梅卡曼德機器人邵天蘭：具身智能沒有“英雄主義”，只有“魔鬼細節”

投影上原本正展示著的公司介紹PPT被切換成了京東的購買記錄，頁面上是一件藍色襯衫，正是梅卡曼德機器人創始人兼CEO邵天蘭此刻穿著的這件。從2012年開始，每當襯衫不夠穿時，他就會找到同一個歷史訂單再買幾件一模一樣的。只要襯衫不下架，邵天蘭就會一直買同一件。

這張購物訂單，一方面像是邵天蘭的自我驗證：從穿著、身材到梅卡曼德對外講的故事，都和八年前初創業時沒多大變化。“沒打臉、沒跑偏”，邵天蘭慶幸，從2016年公司成立至今，一直走在正確的方向上。

另一方面，邵天蘭覺得男裝和工業品的邏輯很像，雖然最初門檻高、決策復雜、驗證周期也長，講究一個先發優勢。但等到用戶一認可，就會一直復購。這是ToB行業的好處——理性決策、分析，一旦標準化之后，不容易再變化。

2017年初，華創資本就獨家領投了梅卡曼德的Pre-A輪融資。盡管當年展示給投資人的PPT還能沿用，但發生在梅卡曼德這家公司身上的變化也顯而易見：除了不斷迭代機器人3D視覺眼睛、AI大腦之外，基于對操作能力的積累，他們又做出了五指靈巧手，不僅賦予了機器人精準感知、智能決策和高效執行的能力，還讓梅卡曼德的產品得以在汽車、物流、重工等眾多領域跨行業、規模化落地，成為全球“AI+機器人”領域規模最大的獨角獸企業。

作為創始人，邵天蘭過去幾年經常自嘲，稱自己是公司的“一號客服”、“最大的產品經理”，以及“創業狗”。因為梅卡曼德服務的行業遠看是個萬億市場，近看是一萬個一億的市場。這其中最大的挑戰不在于滿足特定客戶的特定需求，而是如何高效地滿足成千上萬用戶的各種需求。

所以，看似酷炫的具身智能機器人背后，需要面對的其實是大量雞毛蒜皮般的細節。而恰恰是對這些細節的打磨，構成了梅卡曼德巨大的資產和壁壘，才讓這家公司在沖向具深智能終局的過程中上了桌。

平日里，邵天蘭喜歡讀企業家傳記，看這些真正的創業公司，是如何在共識尚未形成時就開始行動。同時他也意識到，諸如喬布斯、馬斯克這樣的人，天賦異稟，常人難以模仿。但所幸具身智能這個行業，靠的從來不是極少數聰明絕頂的人，也沒有什么獨門秘籍，這正是讓邵天蘭著迷的原因：“我們沒有天才故事，只有一拳一拳打怪升級。”

口述：梅卡曼德機器人創始人兼CEO 邵天蘭

采寫整理：華創資本「創·問」編輯部

不做差異化競爭

不久前，我們參加了2025 WAIC 世界人工智能大會，幾天下來，梅卡曼德成了全場最熱門的展位之一，中午十二點半還人頭攢動，一直到閉幕最后一刻都擠滿了觀眾，大家都在圍觀機器人是怎么疊衣服、怎么當“揀貨員”、“售貨員”的。

你別看疊衣服這么一件簡單的小事，要做好其實不容易。因為衣服是典型的柔性物體，需要機器人自己能高效地執行長序列柔性復雜任務，它的雙臂必須高精度協同，才能完成“取-疊-放”的流程。衣服因為太軟了，機器人還得學會隨機應變，知道哪個地方需要撫平褶皺。這可比我強多了，每次出差，我自己疊的襯衫都還皺皺巴巴。

