close

機械人科技

機械人科技

中國人形機械人的高速發展 AI 創新與政策扶持雙引擎驅動,搶佔全球市場主導權

 

鄧淑明博士
香港大學計算與數據科學學院及社會科學學院地理系客席教授

 

近年來,人形機械人的發展突飛猛進,已迅速滲透至物流、製造業、醫療護理等多種商用領域。投資銀行高盛於 2024 年預測,全球人形機械人市場到2035年規模將達 380 億美元(約港幤2,980億元)。

 

有指人形機械人市場之所以能夠在短期內獲得高度成長,主要有兩大推動力:

(一) 勞動力減少—在工廠、物流、醫療照護等領域,機器人能填補人力資源不足問題,並可大幅提高效率,特別對人力密集型產業起著重大作用;

(二) AI 的持續創新—隨著人工智能技術日趨成熟,機械人的動作平衡與自主學習能力也不斷提升。再加上,電池、晶片和感測器等關鍵零組件成本的下降,有助機械人應用的普及化,大大提升市場的需求。

 

世界各地都爭相投入人形機械人的研發,中國雖然在關鍵技術上仍有待改善,但其供應鏈早佔據主導地位,有不少工廠已進入量產階段。與此同時,在中央政府大力推動下,越來越多資本湧入人工智能相關的企業,加劇了國內競爭。目前,開發和銷售人工智能產品的國內公司已超過4500家。摩根士丹利近期發佈的全球人形機械人領域上市公司的百強名單,有37家中國企業上榜。中國電子學會預測,到 2030 年,中國人形機械人市場規模有望達至8700億元人民幣(約港幣 9,530 億元)。

 

隨著中國步入重度老齡化階段,預料人形機械人的需求將大幅提升。不過,有中國專家指出,要機械人在家單獨完成各項家務,比上太空的難度更高。要人形機械人量產、普及化,須克服的挑戰仍然相當多,有待進一步解決。

 

 

read more
人工智能機械人科技

NVIDIA、Amazon 押注物理 AGI : Dyna Robotics 獲 1.2 億美元融資 加速通用機械人商業化

Dyna Robotics 宣布完成 1.2 億美元(約港幣 9.36 億元)A 輪融資,估值超過 6 億美元(約港幣 46.8 億元),這家成立僅一年的機械人基礎模型公司,正引領物理人工通用智能(Physical AGI)的商業化浪潮。本輪融資由 Robostrategy、CRV 和 First Round Capital 領投,NVIDIA Ventures、Amazon Innovation Fund、Salesforce Ventures 等科技巨頭亦有參與投資。公司創辦人 Lindon Gao 曾成功將前一家 AI 硬件公司 Caper 以 3.5 億美元(約港幣 27.3 億元)出售給 Instacart。Dyna 將運用資金擴充世界級研發團隊、加速通用機械人商業化部署,並推進下一代基礎模型開發。本文將深入分析這項融資的戰略意義、技術突破與市場前景。

技術創新驅動商業價值

Dyna Robotics 的核心競爭優勢在於其革命性的 DYNA-1 基礎模型,該模型在 24 小時連續運作中成功率達到 99% 以上,展現了前所未有的商業級表現。傳統機械人需要針對特定任務進行編程,但 DYNA-1 採用單一權重的通用基礎模型,能夠在酒店、餐廳、洗衣店和健身房等多元環境中執行摺疊、搬運等日常任務。

公司共同創辦人兼前 DeepMind 研究科學家 Jason Ma 指出:「可擴展的真實世界機械人學習系統需要掌握並泛化多種操作技能。為了在複雜任務上實現最佳性能,Dyna 的基礎模型被設計為能夠理解通用世界,同時從模型自身經驗中學習以實現快速網上學習」。這種設計理念解決了機械人領域長期存在的泛化與性能平衡難題。

