9月1日，梅卡曼德在港交所上市，成為「具身智能眼腦手第一股」。

本次IPO，梅卡曼德全球發售2314.06股，發行價定為101.70港元/股，募資總額約23.53億港元。截至今日10點45分，總市值約124.07億港元。

今年，創始人兼CEO邵天蘭37歲，梅卡曼德成立10年。

這兩個數字放在一起，有一種微妙的錯位感。37歲，在科技創業者中仍然年輕；10年，在具身智能這個近幾年才被密集討論的行業裏，卻已經不算短。2016年底，邵天蘭從德國回國創辦梅卡曼德。那時，「機器人智能」還不是熱詞，他需要向投資人、客戶和媒體解釋：機器人為什麼需要智能。

10年後，這個問題有了許多更時髦的名字：具身智能、物理AI、機器人大腦、世界模型、Agent。機器人公司開始被重新定價，2023年後成立的新玩家講基礎模型、Scaling Law，也講未來每個家庭都會有機器人。資本、公衆和產業一起，把這個賽道推到了台前。

但邵天蘭似乎不想被這股熱潮帶着走。至少在這次採訪中，他沒有急着講一個更大的估值故事，也不打算把公司重新包裝成某種新物種。

「我們不想把公司經營成一場圍繞市值和估值的遊戲，孖展也不是公司存在的終極目的。」他說。

另一種表達出現得更頻繁：不作假、不誇大，不爭短期、不做短線。

他把一些行業做法稱為trick，比如依靠數採中心、關聯交易或過度包裝的視頻製造收入和聲量。在他看來，這些做法短期可能帶來增長，代價也會很快顯現：報表被污染，技術團隊承受不合理預期，真正做產品和交付的人被淹沒。

梅卡曼德提供了一條相對剋制的路徑。

它不是2023年之後才進入具身智能賽道的公司，而是從2016年的3D視覺和工業現場一步步成長起來的。它也沒有押注單一機器人形態，而是做「眼腦手」：高精度3D相機、人工智能軟件和多指靈巧手，適配工業機械臂、協作機器人、移動機器人、人形機器人等不同硬件。

換句話說，梅卡曼德不是從「人形」出發理解機器人，而是從「智能」出發理解機器人。邵天蘭說，客戶需要的不是機器人長得像人，而是它能在複雜環境中完成任務，並且部署快、易使用。

這也解釋了為什麼他總把話題拉回客戶現場：累計出貨超29000台，業務覆蓋近50個國家和地區，服務超過100家《財富》世界500強客戶，海外業務佔比過半。

根據灼識諮詢資料，按2025年收入計算，梅卡曼德在全球「AI+3D視覺引導非專用智能機器人組件」市場中佔有約22.1%的份額，排名第一；按出貨量計算，全球市場佔有率超過27%，超過其後四家最大競爭對手的總和。

梅卡曼德上市前夕，網易科技《態度AGI》欄目與其創始人兼CEO邵天蘭進行了交流。以下為對話實錄，內容經過不改變原意的編輯。

熱潮來臨前，

曾有過一段從容的時間

網易科技：今天很多機器人公司賬上有充足資金，估值也很高。你們2016年成立時，行業也是這種狀態嗎？當時的機器人行業是什麼樣子？

邵天蘭：不是。我們2016年成立時，機器人行業遠沒有今天這樣的熱度。無論是具身智能、物理AI，還是人形機器人，這些概念當時都還沒有成為資本關注的中心。我們更多是在解釋機器人為什麼需要智能，孖展節奏和估值水平也遠比今天剋制。

這次上市後，資金會更加充足，但我們不會為了擴張而接受與公司發展階段不匹配的資本。資本最終要服務於技術和業務發展。我們也不想把公司經營成一場圍繞市值和估值的遊戲，孖展從來不是公司存在的目的。從財務報表也能看到，過去幾年，我們的收入快速增長，毛利率持續提升，費用率明顯下降，現在已經能夠支撐全球化、規模化投入。