“雙臂機器人海量物體分類”展示的是機器人自主分揀海量隨機物體的能力，我們會在機器人面前放上玩具、零食、日化、水果等幾十種物體，它們的材質、形狀、大小尺寸都不一樣，機器人能自己理解識別標簽，并且按照人類發出的自然語言指令進行實時分類。比如我把芒果、茄子、雨傘擺在它面前，它能根據我的指令分別把物體放到水果、蔬菜、日用品的標簽下面。這種泛化能力，今天已經可以滿足工業、物流、電商、食品等各個領域對于海量物體的高速分揀需求。

WAIC期間，人形機器人貨架取貨也很熱鬧。觀眾在現場下單飲料后，機器人就會自己走向貨架，拿取之后再遞給觀眾，它還能根據貨架的高度隨時讓自己“長高變矮”。這臺執行任務的斯坦德人形機器人DARWIN平臺，搭配的就是我們梅卡曼德的具身智能“眼腦手”。

盡管我們自己不做機器人本體，但可以適配市面上幾十個品牌、上千個不同機器人的型號，這背后就是基于梅卡曼德通用機器人的自研技術棧：Mech-Eye 高精度 3D 相機、Mech-GPT 機器人多模態大模型與 Mech-Hand 仿生五指靈巧手。

這是我們第一次全景展示具身智能“眼腦手”全棧AI能力。看似對人類來說輕而易舉的疊衣服、分揀貨物技能，對機器人來說，則需要非常扎實的AI技術基礎。我們的技術持續迭代，才能讓機器人掌握這些關鍵能力。

梅卡曼德從成立時，做的事情就是用AI和3D視覺等智能技術，讓機器人擁有更高級的傳感、感知、規劃等能力，用通用的產品去解決普遍的需求。之所以要給機器人裝上“眼睛”，是因為人的眼睛相比而言最具共性。比如我本身踢球踢得很差，但眼睛可以判斷場上的情況；我也不會轉筆，但眼睛可以判斷出筆的形狀。

工業領域里涉及的裝配、切割、焊接等各種工藝，不管針對幾十米長的船還是幾毫米的部件，從視覺層面操作都有共性——識別物體的種類、判斷它的狀態，精準地定位，然后引導機器人完成相應的動作。

現在，我們做的高精度相機，最高已經可以達到 0.2 微米的精度。這是什么概念？把一根頭發劈成 400 份，每一份差不多就是 0.2 微米。此外，梅卡曼德3D視覺眼睛還能適應各種光照環境、物體材質和位置姿態等，哪怕物體反光、透明，也能高質量成像。

（梅卡曼德Mech-Eye高精度3D相機對辦公用品生成的點云圖）

因此，梅卡曼德這套機器人“眼腦手”，無論是制造還是物流，都能通用：既可以在汽車廠的焊裝車間做上料、碼筐、焊接、質檢等很多工作，同時也可以在奶粉廠、快遞物流站做搬運。我們的客戶也來自非常多的行業，大到幾十米甚至上百米長的輪船制造，也有幾毫米的手機部件的生產。

目前，梅卡曼德十幾個產品 SKU 就可以覆蓋絕大部分使用場景，而至于人工智能的算法，如果要為每一個場景去做專門的開發訓練驗證，成本太高，所以最關鍵的部分，依然是要把大腦的部分共性化。

2024年7月，我們推出了Mech-GPT機器人多模態大模型，這是和我們公司的創始技術顧問張建偉院士共同合作開發的。Mech-GPT多模態大模型相當于給機器人裝上了智慧大腦，只需要和它進行自然語言的對話，不需要什么復雜的編程和專業知識，機器人就能聽懂并執行人類的口令。

Mech-GPT還能適配各種機器人和工具，不僅僅局限在某一種硬件上，工業、物流、零售、農業、生活、科研等等任何領域，機器人都能完成多種多樣的復雜任務，這也大大降低了機器人的使用門檻。

在AI大腦+3D視覺的基礎上，我們又研發了靈巧手Mech-Hand，這個尺寸和我們人類手掌大小差不多，但比起傳統的靈巧手，它體積更小、自由度更高、運動控制能力也更強。從精密電子器件到不規則物體，Mech-Hand都能抓取，而且它會根據物體的大小形狀，可以靈活調整需要用到幾根手指。同樣，Mech-Hand也不局限于“專機專用”，而是可以跨環境、跨任務去應用。