資本市場看好實體化 AI 前景

實體化 AI 市場正經歷爆發式增長,根據 MarketsandMarkets 最新報告,全球實體化 AI 市場規模預計將從 2025 年的 44.4 億美元(約港幣 346.3 億元)增長至 2030 年的 230.6 億美元(約港幣 1,798.7 億元),年複合增長率達 39.0%。這一增長主要由機械自主化技術進步推動,令機械人能夠在最少人為干預下執行複雜的適應性任務。

Robostrategy 行政總裁 Andrew Kang 表示:「Dyna 的團隊和使命連結了卓越研究與實際商業應用。機械人自動化的需求幾乎涵蓋每個行業,我們相信 Dyna 將憑藉其最先進的通用機械人基礎模型,在這方面處於領先地位」。投資機構普遍看好物理 AI 在製造業、物流業和服務業的廣泛應用潛力。

市場競爭與技術差異化策略

在激烈的機械人市場競爭中,Dyna Robotics 採用了獨特的「端到端控制」策略,涵蓋數據、推理、控制和硬件等整個技術層面。這與僅專注於模型開發的「純模型」公司形成鮮明對比。行政總裁 Lindon Gao 強調:「強大的基礎模型是可擴展分銷的關鍵。我們的模型隨著每次客戶部署持續改良,產生高品質數據。我們觀察到真正的泛化性,當我們的機械人進入新環境時,它可以立即運作,無需額外數據」。

Scale VP 的分析報告指出,機械人基礎模型正在改變機械人的建構、購買和資助方式,令專業人士可以專注於核心專長:機械人專家專注於創造突破性機械人,領域專家則建構解決實際業務問題的應用軟件。這種分工模式為 Dyna 等平台型公司創造了巨大的生態系統價值。

產業轉型的長期戰略意義

Dyna Robotics 的成功融資反映了全球製造業和服務業對智能自動化解決方案的迫切需求。Bank of America 最新研究顯示,專家預測人工通用智能可能在未來 10 年內成為現實,並將在雲端和物理世界兩個層面體現,其中實體化 AI 機械人將越來越普遍地與人類並肩工作。

共同創辦人 York Yang 指出:「目前三股力量正在同時碰撞:AI 突破正在成熟,硬件正在加速發展,對勞動力的需求前所未有地高。這種融合創造了千載難逢的機會」。隨著人口老化和勞動力短缺問題加劇,智能機械人將成為解決關鍵產業人力挑戰的重要方案。

這次融資將加速 Dyna Robotics 在通用機械人領域的技術領先地位,並為物理 AGI 的實現奠定堅實基礎。隨著更多企業認識到智能自動化的商業價值,機械人基礎模型市場競爭將進一步加劇。Dyna 能否維持技術優勢並成功實現大規模商業化部署,將直接影響整個實體化 AI 產業的發展軌跡。

資料來源:PR Newswire | Bloomberg | MarketsandMarkets | Bank of America | Scale VP

read more
人工智能企業趨勢機械人科技

Boston Dynamics Atlas 機械人 AI 意外進化 自行做出工作人員意想不到動作

Boston Dynamics 人形機械人 Atlas 透過革命性的大行為模型(Large Behavior Model, LBM)技術,成功以單一 AI 模型同時控制行走與抓取動作,標誌著機械人技術從「分工專業」跨越至「全身統一」的重大里程碑。這項由 Boston Dynamics 與豐田研究院(Toyota Research Institute, TRI)合作開發的通用模型,除了展現出前所未見的「自發行為」能力,也被業界視為機械人領域即將經歷類似 ChatGPT 突破的重要訊號。本文將深入分析此技術突破的三大關鍵面向:技術架構創新、自主學習能力以及產業應用前景。

 

技術突破:從分割控制到統一智能

Atlas 最新展示的核心突破在於採用端對端(End-to-End)學習方式,徹底改變傳統機械人控制架構。過去機械人通常需要分別使用不同模型處理行走、跳躍與手部操作,但新的大行為模型能夠同時接收來自機身視覺感應器的影像、身體感應器的本體感知數據,以及任務相關的語言提示,進行統一決策。

