2017年6月15日,由宁波市人民政府主办,清科集团等承办的2017中国股权投资论坛@宁波召开。圆桌讨论环节,在国科投资董事总经理李海斐的主持下,上汽集团股权投资公司风控总监、总经理助理冯戟,联想创投执行董事顾正斌,创业接力基金合伙人刘春松,通江资本执行总经理刘奕墨,宁波股权交易中心董事、总经理周斌就“智能制造在即,如何利用资本破局”的话题进行了讨论。
经投资界(微信ID:pedaily2012)整理如下:
李海斐:今天的话题是智能制造挑战在即,如何利用资本破局。请各位嘉宾描绘或者定义一下,什么叫智能制造?在智能制造场景下是什么样的?
冯戟:以我的理解,智能制造的概念其实是一个很老的概念。中国2015年提出中国制造2025,包括更早的时候提出工业4.0等等,我觉得就是通过软件的管理、工业的共享、信号技术等等,和传统制造业相结合,让工业流程更加平顺,让我们的产品更加有竞争力,让用户在享受产品和服务更加简便。
我们是一个集团公司,希望第一个十年可能是50%的增长,第二个十年可能是5%的增长。未来的二十年上汽将何去何从?我们和阿里进行合作,提出互联网的概念,在自主创新品牌,包括荣威、大通等陆续推出了互联网汽车。
但是互联网汽车的概念其实很简单,包括两个功能:一个是娱乐功能,把所谓消费相关的娱乐、语音、智能导航这些功能;另一个是高级辅助驾驶,按照道路交通局的自动驾驶分为五类。
谈到愿景,有三个方面:
第一个是互联网化,有几个目标一定要变现。
第一是整车一定要能跟我们的用户实现互联,通过手机上APP可以进行云端的控制;第二是车辆和其他的车辆能形成互联;第三是车和道路设施甚至所在的家庭,让我们在车上操控家庭的一些设备,终端一些产品。
第二个是所谓智能化,其实第五类我们远远达不到,但是理论上可能已经实现。车在行驶过程中,消费者在车上可以做很多的事情,比如通话、娱乐、甚至睡大觉,不需要把双手放在方向盘上。也就是从出门到把车停车库,不需要人的参与,这是智能化。
第三个是数据化,车在行驶过程中其实要处理非常大的数据,比如红灯的时候,弯道的时候,踩刹车等等。在数据处理上,包括对数据的识别,包括识别产生的结果,对驾驶者行为的分析,还远远达不到精准。但是随着将来技术和大数据的不断提升,我们互联网功能会变得更现代化。
顾正斌:我觉得所谓的智能制造是有两个转变。
如果是2C的,那你一定是提供从产品向提供服务客户转变,如果你是2B的,那就要从产品交付到价值交付的转变。
信息技术的发达,转变正在发生,就看谁能发生得快,发生得早,谁控制得早。而其增长动力来自于5+,+客户、+产品、+服务、+工具、 +金融。
刘春松:我觉得可以从两个方面定义产品和整个智能制造。
第一方面,从生产和制造端来说,看它是不是能够带来效率的提升和整个技术性的提升。
第二方面,从消费应用端来说,就是变现提升,是便利化的提升。举个简单的例子,家里的冰箱,原来就是放东西的,那从整个生产端和物联端的结合,能告诉我们里面有什么东西,缺少什么东西,会自动帮我送过来。
刘奕墨:
要展望未来,先要追溯历史,从过去近20年制造行业的历史中归纳出未来智能制造的的定义和场景。
我本科毕业的论文写的是自动化,那个时候已经有智能制造的概念了。我第一份工作是雷达研究所,在里面比较多的制造还是相对传统,但是在电子领域已经相对比较新了。后来我到世界500强汽车零部件公司,那时候接触的智能制造就比较多了,自动化生产线、传感器、自动检测、精益制造等等,后面慢慢过渡到工业4.0的概念。十多年前读MBA的时候,复旦教授的案例教学讲奇瑞的JIT系统,也就是通过客户需求来定制化汽车。但是当我到主机厂工作的时候,我们从0到1研发了4个车型并创建了工厂,我才发现在设计一个车型的时候,如果基于客户的需求配置很多的话,制造的时候根本实现不了,因为工厂的柔性制造工艺还达不到。