（梅卡曼德靈巧手Mech-Hand）

我們把機器人的“眼腦手”做到足夠標準化、通用化，再去覆蓋千行百業，滿足各種需求。優勢在于一旦做出來之后，就會有很強的規模效應和馬太效應，產品的效率、全球化以及客戶覆蓋都會做得很好。

不同于消費品追求差異化，我們服務的領域面對的都是最普遍的需求和最客觀標準的產品。我研究過那些工業領域的巨頭，他們幾乎都是做主流市場。

所以打從創業起，我們從來不刻意去做所謂的差異化競爭，做的都是主流產品、主流行業、主流應用、主流客戶。無論是視覺軟件、多模態大模型還是靈巧手，從技術到產品形態都非常主流，服務的客戶也是來自汽車、家電、物流、電商、工程機械、鋼鐵等大行業。

做公司不是一定要做差異化，主流市場硬碰硬，反而更容易出巨頭。

魔鬼在細節

說出來不怕你們笑話，我在德國留學時做機器人研發，當時想著誰要投我一個億，那可太厲害了，我把產品技術做到頂尖，就能讓全世界每一個人都擁有機器人。

今天，梅卡曼德已經融了多輪，是全世界“AI+機器人”領域規模最大的獨角獸企業。但我對行業反而越來越敬畏、越來越謙卑。

十幾年前入行時，我就發現這個行業和我想象中不太一樣。2012年我本科從清華軟件學院畢業，去了德國慕尼黑工業大學學習機器人，畢業后在德國一家知名的機器人企業工作，參與當時最先進工業機器人的研發。我以為自己每天做的都是算法、人工智能、自動控制這些高大上的東西，哪知道擰螺絲、焊板子、修電路，哪樣都沒落下。

在德國那幾年，我相當于一個全棧工程師，從人工智能算法到焊板子，啥都得會點兒。這段經歷也讓我明白，機器人從來不是什么高大上的行業，它其實充斥著大量細節。

創業至今，我已經跑了超過200家工廠了，直到今天，國內外很多客戶的現場我還是要去，因為你不能憑空去想客戶要的到底是什么，只有親自到工廠和工人深入了解，才能知道真正的需求。

就比如搬個箱子，看著很簡單吧？但這里面依然有細節要求：堆放箱子時，標簽要朝向外邊；箱子穿插著堆放，才能提升穩定性；如果出現問題，該怎么解決？

在這些方面，我們遇到過各種哭笑不得的情況。

記得剛創業那兩年，有一次我們接到客戶電話，質問我們產品怎么不好使呢？我立馬派人火急火燎趕過去，結果發現是一只大蜘蛛趴在上面擋住了鏡頭。

這個事你不能怪客戶，更不能怪蜘蛛。后來為了解決類似問題，我們就得讓相機有很好的防水防塵效果，鏡頭得能經得起刷子、掃帚甚至水的清潔，還有成像異常的自我監測功能等等。

除此之外，我們還遇到過以為產品出了故障，其實是客戶那邊網線斷了、無線鼠標沒電了、電源沒接上等等各種情況，看似是雞毛蒜皮，但都是我們落地過程中實際發生的事情。

這個磨練的過程跑不掉，因為制造業的需求就是非常碎——不僅工藝、環節、場景多，且高度碎片化，每家公司的需求、遇到的問題也都不一樣。我常說制造業遠看是個萬億市場，近看是一堆一億的市場。

但也是這些大量真實的需求、數據的反饋，讓我們能不斷沉淀和迭代。

過去在物流制造行業，我們的產品反復迭代幾個星期幾個月都正常，比如到了客戶現場，發現相機效果不好，咔咔調半天，最后還是不夠完美。接下來就用算法來彌補，又是咔咔研究半天，結果發現還得堆數據。這些弄完之后，軟件再加功能，再和現場的設備適配，之后需要連續運行看是否穩定。這一套操作下來，周期自然就拉長了。

