未来的业绩展望我们第三个环节会把时间交给线上的各位投资人来跟公司的管理层来进行问答和交流我们首先就进入到第一个环节我们首先有请首席财务官王勇总来跟我们做2024年度月江机器人的业绩的分享好的谢谢各位投资人大家晚上好首先感谢大家参加我们晚上发布的业绩交流
首先我们回顾一下R7.0的基因数据首先是我们这个营业收入是3.74亿人民币增幅是30.3%从R3.0的增幅是19%这个比R3.0的增幅是大大加快了我们按照这个输入这个类型来看我们分了六轴四轴和复活机器人那么六轴增长幅度是56%
四轴略微有一些下降复合机器人也是大幅增长65%从细分领域来看六轴因为我们广泛应用于工业场景和商业场景那么工业场景经过几年的打磨我们客户的基础是比较多的那么很多从测试走向小批量以及放量所以有加速增长的趋势
四轴略微下降主要是四轴我们有面向工业的和科研教育领域的四轴产品那么四轴在科研教育领域我们在23年推出了六轴产品那么六轴在24年有发量产生了一定的替代效应虽然数量有所下降但整个我们面向科研教育的输入也是有20%增长
另外是复合机器人,复合机器人整体上增长了65%,这里面主要是由咖啡机器人以及巨声智能。去年我们在2014年4月份,在整个全行业里面,第一首先推出了饭碗学习平台,端端端的学习,这个去年也给我们贡献了不少的输入。
按照应用领域来分的话,我们分成工业、科研教育和商业。工业是32%的增长,教育有20%,商业是111%,这个增速在各系统领域是最快的。
商业主要是对于它的可复制性比较强一旦这个测试通过商量的速度比工业会更快一些这跟我们在之前跟大家交流过程中提到的是吻合的
另外就是按照我们销售区域,销售区域我们分成中国大陆和海外,海外是包含港澳台,中国大陆增长是47%,海外增长是19%,海外跟我们去年增长速度基本上是相当的。
那么国内呢这个增长速度会略快一些主要是我们这两年开始呢我们比较自从在这个大客户这一块那么由于这个国内的那个销售环境会会更短一些那么这个效果会更明显
海外我们还是虽然取决于大客户但是我们还是要通过这个渠道商就是通过代理以及集成商整体链条要长一些那么整个效率来看效果来看中国大陆地区更快一些另外这里面其实有一个分类的口径上会有些差异就是我们上市的时候IPO的时候我们是在海外市场我们做了一些进一步的细分
现在因为整个海外体量不是特别大我们还是把它放在一起了所以在以后我们就是分境内和境外两个口径来做披露另外就是毛利率
毛利率我们从管理口径来说我们是剔掉存活增加准备的我们整个毛利率是49.5我们跟大家一直提倡的一直交流的我们会维持在一个比较稳定的高毛利率这个我们是
是从这个输入结构来看因为我们是以海外市场为主那么海外的毛利率会这个高一些国内呢也是比较高的毛利那么相对低一点的是国内的这个工业领域的那么综合下来是这个50左右那么未来呢因为我们这个
像海外的这些输入结构包括国内工业的毛利率已经都比较低了所以整体上我们认为长期还是保持一个50左右的毛利率这个水平
去年同时也是一个重要的一个重点突破就是说突破了协作进行产品与多模材感知啊具身数据以及刀刀端这个模型的这个技术融合而这个技术的产品代表就是我们的Xtuner以及这个我们单臂加移动或者说这个双臂加那个加这个轮式的这样的一个成体形态
第二个就是产品经营通信能,岳江目前来说也是整个行业为止产量最丰富的公司之一,有四个系列27款型号,负载0.25到20千克,因为机器人,协作手臂这一块是一个需求不断的市场,
另外是期间费用,期间费用是整体上三项费用,像销售费用、管理费用和研发费用。管理费用大幅增长67%,这里面的折是我们一次性的上市费用的关系。上市费用,去年我们是有3300万。
提出这之后,其实这个管理费用也只是略微增长。所以,整体上来看,我们三项费用都是小幅的增长,这个跟我们这个预期是一致的。
另外就是金融利润这一块,目前我们还是没有盈利,按照我们报表的口径,我们净亏损去年是9500万,列为输债7.6,因为这里面是含了股份支付和上市备用,尤其是去年上市备用。
如果我们按照Langabe的口气,考虑这些特殊的事项,主要是两项,一个是股份支付,第二个是上市费用。
扩充至两项之后我们23年的基数是8200万的亏损那么24年现在是3600万的亏损这个是大幅收债了55%那么整体上来说我们输入大幅增长的情况下我们这个费用基本上是相对是稳定的那么这个利润这个效率就提前出来了
好这个是我们财务部分的回顾下面有业务部分的回顾就请我们创始人刘培昌先生来给大家讲解主持人还有各位我是岳江培业的创始人刘培昌
那一起来回顾一下岳江24年的一个发展。去年,我们新增加了一项国家重点研发计划,政政绩群的专项。这也是基本上保持了前段每年都有一项省级或者市级或者国家级的这样的专项。那同时,去年我们
这个验收了这个涉嫌突破了柔性联系器的这个组装那这个技术呢是设计鞋子手臂为核心然后这个自研了这个这个力控跟视觉的这样一个臂环可以在这个手机背板里边的这个线的线槽的这个插接其他的可以释放这个手机这个还有Pad这个电脑以及这个背板的这个线路的这样一个技术难点这个项目也是跟那个BID联合去做的
到去年年底累计知识产权1667项,全方位战略709项,一直是在全球范围战略都居在结构机器人行业的首位。
就是在每一个细分领域或细分行境中就是要么我们把产品做到变化要么就要去给行业做解决方案那岳江走的是产品的路线所以说我们尽可能的把产品的这个行业的需求作为归纳然后归纳成反推出这个产品的这个变化所以说岳江也是一家面有面向分开了面向工业的面向商务的面向教育的单列产品以及
去年推出了这个我们这个右上方这个巨神之能的这样的产品形态那包含了这个人形包含了这个双臂加轮势包含了双臂包含了单臂加轮势的这样的不同的产品形态那我们重点来看一下这个X-Trainer这一款产品而且这个都代表
这一款就是我们协作手臂的两个手臂加两个主手的这样的一个四款手臂组合的一个巨像智能的一个训练平台
那他是通过就是我们一个自己自研的一个垂直模型然后这个搭载了差不多就是一个亿三十左右然后在这个人装逼来这个示教下可以完成这个不同的任务那这个任务如果
我们训练她54,然后让她自己再自己学习两到三个小时,才能够完成简单的刷盘子这件事。像这个是化妆品的一个组装,盒子组装,女性化妆品里面的乳液和霜就可以自动去分件组装在盒子里。
包括一些这个简单的切黄瓜这一块那这个也是充分的经过一年过程中那我们这个垂直模型的进一步的繁华性得到了极大的一个提高也形成了一定的这个产品已经形成了正常的作为一个产品取代的销售了
第二个就是六轴行动机器人的这样一个销售增长,去年岳江整个在这个,一个是往高端走,一个是往这个头部大客户去走。那在高端领域呢,我们进入了这个手术机器人,那去年岳江也超过有200台。