豐田研究院機械人專家 Russ Tedrake 表示,新模型讓機械人的腳部被視為「第三、四隻手」,除了提升效能也令人驚艷。當 Atlas 執行彎腰撿取低處物品的任務時,會像人類一樣自然調整腳步來重新平衡重心,展現出前所未見的身體協調能力。這種整合式控制方式透過混合遠端操控、模擬訓練與示範影片的資料進行學習,讓機械人能以更貼近人類的方式控制整個身體。

自發行為:機械人展現「直覺反應」

最令研究團隊與外界專家興奮的突破是 Atlas 展現出的「自發行為」(emergent behavior)。當機械人手中物品意外掉落時,Atlas 會出現類似「本能」的反應,自動彎下腰將物品撿回,這種行為並未在訓練中明確教授。研究團隊將此現象稱為初步的自發行為,代表 AI 模型開始具備類似人類的直覺反應能力。

然而加州大學柏克萊分校機械人專家 Ken Goldberg 提醒,部分看似「自發」的行為可能仍能追溯至訓練資料的涵蓋範圍。雖然如此,這種現象仍被視為機械人智能發展的重要指標,顯示大行為模型正朝向更通用的智能方向發展。《WIRED》指出,這個現象類似於大型語言模型發展過程中出現的突現能力,預示著機械人技術可能即將迎來突破性進展。

產業應用:從娛樂展示轉向實務任務

與過去令人印象深刻的跑酷與舞蹈表演不同,Atlas 近期展示更聚焦於搬運零件、清理箱櫃等具有「物流感」的實務任務。在模擬工廠環境中,Atlas 僅憑一份箱子位置清單就能完成複雜的分類工作,精準定位箱子並規劃身體、手臂和三指手的協調動作。當遇到零件位置過高或動作失敗等突發狀況時,Atlas 能即時評估情況並調整策略,直到成功完成任務。

研究團隊向《IEEE Spectrum》表示,大型行為模型的核心在於蒐集來自不同任務、甚至不同機械人體態的資料,形成能夠執行多種任務的單一策略。這種通用策略將過去需要工程師分別調整參數、排程、避障與規劃的繁瑣工作,整合進統一的學習與推論流程。團隊認為,當神經網路接受更廣泛的資料、任務和機械人訓練時,通用能力就會更強,目前的經驗趨勢證實了這個方向的正確性。

技術發展脈絡與未來展望

回顧機械人發展歷程,從早期依賴精心編排的動作模板,到現在能夠自主決策的 AI 驅動系統,Atlas 的進化代表了機械人技術的範式轉變。2024 年 11 月,Boston Dynamics 首次展示 Atlas 的自主操作能力,不再需要人類遙控或預先編寫程式。2025 年 8 月,結合豐田研究院的大行為模型技術,Atlas 實現了端對端 AI 控制的重大突破。

業界專家認為,單純擴大訓練資料規模是否就能持續解鎖更多「意料之外」的行為,仍存在爭議。部分學者在國際會議中提醒,除了擴大資料,工程方法也將是機械人模型突破的關鍵要素。然而 Ken Goldberg 強調:「這絕對是一大進步,讓雙腿和雙臂能夠協調運作,這是非常重要的突破」。

Atlas 的技術突破為企業自動化和智慧製造帶來新機遇,但要實現能長時間、可重複、經濟且安全完成多樣作業的人形機械人,仍是機械人領域最艱難的挑戰之一。隨著大行為模型技術持續發展,未來人形機械人是否能像 ChatGPT 般帶來產業革命,值得持續關注。

資料來源: 利創智能IBCO

read more
人工智能機械人科技

研究指員工與機械人共事引發「心理危機」新型號可感知並回應員工情緒狀態

當機械人技術原承諾解放人力,讓員工從事更有價值工作時,最新研究卻揭示了意想不到的負面效應。荷蘭格羅寧根大學針對 20 個歐洲國家的分析顯示,機械人化程度每增一倍,工作意義感將下滑 0.9%,自主性則下降 1%。這項發現打破了自動化只會帶來正面利益的迷思,從 Amazon 倉儲到醫療手術室,愈來愈多工作者報告感受到疏離感和心理壓力。

