梅卡曼德上市，对话邵天兰：不作假、不夸大，不争短期、不做短线

来源：市场资讯

（来源：网易科技）

出品 | 网易科技《态度AGI》对话栏目

作者 | 袁宁

编辑 | 丁广胜

9月1日，梅卡曼德在港交所上市，成为“具身智能眼脑手第一股”。

本次IPO，梅卡曼德全球发售2314.06股，发行价定为101.70港元/股，募资总额约23.53亿港元。截至今日10点45分，总市值约124.07亿港元。

今年，创始人兼CEO邵天兰37岁，梅卡曼德成立10年。

这两个数字放在一起，有一种微妙的错位感。37岁，在科技创业者中仍然年轻；10年，在具身智能这个近几年才被密集讨论的行业里，却已经不算短。2016年底，邵天兰从德国回国创办梅卡曼德。那时，“机器人智能”还不是热词，他需要向投资人、客户和媒体解释：机器人为什么需要智能。

10年后，这个问题有了许多更时髦的名字：具身智能、物理AI、机器人大脑、世界模型、Agent。机器人公司开始被重新定价，2023年后成立的新玩家讲基础模型、Scaling Law，也讲未来每个家庭都会有机器人。资本、公众和产业一起，把这个赛道推到了台前。

但邵天兰似乎不想被这股热潮带着走。至少在这次采访中，他没有急着讲一个更大的估值故事，也不打算把公司重新包装成某种新物种。

“我们不想把公司经营成一场围绕市值和估值的游戏，融资也不是公司存在的终极目的。”他说。

另一种表达出现得更频繁：不作假、不夸大，不争短期、不做短线。

他把一些行业做法称为trick，比如依靠数采中心、关联交易或过度包装的视频制造收入和声量。在他看来，这些做法短期可能带来增长，代价也会很快显现：报表被污染，技术团队承受不合理预期，真正做产品和交付的人被淹没。

梅卡曼德提供了一条相对克制的路径。

它不是2023年之后才进入具身智能赛道的公司，而是从2016年的3D视觉和工业现场一步步成长起来的。它也没有押注单一机器人形态，而是做“眼脑手”：高精度3D相机、人工智能软件和多指灵巧手，适配工业机械臂、协作机器人、移动机器人、人形机器人等不同硬件。

换句话说，梅卡曼德不是从“人形”出发理解机器人，而是从“智能”出发理解机器人。邵天兰说，客户需要的不是机器人长得像人，而是它能在复杂环境中完成任务，并且部署快、易使用。

这也解释了为什么他总把话题拉回客户现场：累计出货超29000台，业务覆盖近50个国家和地区，服务超过100家《财富》世界500强客户，海外业务占比过半。

根据灼识咨询资料，按2025年收入计算，梅卡曼德在全球“AI+3D视觉引导非专用智能机器人组件”市场中占有约22.1%的份额，排名第一；按出货量计算，全球市场占有率超过27%，超过其后四家最大竞争对手的总和。

梅卡曼德上市前夕，网易科技《态度AGI》栏目与其创始人兼CEO邵天兰进行了交流。以下为对话实录，内容经过不改变原意的编辑。

1、热潮来临前，曾有过一段从容的时间

网易科技：今天很多机器人公司账上有充足资金，估值也很高。你们2016年成立时，行业也是这种状态吗？当时的机器人行业是什么样子？

邵天兰：不是。我们2016年成立时，机器人行业远没有今天这样的热度。无论是具身智能、物理AI，还是人形机器人，这些概念当时都还没有成为资本关注的中心。我们更多是在解释机器人为什么需要智能，融资节奏和估值水平也远比今天克制。

这次上市后，资金会更加充足，但我们不会为了扩张而接受与公司发展阶段不匹配的资本。资本最终要服务于技术和业务发展。我们也不想把公司经营成一场围绕市值和估值的游戏，融资从来不是公司存在的目的。从财务报表也能看到，过去几年，我们的收入快速增长，毛利率持续提升，费用率明显下降，现在已经能够支撑全球化、规模化投入。