整体进入了手术的膝盖手术集群的这样的一个一个产品序列这个目前来说也是从机械币的所有的公司这个检测的数据中就是唯一一家有这么大量的然后进入到手术集群的这个使用中
四周有小方这个下降呢刚才那个王磊讲过就是我们这个推出了针对的针对现在全球在这个教育领域的这个人工智能及视觉的学习推出了我们的E6系列那E6系列或多或少对某这种系列的一些这个产品产生了一些期待的一个效果所以说虽然小幅下降一定的数量但是增长还是超过了20%
复合性增长也是非常快我们这个行业是从产品到终端其实中间是隔着系统经营商系统经营商在做每个行业的解决方案那岳江其实现在在从去年就开始前年开始布局去年开始推出这种码座工作站汉气工作站以及像类似于咖啡工作站那我们给行业提供的是整体的标准化的解决方案
面向所有的不管食品药品化妆品或者所有三心领域我们推出了一个推出这种码头工作站那经营商之前可能需要一周来施工的这样的一个方案的话那现在用我们的码头工作站的这样的一个标准化方案只需要一个上午就可以部署完成那对于经营商来说的话就是降低了他的整个的这个部署的成本那最终呢是终端会受益终端的整个使用成本也会降下来包括汗水工作站我们可以适配全球这个
第二个就是我们之前的策略就是说进入世界卧墙也进入了一些世界卧墙的上限的供电以及生产位所以去年在六周的增长是取得了比较明显的一个效果有些大的公司已经开始进入到了从试样到小批量甚至到复购的这样一个环节
前十的焊接品牌都已经适配然后只要跟岳江的手臂连接在一起打开我们的这个操作界面就可以控制各家的焊接工作站就可以在这个焊接过程中和不同的使用的环节中去快速去部署
那这种卖相这种标准化工作战和标准化工艺帮也是岳江在过去几年一直在继续推动的那现在也产生了一个明显的对产品的带动作用和增长的商业效果
到去年每季全球我们已经超过了8万多台,去年是1万5千多台的这样大的手臂的出货量覆盖了80多个国家和地区在美国、德国、日本设立了子公司这么多量的普及也将在全球品牌的键点形成了非常好的一个支撑效果
同时,余江在2024年12月23日非常幸运地在香港消息所上市,成为中国协作基金第一股,走了18C的规则路线。
为了展望其实我们现在学科生电是面临着一个非常具有机遇以及挑战的一个市场就是这个军生智能的这样的一个市场这也是现在目前所有的行业国家公司在追求的一个方向那岳江在这个方向上一直坚持这个在坚持双轮驱动就是学科基础的智能化升级加军生智能基础的创新
第二个应用性,随着这个巨神智能的一个技术的导入,我们相信一定会实现其他金融的快速部署,使于中端用户的成本会降低。第三个灵活性,我们会根据不同的工作场景去定义不同的产品的形态,用这个巨神智能技术大脑进行负能。第四个就是开放性的生态系统。
那我们现在以手臂为核心的对下游的传感器甲爪以及一些视觉品牌都进行了一个技术的融合及插机用包括对移动端的一些品牌来开放我们的生态开放我们的生态然后促使整个竞争商或者用户能够重返选用我们的手臂的这样的一个平台
第三个就是深耕海外市场大家可以看到去年岳江在国内动荡的比较快是因为我们的大客户策略和头部客户策略产生了很好的效益在海外深耕了很多年之后回到国内之后发现非常受大客户的习惯从技术的测评产品的测评跟服务能力的建设上都有非常好的这样的一个
其实我们看到其实在现代大模型解决了文字图片视频之后现在开始往物理世界开始集合机器人载体也范围了不同的像汽车像无人机、效率型机器人协作机器人其实目前来说是整个最直接的载体就是说在协作机器人进行智能化升级就解决了单臂跟双臂的问题所有协作机器人之前
遇到的这些场景都可以用巨神智能的大向导技术然后重新的进行它复能然后加快它的落地同时我们认为在巨神智能来到这个情况下其实机器人的形态也不仅局限于邪恶机器人也不仅局限于人性机器人而是像法人机器人或内人机器人像我们推出的这些
双臂、单臂、加轮式、加双足都会成为针对不同场景垂直落地的物理硬件所以在这个基础之上我们会坚持一方面坚持智能化手臂的升级一方面坚持巨像智能机器人的产品创新那有一点是可以确定的就是说目前协作机器人的所有的技术可以直接
平移到就像真正机器人本体在小脑里面去在这上面的整个的控制器伺服电机编码器都是同一的技术平台那所有的关节轴数都将成为一个通用的产品平台所以这也是说我们这个战略制定是涮延了之前的过去的技术产品的这个发展
同时呢,我们会加强技术的研发与产品的创新,为了协作机器人安全易用灵活生态各种的核心特征。我们一直认为,安全是协作机器人的最基本的功能之一,它还是缺乏这个
新的手臂跟传统工业手臂的一个重要的特征所以这样的安全皮肤等技术呢那一直是在行业内一直具有危险的特殊性引领我们产品创新跟用户使用这样的一个技术平台那我们会继续在
所以说在短时间就获得了一些国内不可或缺的导入和复构,这也是国内增长的核心。但是我们相信,国内扎得深海外走得远,所以我们会深海外的布局,加强与优质经济上的战略合作,加强当地化团队的应用能力。
以及今天积极开展各类线上线下的营销活动去年我们累计世界五百强的企业我们进入了八十家今天我们相信也会有一个大幅度的提升第四点是全面布局全身智能机器我们认为我们在这个赛道里遇到了一个现象级的技术变革现象级的场景的爆发
包括也被今年的两会首次写入工作报告学生智能和智能机器人这个也已经成为这个国家战略之一那越疆呢在过去我们认为在这个领域有两大竞争力一个是硬件的工程能力第二个是有四个吧就是把两个拆分拆得细一点第二个就是产品就是场景的应用落地
第三是产品的定义第四个是大脑的研发
过去在这四个竞争力中我们认为在本企的工程能力做了比较深厚的积累我们累计超过八万台手臂也就是说四万个类人型机器人的双臂这个量经过了接近十年的沉淀我们在整个机器人工程技术方面以及产品的研发方面实现了全面的研发和生产的跑通
那第二个就是说在场景理解上我们八万台手机其实进入了非常非常多的行业进入非常非常多国家跟场景那我相信这个行业我们一直感觉是一个场景需求跟规列的一个特点所以不断的我们去聚焦深耕一些头部的场景以及头部的领域然后去把这个需求进行标准化
然后去快速的提供标准化的产品跟方案这个也是我们对场景在工业的商业领域比较深的理解第三在大脑和小脑的这样的一个研发上去年因为将4月份推出了X3这些产生了一定的销量今年3月份我们推出了人形机器其实在大脑领域我们正在逐步的进行布局
这是以上的一个业务回顾文章谢谢大家
谢谢任总和王总给我们做了非常详细和深刻的分析和讲解接下来我们就进入到互动和交流的环节我们把时间交给线上的各位投资人来跟岳江的管理层来做深入的交流和沟通我们有请会议律师开放线上的投资人的评论大家好
可点击读者脸拜等到提问或通过文字交流区发出您的问题通过电话专案接入的投资者请按声音键等候提问加按账号键加按数字一键谢谢