過去兩三年，無論叫具身智能、物理AI，還是人形機器人，更值得關注的是技術進展和應用場景進展。至於今天誰估值更高、明天誰融了多少資，更多是噪音。

我們曾經歷過一段很舒服的時期：資金充足，也沒有被過度關注。

資金充足，是因為我們在資本市場獲得了紅杉、IDG、美團、啓明等機構的支持。這次上市也有9家基石投資人，都是長線機構，而且基石投資佔了相當大一部分。

不過度被關注也很重要。過度關注容易放大競爭，也會把技術所需的時間壓得不切實際。

網易科技：能不能梳理一下，從2016年到現在，機器人產品和技術經歷了哪些重要變化？這一波具身智能和機器人大腦的變化，你是什麼時候意識到的？之後做的第一項關鍵投入是什麼？

邵天蘭：技術演進是連續的，只是公衆往往通過幾個節點感知它。過去幾年，AI領域有GPT-3、GPT-4o，再到DeepSeek V3和Chain of Thought等關鍵時刻。

回到機器人領域，這條主線同樣清晰。2016年前後，深度學習開始真正從研究走向實用，機器視覺是最先受益、也最先落地的方向之一；2018年，Mask R-CNN進一步提升了目標檢測和分割能力；2019年後，Transformer逐步成為通用架構，並重塑視覺、語言和多模態任務。再往後，VLM讓機器人具備跨模態理解能力，VLA把視覺、語言和動作進一步連接起來；世界模型和強化學習，則讓系統學習環境如何變化、動作會產生什麼結果。技術不是突然轉向，而是在持續積累中不斷擴展邊界。

對我們而言，技術演進一直在發生。到了一些關鍵節點，需要判斷某項技術是否已經從遠期概念或實驗室demo，走到可以產品化的階段。

我們一直保持對前沿技術的關注。到今天，我仍會讀很多論文。我的方式有點old school（老派）：一邊讓AI幫我做實驗和解讀，一邊也會把論文打印出來讀，因為紙面閱讀更專注。

這一撥技術範式，我認為至少有三個重要方向。

第一是大模型範式，從語言模型延伸到VLM；2023年起，我們就開始系統投入。第二是強化學習，它在行走、操作等任務中都有價值。第三是Agent。你在現場或視頻中看到的交互、推理和多步驟任務，背後都有Agent範式。

此外還有世界動作模型。World model是一個更大的概念，其中包含多種路徑；我們目前更關注Agent與World Action Model的結合。

所以，梅卡曼德的產品形態相對穩定，始終是眼腦手；底層技術則持續演進。當某項技術跨過門檻，我們就會推動它從探索走向demo，再走向產品化。這是連續過程，不是某一天突然切換範式。

但技術本身並不是終點。我們不是科研院所，最終還是要把技術變成產品、業務、收入和利潤，這是產業化的基本邏輯。

網易科技：剛纔談到技術演進。作為創業者，你們和這一波公司所處的環境，以及看問題的視角，有哪些差別？

邵天蘭：我們的目標不僅是survive（活下來），而是survive and thrive（活下來，並且持續發展）。

技術層面剛纔已經談到。我們從2018年起就持續關注深度強化學習、生成式模型等前沿方向，也始終保持較高強度的技術跟蹤。

回到創業者視角，共性是大家都關注前沿技術和應用場景，但差別主要在幾個方面。

第一，我們已經形成了較穩定的位置，業務也跑起來了。新一代公司需要思考的是如何形成商業閉環。公司畢竟不是科研單位，不能假設只要做出技術，業務、財務和資本回報就會自動到來。

從上一波AI浪潮中的一些公司就能看到，技術做好並不等於商業鏈條自動跑通。很多年輕創業者會經歷這樣的認知過程。我創業初期也看過不少類似案例，所以一直很重視這件事。

第二，資本環境不同。我們已經不是一家仍在一級市場孖展的公司，而今天的孖展節奏、投資人結構和預期，與2016—2019年我們創業早期所面對的環境很不一樣。

當時，企業往往先融幾千萬元，再到幾億元，逐步發展。今天很多公司一開始就能融到大額資金，市場節奏更快，預期也更高。

因此，一些公司會選擇更激進的敘事和孖展節奏。我不做簡單判斷，這也可能是適應當前資本環境的一種方式。

但在今天的AI時代，很多idea是公開的。世界模型有哪些方向、數據分為哪幾類，行業裏大多清楚。最終比拼的是各自的技術判斷，也是企業能否找到自己的位置。

有一點幾乎可以肯定：我們大概率在讀同樣的論文，討論相似的技術問題。你去WAIC也會看到，各家的demo常集中在抓取、操作、疊衣服等方向，大家在大的技術方向上並不孤立。