最近几年做投资,智能制造这块关注比较多的是智能驾驶、辅助驾驶。大数据、人工智能在智能制造领域里的应用也越来越多,通过不同的传感器、雷达,来采集信息、分析数据、指导制造。
因此,我觉得智能制造有三种场景和应用:第一是工业4.0中的硬件部署,也就是通过部署传感器等采集数据,来指导制造,进行检测,通过增加机器人等进一步提高自动化,提高生产节拍和质量,降低生产成本;第二是制造大数据,也就是偏软件的部分,通过采集到的数据深度学习,整合上下游的数据,打造完成的智能制造的生态圈;第三是C2M,C2M有两块,一块是基于客户有意识的需求来推动的智能制造,即客户定制,一块是消费者在实际应用中无意识的自动产生的大数据所推动的智能制造。
李海斐:我谈一下我的观点,以及总结一下各位嘉宾的观点。我觉得智能制造在中国,不管是2.0还是3.0还是4.0,几个方面一定要做到,一个是自动化,由机械来代替人工,这是一个永远可以探讨的话题;第二个是信息化,大数据的收集,收集以后的一个分析,以及对整个供应链的管理。第三个是定制化,未来消费者可以直接下单,我这个产品需要什么样的,工厂马上可以生产出来,这是一系列过程中配套的整合起来的满足需求。
我们有一家红领制衣,这是一家服装企业,有很长的流水线在生产。但是你会发现它生产的每一件衣服都是不一样的,包括它的用料、款式。它实现大规模的个性化定制生产,背后有大量的数据在支撑,有500多万个的版型库。最后是服务化,为客户做服务,包括顾总也提到了两个转变,5个+等等。
刚才讲的是宏观层面的东西,下面想问一下大家非常具体的一个问题,大家现在都在投资什么类型的项目?
冯戟:我们有比较明确的投资方向,我们关注汽车的趋势,其中一个趋势是智能化,传感器作为我们非常重要的投资点。整个汽车行业,电子这一块的成本将近整个汽车的比重的30%,十年之后,电子产品的成本将超过50%到60%。
在2015年的8月份的时候,特斯拉曾经发生过一起交通事故,按它的说法是自动驾驶模式下,有一辆大卡车横穿马路特斯拉没有识别出。后来分析发现,这个车是白色,摄像头是在非常短的时间里进行拍照,通过图像的模糊度来识别是不是有障碍物在行驶,当时摄像头里是白的,没有识别出来。另外是一个算法的问题,摄像头没有识别出来,导致刹车不及时。
谷歌的无人驾驶使用的是激光雷达,它的视线非常广,一般有障碍物都能识别出来,但是它的成本非常高。我的意思是,这些产品是不是代表了一个投资方向,但是未来哪些是真正可以实现产业化的还不明确。基于这个逻辑,在国内跟这种摄像头相关的配套,我们会有更多的关注,在传感器方面我们会做一个重点的布局。
我们作为投资产业来说,汽车相关的产品成本是非常清楚的,基本上每个供应商的成本差别都不会太大,将来供应商比拼的是在供应链上,怎么样进行柔性化生产,一条能生产多个产品的生产线必然能使成本下降。
此外,资金、供应商、客户等各方面也都要满足一定的要求。
顾正斌:第一个,我们偏向于投工业设计,特别是工业4.0,工业制造左侧是设计、技术,中间是生产装备,右侧是品牌和渠道。
我们分析,品牌和渠道,尤其是品牌的建立,涉及到文化的输出,可能需要很长的时间。而对于普通的制造业企业来讲,做设计这一块肯定是更有机会。
第二个,是机器学习。我们把人工通过很长时间学会的东西用在机器上,在医疗影像识别方面突破也很快。大家知道,一个骨科毕业的博士生的医生如果要建模,要花4个小时,现在我们用技术能很快的做出来。