在等候投资人群接近来的过程当中我先来提一个问题因为有机会能够跟创始人牛总来进行交流因为大家最近越交也发布了人气机器人这个产品包括在上周的时候也发布了这个产品的公开的价格也让市场觉得非常的震惊是9.9万的价格也是目前我们观察到的全尺寸双足人气机器人的价格所以就想
请刘总围绕着居生制程来再给我们分析一下就是一个您刚刚提到的场景段因为其实今年我们认为人行之前已经从技术的积累技术爆发进入到一个场景落地的这么一个阶段我相信岳江推出人行之前也是后面要逐渐的把这个产品放到一些场景段铺路段去做落地能不能给我们分析一下就比如说岳江现在在做的这个场景工业端的客户商业端的客户
以及比如说教练和部门的一些典型的场景和需求是我们在未来的一年或者是更长的时间需要去逐渐落地的好谢谢主持人那人形机器人目前我们认为它可以分为三类第一类就是表演娱乐互动类第二类是全尺寸操作类第三类是科研类
目前呢就是在第一位呢我认为在中国目前来说已经做的相对来说比较领先那在岳江呢现在第一位就是说全职三的操作类这个也跟岳江在过去的整个的产品落地面临的各种工业商业以及甚至一些个人场景中有非常深的积累
目前来说我认为就是说在今年可能在一些单一场景的繁华领域会有一些落结的一些点目前我们也是收到了非常多的一个咨询但是说其实每一个场景需求都需要进入跟用户的互动以及对场景进行分解其实现在人工晶片它还不能完成
很长的任务任务的这个繁华但在单一繁华任务里面呢我们已经看到了一些可能落地的点那现在也是我们积极在关注的一些细节那其实还有一个特点就是说在这个全智能这个集成领域的这个操作呢它在这个精度上其实是目前来说还是有一定的影响在解放上
所以说我们认为可能在一些简单的工业的搬运场景以及一些商用的连锁的这些场景以外会有一些机会去进行一些落地的尝试我们看到线上有些投资人在等待提问那我们请会议秘书把第一位投资人提前进来谢谢
252的投资者提问谢谢感谢公司领导可以听得到我的声音吗可以
刘哥好,我是赵大红莲机械组的服务员我今天想请教两个问题第一个的话就是想问一下刘总咱们居身智能产品我看有四款像单臂双臂还有人形和这个轮式咱们对未来这个各个产品可能它落地的节奏是怎么样去看待的就是咱们会会是一个怎样的一个就是产业端落地端的这个
这个这个这个节奏来去推这几款产品啊或者是大概每个都是怎样的一个定位啊想想先问第一个这个关于机身智能的这个问题
好的谢谢我们做手臂这些时间我们认为手臂是一个需求管理的行业包括现在在巨山智能机器人这个方面大家也是寻求的第一个问题就是落地其实这个过程在过去的十年我们经历过一次当协会手臂刚推出的时候大家也询问了很多类似的问题这个还是说我们认为以客户端的R5、R5来看这个问题就是说第一波落的可能是说
能算过账的这样的一个场景那其实我们现在就聚神智能不仅对人型机器人有负能的这样的一个作用其实它对这个单一的手臂也是有非常强的这个负能的作用它对单臂的繁华以及部署的这个这个这个难易程度都给了很大的这个支持我们上周推出了一款单臂的这个
其实我们现在根据目前很多的咨询来看其实在双币加轮式这个领域还有单币加轮式这个领域有非常多的直接用户可以算个账的这样一个逻辑的需求
但是在人型的这样的一个产品区上面也有非常多的用户在非结构化创建中需要这个就是说要看到落地的过程中的整个的成败必换所以说在这几个内容我们同步在推其实我们也是聚焦了三个业务线第一个就是工业第二个是商业第三个就是科研
好的明白比如说像工业的话咱们有哪些可能刚放在就是比较优先级靠前的这个场景有具体的场景或者说意向的这个客户吗
现在资讯量是非常大的就是现在我们在尝试做一些这个我们单笔能够做的场景然后直接上这个人形的这个双笔来做其实这里边有一个非常大的一个好的点是什么呢就是说我们现在正在训练单一场景的翻画能力
就是我们可以看到说一个单币可能卖一万美金再加上但它落地的成本是一万五千美金这样的话加起来可能接近三万美金中断要付这个成本因为它要做集成交付但现在这个巨山智能就是这个渲染完之后你可以想象它一键一键启动它就可以走过来干这个活我们正在说
用这个成败去覆盖这样的过程所以说在一些携着手臂单臂能够去做的像一些机床管理的工作是有机会被这个人群去期待掉的它的综合成败可能是一样的明白好的我想再问一下第二个问题就是我看咱们收入端的话像工业
增长是非常迅猛的然后可能教育偏弱一些然后然后商业的话其实整个技术比较低嘛所以其实也是高增长的一个态势那往后面来看的话怎么咱们怎么去看这三个市场的这个协作机器人的这个后面的一个增速啊可能短期或者是是中长期的这个维度来去看
刘仲敬在过去的几年中,岳江钢筋石交易债百分之七十,现在债不到百分之二十五左右,工业债百分之五十多,商用债百分之十几。
战略过程其实这里边有个环,就是商业的爆发取决于两个点,第一个它的整个的产品的稳定性得到了大幅度提升,因为这个工业产品一个工厂可以用几十台几百台产品,
但是商用产品它每个店里面只用一到两台它可能要散布在全国因为国家不同的城市里边那它需要这个产品具有非常成熟的稳定性才可以第二它的这个整个的价格来说相对工业它可能是要看几年的回报率或者说看整个系统回报率那商用的这个场景里边它看的就是回报率是比较直接的
所以具备了稳定性跟成本这两个问题呢那商务场景这两年就逐步在爆发这个是也是越南在像挪娃这个产品推出了三年之后那这个需求越来越旺盛所以在未来的过程中呢我们这个看到工业是一个主战场持续增长的这个主战场商务场景其实也是增长相对非常快的一个场景未来我可能感觉我们工业能够占到百分之
50% 商务占到40% 教育可能就占比到10%因为工业跟商务的场景的增长会相对是比较快一点好的好的谢谢刘总介绍得很详细那我先问到这边好总监下一位投资人有请2267的投资者提问谢谢
杨总好我是广发机械的普明奇我这边主要有两个问题第一个是关于我们大模型或者说软件软的我们现在在巨声智能这一块或者说就是协作这一块我们现在模型现在是什么样的一个方案这个能不能请您给我们介绍一下这是第一个问题好谢谢去年一年我们在垂直模型以及
大脑领域取得了一些比较好的进展同时在往大脑领域去走今年我们也在关注整个全球在这个领域的技术路线包括国内专注做大脑的还有美国的想派这些公司在探讨的方向
其实目前来说,我认为全球目前当下的技术路线是区域一个,那就是说在做一个高端端的分层的这样的一个训练模型,然后先做一个
大的镜头模型然后再会整理一些小的模型给一些西餐场景去用但上层还是接到VRM这样的视觉语言对场景的理解目前来看到这个效率是比较高的比全部的多模态的综合训练来说它的扩展性跟成败都相对可控
好的谢谢明白另外我再问一下第二个就是关于林翘首我们现在发布的机器人也是配备了林翘首的现在林翘首的方案是主要是咱们全自研还是说也有一些可能外协或者是有一些合作的这些在做然后另外一个就是关于林翘首这一块您怎么看林翘首和协作机器人结合然后往后可能到工业端去应用这样的需求或者说场景