我不太認同一種過度人為的敘事：好像某家公司先進入某個方向，後來的公司做的事情就完全不同。實際上，技術關注點和應用落地方向有很高的共享性。

圖片

智能大於形態

網易科技：梅卡曼德成立於2016年，名字Mech-Mind意為「機器人的大腦」。當時為什麼選擇這個方向？

邵天蘭：2016年底，我從德國回國創業。起名時就希望讓機器人更智能，所以選擇了Mech-Mind，一個簡潔、直觀也便於國際化傳播的名字，意思是「機器人的大腦」。

當時，機器人智能還是一個比較小衆的方向。我記得那時要經常向大家解釋，機器人為什麼需要智能。到今天，它成了最受關注的方向之一。無論叫具身智能、物理AI，還是機器人大腦，最終都是為了讓機器人自主行動、完成任務、應對複雜環境。

我們做的事情，就是讓機器人感知環境、理解環境，並自主完成任務。

現在，人形機器人和多種機器人形態都很受關注，但我們始終認為，智能是更關鍵的主線。

在不同場景中，機器人硬件會有不同形態。既有能抓取幾百公斤甚至幾噸重物的重型工業設備，也有輕型雙臂、移動協作機器人，以及輪式或足式的類人形機器人。這些形態，都可以搭配我們提供的眼腦手。

所以我們說，智能大於形態。客戶最終需要的不是機器人長得像人，而是它能真正應對複雜環境和任務，並且快速部署、簡單易用。我們提供的是其中最核心的能力，包括高精度3D相機、人工智能軟件和機器人的手。

目前，我們的產品已廣泛應用於製造和物流，累計出貨超29000台，一半業務來自海外，客戶包括100多家《財富》世界500強企業，覆蓋汽車、鋰電、金屬加工、物流、食品飲料等行業。

我們現在能做到「銷售一代、改進一代、研究一代」：一方面，產品已經在製造和物流中規模化應用；另一方面，也在推進世界動作模型、頂層Agent與底層執行結合等前沿技術，讓機器人應對更復雜的環境和任務。

網易科技：今年在機器人大腦方面，梅卡曼德主要的技術佈局是什麼？尤其是你啱啱提到的世界動作模型。

邵天蘭：目前我們認為最可行的是三個方向：頂層Agent、世界動作模型，以及強化學習動作。

今年機器人大腦的進展，主要體現在幾個方面。

第一，我們初步形成了更清晰的技術範式。在類人腦架構上，包括類似額葉的高層推理、類似頂葉的動作生成、類似小腦的動作糾偏等模塊，都有更明確的進展。

第二，數據規模擴大後，系統表現有明顯提升。行業常把這稱為Scaling Law。我平時不太喜歡用流行詞，但姑且借用這個說法。比如在WAIC展示的透明物體抓取和任務理解生成，通過更合適的數據、更大規模和更好的表徵，抓取成功率已經能做到99%以上，部分任務接近99.9%。

第三，我們看到了任務統一的可能。從架構到數據，機器人處理不同任務的方式可以進一步打通。這是我們圍繞類人腦、機器人大腦做的一些探索。

當然，還不能說所有問題都已經解決。但與半年前、一年前相比，方向更清楚，效果也更好。我們對未來更樂觀，這種樂觀是有依據的，而不是盲目判斷。

因此，對於更復雜的製造、物流，以及部分服務業任務，用我們的眼腦手實現批量化應用，我現在會更有信心。

網易科技：今年很多公司都在圍繞機器人大腦孖展和研發，這會否給你們的技術推進和人才招聘帶來壓力？

邵天蘭：影響不大。同時具備前沿技術能力、應用落地能力、產品開發能力和國際化運營能力，並有穩定業務支撐的公司，其實並不多。

從近期行業新聞也能看到，一些明星公司的核心技術團隊並不穩定。無論估值高低、成立時間長短，技術團隊穩定性都是很多公司面臨的挑戰。

我至今仍會參與很多面試，也和不少候選人交流。單看稅後薪資，各家公司的差距通常沒有想象中大，因此薪酬並不是唯一決定因素。

更關鍵的，往往是以下幾件事。

第一是現實利益。各家的固定薪資都不低，但期權能否兌現，取決於公司長期發展。候選人在選擇時，會認真判斷這家公司的前景。

第二是能不能做成事，第三是工作過程是否足夠健康、高效。

所以在這個位置上，合理薪酬只是基礎。更重要的是，公司有清晰的業務方向，知道要去哪裏，也能給團隊合理的時間預期。

很多技術負責人離開，一個重要原因就是時間預期不合理。

例如2016年，如果告訴技術人員兩年內Robotaxi或自動駕駛必須達到L4、L5，這就是不合理的預期。到今天，L4、L5仍未大規模普及，全球頭部Robotaxi公司的運營總量也大致在幾千輛級別。