但今天，當我們再去現場時，各種該想到的問題我們已經見過很多次了，每個環節都不需要那么長時間，一般幾天甚至幾個小時就解決了。我們把這些沉淀來的經驗制作成培訓文檔，翻譯成了五國語言。公司還訓練了一個AI助手，收錄了幾萬條常見的客戶問答記錄，再遇到問題，客戶自己就能先進行排查甚至是解決。

直到今天，我還充當著公司的“一號客服”。我可能沒有時間再跑那么多工廠，但會要求公司每一個客戶服務的群里都把我拉進去，其實絕大部分情況下也不需要我說什么，但我要看客戶在群里遇到了什么問題，提了什么需求，這種敏感度是我依然要保持的。

所以我們這類產品，一半是靠前沿的技術研發，一半就是靠現場打磨。魔鬼在細節，恰恰是這些細節，最后構成了梅卡曼德的資產和壁壘。

做到頭部的高科技公司，大家在科技方面其實是會趨同的，就像自動駕駛一樣。機器人行業有個特點：沒有“黑科技”、“銀子彈”和獨門秘籍，大家講來講去，無非還是多模態大模型、視覺強化學習、仿真訓練、手眼腦協同，因為這就是行業的技術路線，只不過里面是大量的落地細節。

概括起來，無非四個字：易做難精。就像機器人疊個衣服，從視頻展示到實際落地，中間需要巨大的飛躍。

2016年回國創業時，我去參加創業路演，看臺上的自動駕駛公司播放視頻，當時覺得，哇，這車開得也太好了。但直到今天，發現這些自動駕駛公司的 demo 還是和之前一模一樣。當然，有的公司已經上市，有的已經消失。我們這個行業也是如此，你做一個 demo 是容易的，但想真正做到實際大規模的應用，非常困難。

這些年經常有媒體、投資人，甚至是創業者，總是有意無意期待這種“銀子彈”，仿佛只要從兜里面掏出來，就能亮瞎全場，瞬間解決所有問題。從我2012年入行開始，這十幾年的經驗告訴我，這樣的銀子彈不存在，機器人行業就是這么一個超級復雜、不斷迭代、充滿大量技術模塊和細節的工程問題。

我們這些年也是在不斷吸收各種大模型、VLA、視覺等方面的技術，逐漸掌握、迭代，再加上對細節的打磨后，才率先突破了從demo 到跨行業、大規模、全球化應用的門檻。今天，梅卡曼德的產品服務了全球100+的《財富》500強客戶，業務覆蓋了五十多個國家和地區，連續五年市占率第一。

（梅卡曼德產品應用于千行百業）

走到這一步之前，我們并不知道風會往哪個方向吹。

等來的風口

八年前創業時，我完全預見不到今天機器人行業會火成這個樣子。

這個風口，還真是等來的。

2016年我們給公司起名叫Mech-Mind，那時候還經常需要解釋智能和機器人結合有什么用，甚至就連機器人這個專業都很冷門。如果沒記錯，2012年清華那屆幾千名畢業生中，去德國讀機器人的可能就我一個。

創業，一方面是看到了機器人的瓶頸所在，我走訪了上海、深圳的潛在客戶，對于創業要解決的問題心里有了數；另一方面，是看到了技術的拐點，2016年AlphaGo 戰勝了李世石，計算機視覺也有所發展，在國內那波創業熱潮中，我們成立了梅卡曼德。

創業前后，也見證了行業的幾個周期。2013年年底，谷歌一舉收購了8家機器人公司，這其中就包括波士頓動力（Boston Dynamics），這一系列大手筆收購，在機器人行業創下了記錄；2021年，中國機器人行業有兩百多起融資事件，又掀起一波小高潮。