自動化削弱員工工作滿足感

多項權威研究一致指向同一個結論:與機械人共事正在重塑工作者的心理狀態。歐盟機構 Eurofound 的調查發現,與機械人協作的員工更常感受到被嚴格監控,且傾向獨自作業,導致孤立感顯著增加。這現象不限於體力勞動,2024 年《Economics Letters》研究顯示,機械人應用雖然改善了中國工人的身體健康,卻同時加重了心理壓力,特別是對失業的焦慮情緒。中國人民大學的研究進一步證實,機械人使用對勞動者心理健康存在顯著負面影響,主要原因包括工作穩定性下降、工作滿意度降低,以及晉升競爭壓力加劇。這些數據揭示了一個矛盾現象:技術進步在提升效率的同時,也正在侵蝕人類工作的內在價值感。

高技能職業同樣面臨意義感危機

機械人對心理的負面影響已擴展到高技能專業領域,加州大學聖塔芭芭拉分校與麻省理工學院研究者 Matt Beane 調查顯示,無論是噴射機機師操作偵查無人機,或是外科醫生使用機械手臂執刀,專業人士普遍認為工作因機械人變得更安全,但同時也感到明顯疏離感。浙江大學 2025 年的最新研究發現,當工作者從人機協作任務轉向獨立工作時,會出現顯著的內在動機下降和無聊感增強,這種「雙刃劍效應」正在重新定義專業工作的本質。卡迪夫大學資深講師 Juan Hernandez Vega 指出,人類追求讓機械人更強大、更能協作的目標,意外地削弱了人類在合作中的責任感,導致員工容易感到工作缺乏吸引力。這現象反映了一個深層問題:當機械人承擔愈來愈多決策和執行功能時,人類工作者可能失去成就感和專業認同。

產業巨頭積極尋求心理健康解方

面對這股新興的心理健康挑戰,領先企業正在探索創新的應對策略。機械人製造商 ABB 重新設計其「協作機械人」,強調更以人為本的介面設計,並運用 AI 技術讓機械人能在工作場所自由移動,與人類同事進行更自然的互動。Fanuc 則採取更前瞻的做法,與瑞士應用大學合作研發具備「同理心」的工業機械人,讓機械人能夠感知並回應員工的情緒狀態。Amazon 作為大型機械人應用企業,嘗試導入遊戲化機制,將重複性任務轉化為更具互動性的挑戰,以減緩員工的單調感受。該公司強調其 750,000 台配送中心機械人「經過獨特設計」,能夠提供多種人機回饋方式。這些企業的努力反映了一個重要趨勢:技術公司開始認知到,單純提升效率已不足以應對未來工作場所的複雜需求。

重新設計人機協作模式成為關鍵

專家學者普遍認為,解決機械人協作心理問題的關鍵,在於重新思考人類在自動化流程中的角色定位。格羅寧根大學研究的第一作者 Milena Nikolova 強調,問題可能不是機械人不夠好,而是人類在自動化流程中的角色被設計得過於單一化。她建議當員工能夠參與自動化系統的設計和部署過程時,自動化的整體效果最佳,同時對工人進行技能再培訓也至關重要。心理學報 2024 年的元分析研究指出,工作場所 AI 應用雖然有助觸發員工的工作投入和幸福感等積極心理,但同時也會引發焦慮、離職傾向等負面情緒。因此企業需要在技術導入過程中,更加重視員工的心理適應過程,確保人機協作能夠真正發揮互補優勢,而非單純的替代關係。

機械人協作對企業管理帶來全新挑戰,成功的人機融合將需要更細緻的心理層面考量。隨著 AI 技術持續進化,如何在提升效率的同時,保持員工的工作意義感和自主性,將成為決定企業競爭力的關鍵因素。未來的工作場所設計,是否能夠真正實現技術與人性的平衡?