我们现在的林强手是跟外部合作的,因为整个我们认为手指跟这个笔的技术和它的什么场景还是不太一样的,那又将在这个笔的这个领域有非常厚的沉淀跟这个竞争力。
那首呢,我们因为做了很多的场景,那我们对场景的理解呢就是说,那林强首他未来属于末端甲级的其中一种,他并不能全部的去覆盖各个领域的各个场景的使用。
所以说我们在我们手臂的末端会支持五指的、两指的、三指的这种不同形态的这样的一个夹具的这样的一个手的这样的一个生态的支持
刚才您提到在工业领域,其实以我个人的观点,就是说我们在很多的观察中,工业领域其实是一个它的物件和产品已经是相对来说标准化和结构化了。
也比较规矩可能用两只甚至是三只就是使用起来可能效率会更高一点这是我们初步的一个感觉那在一些生活场景一些高端场景里边那任教授的这个使用可能更具有他的情绪价值或者说更具有他的这个各种各种其他价值那明白非常清楚谢谢刘总我觉得这些问题
因为刚才这位图森也问到关于大脑的问题因为线上有几个图森提问也是关于大脑这个方面的问题所以我就一起来请教一下刘总第一个问题是说假设大家在有开源大脑的情形下是不是可以量产家庭机器这是一个非常具有潜在性的问题
对,答案肯定是肯定的但是这取决于整个大脑的几个特点就是现在这个大脑目前来说我们认为进行复模行动的大脑一定会被突破并且在未来的几年一定会被突破的那现在当下今年可能会被突破的就是说在单一场景的范化性达到90%甚至95%以上的这样的一个范化性的这样的大脑会出现
有可能我们虽然猜了一百次可能对模型来看它只是一条数据其实这个是有一定的差异性的概念第二个对数据的规范规范处理以及它的迁移的这些能力都是不同的我们在这个领域其实
因为我们的手臂的精度稳定性特别高,所以它采的数据就非常好,数据的质量就非常好,数据的质量好对于模型来讲,它训练起来效果就比较好,我们有一个行业内比较厉害的一个团队,
之前在用一套开源设备在训练的时候,训练半年,一直很难取得重大的突破。后来他听说隔壁学校用了我们的X-Trainer,这个效果非常好,就通过两个渠道找到我们,就是要买一台这个产品。
在一月份跟他们见面的时候他们说他们也获得了一个重大的突破就是其实这个在模型其实它是它对数据是比较敏感的学生现在算法领域其实就是处理了一些技巧那如果数据的质量非常高的话那其实对学生来说的话它的整个效果就会不一样
那我沿着刘总回答这段问题我想再请教一下就是数据的质量怎么来保障您刚刚提到了一个对于数据的采集标准违反及对数据后续的处理还有一个就是硬件的采集进步的问题那我们看到我们上周发布的产品是19.95这个确实价格是比较低我就想了解一下您的硬件怎么样在这种定价这么
清零的情况下,可以保证我们使用到最好的硬件和硬件来保证我们这个数据材质的精度。数据的处理和数据的工作,我只能去讲一些方向性的点,因为它也牵涉到一些技术的细节跟技术的难点,以及甚至一些技术的
那其实只要是我们对家庭技术的定义说我们不要要求他既做保安又做保姆还有做运营师如果说把很多工序分开去让他来执行去做的话那其实他是可以在单一场景里去做一些辅助的
刚才吴总在介绍的过程当中也提到了我们的N-Trailer可以通过训练50次,自己学习2-3个小时就可以完成比较好的一些单元场景工作我想了解一下这种建设品目前在行业内大概是属于什么样的一个水平因为之前我们跟其他的投资人在交流的时候
从行业里面你提到各种各样的训练效率有些说可能我得需要一千个小时的训练一千场的训练我才可以把一个任务训练出来咱们的S-Trigger是训练五十次两到三个小时我理解这个效率应该是比较高的关于这个数据量和训练效率和训练出来模式准确度的问题刘总再给您做一下介绍
其实这个跟模型的效率以及对数据的理解有着不同的这样的一个特点其实很多时候我们可能训练它一千次它有可能只算一条数据其实这个数据大家其实现在都是说数据算力模型其实数据里边可以细分出很多的技术元素你数据采集的规则和标准它是有要求的
就是我们说这机密吧因为技术在时间面前都会被突破的但是确实它是一些呃呃自然的一些方向啊就是处理了一些数据的规范跟那个的这个数据的这个一些这个处理方式啊再就是硬件这一块的话就是因为呃岳江在过去的呃
实际上就是一直在这个硬件上全部自研就是在控制器、磁服、编码器、电气领域都进入了深入的不仅是自研还推出了不同的方案包括这个编码器我们有
光编码、磁编码、电感编码,单边是面向不同的产品的这样的价格层次。电感编码可能几十块钱,光编码几百,磁编码一两百。通信也有意思,开始看485这个通信方案来匹配不同的。
价格跌打的产品所以说这种充分的字眼跟充分的供应链字眼供应链的字件其实这些都是我们也是供应链这几年也完成了网球观众的字件这一块其实是对硬件的降板其实我们已经做到前面去了所以说现在我们以我们目前对我们单币的这样的
公用链以及成本的管控的话那我相信我们出售这个新银的这个价格的产品相对来说是具有一定的竞争力的在网易线上有个投资人问说我们的核心零部件斜坡解除器是台国自买家有哪些核心零件是自己生产的刚才刘总已经回答了一部分方杰里面还有其他的零件
这是公开信息像那个邪魔减速机的话大家可以看到这个绿地的这个披露那我们也是他的头部的单一大客户的采购商在过去的几年中
其余的像核心部件,像控制器,伺服器,电机,电码器这些,越疆一直在坚持自研,这才路线上,所以我们采购的大部分是到了电容建筑这个颗粒度的级别,那剩下的电路板都是自己做PCB,然后最后自己组装起来,是这样子。
谢谢刘总那我们继续揭露线上合作的提问请惠妮先揭露下来的提问刘总好能听到我吗可以
好的好的,谢谢,我是Johnny,我记得买德贵天梯组的,然后我是想请教您一个关于2025年guidance的问题,是看到公司在这个工业教育商业的这个三个不同的应用场景,就是公司对于这个2025它不同的机器人的出货量的这个分布情况大概的一个展望是怎么样的,就是随着现在可能我们看到一些市场需求的变化来说的公司预计,
可能哪些主要的应用场景包括更细腻一些的出货量会有比较大的一个增长谢谢
首先我们在过去几年制定的战略方向在工业客户我们有两点一个是持续的在攻克头部的客户拓展非常有经济意义的代理商其次是我们这些已有客户的会产生小批量或者说持续复购的这样的一个增长
但相对工业还是我们的增长的主场景之一那这也是一个非常大的市场
第二个是商务领域是我们一直在透过该看好的一个方向这两年一直也保持着比较好的一个增长在过去的像咖啡、奶茶、理疗以及炸肉条这些领域都出现了摆台级别的这样的一个开始因为它是一个小步快跑的迭代的一个观察的一个场景
那我们都产生了这样的一些这个集成商跟运营商的这样的一个这样的落地的一些场景那我相信这些场景呢今年也是有比较乐观的比较乐观的一个发展跟这个乐观的一个预期所以说呢我们感觉今年可能商务的领域跟工业领域会保持一个比较好的一个增长
好的,明白,谢谢罗总。