比起表面海浪的噪聲，我更關注水下潮流的方向，所以再面對當下的熱潮時，我們的起伏沒那么大。畢竟創業這些年，沒少經歷一些無名、艱難的時刻。

華創投資我們的Pre-A輪時是2017年4月，那時候梅卡曼德成立不過才半年，沒有任何客戶，完全成型的產品也很少，但華創能在非常早期的時候就認可我們。直到2017年底，我們才終于有了第一個客戶。

如果回看公司這八年，我們經歷了四個階段：技術積累、產品落地與應用、產品迭代與規模化，以及市場全球化。其中第三個階段最艱難。因為前兩個階段市場對行業的關注度還沒那么高，盡管有壓力，但我們依然可以按照自己的節奏慢慢打磨產品，更多時候是在和客戶一起探索方向。

然而到了第三階段起量時，壓力就來了。就好比原來你開個小館子，一天只需要做 100 個客人的菜就行，突然有一天你要接待 1000 個客人，就會發現所有東西都不夠，每個環節都開始出問題。

那時候我們的硬件生產供應鏈、軟件算法、現場的應用調試渠道、客戶服務的內部流程制度，每個方面都在暴露問題。就像駕駛著一架飛機已經起飛了，結果突然發現，哎呀，我這飛機怎么這么多問題，就只能一邊修一邊飛。

當時是2021年左右，我們剛進入千臺階段，公司收入還不足以支撐起一個完整、高效的團隊和生產體系。客戶量是上來了，但他們對于解決問題的節奏提出了更高要求；供應商也不夠重視我們，不會給我們最好的資源。那兩年還碰上疫情，人員效率、工廠建設都受到了影響。后來為了重建供應鏈、組建新工廠，我們還去學習了華為IPD流程，回來才慢慢一步步進行了完善。

這就是機器人行業創業兇險的地方，因為它是一個技術極度綜合且鏈條特別長的行業。你總不能跟客戶說：“您看這 99 個技術，我們天下無敵，就這一個技術不太行，您忍著點。“那肯定不行。

機器人是一個相互耦合的綜合性系統，任何一個環節都不能缺失，所以必須持續迭代技術產品。如果不具備合理的戰略、可行的戰術、高效的執行，每一層都會篩掉一大半的公司。歷史上機器人創業失敗的案例遠多于成功的，今天成了的公司，10秒鐘可能就數完了。

所以我們能把這條路跑通，很大一個原因就是因為聚焦。從創業第一天起，我們就堅定聚焦在機器人的視覺、大腦，后來又加上手。從技術邏輯來推理，這些就是機器人最核心的模塊。通用的不是機器人本體，而是核心能力和組件。

經常有人問我們為何不做機器人本體，因為本體更多屬于機械控制、電氣，這些不是我們公司擅長的。而且從生態位考慮，本體廠商更多是我們的合作伙伴。在沒有重大的技術變量的情況下，創業公司去做這些事情，也缺少機會。

既然我們最擅長做機器人的傳感、感知、規劃和決策，我們就該專注自己擅長的事，先找到有價值的場景形成足夠競爭力，再去快速迭代、逐步擴展。

太多人只關注終局，但更重要的是路徑和速度。同樣，很多人也以為能追上風口，但你需要先專注自己，才能等來風口。

生而全球化

2024年3月，我們梅卡曼德東京LAB開業，我第一次當著400人的面進行了十五分鐘日語演講，在AI的幫助下，練出了一口正宗“池袋口音”。我現在能用中、英、日、德四國語言做演講，全球化，得先從自己做起。

2019年在我們還很早期的時候，梅卡曼德就開始探索國外市場，只不過那時候更多是希望獲得一些反饋來指導產品開發。等到真正以擴大業務為目標來做海外市場，是在 2021年，那時候新冠疫情還沒有完全結束。

我們出海從來不是為了逃離內卷，而是因為機器人這個行業不存在單純只做中國市場的公司。

首先，梅卡曼德做的“眼腦手”屬于通用型產品，像西門子、基恩士、康耐視都不會生產所謂的本土產品，一定是面向全球的。從歷史看更是如此，所有工業領域的通用器件型公司，就沒有local的公司，大家的目標和商業邏輯都是全球市場。如果我不做全球市場，那最后所面對的市場規模可能只有全球總規模的 1/4。