資料來源: TechOrange 科技報橘 心理學報 浙江大學管理學院 中國人民大學復印報刊資料 上海財經大學學報

read more
機械人科技

理大研發智能軟體機械人防護衣保障高溫環境工作安全

全球暖化持續加劇,高溫天氣不單令戶外工作環境變得難熬,更可能讓體力勞動工作增加中暑風險。對建築工程或消防等工種而言,保持人體熱舒適度尤其重要。

根據世界衛生組織的數據,2000 年至 2019 年期間,全球每年約 48.9 萬人因高溫相關原因死亡,在亞洲個案佔 45%。維持合適體溫是促進工作效率的關鍵之一。高溫環境會增加熱壓力,加重身體能量消耗,為健康帶來威脅,包括加劇心血管疾病、糖尿病、精神健康和氣喘問題,同時亦增加傳染病傳播風險。

有見及此,香港理工大學(理大)利民先進紡織科技青年學者、時裝及紡織學院副教授壽大華博士帶領的研究團隊,便成功研發首款採用軟體機械人紡織物料,可適應環境溫度變化,而自動調溫的智能防護衣。該款物料同時有效隔熱透氣,保障高溫環境下的工作安全。研究結果已於知名國際跨學科綜合期刊《Advanced Science》上發表。

熱防護衣是保護極端高溫下工作人士的重要裝備,尤其是身處火災現場的消防員和長期在戶外工作的建築工人。然而,傳統防護衣的熱阻固定不變,在常溫環境下穿著容易因過熱造成不適。若用於火災現場和極端高溫環境,其隔熱效能又未必足夠。為此,壽博士及其團隊研發的智能軟體機械人防護衣,可根據用家身處的環境溫度自動調節隔熱效能,在不同溫度下提供熱防護和熱舒適度。

靈感採自仿生學

研究靈感源於自然界的仿生學,例如鴿子主要基於結構變化的自適應熱調節機制。鴿子常利用羽毛在皮膚附近形成一層空氣間隙,減少熱量流失於環境中。而當溫度下降時,鴿子會豎起羽毛使其變厚且蓬鬆,以積蓄大量靜止空氣,增加熱阻來提高保暖效果。

團隊開發的防護衣採用自動調節熱溫度的軟體機械人紡織布,借鑑人體外骨骼排列和分布的網狀結構,將軟體驅動器置於防護衣內相應支撐區域。其熱適應原理是在軟體驅動器中封裝無毒不燃的低沸點液體,在環境溫度升高時,封裝的液體由水態變成氣態,令軟體驅動器膨脹,並使紡織物料結構變厚,靜止空氣層因此擴大,使熱阻提升一倍多(從 0.23 Km²/W 提升至 0.48Km²/W)。當防護衣的外表面溫度達到攝氏 120 度,相比於傳統熱防護衣,這種低成本的智能防護衣內表面溫度可降低攝氏 10 度以上。 

另外,這種基於聚氨酯的軟體機械人紡織物料擁有柔軟、堅韌及耐用的特點,相比形狀記憶合金熱敏防護衣,質感更貼膚舒適,亦可任意調整形狀,有助廣泛應用於不同類型的防護衣;即使經過嚴格洗滌測試,也不會出現滲漏情況。這款紡織物料的多孔間隔針織結構,亦可顯著減少對流熱傳導,令防護衣保持高透濕度。

此外,這款防護衣既輕巧,亦無須熱電晶片或循環液冷卻系統進行冷卻或加熱,即在不消耗任何能量的情況下,仍能有效調節溫度。

技術或廣泛應用於其他領域

壽博士表示:「穿著厚重的消防服會感到非常悶熱,當消防員離開火場脫下裝備後,靴子有時候甚至可倒出近一磅汗水。這激發了我去開發一種能適應不同環境溫度、同時具備良好透氣性的防護衣。我們研發的智能軟體機械人防護衣能適應不同季節和氣候、各種工作和生活條件,以及室內外環境溫差等,令用家在高溫及極端環境下獲得持續的熱舒適體感。」

