伴随全球人工智能技术的蓬勃发展，智能机器人迎来了一个新的爆发期。机器人视觉技术也从小众领域发展成为今天的产业创新主战场。梅卡曼德作为这一领域的领军企业，不仅完成了从动作自主（L2）到任务自主（L3）的技术进阶，还以领先的三维视觉技术和人工智能算法为智能机器人插上双翅。《机器视觉》杂志有幸邀请到梅卡曼德（北京）机器人科技有限公司创始人兼CEO邵天兰先生，探讨公司的创业历程、技术路线、未来发展战略以及他对行业未来的思考。

M：MACHINE VISION

S：邵天兰

创业之路：风口是等来的

"很多风口其实是等来的。超一流的人才能创造风口，大部分的成功源于深厚积累等待风口，而追逐风口往往是徒劳的。"回顾创业历程，邵天兰如是感慨。

邵天兰从2009年左右就开始涉足机器视觉和人工智能领域，他说，那时这些领域还非常小众，现在毫不夸张地说，如今几乎每家公司都自称是人工智能公司或智能机器人公司，非常火热。但我们早在这个风口很多年前就已经选择了这个方向。

选择机器人领域，对邵天兰来说更多是出于兴趣，机器人是一个跨学科的综合性领域。他本科在清华软件学院学计算机，但计算机是个强大的'锤子'，需要找到合适的'钉子'。相比互联网，机器人在技术上更有挑战性，成就感也更大。

邵天兰介绍，梅卡曼德创立之初，三位创始人分别来自计算机、机械和电机领域的清华校友，这种跨学科背景为公司奠定了坚实基础。刚回国创业时，机器人和智能视觉非常小众，我们需要做很多科普工作。经过几年的持续发展，客户逐渐理解并认可了我们的产品价值。再加上人工智能技术的迅猛进步，从2021年开始，我们的业务便进入了高速增长期。

如今，梅卡曼德已经连续五年市场占有率第一，不仅在中国市场领先，在日本、美国、欧洲也是市场第一名。

德国求学：技术路线与产品定义的启蒙

邵天兰在德国慕尼黑工业大学求学和工作期间，参与了协作机器人的研发，这段经历对梅卡曼德的技术路线产生了深远影响。

在德国做机器人时，我有几个深刻感受。邵天兰回忆道，第一是机器人的实际使用是一个很复杂的过程。我印象很深的一件事是，我们做一个课程作业，七八个研究生一起加班加点干一周，才让机器人去做一些稍微复杂的事情。我就想，在真实场景中这肯定是不行的，企业负担不起。所以机器人最重要的是要有更高的智能，要能够很方便地部署。

第二个感受是发现机器人的瓶颈在于视觉。机械部分的速度、精度、负载在绝大部分情况下都已经够用了，但因为没有很好的视觉，所以很依赖固定的工装，适应变化和复杂环境的能力就很有限。

第三点感受是机器人应用场景的多样性。通过在德国参与的实际项目，我认识到我们要做的系统必须能解决多种应用场景，同时还要稳定可靠、简单可配置。

这些感受促使邵天兰回国创业后，没有选择做机器臂本身，而是专注于机器人的关键视觉系统，希望让它既简单易用又足够强大，能够在多种场景下快速部署。

跨越鸿沟：将创新转化为实用产品

从创新到一个可用的产品，确实存在着一道巨大的鸿沟需要跨越。谈及机器视觉行业面临的挑战，邵天兰说，我们也看到过许多技术创新和炫酷展示，但最终能够转化为优质产品的并不多见。

在机器视觉领域，这种从实验室到市场的跨越尤为突出。尽管我们能经常看到各种炫酷的技术展示，但最终能成为可用产品的却寥寥无几。邵天兰认为，真正的挑战在于如何提高系统的稳定性、部署效率，以及满足现场的实际需求。让一个系统在特定场景中真正可用，比号称能做很多事情要更重要。宁愿把一件事做到位，而不是宣称能做100件事，却没有一件做好。解决问题达到90%与完全没解决，实际差别并不大，因为对客户而言，这两种情况下系统都无法使用。

这种对产品落地和客户需求的关注，成为梅卡曼德赢得市场的关键法宝。技术创新固然重要，但只有真正解决客户痛点的产品才能获得市场认可。

AI时代的跨学科人才培养

作为跨学科背景的创业者，邵天兰特别强调了跨学科学习的重要性：今天的人才一定是多能化、跨学科的。以视觉领域为例，如果你学视觉，那么光学、成像的知识会很有帮助。有的人可能只专注于人工智能算法，不关心成像原理，但这样在面对实践中的真实问题时，解决方案就会受限。

尤其是，AI时代为跨学科学习创造了前所未有的便利条件，在当今这个AI时代，跨学科学习的门槛变得越来越低。以前资料可能都在图书馆，你必须去上课才能了解很多东西。但现在几乎所有知识都能在网上找到，有公开课、书籍、视频，甚至AI可以解答你的问题。只要你自己有心，愿意去学习，就能获取所需的知识，这与以往是完全不同的。

智能程度提升：机器人行业的巨大进步空间

谈到机器人行业的技术进步空间，邵天兰认为智能程度的提升是关键。梅卡曼德已经初步实现了"动作自主"（L2级别智能），即任务易编程，但动作通过3D视觉和人工智能的识别规划来自主进行。梅卡曼德是全球第一家实现这一技术规模化应用的公司。