不合理的時間表和預期，缺乏對技術規律的理解，也不給團隊逐階段積累的時間。對優秀的技術人員來說，這樣的環境很難長期待下去。

我接觸過不少背景優秀的技術人才，也和一些換過工作的人聊過。他們提到較多的原因，是工作感受不好、時間預期不合理，甚至難以真正推進事情。

好公司除了提供合理待遇，也要給出合理的時間預期，支持團隊把事情一步步做好。我認為這是吸引人才的關鍵。

還有一點是保持真實。比如你在WAIC現場看到的，和我們在公衆號或線上發布的內容是同一套東西；現場體驗甚至可能更好，因為系統仍在持續迭代。

這很重要。行業裏確實存在線上展示和線下能力不一致的情況。我能理解企業為了孖展和傳播做一定程度的包裝，比如視頻呈現得很好，但現實效果未必完全一致。

但如果差距過大，會直接影響人才對公司的信任。有些視頻可能經過多次拍攝後選取效果最好的一次，也可能借助遙操作或刻意擺拍。我們不希望這樣做，不是為了道德姿態，而是因為長期看，這會傷害企業文化和團隊信任。

第一，人才加入後發現實際能力與宣傳不符；第二，前線銷售也會承壓。客戶會追問，既然視頻裏能做到，為什麼現場交付做不到？這些壓力最終都會傳導給技術團隊。

把50分講成60分，可以理解為傳播上的適度包裝；但把50分講成5000分，就會讓技術人員揹負不現實的壓力，也會破壞內部實事求是的氛圍。

外界有時會想象，這樣的公司裏是否有少數特別聰明的人，靠一個絕妙的idea就能迅速把能力提高一個台階。實際並不是。具身智能涉及很長的鏈條，從數據類型、模型架構與表徵、數據準備、模型訓練、評測標準，到各種基礎設施、機器人任務設定和軟硬件協同等等，每一環都很重要。

沒有任何一個人，能只憑一個聰明想法就推動整個系統持續進步。

我們需要的是沉下心來，一點一點推進。這是團隊工作。團隊裏每個人都應該能坦率指出，哪個環節還不夠好、哪個問題還沒解決、哪個方向有兩種思路但尚未驗證。只有保持這種氛圍，系統才能持續變好。

所以我看到一些人才流動，背後往往是不切實際的時間表、過大的壓力，以及實事求是氛圍的缺失。

技術團隊裏，優秀的人往往對低效和不真實特別敏感。我開會時也會跟大家說，如果我講得有不對的地方，就直接指出。很多員工最終離開，最直接的原因往往是管理者。因此，我們要維護實事求是的氛圍，對外表達也要剋制、準確。

網易科技：你剛提到要建立合理的時間預期。現在具身智能很熱，資本、客戶、公衆都希望儘快看到落地，但真實世界裏的技術進展很難被催熟。你覺得行業應該建立怎樣的時間預期？你怎麼給團隊設定時間表？

邵天蘭：很難對每一件事給出非常精確的時間預測。

在一項技術的核心範式和關鍵難點尚未驗證前，不能一味求快。這個階段如果要求三個月內必須拿出結果，往往沒有用，甚至可能越催越慢。很多公司在技術範式還不穩定時急於推進，反而會拖慢節奏。所以，在探索驗證期，要尊重技術規律。

但一旦驗證思路可行，後續就要全力推進。我們內部有時會說「大力出奇跡」：當一個關鍵點已經驗證、火候到了，就集中投入設備、數據、驗證和產品化資源，把事情快速做起來。

所以，與其說是設定時間表，不如說是判斷是否到了可以全力投入的時刻。沒到，就認真驗證、論證和探索；到了，就全速推進。

相對確定的判斷是，製造和物流中的很多場景，現在已經可以批量應用。從我們自身的業績也能看到，過去兩年增長明顯，而且收入增長伴隨毛利率提升和費用率下降，說明模式已經跑通。