就是想请您再更多地分享一下目前这个AI大模型是具体在如何提升咱们这个写作机器人的就在不同应用场景下的这个能力的然后包括到还有在巨声智能的这一块您之前也提到手部操作技术是一个比较大的难点那么在这个AI的技术的辅助下就是有没有可能去进一步提升手部操作的一个精准度和灵活性
现在就是在这个方面有没有一些相关的技术突破的计划和研发成果可以分享的谢谢好的谢谢那么居身对协作的这样的一个副能就跟居身对人设的副能是一样的可能它落地更直接更简单因为它的稳定性跟成本以及场景都是确定的
我们今年在三月份推出了一个视频就是AI赋能之后有两个问题要解决两个问题第一个就是手臂在场景落地的这样的一个编程开发不需要编程开发了只要提前训练就可以在终端进行一键落地跟部署场景只要在之前的场景已经训练过了落地就能识别
第二个是在机器人的核心软体路径规划现在之所以机器人不能快速的一键复制就是因为它的路径规划那现在就像智能对这个路径规划的这个效果是非常好的那实时的有障碍物进来或者实时的有一些这个
中端产品的位移单臂在智商智能的AI的加持下都能够快速地调整自己的姿态然后进行一个准确的抓取这一个在一些单一手臂之前在过去的上下撩或者翻译过程中就能够极大的降低手臂的部署对于机车商来讲的话可能又是我们可以给他提供一个标准化的方案减少了长压离中端的距离交替成本
第二个聚焦智能呢就是目前行业也都是以V2A的模型来快速的做出尝试那我们也是在过去的单一智能的模型上进行
一些前的训练那训练完之后呢我们也会结合VRM的这样的一个平台然后进行一些这个多模型的这样的一个训练那针对单一场景呢我们会针对出一些小的模型然后进行一些西餐场景的落地是这样子
今天我们认为会在单一场景里边整个行业会有一个大的突破单一场景的泛化潜力谢谢罗总我这边在实现这两个问题很清楚谢谢就有出来的单一场景模型它是不是对于泛化能力相对来讲会比较差一些
它不会差太多其实它主要是降低了部署的难度因为在单机里边去部署的时候你是带不动一个几滴的大模型的成本会很高虽然说一个小模型可能只有大级千发的参数但它对单一场景的理解其实是建立在大模型的技术之上的其实它的整个的准确率不会降低太多
我的理解是它的准确率在这个场景作业准确率会提升如果我们在这个场景再继续在这个场景去训练的话会加强它对单一场景的准确性谢谢罗总那我们请进门之间的会议秘书接触下一个投资人的问题
您好,我是台中电信的张艺齿,非常感谢有这样一个提问的机会。我就是想请教一下,我就是关注到这一年以来,机器人确实非常火,现在包括我们进入到机器人行业的商务公司,估计也至少有大几百家了。
整理&字幕由Amara.org社区提供
就是说竞争优势在哪里?大家都在做分析器,为什么最后会选择我们?这我觉得也是非常想交流的一个问题第二个问题就是您刚才讲我们的很多执行器、编码器其实我们是自研的
那我们也关注到就是从这一年以来有大量的企业开始进入到包括关系模组啊还有就是电机啊包括那个这些相关的一些领域啊咱们怎么看现在这个行业的一个成本的一个理论上大家都进来的话成本应该还是会降的比较快的嘛
当然我也看到我们今年毛利率还是在提升的我想请王理事可以分享一下我们对后续成本价格包括我们毛利率的一个未来的预期这样的一个变化咱们去展望这块的一个营业能力后续的一个拆分的变化这两个问题好的谢谢
其实在过去的七八年前我们刚进入这个行业两三年之后我们发现这个行业一个非常大的现象就是所有机械公司都不赚钱这个也是我们当时面临的一个非常痛苦的问题
后来我们就去看这个行业为什么大家都不赚钱或者说就国内的这个赚钱是比较难我发现这个行业的特点就是说产品公司到终端的时候到终端用户中间隔着一个集成商那为什么就是因为产品还没有那么好用那所有的产品落地呢都需要系统集成商去做一个整体解决方案给到终端那一个产品可能就是五万块钱
那终端金融商要花三到五倍的人力物力给它使用起来然后把终端的产线给它改造那终端可能要付三十万那这样其实我们看的不管机器人怎么卷这个价格那其实对终端的整个支付成本没有太大的变化所以说呢当大家对这个产品端提出要求的时候呢虽然产品端在降价但是其实是就该买就没有好动这个终端的这个神经
那我们在想那这个行业到底怎么样做才可以那这个行业这个唯一的出路就是把产品做得更加端正化更加智能化更加容易使用让精神商的成本降低让精神商可能用一天甚至更短的时间把它操作起来这样它才能够普及到产品以更低的成本普及到终端去使用这样的终端的使用呢产品的这个
被需求被定义然后被要求就越来越多样性为什么过去手臂就就就一个类型就是因为手臂其实整个成本并不是决定
中断的使用而他只是被自我自我内卷所以说在我们就看看到这个问题之后呢我们就一直做一家产品型公司这是岳江的你要说这里有竞争力的话那就认为我认为是其中之一就是那岳江一直做产品公司把产品做成
全球所有集成商都喜欢使用的产品所有中端都喜欢的品牌是我们的追求那这样怎么做呢那我们就不断地说一方面就是让产品的性能更好质量更好那性能更好其实在一个行业早期的时候呢它是没有成熟的供应链的而我们这个完全自研也是被迫的
因为在早期的时候你要快速迭代你要快速给用户提供更好质量更好用的产品你只有把所有的核心技术自研了你才能够推出不同系列的产品满足不同场景的这样的一个大小型号这样的话才能够去满足系统上的要求例如说
一个系统经营商需要我们20台产品去做一个呈现那我们可以推荐他你用15台10公斤的用5台5公斤的用3台MG400 1.5千克的这样的一个组合是不是会更好
这个组合对它来说降低了难度,对众大来说降低了成败,这样的话其实所有的条件就被优化了,重新优化了这样的一个解决方案。所以说在这样的过程中我们过去就是做了两件事情。
顺便就是说全剧顺便自演了第二个就是把产品做得越来越标准化包括我们今年推出去年看到增长比较快的是复活机器人在产品标准化的同时那么推出的方案标准化把一切核心都是围绕着降低精神上的劳动成本跟投入降低终端去做了这样的一个目标
那您第二个问题是说核心零部件这一块核心零部件的降摆我认为是两个方面一方面是通过大规模的使用来降低上游供应链的这样的一个成败第二个是通过技术路线因为这个目前我认为就是说在机器人很多技术路线还没有完全被定格可以用更加简单或者这个就是朴实的这个路线去根据不同的场景
去把产品做出来像我们刚才这个分享的就是说像那个编码器就光编码磁编码电感编码三种那这个每一种编码器其实光编码可能精度更高一点那在一些手术领域八道器领域的使用磁编码可以通用领域那未来可能就加强的是电感编码我只是现在讲这个那它的成本组成它就是不一样的算是一个数量级的组成它比量的这个
后程对成本的降低会更直接更大的力度所以说包括未来就算只能落地其实还是要根据场景来进行组合来进行整个硬件成本的这样的一个评估跟组合谢谢好的感谢
我们再补充一下我们245买了为什么不提升吗?还是有点明显所以成本下降还是说产品结构改善四周降低是吧?
