的一个线程式的。一旦他需要协同的时候，他就需要非常复杂的时间校对，每个机器人都以固定的节奏来完成它既有的任务。我们认为未来AI+IoT如果是一个大平台，它可以实现一定程度的意识共享，同时所有的机器人可以互联互通，并且通过更加集约化的调度去实现集群化作业。
我们认为使用机器人首先要考虑它的位置信息，第二它要考虑商品的热度分析，需要去了解它把什么样的商品运过来更合适，它需要考虑起始点位置曼哈顿距离，去寻找最优解。需要做实时动态轨迹的优化，需要AGV速度控制，需要货物重量反馈，同时要考虑一些异常对它的影响，包括一些障碍物或者机械故障，这是简单的举例。
真正做到这样一些点以后，这种最简单的移动机器人才有可能实现更高效率的对于利益的替代和对于客户现场需求的满足。
如果我们未来希望去实现一个真正的机器对人工的替代，理论上是大规模的机器对人工的替代。单纯的场景当中，无论是工厂现场还是仓库所能实现的机器调度数量和调度能力，和你能控制的不同的机器人它的复杂性，其实这是所谓我们要实现集群化背后最大的挑战。
截止到2018年底做AGV的公司有超过120家。目前很多国内的机器人企业从硬件载重、速度上是类似的，大家真正的区分点在于它的软件、调度规模、调度能力，而这些才真正形成了所谓的系统效率。国内有一些非常知名的公司，它的调度做的是固定的路径轨迹，一台机器人可能就十条路径，第一条不行的时候走第二条，第二条不行的时候走第三条。其实真正实现大规模集成调度应该能够实现的是实时的路径规划和实时调整，每一台车有无数路径的可能性，在无数路径的可能性取一个最优值，而且这个最优值可能会有实时的变化。
如果你的调度瓶颈是50、60台，小规模应用是可以的。但是大规模的应用需要的是上千台。亚马逊的一个机器人的时效确实只能达到200或者300，但其实国内如果是现在的情况下，当你真正把软件能力调度做好的情况下，我们认为它可以实现每小时不小于500、600的调度效率。这些区别最终会影响到客户选择的时候第一个投资回报。
我做过敏感性测算和分析，其实真的是说一台机器人卖10万还是12万、13万，这对你的ROI影响并不大。真正影响最大的点在于原来客户拆零分拣的时候人效是100，你实施了改变以后能实现500还是600，这个提升对他的投资回报是有显著影响的。其实这样一些软件调度的算法，才真正影响到客户对机器人的应用。同时我们也认为只有真正能做到比较好的集群协作以后，一些跨行业、跨场景的协同才成为可能。
各个行业的第一个案例开始去应用这种柔性化、智能化的移动机器人最早的时间点，我们不用仔细去研究每个时间点，可能个别的案例会超出这样一个数量级，但从大的趋势来讲我认为这张图是对的。最早应用移动机器人是亚马逊，电商零售是最早开始在2012年，亚马逊大规模应用是2014年，2015年、2016年电商零售行业开始去应用这样的机器人考虑效率提升和降本增效。
我们会发现其实这个行业在发展过程中，我们不仅仅是实现对技术的模仿，当我们效率提高以后，它其实在往行业上游和下游做延展。首先下游来看，电商零售和这个本身是两个相关的行业，当你一个包裹生成以后，我需要你做集成化的处理，这是最早期的应用。2018年的时候越来越多的制造业开始考虑移动化的机器人，而非传统意义上的机器人。