我对工匠精神是有自己的理解的,日本特别强调工匠精神,技术是体现在人的身上,而德国人是体现在机器身上。现在的信息化时代的到来,其实给美国和中国带来机会,美国人是所有生产过程中的数据要采集下来,我们是通过软件模型算法来驱动。中国要想制造业要超过GE比较难,但中国有一个最大的机会,就是我们作为一个生产制造的大国,数据是最多的。
第三个,我们喜欢投零部件。因为零部件出现的改善机会非常多,大家都在说VR眼镜什么的,我却要投一个玻璃片。
刘春松:我们做相对比较早期的投资,有一个很清晰的定位叫大小法则,其实就是在大的行业方向上去找一些小的关键技术和关键零部件。
举个例子,比方说机器人是一个很大的行业,未来不管是设备也好,整体的行业也好,机器人都是很大的一块。但是我也不知道到底是工业用的还是民用的,哪一块起来会更快。
现在电机已经形成了几大寡头,那但四轮驱动这一块还没有形成寡头,那我们就去寻找这方面的项目。
我觉得投偏小一点的做关键技术的企业有两大好处,第一投入没有那么大,第二个要做的是技术营销,看中的是技术带来的盈利,而不是品牌影响力等。这在早期非常关键,决定了能不能很好地活下来。
最近我们刚投了一个做智能检测的,比如机场、高速路,现在路面检测已经有很成熟的技术了。但是路基下面的钢筋有没有锈,那要在固定时间段封闭起来,工人推着一个车走来走去检测效率非常底。现在有一个美国来的技术,做的是全自动的机器人,把机器人放到路上,走一个来回,所有的数据都出来了,建模就出来了,这样自动化程度非常高,极大地提升了效率,客户也很满意,机场等大的单位也有需求。
根据我们自己的一些特色和资源优势,找到一些关键性的替代品或零部件去投,现在发展的都不错,这也是我们现在投的一些方向。
刘奕墨:
智能制造这块我们主要从三个方向来考虑投资和合作的。
第一个从行业方向来看。智能制造是指为不同的行业部署智能的生产线。所以一家智能制造公司,只有服务正确的行业,才有投资价值。
那么什么样的行业算正确的行业,我们从三个维度看,第一是景气周期,第二是技术周期,第三是投资回报期。景气周期是指行业所处的阶段,这个决定了生产线“是否要改造”,只有景气上行的行业,与高景气拐点向下的行业,才具有更高的改造热情。技术周期是指行业自动化的普及度,这个决定生产线“是否能改造”,只有技术跟上了,自动化、传感器、机器手、大数据、信息化系统等先期硬件部署可以实现了,才能为智能制造创造可能性和升级空间。投资回收期是指投入产出比,直接影响客户工厂改造的规模和边际成本。景气拐点的行业可接受的回报周期是1.5年,景气上行的行业可接受的回报周期是2年,提供完全解决方案的行业可接受的回报周期是3~5年。
基于以上三个维度,最先一批布局智能制造的行业是汽车和家电,这个领域的智能制造、自动化生产线的普及已经非常成熟了;第二批是医药生物以及服装纺织,这个领域的智能制造自动化也相对普及了;目前有比较大机会的领域在3C电子行业、锂电池行业和仓储物流及包装自动化行业。
3C电子的智能制造机会在接下来的1.5年内,大概有300亿的市场空间。3C电子行业,过往红利比较多,销售比较容易,现阶段盈利空间逐步下降,将会从销售导向转变为成本导向和技术突破导向。同是3C电子主要靠人工组装,45%的制造费用是人工成本,随着中国人口红利的褪去,这些年要逐步自动化、智能化。
锂电池的智能制造机会在接下来的3-5年以内,大概有3000亿的市场空间,这些年新能源特别火,新能源汽车等国家拨了很多的钱,是一个新兴行业。锂电池厂商加速投资,预计未来5年,行业复合投资增速达到55%。因此在这个领域也会出现大量的智能制造的行业机会。