过去两三年，无论叫具身智能、物理AI，还是人形机器人，更值得关注的是技术进展和应用场景进展。至于今天谁估值更高、明天谁融了多少资，更多是噪音。

我们曾经历过一段很舒服的时期：资金充足，也没有被过度关注。

资金充足，是因为我们在资本市场获得了红杉、IDG、美团、启明等机构的支持。这次上市也有9家基石投资人，都是长线机构，而且基石投资占了相当大一部分。

不过度被关注也很重要。过度关注容易放大竞争，也会把技术所需的时间压得不切实际。

网易科技：能不能梳理一下，从2016年到现在，机器人产品和技术经历了哪些重要变化？这一波具身智能和机器人大脑的变化，你是什么时候意识到的？之后做的第一项关键投入是什么？

邵天兰：技术演进是连续的，只是公众往往通过几个节点感知它。过去几年，AI领域有GPT-3、GPT-4o，再到DeepSeek V3和Chain of Thought等关键时刻。

回到机器人领域，这条主线同样清晰。2016年前后，深度学习开始真正从研究走向实用，机器视觉是最先受益、也最先落地的方向之一；2018年，Mask R-CNN进一步提升了目标检测和分割能力；2019年后，Transformer逐步成为通用架构，并重塑视觉、语言和多模态任务。再往后，VLM让机器人具备跨模态理解能力，VLA把视觉、语言和动作进一步连接起来；世界模型和强化学习，则让系统学习环境如何变化、动作会产生什么结果。技术不是突然转向，而是在持续积累中不断扩展边界。

对我们而言，技术演进一直在发生。到了一些关键节点，需要判断某项技术是否已经从远期概念或实验室demo，走到可以产品化的阶段。

我们一直保持对前沿技术的关注。到今天，我仍会读很多论文。我的方式有点old school（老派）：一边让AI帮我做实验和解读，一边也会把论文打印出来读，因为纸面阅读更专注。

这一拨技术范式，我认为至少有三个重要方向。

第一是大模型范式，从语言模型延伸到VLM；2023年起，我们就开始系统投入。第二是强化学习，它在行走、操作等任务中都有价值。第三是Agent。你在现场或视频中看到的交互、推理和多步骤任务，背后都有Agent范式。

此外还有世界动作模型。World model是一个更大的概念，其中包含多种路径；我们目前更关注Agent与World Action Model的结合。

所以，梅卡曼德的产品形态相对稳定，始终是眼脑手；底层技术则持续演进。当某项技术跨过门槛，我们就会推动它从探索走向demo，再走向产品化。这是连续过程，不是某一天突然切换范式。

但技术本身并不是终点。我们不是科研院所，最终还是要把技术变成产品、业务、收入和利润，这是产业化的基本逻辑。

网易科技：刚才谈到技术演进。作为创业者，你们和这一波公司所处的环境，以及看问题的视角，有哪些差别？

邵天兰：我们的目标不仅是survive（活下来），而是survive and thrive（活下来，并且持续发展）。

技术层面刚才已经谈到。我们从2018年起就持续关注深度强化学习、生成式模型等前沿方向，也始终保持较高强度的技术跟踪。

回到创业者视角，共性是大家都关注前沿技术和应用场景，但差别主要在几个方面。

第一，我们已经形成了较稳定的位置，业务也跑起来了。新一代公司需要思考的是如何形成商业闭环。公司毕竟不是科研单位，不能假设只要做出技术，业务、财务和资本回报就会自动到来。

从上一波AI浪潮中的一些公司就能看到，技术做好并不等于商业链条自动跑通。很多年轻创业者会经历这样的认知过程。我创业初期也看过不少类似案例，所以一直很重视这件事。

第二，资本环境不同。我们已经不是一家仍在一级市场融资的公司，而今天的融资节奏、投资人结构和预期，与2016—2019年我们创业早期所面对的环境很不一样。

当时，企业往往先融几千万元，再到几亿元，逐步发展。今天很多公司一开始就能融到大额资金，市场节奏更快，预期也更高。

因此，一些公司会选择更激进的叙事和融资节奏。我不做简单判断，这也可能是适应当前资本环境的一种方式。

但在今天的AI时代，很多idea是公开的。世界模型有哪些方向、数据分为哪几类，行业里大多清楚。最终比拼的是各自的技术判断，也是企业能否找到自己的位置。

有一点几乎可以肯定：我们大概率在读同样的论文，讨论相似的技术问题。你去WAIC也会看到，各家的demo常集中在抓取、操作、叠衣服等方向，大家在大的技术方向上并不孤立。