我認為，製造和物流中的很多場景仍然有機會。但家用場景和一些開放式服務業，例如酒店整理房間，或在餐廳、醫院、養老院與人直接互動的服務，短期內還看不到成熟路徑。其中的一些關鍵技術，目前尚未完全清晰。

如果場景不需要與人進行復雜、直接的交互，工作又相對可控，比如打包、裝框、打螺絲、接線等，已經能看到應用正在起步。廣義服務業則還需要時間。當然，未來某項技術突破也可能改變我的判斷，但以目前的信息，這是我的判斷。

圖片

不作假、不誇大，

把技術帶進真實現場

網易科技：如果暫時放下資本層面的噪音，你會如何總結梅卡曼德10年沉澱下來的真實能力？

邵天蘭：我認為有幾個方面。

第一，我們在大量客戶現場完成了真實部署。現場反饋的價值，遠大於實驗室或所謂生態中心能提供的信息。我們面對全球頭部客戶的真實需求，已經解決了一部分問題，也清楚還有很多問題待解。

第二，我們能夠持續升級技術。今天的Waymo和10年前已經不同，因為當年甚至還沒有Transformer，也缺少今天的仿真驗證和world model等思路，但waymo能持續保持在自動駕駛技術領先。我們也是在這些年持續迭代。

技術會不斷升級，但應用場景數據、基礎架構、評測體系和團隊積累，都是長期資產。

這些積累帶來的價值是：當我看到一篇新論文時，能夠基於自己的技術判斷評估它是否可靠、是否有前景。同時，我們也已經打通了從技術到產品、再到客戶現場的轉化周期。

很多公司會強調自己掌握某種獨門祕籍，但實際上，這類絕對獨佔的技術很少。谷歌、OpenAI也很難說完全擁有。尤其在AI時代，論文會公開，代碼會開源，人才也會流動。即使某個想法由某個人率先提出，世界上也會有其他人形成類似思路。

今天，沒有公司能真正壟斷idea。講世界模型的公司很多，我們也在其中。任何單一技術都很難長期獨佔。真正的差別在於，能否把技術變成產品、應用和商業，這個過程很長。

很多時候，外界關注的是我們正在研究什麼技術，但這只是一部分。更多時候，我們在搭建從技術到交付的管道。

就像研發一道菜：如果有穩定的供應鏈和門店，新菜做好後就能很快端到顧客桌上。我們不能只研究「菜怎麼做」，還要建設背後的整套體系。

過去10年，我們的技術不斷迭代，很多細節和模型架構都發生了變化，但產品形態和商業模式基本穩定。

這很重要。如果產品形態和商業模式不穩定，或者沒有跑通，技術就很難轉化為價值。一個典型例子是早期的人臉識別：技術在一段時間內可能有優勢，但產品和商業模式沒有真正跑通。

我們這些年先把產品和商業閉環跑通了，後續技術進步就能更快轉化為產品和業務。

網易科技：在這一波具身智能熱潮中，梅卡曼德似乎較少主動製造聲量。

邵天蘭：過去10年，我們不僅活下來了，也保持了不錯的發展。一個重要的原則，就是不誇大、不作假。最近我在公司內部也常講八個字：實事求是，與時俱進。

類似周期我們經歷過幾次。2015、2016年自動駕駛很熱，很多人講「三年商用、五年量產」，公司也普遍會發布車輛通過路口之類的視頻。今天再看，發展較好的公司仍在從L2逐步向L3演進。當時急於速成的公司，很多已經不在了。最終還是要回到技術、產品和商業邏輯。

過去這些年，資本市場對自動駕駛的態度常在兩個極端之間搖擺：要麼認為馬上實現，要麼認為行業沒有價值。實際情況是，技術一直在進步，行業一直在發展，只是資本市場的情緒會波動。

所以我們不會去追這種情緒波動，也追不住。更重要的是推進技術、拓展應用場景、把業務做好，而不是製造太多短期的trick。

這也是為什麼在這波熱潮裏，我們沒有刻意做太多製造聲量的事情。比如上春晚，比如建設數採中心——我們沒有來自數採中心的收入。

網易科技：你剛纔用了一個詞：trick。

邵天蘭：我所說的trick，是指用不真實或不可持續的方式製造收入。比如，地方政府投資一筆錢，建一個數採中心，購買你的設備，你再把數據買回來，形成賬面收入。再比如，與零部件工廠合作，要求對方成立合資公司，把你生產的機器人再買回去。這類交易更接近關聯交易，也屬於我所說的trick。