展望未來,壽博士認為這項創新技術有望廣泛應用於運動服、醫療保健服、戶外裝備等領域,以及作為建築用熱適應紡織隔熱材料,達致節能效果。其團隊亦擴展軟體機械人服裝技術的應用層面,在創新科技署和香港紡織及成衣研發中心資助下,研發出適用於低溫環境,或氣溫驟降的高透濕充氣外套和保暖服,有望幫助野外遇困人士在惡劣環境中維持正常體溫。

read more
業界消息機械人科技

科技園公司與香港電台促成為期三年的合作計劃


香港科技園公司(科技園)宣布與香港電台(港台)促成為期三年的合作計劃,以壯大本地以數據主導的生態圈。雙方合作以提升香港競爭優勢為目標,當中涵蓋三大範疇:主辦國際賽事「亞太廣播聯盟機械 人大賽 2026」(ABU Robocon 2026);將港台歷年的數據資料檔案與科技園的 Digital Living Lab 結合;推動跨行業科技創新。

主辦亞太廣播聯盟機械人大賽 2026

亞太廣播聯盟機械人大賽,是由亞太廣播聯盟主辦的一年一度的機械人比賽。而去年 8 月,香港中文大學的「環掃千軍」隊更在「亞太廣播聯盟機械人大賽 2023」中,擊敗 13 隊勇奪亞軍及最佳設計獎。

而未來亞太廣播聯盟機械人大賽 2026,就會由科技園與香港電台主辦區域性國際賽事,以培育各大專院校的跨學科相關技術專才,並鼓勵本地及海外新一代創科人才,在香港實現其人工智能夢想。

廣播處長張國財表示:「港台與科技園共同主辦『亞太廣播聯盟機械人大賽 2026』,目的是向大眾傳遞清晰訊息,香港正廣泛應用人工智能和機械人技術等新技術,同時十分重視創新。」

▲(後排左起)香港中文大學工程學院暫任院長曾漢奇教授、香港科技園公司首席企業發展總監姚慶良博士工程師、香港科技園公司行政總裁黃克強、創新科技及工業局局長孫東教授、廣播處長張國財、副廣播處長施金獎、助理廣播處長(電視及機構業務)陳俊樂,及香港科技園公司 STP Platform 總監霍露明博士向優勝隊伍頒發獎盃。

分享過往數據資料以提升本港數碼生態圈

港台將透過科技園的 Digital Living Lab,與園區創科公司分享其在過去的歷史數據資料,當中包括電視和電台節目檔案的文字、語音和影像等豐富的數據資源,從而推動跨行業的數據共享。合資格的科技園園區公司將可申請使用有關數據以進一步訓練其人工智能模型或研發其他頂尖技術。

是次數據分享可為業界在人工智能、光學字元辨識(OCR)、自然語言處理(NLP)、即時翻譯、手語等技術領域加快實現突破。同時促進跨產業創新,特別是藝術、文化及娛樂等有待充分開發的領域。

香港科技園公司STP Platform總監霍露明博士表示:「數據是現今數碼創新不可或缺的重要一環,但便利的數據存取和協作更是創科生態圈成功發的重心。透過科技園的Digital Living Lab來分享港台的豐富數據資料,我們將能協助科技企業探索創新解決方案和價值,以促進業務和產業轉型。」