其次，發達國家的高標準能推著我們向上走，這種壓力非常重要，因為所有ToB的好公司，最后一定是被一些高標準的客戶帶起來的，我們進入發達國家市場，就能夠倒逼我們成長。

最后，機器人行業不像消費品那樣地區個性化很突出，工業品在不同國家之間的差異也沒有那么大。就算我們不出去，那等國外同類公司發展起來之后，他們也會加入競爭。

梅卡曼德做的具身智能“眼腦手”，面對的是一個全新的市場，這之前不存在一個已經做得很大的公司，已經把客戶的心智以及產品的生態位占住，這對我們是更大的優勢。

既然我們這種標準化產品注定要面對全球競爭，終局如此，就要以始為終，及時入局。否則將來你不攻出去，別的競爭對手也會打進來。

基于這些判斷，我們一上來就不做便宜貨，而是就要做世界第一。無論從關鍵的性能、質量的標準，還是各方面的完成度上，我們就是要做一個好的產品。

所以，一旦想好自己是一家Global的公司，就要把它當作系統性工程，而不是派幾個銷售、業務人員出國跑單子，這樣是做不起來的。

拿日本舉例，三菱、發那科、川崎、基恩士等日本企業，占據了自動化行業半壁江山，客戶遍布全球。能立足于日本市場，就能影響全球。為了做好當地的服務，我們有日語的全套資料，在日本建立了Local Support團隊，其中包含幾十人的專業培訓人員，還有全套專業的場地來給客戶做培訓，包括我本人也在學日語。這樣重視的態度，不僅客戶能感受到，公司內部的每個人也能感受到，知道公司從一號位開始就是下決心要做好全球化的。

出海是一個公司的能力，而不僅僅是任務，需要體系布局和長期戰略規劃。從產品開發、生產質量、客戶培訓、文檔到售后支持等等，所有的東西都要為全球化做好準備。

當然，我們是戰略上要抓緊，但戰術上不能過于著急，否則做不好口碑，會有反作用。所幸這一路梅卡曼德也走得很扎實，獲得了全球大量客戶，包括上百家世界 500 強客戶的認可。

目前，梅卡曼德在美國、德國、日本、韓國都設立了子公司，海外的業務收入已經占到一半比例。

正是過去這八年間所做的每一個產品，邁出的每一步路，讓我們在沖向具身智能終局的過程中得以上桌，并且獲得了一個好的位置。

我一直覺得我們的運氣不錯，首先是抓住了時機，如果做太早，大模型、深度學習、傳感等主流技術還沒出現，就無法應用在產品中；如果做太晚，這個市場就沒我們什么事兒了。其次，我們對自己的產品形態、產品化的理念以及商業模式一直非常堅定，公司的戰略方向、路線一直沒有變過。

創業時候我沒多少包袱，既不是什么公司高管，也不是大教授，只是找到了一個自己熱愛、擅長、想堅持下去的事情。一路走到現在，我不敢說自己已經做好了所有的準備，但至少能夠全身心參與到這樣一件激動人心的事情中。

機器人發展到現在六十多年，也只進入了汽車、半導體、物流等少數行業，未來一定很快會進入更多行業，帶來整個社會極大地范式轉變。屆時，到底是哪家公司做出了通用機器人，已經沒那么重要了。

因為我們這些做人工智能的人，從來沒有讓某個技術局限于某家大公司。操作系統、開源大模型，機器人技術不可能被一兩家公司完全壟斷。如果這種事發生，大家就會團結起來，重新去開源。今天的世界雖然千瘡百孔，但人工智能技術，是整個世界能通向自由的真正力量。

機器人也從來不是一個個人英雄主義的行業，它不像數學這樣的領域，某一兩個大神靠一己之力就能做起來。所以我們不迷信天才，不指望奇跡，只相信一拳一拳，一步一步，就能讓機器人的智能再上一個臺階。