還有一種情況，是視頻呈現的效果好於實際能力，或者讓機器人背一套固定動作進行展示。短期看，這些做法可能有效；時間一長，就會帶來很多問題，因為每一種trick都有代價。

我們沒有數採中心收入，收入結構很乾淨。報表裏主要是頭部製造業和物流客戶的真實場景，收入、毛利和回款質量都比較好。

行業裏一些人為製造收入、製造展示的方法，所有人都知道怎麼做，但我們沒有采用，因為長期看會損害內部文化。

舉個例子，公司2016年10月成立，第三年收入1000多萬元。當時我們很高興，因為終於有了真實應用和收入。但如果同時通過「數採中心」等關聯交易的方式做出2億元收入，那麼這1000多萬元真實業務反而會被淹沒。

時間表也是一樣。如果原理驗證和技術開發還沒有完成，卻強行提出不現實的交付要求，團隊最終只能做一些不真實的東西來應對。這會反過來傷害公司。

我們經歷過周期，見過熱的時候，也見過冷的時候。所以熱的時候不必過度興奮，冷的時候也不必過度悲觀。

圖片

要沒有trick的增長

網易科技：梅卡曼德已經在全球部署約29000台設備。這個數字符合你的預期嗎？

邵天蘭：公司前4年一共賣了1000台，接下來4年賣了1萬台。過去一年多到兩年左右，銷量佔歷史總銷量的一半。從曲線看，這是一個比較典型的指數增長。

當然，現在的基數還不算大，我們仍處在很早期的階段。但更重要的是，增長伴隨毛利率提升和費用率下降，說明質量是健康的。

做增長可以有很多trick。但我們希望看到的增長，同時有良好回款、較高毛利率和持續下降的費用率，這些很難僞裝。相比之下，一些AI公司收入增長的同時，費用增長更快、毛利率下降，可能說明做了不少低價值業務。我們的財務表現不是這樣。

我們正處在快速增長期，增長質量也比較健康，但基數仍然較低。去年收入約3.8億元，今年一季度按年增長70%，但總量仍然不大。去年出貨接近1萬台，今年還會增長；不過與「機器人進入千行百業」的目標相比，還有很大差距。我理解那至少意味着數百萬台級別的銷量。

所以，我們處在一個低基數、早期，但健康且高速增長的狀態。

網易科技：未來的增長從哪裏來？

邵天蘭：未來增長主要來自滲透率提升和應用場景拓展。

目前行業滲透率仍然很低。比如幾家頭部車企已經採購了我們幾百台、上千台設備，但它們各自仍有幾十萬員工。放眼整個行業，滲透率還有很大提升空間。

另一方面是應用場景擴張。我們現在解決了一部分場景，但更多場景還沒有覆蓋。此外，大客戶認可和國際化也很重要。目前我們服務了100多家《財富》世界500強企業，一半收入來自海外。

因此，滲透率提升、應用場景擴張、大客戶認可和全球化佈局，都是未來增長來源。這纔是我們理解的真實增長。

網易科技：現在很多企業講述的想象空間是，未來機器人可以進入每個家庭，每個人都有一台。但梅卡曼德是從工廠場景起步的。機器人從工廠走向更開放的場景，難點在哪裏？

邵天蘭：首先，我們還沒有宣佈要進入家庭場景。

技術會持續向更復雜環境、更復雜任務演進，但我們沒有說在今年、明年或可見的未來就進入家庭。這是一個前提，不能過度放大這部分預期。

從工廠走向更開放的場景，底層邏輯是一脈相承的，沒有本質區別，但每個環節都要做得更好。

比如感知能力。工廠裏的工件已經很多，家庭裏的物品會更加複雜。人機交互、安全性，以及同時處理多種任務的能力，也都要進一步提升。工廠裏，一台機器人在一個班次通常只做一件事；家庭中，10分鐘內可能要處理20件事。