仓储物流及包装自动化的智能制造机会在接下来的3-5年以内,大概有2000亿的市场,收益企业大多已完成了生产自动化,接下来将进一步完善物流自动化。,比如对于汽车主机厂来说,冲压、涂装、焊接和总装线都已经自动化智能化了,在物流和包装这一块的自动化相对落后一点。我们判断这个时间段,其实在这个领域里面的智能制造公司,是值得投资的。同时除了工厂物流自动化外,还有电商的物流仓储自动化,大量的电商需要去提高仓储物流能力,这些仓储物流的自动化我们觉得也是比较好的投资方向。
以上是从行业的方向考虑智能制造的投资方向。其次我们是从智能制造的生态圈,也就是智能制造的商业模式来看,拥有哪些商业模式的智能制造公司是值得投资的。
最近一两年比较火的投资方向,第一个就是工业4.0,不单单是单方面的信息化的收集,而是全系统的智能制造的生态圈。过去很多信息化系统都是信息孤岛,还没有一棵树干把这些信息搜集到一起,未来的话可以把数据上下游都打通,还可以做一些企业征信、根据制造大数据做一些上下游的金融服务等。
第二个是跟大数据、云计算相关的。随着现在的技术不断进步,数据采集能力越来越强,数据采集量也越来越大,我们把数据放到云端,拿来分析和指导生产,在没有出现错误之前就把错误挖掘出来并解决掉,这也是一个我们投资的方向之一。
除了行业方向和商业模式外,我们的投资方向还会关注一些关键的核心技术。
从视觉技术来说,欧美或者日本已经拥有了相对成熟的视觉技术,能实现高辨识度的视觉传感及图像处理,中国视觉技术也已经从工业4.0领域转向C2M的服务领域。
语音语义方向,目前语音识别已经相对成熟了,但是语义理解这一块还没有很成熟。
人工智能领域,Google已经并购了Deepmind、Cognea等公司,我国人工智能人在探索阶段。
此外机器人的本体部分,因为受限于人机互动技术水平的积累,目前还不太成熟。
李海斐:总结一下大家说的,中国毕竟是一个制造业大国,现在新的技术,比如新的传感器,新的机器人,新的人工智能,通过信息技术改进生产效率、改进产品,制造业的投资机会是非常大的。
从投资者的角度来说,大家喜欢看到什么样的创业者?
冯戟:企业家的基本准则,要有创业精神,要吃苦耐劳,常规的我们就不说了。第一是要学会放下,很多事情都要自己去解决,我觉得很多事情可以交给其他人,把自己的精力空出来。第二个是在商言商,要生存,拼刺刀,有丛林法则,但是有商业规则。
顾正斌:能把一件事做好,把这项技术做到第一名,别人离不开你,给别人创造价值,这样就可以。创业的时候不要想以后,不要想着做平台,把一件事情做好就可以了。
刘春松:主要针对制造业这一块,在这个领域的创业者,我们有两点建议,第一,这个领域的创业者,绝大部分是有技术背景,但是一定要有市场的意识,一定要以客户和市场为导向,产品做出来一定要卖得掉。
第二点,一定要有快速学习的能力,技术迭代太快了。
刘奕墨:首先要专一、专注。制造行业是一个需要通过经验积累来创造价值的事情,一定要在行业里扎扎实实的做深做透,要把运营细节做好,为什么日本企业能做好,因为它在小的细节里都非常细致,极致专注和专业。
第二,作为一个企业家,要有战略思维、以销售为导向的能力,他要带着团队往正确的方向前进。
第三点,要有企业家的激情和领导能力,把整个公司的活力调动起来,提高公司的效率。
周斌:一个还是团队,很多制造业企业家都是技术出身,对其他管理上还是要有互补性。
第二个是产品和市场,一些制造业的老总精益求精,花了很多的人力精力但是市场上并没有那么高的精度要求。所以怎么把握顶端技术和市场需求的适应性方面要有一个平衡。
第三个是通病,要关注现金流,制造业的投资比较大,稍不留神卖掉的都不值钱,买进的都花钱,这三点要关注。
20102起
融资事件
4314.04亿元
融资总金额
11011家
企业
3269家
涉及机构
499起
上市事件
5.33万亿元
A股总市值