目前，公司正在研发L3级智能，即任务可以通过自然语言的口头指令临时下发，机器人能自主理解并执行。未来还将让机器人能够自主寻找任务，进入到L4级别的智能。"我们正在做机器人的手眼脑，让机器人理解指令和任务，并能识别和操作非常广泛的物体，甚至逐渐进入服务业，比如便利店等场景工作。"邵天兰解释说，"简言之，就是能应对越来越复杂和变化的环境。今天的机器人主要应用在大型制造业和物流领域，但在中小制造业和服务业，仍有无数场景无法解决，主要是因为机器人智能程度不够，无法应对复杂变化的环境，无法与人很好地配合。随着大模型的进展，我们看到有希望逐步提升这方面的能力。"

Mech-GPT：多元异构数据的处理技术

邵天兰说，梅卡曼德的Mech-GPT已经达到了L3的阶段，因为它的任务是可以临时下发的，不需要完全事先指定。当然，目前它还没有达到规模化应用的阶段，现在还处于展示阶段。

关于Mech-GPT如何处理语言、视觉和空间坐标等多元异构数据，邵天兰解释道："这是一个非常重要的问题。我们是在语言基座模型的基础上，把3D视觉空间、动作以及机器人手部操作训练在一个模型里面。这样它会继承语言基座模型的一些能力，比如理解语言以及部分常识能力，同时又把3D视觉空间的概念和操作也训练进去。"

据了解，梅卡曼德在这方面与中国科学院院士张建伟进行了合作，共同研发多模态大模型。从公司成立开始，张院士就一直是技术顾问，通过产学研合作，开发多模态大模型。通过这种以语言基座模型为基础，融合视觉、3D多模态和机器人操作的模型，能让机器人获得综合能力，理解指令，拥有一定的常识和推理能力，并且识别和操作丰富的物体，完成任务。

智能机器人基础设施产品的战略

梅卡曼德定位为"智能机器人基础设施产品公司"，邵天兰解释了这一战略的落地路径：用户的需求是五花八门的，比如汽车总装厂、汽车零部件、家电生产、锂电、物流、服务业等多个场景都有应用。每个行业又有大量细分工艺，没有任何公司能独立为所有行业的所有需求提供解决方案。

但这些需求中有很多共性，比如我们做的3D相机、人工智能视觉算法软件等。如果每个场景都单独开发，既做不好也承受不起成本。所以我们要把共性的东西提炼出来，让大家不需要重新发明这些基础设施。

邵天兰还形象地比喻：就像我要做一顿饭，不可能先炼铁、造锅、种水稻，而是用合理价格买个现成的锅就可以炒菜了。工业需求极度碎片化，客户有很多定制需求，但其中的标准化组件需要有人专门做好。这是一个久经考验的商业模式。

感知技术的多模态布局

关于未来的技术布局，邵天兰表示，梅卡曼德当前以视觉为主，但也开始关注其他感官技术，如自然语言处理，未来还会涉足触觉等领域。视觉是当前机器人最成熟也是最重要的感官，所以短期内我们会先把视觉做深。从长期来看，也许一两年内还不够成熟，但像听觉、触觉等也都有很好的应用场景。

触觉传感器虽然近期有很多企业融资，但从技术成熟度来看，从核心原理到材料，再到算法和应用场景，都还需要进一步提升，相比视觉成熟度还低。从长期看，机器人一定是多模态的，会结合视觉、听觉、触觉等多种感知能力。

全球化布局：技术本地化与标准化并行

梅卡曼德的国际化战略已经初见成效。邵天兰介绍：我们在日本、韩国、美国和德国各有一家子公司，在东南亚等地也都有本地团队。目前，海外业务已占据我们总业务的近一半，并且正呈现快速增长的态势。

对于如何平衡技术本地化与标准化产品输出，邵天兰表示，梅卡曼德两者并重：本地化方面，我们有众多合作伙伴，如系统集成商和终端大客户，我们为他们提供培训和技术分享，让本地合作伙伴拥有很强的能力。同时，我们的产品仍以标准化形式输出，但会定期与全球客户沟通，收集意见建议，不断迭代产品。硬件产品大约一年半更新一次，软件产品则是半年左右更新一次。

梅卡曼德不是"中国的便宜货"，而是具有全球领先竞争力的产品，我们能在很多主流市场上获得头部客户的认可，并且融入全球产业链。在每个细分市场，我们都有许多当地合作伙伴，与我们建立了良好的合作关系。

从"看得见"到"想得通"的未来之路

从德国留学经历到创业实践，从技术研发到市场落地，邵天兰和梅卡曼德的发展历程映射了中国机器视觉行业的成长轨迹。面对技术创新与市场应用之间的鸿沟，梅卡曼德选择专注于视觉这一机器人的关键感知能力，通过多模态大模型提升机器人的智能水平，打造适用于多种场景的基础设施产品。

在人工智能和大模型技术的推动下，智能机器人行业正迎来前所未有的发展机遇。跨学科的综合能力、对实际应用的关注以及耐心等待风口的到来，将是这个行业持续创新的关键所在。梅卡曼德的发展之路，也提供了一个从技术创新到市场落地的成功范例。