我不太认同一种过度人为的叙事：好像某家公司先进入某个方向，后来的公司做的事情就完全不同。实际上，技术关注点和应用落地方向有很高的共享性。

2、智能大于形态网易科技：梅卡曼德成立于2016年，名字Mech-Mind意为“机器人的大脑”。当时为什么选择这个方向？

邵天兰：2016年底，我从德国回国创业。起名时就希望让机器人更智能，所以选择了Mech-Mind，一个简洁、直观也便于国际化传播的名字，意思是“机器人的大脑”。

当时，机器人智能还是一个比较小众的方向。我记得那时要经常向大家解释，机器人为什么需要智能。到今天，它成了最受关注的方向之一。无论叫具身智能、物理AI，还是机器人大脑，最终都是为了让机器人自主行动、完成任务、应对复杂环境。

我们做的事情，就是让机器人感知环境、理解环境，并自主完成任务。

现在，人形机器人和多种机器人形态都很受关注，但我们始终认为，智能是更关键的主线。

在不同场景中，机器人硬件会有不同形态。既有能抓取几百公斤甚至几吨重物的重型工业设备，也有轻型双臂、移动协作机器人，以及轮式或足式的类人形机器人。这些形态，都可以搭配我们提供的眼脑手。

所以我们说，智能大于形态。客户最终需要的不是机器人长得像人，而是它能真正应对复杂环境和任务，并且快速部署、简单易用。我们提供的是其中最核心的能力，包括高精度3D相机、人工智能软件和机器人的手。

目前，我们的产品已广泛应用于制造和物流，累计出货超29000台，一半业务来自海外，客户包括100多家《财富》世界500强企业，覆盖汽车、锂电、金属加工、物流、食品饮料等行业。

我们现在能做到“销售一代、改进一代、研究一代”：一方面，产品已经在制造和物流中规模化应用；另一方面，也在推进世界动作模型、顶层Agent与底层执行结合等前沿技术，让机器人应对更复杂的环境和任务。

网易科技：今年在机器人大脑方面，梅卡曼德主要的技术布局是什么？尤其是你刚刚提到的世界动作模型。

邵天兰：目前我们认为最可行的是三个方向：顶层Agent、世界动作模型，以及强化学习动作。

今年机器人大脑的进展，主要体现在几个方面。

第一，我们初步形成了更清晰的技术范式。在类人脑架构上，包括类似额叶的高层推理、类似顶叶的动作生成、类似小脑的动作纠偏等模块，都有更明确的进展。

第二，数据规模扩大后，系统表现有明显提升。行业常把这称为Scaling Law。我平时不太喜欢用流行词，但姑且借用这个说法。比如在WAIC展示的透明物体抓取和任务理解生成，通过更合适的数据、更大规模和更好的表征，抓取成功率已经能做到99%以上，部分任务接近99.9%。

第三，我们看到了任务统一的可能。从架构到数据，机器人处理不同任务的方式可以进一步打通。这是我们围绕类人脑、机器人大脑做的一些探索。

当然，还不能说所有问题都已经解决。但与半年前、一年前相比，方向更清楚，效果也更好。我们对未来更乐观，这种乐观是有依据的，而不是盲目判断。

因此，对于更复杂的制造、物流，以及部分服务业任务，用我们的眼脑手实现批量化应用，我现在会更有信心。

网易科技：今年很多公司都在围绕机器人大脑融资和研发，这会否给你们的技术推进和人才招聘带来压力？

邵天兰：影响不大。同时具备前沿技术能力、应用落地能力、产品开发能力和国际化运营能力，并有稳定业务支撑的公司，其实并不多。

从近期行业新闻也能看到，一些明星公司的核心技术团队并不稳定。无论估值高低、成立时间长短，技术团队稳定性都是很多公司面临的挑战。

我至今仍会参与很多面试，也和不少候选人交流。单看税后薪资，各家公司的差距通常没有想象中大，因此薪酬并不是唯一决定因素。

更关键的，往往是以下几件事。

第一是现实利益。各家的固定薪资都不低，但期权能否兑现，取决于公司长期发展。候选人在选择时，会认真判断这家公司的前景。

第二是能不能做成事，第三是工作过程是否足够健康、高效。

所以在这个位置上，合理薪酬只是基础。更重要的是，公司有清晰的业务方向，知道要去哪里，也能给团队合理的时间预期。

很多技术负责人离开，一个重要原因就是时间预期不合理。

例如2016年，如果告诉技术人员两年内Robotaxi或自动驾驶必须达到L4、L5，这就是不合理的预期。到今天，L4、L5仍未大规模普及，全球头部Robotaxi公司的运营总量也大致在几千辆级别。