毛泽东改善是吧?这个报表呢我们这个毛泽东队啊其实里面这个主要是读英语成分是含了我们这个存活天准备这如果考虑这个的话呢是有些改善啊但我们从管理层角度来说呢我们是按照这个国内的准则啊把这个存活天准备是从这个读英语成分是踢掉的踢掉看我们的毛泽东队是40.5这个跟23年是持平的啊
平面上可以说,在过去的十年,竞争力大爆发之后呢,像无人驾驶的车以及像扫地机,它是完成了平面的路径规划。但是机械手臂的空间的路径规划一直是世界级的难题,这没有被突破,所以机械臂在空间的每一个动作都是编程编出来的,都是代码写出来的,也就是人工失效出来的。
那这个机器人目前通用模型是可以解决路径规划跟场景理解这两个问题理解了这个场景然后用自动去规划路径去实现抓取或者搬运的话那这个就是把之前整个机器人在这个生产里边作为生产工具直接变成了一个真正的一个自动化的一个过程我认为这是一个核心的一个点那第二个关于成本这一块其实你讲的这也是非常对的
就是如果不考虑这个口径的变化其实毛利是稳定的OK 好的好的谢谢好来接下来是问题了我们进入下一个问题下面有请为号0886的同伙者进行提问谢谢喂罗总好可以听到吗
整理&字幕志愿者解读
非常明显的这种竞争加剧因为大家都在这个赛道上去卷那么我想请教一下这个原因是因为大模型让让运动控制就是这种动画还是这种巨身的这种自主化让这个难度下降了吗让它成了一个可以实现的就是能够实现的很降低的原因吗为什么这么多都在这条赛道上去卷
您这个主题是指人形在卷吗?还是机器人在卷?机器人到人形因为我看以前我们是做协作手臂然后现在我们也开始推向人形因为本身我是觉得很多场景下可能协作手臂的经济性或者实用性更强因为您刚才也提到了其实现在只是单一场景下的
或者只能实现单一场景下的范画那么这样看的话可能写作手臂它是一个很经济很实用的一个方式但是我们也要去用人形来实现我不知道这个原因是什么好谢谢我认为就是可能人形我们要稍微把它具象一下就是我们把它具象一个类人形吧就别就说双足加这个双臂了
移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂,移动是双臂
如果大脑在第一步突破之后那整个机器人通用模型就可以让机身移动起来去工作那这个整个确实是让解决了之前机器人无法做路径规划这些路径规划像过去只有
现在丹币的成本落地可能会更低一点但是从中局角度来讲的话刚才我也分享过一个观点就是说中局当我们的居身
这个机器人我们一键启动的时候他在这个场景里可以自主去做思想他就不需要再去做任何的部署的时候其实他的生活成本相对于目前的机械人机械币加基层呃场景改造的成本要低的啊所以说从这个角度来讲的话那个整个巨神机器人未来那他的在不管在工业还是商业甚至在未来的家庭生活场景中那
都是充满都是可控的我相信
明白非常非常清晰那么就是说在这样一个特别大的一个变化的过程中我们过去在这个协作手臂协作机器人遗留下来的我觉得最重要的优势包括我们的产业链硬件和运动控制这部分的优势那么这个优势在向后推推到巨身推到空间智能的过程中我们能落下哪些优势就是比较同
比较我们的
对我们说现在就是大脑加小脑加本体那其实这个应试呢其实现在本体跟小脑上已经可以充分的展示出来对于像来说就是针对场景去落大脑的这个功能那其实就可能在这个落地跟大脑的场景训练上会有先发或者说在前沿的一些这个
那是不是我们在大脑的这种场景训练上我们以前积累的这些场景的数据会对我们有一些更好的优势
对就是两个方面第一方面过去的十年我们一直生活在机械币的曾经里边然后不断的去总结归纳以及去表达一些突破点到今天我们在单手币的应用中就形成了自己的一个认知我认为在这个居身人形逻辑的过程中也会经历这样一个过程经历这个过程那第二个就是说在整个
大脑训练的过程中其实如果有针对性的去训练一些场景或使用一些提前预制的本体的类型其实它的训练的效果以及它的淡化迁移能力都会有一定的优势
明白就刚才您提到我们的产品到用户端中间是有一个集成商的那么对场景的理解的经验和数据是落在集成商这边呢还是我们是能共享的
在过去的手臂的行业中基本上都是落在集成商的这个过程中那只有厂家主动的去跟集成商做一些深度的支持服务那才能够去获得这样的一个数据的这个反馈
那未来我们认为可能就是更多的就是就是直接面向终端了就不需要就是说在居身这个场景的理解中直接面向终端就无需再经过集成商去做数据的采集或者训练明白明白那就是我们现在也是在做这样一个直接面向终端客户等他最终交付的这样一个过程我这样
对抱歉我解释一下不是最终交错是是研发的研发的过程那最终的交错呢可能还是未来是有大客户可能会直接跟我们的中小型客户还是先跟我们现有的销售模式跟渠道是一样的就是如果能让现有的这些渠道经常上能够去交错居心智能的话那就像我们现在就是家里买个中桥彩电一样或者给你上面安装就可以了
就是比去装一个单一手臂要简单的多了
最后想请教一下刘总就是您是在这个行业里面就是我想请教一下就是我们这个就是自主化就智能的这个部分它到底现在发展到什么程度因为现在大家的技术路径您刚才讲可能会收敛到VLM的模型那么但是现在也有在用这个VLA的这种模型
就是您觉得就是说这种空间智能它是不是还有很大的鸿沟向前去推因为不是也有很多实验室在做这个物理AI的模型觉得还是可能很难实现现在还没有至少现在还没有实现我不知道就是您理解它现在到什么程度然后再来支撑这个人形的这种这种真正的放话的这个能力
谢谢,其实现在各家的底层还是说在VRM的基础上去做的VRA,它是一条技术路线。
因为这个都是在这个这个技术路线目前是收敛的是上面去啊就是也会可能新的技术路线蹦出来但这个路线我认为至少就是可以解决当下带一个长久的发话跟转圈率以及速度的问题这些这些几个难点都可以
去优化解决掉经验但是犯长久的就是跨长久的犯法我认为这还属于科研问题就还需要几年来不断的去摸索有可能会产生新的技术的加入路线也有可能明白不好意思再追问一下就是还有一个就是软件和硬件关系的问题就是无论是要可能要仅偶合还是节偶还是这个
可能我自己的理解是人型机器人就是机器人这个环节可能我硬件软件一体化是最有优势的但是未来它会不会成熟到一定程度会不会有这种结构的过程
我认为会有的就是他可能经过更长的时间来看我的理解大概可以去看一看这个无人无人驾驶软件跟那个车的这个就是先翻后合再平行的这样的一个路线也有不错的无人驾驶软件独立运行但很多也是规定了车厂那车厂也有自己的团队在做也有使用外部的
就是这样的一个路线未来在巨山智能也是存在的有些比较垂直的公司或一些比较大的公司也会去做一些这个通路线大脑那这个本体厂商呢也会去做一些自己的这样的垂直的这样的一个模型或者说小一点的通路线大脑它去服务不同的领域
都存在了,岳将也会坚持走自己的巨神加机器人硬件的这样一个结合的路线明白,谢谢刘总,很感谢
好的刘总我是中信剑投机械首席分析师女娟我问您两个问题第一个问题就是公司PPT里面也介绍在巨声智能领域布局大脑本体然后小脑这一块我就想问一下您大脑布局的话因为现在这么多大厂在下厂做巨声大模型
您会自个儿做这个精神大模型吗?还是说会做一个策动做一些锤类的这种模型?这是第一个问题第二个问题的话就想问一下公司关于2025年的收入利润的一个指引以及主要的增长驱动因素我知道刚才很多提问的都是主要是关心人型机器人这一块但是我认为可能实实在在的业绩贡献上来讲的话25年我们