但基本原理和能力要求是一致的：識別物體、定位物體，判斷如何抓取和操作；理解語言指令、圖形指令、動作示範等不同輸入。這些能力在工廠和家庭中是共通的。

當然，家庭也有特殊性。比如寵物突然跑過、孩子在旁邊活動，這些在工廠裏通常可以通過環境管理避免。但核心任務原理相同：把盤子放進洗碗機，和把工件放進機床，本質上都是識別、定位、操作和完成任務。

自動駕駛領域也出現過類似爭論：有人認為做L4、L5和做L2在技術路徑上有本質差異，後來證明並非如此。今天，無論是特斯拉FSD這類輔助駕駛，還是Waymo先做L4，底層路線並沒有本質差異。

機器人也是類似。不會說今天服務工廠的智能架構，未來進入家庭就要完全推翻。差異更多在於，感知、規劃、決策、安全等每個環節都要達到更高標準。

一些公司會創造新詞、講新故事，用來解釋為什麼產品尚未規模化銷售就能獲得很高估值。這更多是一種敘事。我們不會用這種方式表達自己。歸根結底，還是識別物體、操作物體、完成任務、理解指令。

圖片

專注判斷，

而不是盯着競爭對手

網易科技：從2016年創業到現在，10年裏有哪些教訓？

邵天蘭：最大的教訓之一，是不要總盯着競爭對手。

這一代創業者，包括我自己，很多人都有很強的學習和解題能力。但剛創業時，我也容易被所謂直接競爭對手分散注意力。

所謂直接競爭對手，是資本市場、客戶或媒體常拿來比較的幾家公司。但放到更大的視角里，全球市場很大、公司很多，你不可能也沒必要盯住每一個。

在某個階段，媒體和投資人總會把幾家公司放在一起比較，但這種比較多半是噪音。

我們覆盤過，過去犯過的一些錯誤，根本原因往往就是被競爭對手帶偏。比如對方說要儘快做某個場景，我們沒有充分評估就跟進；對方選擇了某條技術路線，我們也會想是不是要做。回頭看，很多類似決策的結果並不好。

所以我們最近更強調第一性原理：做什麼技術路線，不能因為它正熱門就做，也不能因為別人在做就跟進。否則對方判斷錯了，我們也可能跟着犯錯。

很多道理大家都懂。比如巴菲特不會在市場過熱時盲目追高，因為他經歷過市場繁榮和回落。我們也經歷過周期，所以知道某個階段特別火的概念，未必都是正確的。最終還是要依靠自己的判斷。

當然，我們也比較幸運。

第一，公司成立至今，產品形態和商業模式沒有發生重大變化。技術持續升級，但產品和商業主線穩定。很多公司需要不斷試錯、調整方向，最後也可能成功；我們比較幸運的是，一開始就找到了相對穩定的方向。

第二，團隊很穩定。最早3位創始人和前10名員工，到現在幾乎都在，整體穩定性很好。

第三，過去10年沒有一年收入下降，賬上現金也從未低於一年所需。能同時做到產品和商業模式穩定、團隊穩定、現金流相對充足的公司，並不多。

網易科技：能做到這些的原因是什麼？

邵天蘭：我認為關鍵是獨立判斷。

比如，我們在公司成立前就仔細推演過產品形態和商業模式。為什麼堅持標準化、產品化？因為智能機器人的需求往往是細碎的；如果需求足夠標準、規模足夠大，通常已經由專用設備完成。

因此，我們只能做標準化產品，否則容易陷入小批量、高費用的定製化項目。基於這個判斷，我們一直沿着標準化、產品化和全球化的方向走。

做決策，一是要有邏輯，二是要有可參考的成熟模式。比如為什麼做眼睛、不做手臂？因為我們的核心是大腦，而眼睛和大腦高度耦合。機器人沒有抓起物體，很難判斷問題出在視覺還是決策。如果我們不提供視覺系統，就要告訴客戶問題可能來自他選擇的相機，但客戶體驗依然不好，也很難真正解決問題。所以我們把眼睛也做好。