不合理的时间表和预期，缺乏对技术规律的理解，也不给团队逐阶段积累的时间。对优秀的技术人员来说，这样的环境很难长期待下去。

我接触过不少背景优秀的技术人才，也和一些换过工作的人聊过。他们提到较多的原因，是工作感受不好、时间预期不合理，甚至难以真正推进事情。

好公司除了提供合理待遇，也要给出合理的时间预期，支持团队把事情一步步做好。我认为这是吸引人才的关键。

还有一点是保持真实。比如你在WAIC现场看到的，和我们在公众号或线上发布的内容是同一套东西；现场体验甚至可能更好，因为系统仍在持续迭代。

这很重要。行业里确实存在线上展示和线下能力不一致的情况。我能理解企业为了融资和传播做一定程度的包装，比如视频呈现得很好，但现实效果未必完全一致。

但如果差距过大，会直接影响人才对公司的信任。有些视频可能经过多次拍摄后选取效果最好的一次，也可能借助遥操作或刻意摆拍。我们不希望这样做，不是为了道德姿态，而是因为长期看，这会伤害企业文化和团队信任。

第一，人才加入后发现实际能力与宣传不符；第二，前线销售也会承压。客户会追问，既然视频里能做到，为什么现场交付做不到？这些压力最终都会传导给技术团队。

把50分讲成60分，可以理解为传播上的适度包装；但把50分讲成5000分，就会让技术人员背负不现实的压力，也会破坏内部实事求是的氛围。

外界有时会想象，这样的公司里是否有少数特别聪明的人，靠一个绝妙的idea就能迅速把能力提高一个台阶。实际并不是。具身智能涉及很长的链条，从数据类型、模型架构与表征、数据准备、模型训练、评测标准，到各种基础设施、机器人任务设置和软硬件协同等等，每一环都很重要。

没有任何一个人，能只凭一个聪明想法就推动整个系统持续进步。

我们需要的是沉下心来，一点一点推进。这是团队工作。团队里每个人都应该能坦率指出，哪个环节还不够好、哪个问题还没解决、哪个方向有两种思路但尚未验证。只有保持这种氛围，系统才能持续变好。

所以我看到一些人才流动，背后往往是不切实际的时间表、过大的压力，以及实事求是氛围的缺失。

技术团队里，优秀的人往往对低效和不真实特别敏感。我开会时也会跟大家说，如果我讲得有不对的地方，就直接指出。很多员工最终离开，最直接的原因往往是管理者。因此，我们要维护实事求是的氛围，对外表达也要克制、准确。

网易科技：你刚提到要建立合理的时间预期。现在具身智能很热，资本、客户、公众都希望尽快看到落地，但真实世界里的技术进展很难被催熟。你觉得行业应该建立怎样的时间预期？你怎么给团队设定时间表？

邵天兰：很难对每一件事给出非常精确的时间预测。

在一项技术的核心范式和关键难点尚未验证前，不能一味求快。这个阶段如果要求三个月内必须拿出结果，往往没有用，甚至可能越催越慢。很多公司在技术范式还不稳定时急于推进，反而会拖慢节奏。所以，在探索验证期，要尊重技术规律。

但一旦验证思路可行，后续就要全力推进。我们内部有时会说“大力出奇迹”：当一个关键点已经验证、火候到了，就集中投入设备、数据、验证和产品化资源，把事情快速做起来。

所以，与其说是设定时间表，不如说是判断是否到了可以全力投入的时刻。没到，就认真验证、论证和探索；到了，就全速推进。

相对确定的判断是，制造和物流中的很多场景，现在已经可以批量应用。从我们自身的业绩也能看到，过去两年增长明显，而且收入增长伴随毛利率提升和费用率下降，说明模式已经跑通。