探索並配對創新方案以加速數碼應用與產業轉型

此外,港台亦會與科技園分享在業務及營運方面遇到的具體挑戰,藉此向科技企業尋求業務合作機會。同時,透過科技園以應用場景為本的創科方案驗證服務,以及其本地及海外園區公司網絡,協助港台識別潛在的技術方案,以及尋找共同創建概念驗證(PoC) 項目的機會。協助企業與創科公司進行商業配對、協作及創新。

read more
專題特寫機械人科技

初創開拓海外市場絕不簡單 VisionNav 任娜:不適應文化差異做不到生意

VisionNav 日本區銷售總裁任娜說,目前在日本汽車、食品及物流等行業較為大型的企業,也有採用他們的無人叉車。

做得多初創訪問,十居其九都話香港市場太細,如果要將生意做大,一定要開拓海外市場。但講就容易,去到其他市場仲有無優勢,當地人又是否接受香港初創及技術?還未計處理招聘、洽商代理、言語不通甚或文化差異等海量問題!最近跟 VisionNav 日本區銷售總裁任娜(Kiki)聊起,她早於 2021 年開始協助公司開拓日本市場,這兩年的經歷一點也不簡單,作為過來人,她的經驗絕對值得其他初創參考。

2016 年成立的 VisionNav,最初源自中文大學的研究項目,由現任 InnoHK 旗下香港物流機械人研究中心主任劉雲輝教授領軍,研究為機械人賦予視覺及認知,結果部分技術應用到倉庫常見的叉車上,經科學園創科培育計劃(Incu-Tech)孵化後,VisionNav 成功開發無人叉車,結果短短幾年已交付逾 1500 台無人叉車,覆蓋汽車零配件、輪胎、石油化工、煙草、食品、製藥、3C 電子製造、電商物流、協力廠商物流、紡織、印刷、造紙等眾多行業,去年更完成了 8000 萬美元 C 輪融資,成爲全球無人工業車輛領域融資次數最多、單筆融資規模又最大的公司。

在北京郵電大學畢業後赴日深造新聞學的 Kiki 任娜,本來跟機械人扯不上關係,碩士畢業後加入日本最大型家品店 Nitori 工作,對尖端科技及軟件算法有點興趣的她,卻一直想加入創科公司,終於 2021 年迎來一個機會,「當時 VisionNav 有開拓日本市場的需求,見到我在日本有四年多的工作經驗,對於當地市場有一定認知度,所以請了我來負責這邊的營銷工作。」

正所謂萬事起頭難,起初的工作並非十分順利,「對於日本企業來說,VisionNav 是海外品牌,就算我們團隊中所有銷售人員均是日本人,部分工程師也是日本人,他們仍是會有一種不信賴的感覺。尤其是日本企業極度重視機械人的維修及保養,他們會擔心我們公司是否留在日本長久發展,一直提供維修及保養服務,雖然日本在科技上很發達,但企業普遍偏向保守,就算知道我們的無人叉車可以解決很多問題,也沒有人願意當第一位率先使用,結果等了很長時間,也做不成第一單生意。」

終於遇上第一個客人

倉庫內會有多架無人叉車同時運作,VisionNav 成功的地方是為叉車加入「視覺」,讓它「見到」其他叉車及障礙物,懂得避開。

為了解決信心不足問題,Kiki 即時聯絡上日本較大型的代理商,與他們商討合作,由代理商來負責進行銷售,陸續有客戶對 VisionNav 的方案感興趣,查詢的確是增多了,但始終未有第一張訂單,最後才找到一間規模很大的當地企業願意成為第一個客戶,「其實他們眼前並沒有要即時解決的難題,也不是出現什麼招聘困難、不夠工人用等問題,而是作為擁有龐大現金流及生意的企業,他們的目光放得很遠,聚焦是三至五年後的發展,管理層覺得無人化必定是未來趨勢,所以公司運作上一定要改革,於是看中 VisionNav 的方案,預視一下引入無人叉車的效果。」