看的更多的应该还是您之前的这种协作B的这些产品就是想问一下二五年的这个增长指引以及主要的驱动产品是哪些或者是驱动领域上谢谢先回答您第二个问题就是这个大家可以看到我们的增长速度在提速这也是说我们在过去坚持这个
产品锻造化、发展锻造化这样的走入到这个终端的这样一个这样的一个战略路线取得了一些小的成绩那我相信2025年刚才讲过就是在工业跟商业领域会持续的保持一定的增长那我相信这个增长速度也能够就是
能够保持一定的就是过去的这种延续这里面主要是说一方面是我们的这个高质量客户越来越多高质量的这个渠道也越来越多这是第一个在扩扩这个量第二个就是我们的产品的标准化跟产品方案的标准化那也慢慢的就是这个巨占也多起来那这两者呢会给我们的
原有的用户提供更多的这样的一个产业升级的赋能也可以更多的开拓到新的这样的客户群这个是驱动我们在二五年持续继续增长的这样的一个点关于巨声智能这个弹幕型铭环着的点是
丁总您好这个是这样的就是我们会去做这个大模型那这个节奏呢其实也是根据我们对场景的这个理解然后这个根据这个行业的发展的节奏然后进行这个就是在我们的原有的技术纪律根据路线上推进
刘总可以听到吗我刚刚那个好像被静音了因为我关心的是现在这些大厂比如说国内的这种华为阿里腾讯海外的OpenAI包括英伟达都在下厂做巨盛大模型作为我们这样的一个企业其实还是在初创阶段的一个企业我看了一下公司研发费用其实投入也不是算特别多
所以这也是说去做这个领域也会有一些就是自己的这样的一个出发点那同时呢跟这种大厂的合作我认为也不是白痴的因为这个通讯大脑它在一些垂直领域也不一定会
就是包含或训练的好就是说他可能要挣留一些出来去做一些细分那这个就像云一样那可能也会去做一些也会有色域的部署也有工余所以说在这个未来这个大模型领域来讲它的投入其实是分节奏的并不是像这个
目前这种大模型的这种投入还是持续的进行高质量数据的一个训练其实它的成本我们是评估过并不是就是对太多的人的算力还是属于出于更多高质量的数据跟那个模型的算法和数据的处理
- 谢谢牛总我再补充问一个问题就是您那个教育占比现在不是还算是比较高的吗我就想问问我们这个教育市场里面的话按照产品目前是哪些机器人产品卖的比较多卖的是哪些产品比较多
这个大几千万的一个投入那如果说我们来做这个巨声大模型比如说类似这种VLA这种大模型的话本身是不是会有点后续这个烧钱会不会烧得有点压力就是我不知道您的重心是会侧重就是比如说我们就某些细分领域做一些把这个Trader的模型做得更好一些数据集的这种采集上面做得更好一些还是说我们也会做这种VLA的这种模型
就是您觉得哪种方式会胜出?就是您作为一个本地企业会自己就一定要去做自己做大脑吗?还是说我可以用第三方的这个大脑?好的,谢谢。我相信每一家技术企业都想自己的大脑。这个其实取决于这个包括您说的这个研发投入或者技术路线方面。其实这个里边这个很有特点就是说你在录这个过程中,我认为是开放的,跟大厂的合作是开放的。
但是其实对一些长久的理解,硬件的落地过程可能会在通用技术人这个领域会成为整个行业发展的一个非常重要的一个瓶颈口。
因为整个我们说现在数据有真实数据两种都在结合的数据的积累机器人的任何一个数据它不像我们的文字我们的文字发表到互联网上它会被陈列下来但机器人的任何一个数据它一个动作在空间运行完没有被记录的话这个数据就消失了
所以说那如何去获得更多的高质量的数据如何去获得更一些垂直的场景那其实对于硬件公司来讲的话会有一定的机会会有一定的机会那对于这些场景垂直场景的理解呢其实那个整个基础硬件公司也有自己的优势
教育现在占比百分之二十五左右三十多那去年增长比较多一点目前来说主要是四轴的Modernization加我们去年推出的这个一六的六轴系列他们主要搭载了这个我们的居身智能的一些这个这些这个方案就是一些视频平台一些这个视觉的整个的闭环的这样的一个
以上是我的提问感谢您谢谢
我沿着问题想问一个问题,就是我看其实现在国内真的在做大脑的人形心脉的产生不多的,那海外的话比如说做得比较好的有很多的RT系列的,然后还包括现在印尼在推的这个GRMT这个系列很多的国内的硬件本体,硬件厂商也在用。
另外国内互联网支援它是上周推出了它的一个统合的专家模型咱们推出这种模型我理解跟支援这种模型是一个同类的模型我们跟英伟达的这个CRMT这个模型是有什么样的关系能不能跟我们解释一下
暂时我们还是用了战术的数据比较多就还没有用这个仿真数据因为我们作为扳机厂在战术数据方面采集会有一定的优势所以说我们现在在战术数据领域的模型里边虽然比较深一点
对于数据知识产权的问题,因为我们有场景,我们采集的数据可能是来自于客户端的真实场景数据,那未来的数据,它的知识产权是归属于客户还是归属于我们,或者是我们客户跟客户有什么样的合作方式来保证这个数据推出来的模型,知识产权是我们的还是客户端的?
这是一个非常现实的问题说实话现在行业还没探索这个问题当然大家会去谈这个问题但是由于这个行业处于一个刚开始发展的阶段就是大家对这个其实数据因为公开了也是一些公益这个公益可能大家一眼就看到了就知道就是说怎么如何把它变成一个集群的数据这个劳动就是价值更高
所以说在这个过程中呢,我认为这是个未来的话题,也是即将面临的话题,但是我认为这个解决方案可能就是说,数据提供方它要
就是自愿去提供可以低成本的去使用这个模型如果说他的这个数据里面占据太大的这个其他的这个成分的话那这个数据不利于未来的这个数据的公开化或者说模型的公开化去使用那我们接下来往下走吧进入下一个部分
您好,您好
我是那个常见机械名人之前也到公司这边来参观过也是有很深的感触就是前面的一些投资人也都提了很多问题我这儿再补充一个问题就是关于一个制造团的因为最近也在一些一级机器人的企业里面咱们去走访调研的时候也发现可能对于现在的机器人特别人性机器人可能生产
生产上的这样一个一致性包括这个可能现在还做的不是太好可能事业出现可能很多机器人生产出来之后还要单独去进行这个调试训练然后所以也想请问一下就是咱们这边怎么目前怎么看这样一个这个问题就是这个机器人在生产过程当中它的一个有那么多的关键如何来保证它的一个品控一个是现在的一个这个一些普遍的一个状态另外一个是咱们如何保证它的一个品控
谢谢这是一个非常重要的问题硬件的一致性确实对模型的影响比较大对于行动稳定性还有训练的效果影响非常大我们做汽车可能就是可以活动的关节就不超过10个4个轮子加方向盘这些还手工的那人行机其实至少是29个不加手工的话那它的整个的一致性确实是相对来说挑战比较大的
在过去的十年中我们突破手臂的六个一致性就花了非常非常多的时间从一次下线的通过率从60%提到90%以上都花了三年以上的时间最终讲一个细节就是我们每一个检测机都是在旋转中验收的
就是这个是不可思议的,也是这个过程就是去做了很多的这个探索。所以说大体来讲的话就是从供应链的一致性,设计的可生产性,以及这个生产的这样的这个规范性,然后形成不断的备款,不断的去接待,不断的去接待。