我认为，制造和物流中的很多场景仍然有机会。但家用场景和一些开放式服务业，例如酒店整理房间，或在餐厅、医院、养老院与人直接互动的服务，短期内还看不到成熟路径。其中的一些关键技术，目前尚未完全清晰。

如果场景不需要与人进行复杂、直接的交互，工作又相对可控，比如打包、装框、打螺丝、接线等，已经能看到应用正在起步。广义服务业则还需要时间。当然，未来某项技术突破也可能改变我的判断，但以目前的信息，这是我的判断。

3、不作假、不夸大，把技术带进真实现场

网易科技：如果暂时放下资本层面的噪音，你会如何总结梅卡曼德10年沉淀下来的真实能力？

邵天兰：我认为有几个方面。

第一，我们在大量客户现场完成了真实部署。现场反馈的价值，远大于实验室或所谓生态中心能提供的信息。我们面对全球头部客户的真实需求，已经解决了一部分问题，也清楚还有很多问题待解。

第二，我们能够持续升级技术。今天的Waymo和10年前已经不同，因为当年甚至还没有Transformer，也缺少今天的仿真验证和world model等思路，但waymo能持续保持在自动驾驶技术领先。我们也是在这些年持续迭代。

技术会不断升级，但应用场景数据、基础架构、评测体系和团队积累，都是长期资产。

这些积累带来的价值是：当我看到一篇新论文时，能够基于自己的技术判断评估它是否可靠、是否有前景。同时，我们也已经打通了从技术到产品、再到客户现场的转化周期。

很多公司会强调自己掌握某种独门秘籍，但实际上，这类绝对独占的技术很少。谷歌、OpenAI也很难说完全拥有。尤其在AI时代，论文会公开，代码会开源，人才也会流动。即使某个想法由某个人率先提出，世界上也会有其他人形成类似思路。

今天，没有公司能真正垄断idea。讲世界模型的公司很多，我们也在其中。任何单一技术都很难长期独占。真正的差别在于，能否把技术变成产品、应用和商业，这个过程很长。

很多时候，外界关注的是我们正在研究什么技术，但这只是一部分。更多时候，我们在搭建从技术到交付的管道。

就像研发一道菜：如果有稳定的供应链和门店，新菜做好后就能很快端到顾客桌上。我们不能只研究“菜怎么做”，还要建设背后的整套体系。

过去10年，我们的技术不断迭代，很多细节和模型架构都发生了变化，但产品形态和商业模式基本稳定。

这很重要。如果产品形态和商业模式不稳定，或者没有跑通，技术就很难转化为价值。一个典型例子是早期的人脸识别：技术在一段时间内可能有优势，但产品和商业模式没有真正跑通。

我们这些年先把产品和商业闭环跑通了，后续技术进步就能更快转化为产品和业务。

网易科技：在这一波具身智能热潮中，梅卡曼德似乎较少主动制造声量。

邵天兰：过去10年，我们不仅活下来了，也保持了不错的发展。一个重要的原则，就是不夸大、不作假。最近我在公司内部也常讲八个字：实事求是，与时俱进。

类似周期我们经历过几次。2015、2016年自动驾驶很热，很多人讲“三年商用、五年量产”，公司也普遍会发布车辆通过路口之类的视频。今天再看，发展较好的公司仍在从L2逐步向L3演进。当时急于速成的公司，很多已经不在了。最终还是要回到技术、产品和商业逻辑。

过去这些年，资本市场对自动驾驶的态度常在两个极端之间摇摆：要么认为马上实现，要么认为行业没有价值。实际情况是，技术一直在进步，行业一直在发展，只是资本市场的情绪会波动。

所以我们不会去追这种情绪波动，也追不住。更重要的是推进技术、拓展应用场景、把业务做好，而不是制造太多短期的trick。

这也是为什么在这波热潮里，我们没有刻意做太多制造声量的事情。比如上春晚，比如建设数采中心——我们没有来自数采中心的收入。

网易科技：你刚才用了一个词：trick。

邵天兰：我所说的trick，是指用不真实或不可持续的方式制造收入。比如，地方政府投资一笔钱，建一个数采中心，购买你的设备，你再把数据买回来，形成账面收入。再比如，与零部件工厂合作，要求对方成立合资公司，把你生产的机器人再买回去。这类交易更接近关联交易，也属于我所说的trick。