商業模式也是同樣道理。人工智能技術很新，但「傳感器加工業軟件」的模式已經很成熟。我們只是用新一代AI技術改造這個模式，底層商業邏輯是驗證過的。

所以，我總結為「邏輯加參考」。很多重大決策都是這樣來的。一旦偏離這種方法，因為市場熱點或競爭對手的動作而改變方向，結果往往不好。

技術當然重要，我們也在覈心技術上投入很大精力。但技術終究是手段。客戶最終關心的不是你用了什麼技術，而是你如何解決問題。企業也必須把技術轉化為可持續的商業模式。

圖片

梅卡曼德

要做機器人時代的微軟

網易科技：你對梅卡曼德的期待是什麼？或者說，你希望梅卡曼德未來長成一傢什麼樣的企業？

邵天蘭：從公司成立第一天的天使輪PPT到現在，目標一直沒有變：讓機器人進入千行百業，併成為其中非常關鍵的基礎設施產品公司。

如果類比電腦產業，我們希望成為機器人時代的微軟。微軟當年的願景，是讓每個人都用上電腦。

提出這個願景時，電腦還只存在於少數大公司。後來微軟成立，到上世紀80年代繼續強調讓每個人用上電腦。放在當時，這和今天說「每個人都有機器人」一樣，聽起來都很遙遠。

後來，這件事在多家公司的共同推動下實現了。今天仍有戴爾、聯想、惠普、華碩等電腦公司，但從產業影響力看，它們很難與微軟、英特爾、英偉達這樣的核心平台公司相提並論。

我們的設想，是成為機器人時代的微軟：機器人本體可以來自很多廠家，但其中關鍵的大腦、眼睛和手，由我們來做好。

我7歲時用過Win95。因為我是1989年出生，當時Windows 95已經很有革命性：可以用鼠標點擊桌面，體驗很震撼。更早之前的DOS是黑色界面，需要輸入英文命令，我那時看不懂，只能背下來。後來Win98出來，還能玩遊戲，那種體驗給我留下了很深印象。

所以，我希望梅卡曼德在智能機器人時代也能成為類似微軟的公司：適配各種各樣的設備，並持續演進。因為我們真正相信這件事，所以更要堅持不作假、不誇大，不爭短期、不做短線。

網易科技：現在做機器人「大腦」的公司很多。機器人真的需要那麼多不同的大腦嗎？

邵天蘭：不需要。最終能長期留下來的公司會很少。和電腦產業類似，這個市場會有較強的馬太效應。

原因在於，機器人大腦和眼睛在總成本中的佔比不高，卻決定系統能力。客戶通常不會優先從這裏壓成本；同時，交付越多，數據、驗證和客戶反饋越多，產品能力又會繼續強化。規模起來之後，生態、客戶認知和品牌也會同步建立。

微軟的操作系統是類似例子：前期開發很難，成熟後複製和分發的成本卻很低。機器人大腦也具備類似特徵，因此市場容易向頭部公司集中。

這一點從創業第一天我就清楚。這也是為什麼我們沒有通過做幾個集成項目、運營數採中心等方式做收入。行業未來空間很大，競爭也會很充分。對我來說，主線目標已經足夠重要，沒有必要分心去做其他事情。

我們判斷，這個行業未來會走向較高集中度。即使早期有多家能力接近的公司，也會在長期交付、生態建設和客戶認知中逐漸分化，而不會平均分配市場。

反過來，不具備這些特徵的行業就會比較分散。比如裝修行業，中國市場很大，但高度非標，難以規模化複製，所以一直沒有出現特別大的裝修公司。

在這樣一個可能走向高集中度的市場裏，我們會全力圍繞主線目標推進，不做偏離主線的事情。上市也起到了重要作用：相當於我們在一級市場階段交出了一份答卷，然後進入新的發展階段。就像完成小學階段，開始進入初中。

網易科技：回顧梅卡曼德這10年，你會列出哪些關鍵節點？

邵天蘭：從一個很微觀的角度看，最開始是沒有成熟產品可賣。後來，我們需要派研發人員去客戶現場做交付調試；再後來，可以由公司的售前和交付技術人員完成；到現在，很多場景已經不需要我們派人到現場調試。

這個變化背後，是系統穩定性、泛化能力和整體交付能力的提升。

從公司角度看，早期研發人員都要去現場；之後有了專門的交付團隊，雖然不一定都是研發背景，也能完成任務；現在，合作伙伴可以完成，很多客戶自己也能完成。

這是外在現象。背後則是模型能力、傳感器效果和整個系統能力的提升。

今天，公司已經進入規模化和國際化階段，一半業務來自海外。上市也是一個重要節點。它意味着公司已經有了一定規模、可持續且高質量的收入，業務循環跑起來了，治理水平也到了新的階段。所以我認為，上市是一個重要的里程碑。