可能经过几代硬件才会出来因为中国的汽车产业确实是经过几十年的这样的一个过程产业链、供应链还有产业化人设都比较丰富但技术领域确实对全球来讲都是一个新的领域所以这个过程我认为是一个大的挑战之一也就是刚才从我讲的那三个点去进行一些突破可能会比较好一点
因为它这个机器呢它是个位置控制70万无人机它是个速度控制对电机这个位置控制的这个精度呢它是呼翻级别的要求速度控制呢它是相对来说是它是一个线性控制所以说两个的难度还是不太一样的明白好的好的谢谢你
我们有其他疑问了,谢谢您了线上有些人提问,我来帮忙问一下因为现在除了刚才提到了今年来自人机子线的厂商不多有汽车的,有3C的也有以前工业机器人的厂商比如说S4和S4也有相关的布局那从工业机器人,六轴工业机器人
首先欢迎这么多厂商来做因为这样可以共同的把这个行业给它做一些创新把这个工业做一些突破
谢谢刘总我们时间也一个半小时了我们开放最后一个投资人的问题请CVC接受最后一个问题下面有请5号4577的朋友直接进行提问谢谢喂刘总能听到吗可以谢谢刘总我是光大证券机械首席分析师黄海斌
很荣幸应该是作为最后一个提问第一个就是想问一下其实之前的协作机器人融资的也比较多比如说像杰卡敖博费西洛施我们能作为协作机器人第一股实现上市那么市占率目前也是国内第一您觉得这个主要原因应该怎么总结我觉得是第一个运气比较好吧
首先这个目前人形机器里边用的所有的关节跟那个协作机器是同用的它的低压的师傅编码器它那个整个编码师傅这些都在一个关节上
操作工业机器人是电机跟解锁器连接着机械硬件,整个控制大脑是在一个柜子里。所以说它整个技术路线,首先是从高压变成了低压,第二个是从一体化的整机的工业机器人设计变成了高压。
魔幻化的关节设计那里边使用的这些丝服包括控制技术就是从开花控制变成了机器人、邪斗机器人的安全控制这些可能都还是有一个比较大的一个迭代就像邪斗机器人可能在从工业机器人到邪斗机器人转移了几年的时间
手术机器人是越交协作手臂走向高端的一个重要的战场的方向过去一直像库卡是做的比较多的德国
像UR也有一些应用,大家其实还想用协作手法,首先选择的是UR。那岳江也是在过去的三年一直服务一个客户,在去年成功了两百台的这样一个量。主要是用作了膝盖手术,做一些切的动作跟垂直剂的动作。
这个其实对机器人的要求是它的稳定性跟精准要求是非常高的我们也是陪着客户测试了三年然后去年采取了批量订单今年可能会在机器人上还有增加整个我认为守护机器人的这样的一个安全性之后我们会持续的为更多的医疗设备厂商我认为现在过去像那个直角公司白板器守护机器人
整个都在使用一些复杂的手术的单通道多通道多腔径的手术其实要几千万一台其实未来可能很多的单腔径的手术单通道的手术机器都可以被这些代替掉其实可以更多的去加速手术机器的普及缓急使用这是一个过程
这个问题,我认为国内的抢商做的都还是不错的,都还是在这个行业不断地去达到成,把中国的协作继承人达到成全球的竞争力。我19年就讲过,世界上未来最大的协作继承人公司一定在中国诞生,现在看来是有机会的。
也一定会必然实现的我认为可能就是每家经营不一样业家刚才翻墙过一直定义成产品型公司一直以产品为接生力去不断的去迭代自己的供链的能力零部件的能力以及软件的能力跟服务能力所以说相对来说我认为我们走了自己的一条在行业里独特的路线对这样子
明白明白然后接着这个问题其实就发现目前你看这个落实了韩风涛出来去做那个千寻然后之前那个CAC的刘策武出来也做了自己的这个巨石铭平台像他们呢目前走的道路都是撬出来然后单独呢再成立一个巨石铭的这么一个平台来去融资我们呢是在上市公司体内孵化了巨石铭这条路线
这两种方法或者说这两种道路您未来怎么看我觉得从几个方面第一个融资方面他们是不是因为没上市所以要想实现巨顺的融资他可能还真得新成立一个平台通过一级市场进行融资那我们已经上市了所以可以进行在二级市场进行公开的这种融资但如果从产品层面来看的话他们是all in的就是单独主体内的all in人形机器人我们是在邪恶的平台内在做人形
我不知道后续会不会为我们的产品路线产生一些影响这个我不知道该怎么展望或者和对比好谢谢就是也有关注到一些反而的变化就是首先我们认为这个在G3智能机器人这个领域它是一个
综合体就是整个硬件跟软件模型的无负面积跟数据的第一阶段的高质量数据的采集是非常有利于整个智能机器人的能力的进化跟一些功能的突破的所以说我们是在
自己的硬件基础上进行快速的迭代像去年我们推出X-Trainer当时整个行业里边都还是用开源的多级手臂在做当第一次这个模型搭载成我们搭载我们这个高质量的硬件的时候它的整个质量一下就被很多的像美国里边的高手都被认同了就是他们认为一下就把他们的这个之前的成功率提高了非常大
第二个就是我认为协作到人形它是一个非常丝滑的一个过渡其实我们也是把我们的单臂变成了双臂其实整个即视路线我们为什么在过去非常短的时间内操作就非常灵巧灵活
就是它的整个的技术平台跟以关节为单位的产品平台是一个共用的所以这是我们的一个思考关于其他的思考都是没有其他厂家的思考就是没有关注太多谢谢
明白明白关于产品的话我觉得如果说是一个产线需要一个比如说类似于拣选挑选的任务我们是会推双臂加菱乔手呢还是会去推人别人可能会直接上人形那我们认为其实这个双臂加菱乔手可能也就够了这个从我们公司是怎么看
这个取决于它工作岗位有没有移动的需求如果没有去固定的话我们就会非常建议用户直接用双臂就可以了如果有一些移动的需求我们会推荐它用一些软式的如果它有一些非结构化场景的跨越的话或者走动我们就建议它去用人形
明白明白对然后我最后一个问题就是我觉得感觉这个VLE模型还是需要很大的人才密度毕竟相对来讲还处于前沿学科对然后我想请教一下我们公司目前有没有从外界呢从这个协作过渡到人心之后引进一些相关的人才然后对这个团队我们目前打算是维持一个多大的团队
这个非常认同这是一个不仅是这个人才密度这个相对高并且是需要顶级人才的一个方向我只能说暂时还处于保密阶段就是还不适合在这里去讲谢谢好的好的明白谢谢刘总我就这些问题好刘总先向台湾一位投资人举手再开放最后一个问题吧好的好请欢迎刘医师接近来吧
老师刚才那个客户已经取消举手了好的那我们请刘总来做一个总结吧简单的总结好的那个首先感谢居生辛苦也谢谢各位投资者感谢大家支持那我相信呢就是现在就是居生智能是未来五到十年我认为最具有这个投资价值也是最具有这个在带动产业方向发展的行业
这个行业有机遇有挑战那岳家呢也是在过去的十年的经历基础上呢就是愿意大家一起去共同探索这种机遇也共同去解决这些方面的问题但是我们相信这个目标一定会实现的中间会有些曲折也有些这个波折但是这个答题的这个方向是非常非常准确的
我们期待每个阶段能够取得一些小的进步和大家一起分享谢谢大家谢谢岳江管理层的分享谢谢罗总谢谢黄总谢谢孙总我们也看到其实刚才有刘德问到说岳江是什么原因成为写作币的第一股我们觉得天时地利人和然后也是跟岳江过去八年不懈的努力崩开岳江在八年的时间成为写作币的龙头
希望能够在未来的五年到十年一直陪伴岳江的成长看到岳江能够从鞋库贝的萌兔之间转型成长成为一个居身智能的机器人的萌兔公司我们也欢迎大家持续关注岳江的成长也欢迎大家到线下来跟公司的管理层做线下的机制交流和沟通那今天我们的线上交流就到这边
今天的会到此结束谢谢各位谢谢谢谢各位今天让我们成为第一名我们也很荣幸谢谢大家