还有一种情况，是视频呈现的效果好于实际能力，或者让机器人背一套固定动作进行展示。短期看，这些做法可能有效；时间一长，就会带来很多问题，因为每一种trick都有代价。

我们没有数采中心收入，收入结构很干净。报表里主要是头部制造业和物流客户的真实场景，收入、毛利和回款质量都比较好。

行业里一些人为制造收入、制造展示的方法，所有人都知道怎么做，但我们没有采用，因为长期看会损害内部文化。

举个例子，公司2016年10月成立，第三年收入1000多万元。当时我们很高兴，因为终于有了真实应用和收入。但如果同时通过“数采中心”等关联交易的方式做出2亿元收入，那么这1000多万元真实业务反而会被淹没。

时间表也是一样。如果原理验证和技术开发还没有完成，却强行提出不现实的交付要求，团队最终只能做一些不真实的东西来应对。这会反过来伤害公司。

我们经历过周期，见过热的时候，也见过冷的时候。所以热的时候不必过度兴奋，冷的时候也不必过度悲观。

4、要没有trick的增长

网易科技：梅卡曼德已经在全球部署约29000台设备。这个数字符合你的预期吗？

邵天兰：公司前4年一共卖了1000台，接下来4年卖了1万台。过去一年多到两年左右，销量占历史总销量的一半。从曲线看，这是一个比较典型的指数增长。

当然，现在的基数还不算大，我们仍处在很早期的阶段。但更重要的是，增长伴随毛利率提升和费用率下降，说明质量是健康的。

做增长可以有很多trick。但我们希望看到的增长，同时有良好回款、较高毛利率和持续下降的费用率，这些很难伪装。相比之下，一些AI公司收入增长的同时，费用增长更快、毛利率下降，可能说明做了不少低价值业务。我们的财务表现不是这样。

我们正处在快速增长期，增长质量也比较健康，但基数仍然较低。去年收入约3.8亿元，今年一季度同比增长70%，但总量仍然不大。去年出货接近1万台，今年还会增长；不过与“机器人进入千行百业”的目标相比，还有很大差距。我理解那至少意味着数百万台级别的销量。

所以，我们处在一个低基数、早期，但健康且高速增长的状态。

网易科技：未来的增长从哪里来？

邵天兰：未来增长主要来自渗透率提升和应用场景拓展。

目前行业渗透率仍然很低。比如几家头部车企已经采购了我们几百台、上千台设备，但它们各自仍有几十万员工。放眼整个行业，渗透率还有很大提升空间。

另一方面是应用场景扩张。我们现在解决了一部分场景，但更多场景还没有覆盖。此外，大客户认可和国际化也很重要。目前我们服务了100多家《财富》世界500强企业，一半收入来自海外。

因此，渗透率提升、应用场景扩张、大客户认可和全球化布局，都是未来增长来源。这才是我们理解的真实增长。

网易科技：现在很多企业讲述的想象空间是，未来机器人可以进入每个家庭，每个人都有一台。但梅卡曼德是从工厂场景起步的。机器人从工厂走向更开放的场景，难点在哪里？

邵天兰：首先，我们还没有宣布要进入家庭场景。

技术会持续向更复杂环境、更复杂任务演进，但我们没有说在今年、明年或可见的未来就进入家庭。这是一个前提，不能过度放大这部分预期。

从工厂走向更开放的场景，底层逻辑是一脉相承的，没有本质区别，但每个环节都要做得更好。

比如感知能力。工厂里的工件已经很多，家庭里的物品会更加复杂。人机交互、安全性，以及同时处理多种任务的能力，也都要进一步提升。工厂里，一台机器人在一个班次通常只做一件事；家庭中，10分钟内可能要处理20件事。

但基本原理和能力要求是一致的：识别物体、定位物体，判断如何抓取和操作；理解语言指令、图形指令、动作示范等不同输入。这些能力在工厂和家庭中是共通的。

当然，家庭也有特殊性。比如宠物突然跑过、孩子在旁边活动，这些在工厂里通常可以通过环境管理避免。但核心任务原理相同：把盘子放进洗碗机，和把工件放进机床，本质上都是识别、定位、操作和完成任务。

自动驾驶领域也出现过类似争论：有人认为做L4、L5和做L2在技术路径上有本质差异，后来证明并非如此。今天，无论是特斯拉FSD这类辅助驾驶，还是Waymo先做L4，底层路线并没有本质差异。