作為在日本工作已有點時間的 Kiki,她跟團隊早有心理準備,知道日本客戶並不容易應對,但卻沒想過處理首個客戶會比想像中更為艱難,「因為他根本不急於需要我們的方案,純粹想看我們到底可以交什麼出來,測試我們公司的實力,於是給我們定下了難度極高的方案。而且整個項目進行的過程中,客戶要求彙報的細緻程度,遠比想像中還要高,中間雖然經歷了一段比較痛苦的時間,但慶幸讓我們團隊有很大的成長,從中也有不少收穫,累積這次經驗後,讓我們面對日後其他客戶時會更從容。」幸好用了很大力氣去招呼第一個客人後,努力是有回報的,「正如剛才所說,大家也不想成為第一位試用的人,但是有人做成功之後,他們就會爭相去觀摩,發現原來無人叉車可以這樣用,於是慢慢進行推廣和滲透,陸續有客戶跟我們聯繫。」

成功挑戰日本機械人

結果 VisionNav 在日本發展短短接近三年時間,已經榮登當地無人叉車市場銷售第二位。印象中日本機械人科技在區內數一數二,從事機械人生產的公司也多不勝數,部分歷史也很悠久,作為從海外而來的新丁,到底是如何做到此成績?Kiki 說原因是夠靈活變通,「以往生產機械人看重的是硬件,強調它可以做到什麼功能,企業買回去再想如何使用;但現代機械人最大的區別,是它的柔性化及可應用的範圍,即是說客戶有什麼需求,通過軟件及算法來盡力滿足,而非依靠硬件上的優勢,這方面可說是 VisionNav 的強項。」

VisionNav 無人叉車的另一個賣點,是針對各類場景所使用的各種規格載具,如料箱、蝴蝶籠、框架,以及無載具的物料,包括超寬、超重等超大尺寸的物料,無人叉車都可以去做相應的訂製和匹配。

不過最令人奇怪的是,日本人很多範疇也熱愛使用機械人,但無人叉車卻沒有這個現象;Kiki 說現時日本每年人工叉車賣出約七至八萬台,無人叉車銷量卻只有寥寥二、三百台,所佔份額還未到 0.5%,她剖析當中有三大原因,「VisionNav 抵達日本之前,也有本地廠商在做無人叉車,但一來他們的無人叉車能做的事情範圍很小,人工叉車可以做的工作,它很多也做不來;二是即使可以做到的工作,無人叉車的效率也偏低,尤其是日本工人出名工時長、專業及快手,無人叉車即時給比下去;最後一個原因是貴,客戶盤算下來的話,就算明知無人化有需求,也先忍一忍先用人工叉車。直到給企業展示我們的方案,原來無人叉車可以做那麼多的工作,然後發現無人叉車也沒有那麼慢,也沒有那麼貴,就改變了整個局面。」

做足研究考量不同市場及文化

對於初創想進軍海外市場,Kiki 的忠告是要做充足的「調研」,「正如我們進軍日本之前,事先知道無人叉車在當地市場不受歡迎的原因,我們才可衡量自己的產品有多高勝算。事實上 VisionNav 也在其他國家設有分部,偶爾也會與他們溝通,看看是否有可以借鑒的部分,但結果發現能夠借鑒的不多,每個市場都有不同的特點,比如說美國客戶的倉庫面積很大,要大批量的機械人來滿足他們的需求,反而日本土地面積也比較小,客戶的場地也比較小,需要的功能也不一樣,因此還是要根據每個市場不同的情況,訂立非常不同的策略,包括考慮一些當地文化,才能成功。」

至於想打入日本市場,除了上面提到的各點,Kiki 說還要多留意兩點:「一是日本公司對風險的容忍度相對低,例如在香港及內地,客戶大多會要求先交付機械人,用後有任何問題才慢慢調整,但日本人卻不可以這樣,這個民族的計劃性是非常強的,不單做一張訂單要一年前甚至更長時間取得預算,而且要確知所有會出現的風險,並且對於所有風險也要有應對方案,整個流程非常嚴謹及保守,中間需要極為緊密的溝通,並且沒法子加快整個流程,要有一定的耐性。另一樣要留意的,是日本人工資不算太高,但獵頭費用卻十分驚人,主要原因是依然有日本人終身也會在同一間公司工作,人才流動極少,因此在招聘方面,一定要留意需預留這個成本。」

撰文:張康靜

編輯:尹思哲

read more