机器人也是类似。不会说今天服务工厂的智能架构，未来进入家庭就要完全推翻。差异更多在于，感知、规划、决策、安全等每个环节都要达到更高标准。

一些公司会创造新词、讲新故事，用来解释为什么产品尚未规模化销售就能获得很高估值。这更多是一种叙事。我们不会用这种方式表达自己。归根结底，还是识别物体、操作物体、完成任务、理解指令。

5、专注判断，而不是盯着竞争对手

网易科技：从2016年创业到现在，10年里有哪些教训？

邵天兰：最大的教训之一，是不要总盯着竞争对手。

这一代创业者，包括我自己，很多人都有很强的学习和解题能力。但刚创业时，我也容易被所谓直接竞争对手分散注意力。

所谓直接竞争对手，是资本市场、客户或媒体常拿来比较的几家公司。但放到更大的视角里，全球市场很大、公司很多，你不可能也没必要盯住每一个。

在某个阶段，媒体和投资人总会把几家公司放在一起比较，但这种比较多半是噪音。

我们复盘过，过去犯过的一些错误，根本原因往往就是被竞争对手带偏。比如对方说要尽快做某个场景，我们没有充分评估就跟进；对方选择了某条技术路线，我们也会想是不是要做。回头看，很多类似决策的结果并不好。

所以我们最近更强调第一性原理：做什么技术路线，不能因为它正热门就做，也不能因为别人在做就跟进。否则对方判断错了，我们也可能跟着犯错。

很多道理大家都懂。比如巴菲特不会在市场过热时盲目追高，因为他经历过市场繁荣和回落。我们也经历过周期，所以知道某个阶段特别火的概念，未必都是正确的。最终还是要依靠自己的判断。

当然，我们也比较幸运。

第一，公司成立至今，产品形态和商业模式没有发生重大变化。技术持续升级，但产品和商业主线稳定。很多公司需要不断试错、调整方向，最后也可能成功；我们比较幸运的是，一开始就找到了相对稳定的方向。

第二，团队很稳定。最早3位创始人和前10名员工，到现在几乎都在，整体稳定性很好。

第三，过去10年没有一年收入下降，账上现金也从未低于一年所需。能同时做到产品和商业模式稳定、团队稳定、现金流相对充足的公司，并不多。

网易科技：能做到这些的原因是什么？

邵天兰：我认为关键是独立判断。

比如，我们在公司成立前就仔细推演过产品形态和商业模式。为什么坚持标准化、产品化？因为智能机器人的需求往往是细碎的；如果需求足够标准、规模足够大，通常已经由专用设备完成。

因此，我们只能做标准化产品，否则容易陷入小批量、高费用的定制化项目。基于这个判断，我们一直沿着标准化、产品化和全球化的方向走。

做决策，一是要有逻辑，二是要有可参考的成熟模式。比如为什么做眼睛、不做手臂？因为我们的核心是大脑，而眼睛和大脑高度耦合。机器人没有抓起物体，很难判断问题出在视觉还是决策。如果我们不提供视觉系统，就要告诉客户问题可能来自他选择的相机，但客户体验依然不好，也很难真正解决问题。所以我们把眼睛也做好。

商业模式也是同样道理。人工智能技术很新，但“传感器加工业软件”的模式已经很成熟。我们只是用新一代AI技术改造这个模式，底层商业逻辑是验证过的。

所以，我总结为“逻辑加参考”。很多重大决策都是这样来的。一旦偏离这种方法，因为市场热点或竞争对手的动作而改变方向，结果往往不好。

技术当然重要，我们也在核心技术上投入很大精力。但技术终究是手段。客户最终关心的不是你用了什么技术，而是你如何解决问题。企业也必须把技术转化为可持续的商业模式。

6、梅卡曼德要做机器人时代的微软

网易科技：你对梅卡曼德的期待是什么？或者说，你希望梅卡曼德未来长成一家什么样的企业？

邵天兰：从公司成立第一天的天使轮PPT到现在，目标一直没有变：让机器人进入千行百业，并成为其中非常关键的基础设施产品公司。

如果类比电脑产业，我们希望成为机器人时代的微软。微软当年的愿景，是让每个人都用上电脑。

提出这个愿景时，电脑还只存在于少数大公司。后来微软成立，到上世纪80年代继续强调让每个人用上电脑。放在当时，这和今天说“每个人都有机器人”一样，听起来都很遥远。

后来，这件事在多家公司的共同推动下实现了。今天仍有戴尔、联想、惠普、华硕等电脑公司，但从产业影响力看，它们很难与微软、英特尔、英伟达这样的核心平台公司相提并论。

我们的设想，是成为机器人时代的微软：机器人本体可以来自很多厂家，但其中关键的大脑、眼睛和手，由我们来做好。

我7岁时用过Win95。因为我是1989年出生，当时Windows 95已经很有革命性：可以用鼠标点击桌面，体验很震撼。更早之前的DOS是黑色界面，需要输入英文命令，我那时看不懂，只能背下来。后来Win98出来，还能玩游戏，那种体验给我留下了很深印象。

所以，我希望梅卡曼德在智能机器人时代也能成为类似微软的公司：适配各种各样的设备，并持续演进。因为我们真正相信这件事，所以更要坚持不作假、不夸大，不争短期、不做短线。

网易科技：现在做机器人“大脑”的公司很多。机器人真的需要那么多不同的大脑吗？

邵天兰：不需要。最终能长期留下来的公司会很少。和电脑产业类似，这个市场会有较强的马太效应。

原因在于，机器人大脑和眼睛在总成本中的占比不高，却决定系统能力。客户通常不会优先从这里压成本；同时，交付越多，数据、验证和客户反馈越多，产品能力又会继续强化。规模起来之后，生态、客户认知和品牌也会同步建立。

微软的操作系统是类似例子：前期开发很难，成熟后复制和分发的成本却很低。机器人大脑也具备类似特征，因此市场容易向头部公司集中。

这一点从创业第一天我就清楚。这也是为什么我们没有通过做几个集成项目、运营数采中心等方式做收入。行业未来空间很大，竞争也会很充分。对我来说，主线目标已经足够重要，没有必要分心去做其他事情。

我们判断，这个行业未来会走向较高集中度。即使早期有多家能力接近的公司，也会在长期交付、生态建设和客户认知中逐渐分化，而不会平均分配市场。

反过来，不具备这些特征的行业就会比较分散。比如装修行业，中国市场很大，但高度非标，难以规模化复制，所以一直没有出现特别大的装修公司。

在这样一个可能走向高集中度的市场里，我们会全力围绕主线目标推进，不做偏离主线的事情。上市也起到了重要作用：相当于我们在一级市场阶段交出了一份答卷，然后进入新的发展阶段。就像完成小学阶段，开始进入初中。

网易科技：回顾梅卡曼德这10年，你会列出哪些关键节点？

邵天兰：从一个很微观的角度看，最开始是没有成熟产品可卖。后来，我们需要派研发人员去客户现场做交付调试；再后来，可以由公司的售前和交付技术人员完成；到现在，很多场景已经不需要我们派人到现场调试。

这个变化背后，是系统稳定性、泛化能力和整体交付能力的提升。

从公司角度看，早期研发人员都要去现场；之后有了专门的交付团队，虽然不一定都是研发背景，也能完成任务；现在，合作伙伴可以完成，很多客户自己也能完成。

这是外在现象。背后则是模型能力、传感器效果和整个系统能力的提升。

今天，公司已经进入规模化和国际化阶段，一半业务来自海外。上市也是一个重要节点。它意味着公司已经有了一定规模、可持续且高质量的收入，业务循环跑起来了，治理水平也到了新的阶段。所以我认为，上市是一个重要的里程碑。

力的内容项目。

为更好支持不同阶段创作者的成长需求，小云雀上线了课程中心，搭建分层式学习体系。针对零基础小白，通过产品实操课、基础提示词课程，帮助用户快速熟悉平台功能，上手AI短片制作；面向有经验的成熟创作者，提供爆款作品拆解、3D 导演台高阶用法、AI短剧全流程实战、影视质感调色等行业进阶课程。

小云雀AI相关负责人表示：“小云雀AI希望不只是帮创作者生成一个片段，而是陪创作者一起完成一个有角色、有剧情、有世界观的故事。”该负责人称，随着产品工作流、创作者激励和IP生态同步升级，小云雀AI将从灵感到成片，全流程陪伴创作者完成好故事。