1. TESLA BOT除了家务应用还有其他期待吗？

对于代驾，快递，室内室外活动的整个类人的场景都可以覆盖其他场景的复制和一致性并不是不能预见的，有非常大的期待。完全从驾驶场景移动到家庭环境场景，从产品分析上有一定难度，从技术角度来说，肯定是配合这个场景做一些技术的迭代和深化，在移植难度上稍微小一点。标准化的程度上会有一定的差距

2. 这个技术从机械结构上面来讲是否比较难以实现？9月30号是否会出现跳票的情况？

从技术角度来讲，单一功能有可能落地完全推动做家务，复杂场景的功能成熟度有待考验，具体还是要看最后对产品发布的一个建议，才能决定9月30号产品的大概状况。

3. 对于特斯拉的量价有怎样的期待？

特斯拉的定价策略开始应该是以小批量为主，主要要观察具体功能的场景，如果仅是做简单洗碗的功能，定价可能在一个稍微高端以上，再加上整体物料成本的程度，如果附加了更多功能，加上整个产业链价格的提升，价格跟一个汽车或者高端消费品的价格应该不会差太多。如果从马斯克本身的思想来说，通过引导整体消费的方向来讲，价格不至于高的离谱，应该在中高以上，不会高到大家不能去接受

4. 本次发布最主要的意图是不是在于通过不同应用场景的导入，实现软件算力的快速迭代？

对的，而且应该不限于只仅仅做商业，他应该像做汽车一样，很多时候他是在做数据的收集以及在做整个背后，不管是人工智能还是神经网络的训练，因为在数据收集的层面，他带来的更多的是一个算力能力的培养，以及你整个决策算法模型的训练。

5. 戴森的产品相较特斯拉会不会更容易落地？

戴森的落地场景和方向更加明确，而且戴森的营销也做的比较好，从以前看他的产品生态也是营销加持很多，而且从十年的投资时间来看他的预期管理也会比较成熟，您的观点呢

消费者对于特斯拉在机器人领域的认可，可能马斯克个人的招牌会更有吸引力一点，但是戴森来说，消费者也许会更容易去接受他的产品？

是这样的，特斯拉更偏向技术驱动，戴森是技术家市场一起去驱动

6. 戴森如果单一的机械手臂的话，那么只有一个单一的环境。如果跟扫地机器人和amr小车去结合的话，可能会更好一些？

戴森的产品形态更可能是固定场景和非固定场景都有的一种集合

7. 戴森的定价策略是怎样的呢？

戴森可能会把事情做得更精，去解决用户的痛点，比如戴森吹风机，他要做产品的颠覆，用了一些技术加持以及把人机友好做的更好的东西。戴森的定价会结合市场的接受度，它是市场加技术一起去驱动的一个产品平台，所以这样看来它的定价会结合自己物料以及市场一些期望值来推出

8. 将来对家庭网络市场主导权的抢占，相关的竞争格局是怎样的？

戴森能在to c行业把产品做得很好，核心是在于其产品力，所以产品加科技可能是注定决定能不能进入市场或者把市场做爆的一个重要因素，但是本身消费者心态也在变化，文化也在变化，所以更适应市场和产品力更好的商家可能更具有话语权，更容易切入

9. 欧姆龙似乎还是想在SA工厂自动化做一个解决方案，那么他在家用环节有潜力吗？

欧姆龙的技术路线比较偏传统，它对标的主要还是协作机器人，目前来看还是偏工业为主，家用场景可能需要作为另外一条产品线去打磨

10. 欧姆龙在工厂自动化领域会不会有一个相对比较好的落地情景？

目前欧姆龙在机器人的比例上还是偏低的，也就是说场景可挖掘的可能还是比较大的，因为毕竟现在机器人自动化和智能化事情做的也不是很久，所以场景的拓展整个市场规模其实是在不断增长的

11. 欧姆龙在机器人领域和发那科、川崎、安川相比比较弱，其他这几家是否会有相关动作

欧洲和日本产业链和市场生态上配合度更强于竞争，欧姆龙进入这个市场主要还是希望在一些技术点出现突破，如果是强竞争的话，他没有太大的优势，但是因为市场是在不断增长的，竞争也不至于白热化到红海的状况。

12. 在Moma领域那种企业更有可能走出来

产品应用场景不一样，极智嘉以ac为起始点，然后往上做去完善整个形态。那像遨博之类，他们以六轴为趋势点来往下做的可能性也是有可能。极智嘉偏向于物流自动化这个场景。像遨博、艾斯顿这种它们的场景可能更偏向于在产线地去做一些解决方案或者是去做工艺的事情。

13. 亿嘉和模块化的设计，是否和国外几家厂商路径由重合

亿嘉和可能更想做一些产品化的事情，但是目前来看的话，主要是以电力巡检为主，他可能依托于子公司的资源去做这种应用，面对电力场景产出了模块化的机器人产品，但是它不局限于这一个模块，他会把各个模块独立出来，然后针对另外一个场景去做新的组合。我认为这是一个很好的技术加产品驱动的方向

14. 亿嘉和机器人的感知方式主要是通过双目3D视觉，生形成三维点云。然后做匹配切割。因为70%的信息量都是通过眼睛获取的意义会比较大嘛，或者说是和海外品牌的技术路径有相似的地方？

感知是机器人加外延扮演的应用加上感知可以实现更多的应用场景，在我看来这个技术方向应该是不可逆的。大家都在往这个方向走，所以这个方向是比较正确的

15. 全球人工智能虽然应用场景不大一样，但本质上技术从源头来看是否相似或者有借鉴的地方

从AI视觉来看，这些感知的技术可能从信息获取不论是3D点云还是2D平面视觉获取信息，从技术角度来形成这个功能性的闭环是一致的。主要看技术能做到怎样的准确度，精度能做到怎样

16. 优艾智合的多场景应用扩展落地您怎么看待？

多行业前期比较难管理，有体量和资金的情况下，多行业也可以尝试，毕竟产品形态是一样的

17. 目前公司处在一个持续投资的阶段，他在一市场很火爆，目前需要更多的商业模式的探索，最终来到一两个场景实现落地，在短期之内它的行业倍数或者客户背书效应可能比实际盈利来的更重要，这是我目前对发展阶段理解你怎么看？

我的理解比较类似，目前来看他在做供应链整合，我觉得并不完全是技术驱动或者产品驱动，他可能更多的相当于是上游的角色，下游的gcd有了自己的产品，抛离它的可能性会很高，作为上游很重要的一点就是系统集成，那么如何去通过下游合作做产品的闭环是他面临的挑战。

18. 类似优必选这样的企业刚开始立意非常高，但是实际落地的场景上并不是解决刚需的一些产品，可能之后定位就会比较尴尬，怎么看待这样公司的发展路径？

他目前服务性的产品总体来看刚需的功能性不是特别强，从闭环来看它是以云的主导做未来可能ota的升级，主要是想通过硬件层面的一个点，通过软件去做硬件整个功能或者控制的升级。未来去做家务机器人的可能性也是有的，但是他目前没有用这个场景做打磨，只是做了一些展示性的东西，具体还需要团队实际的规划

19. Tesla bot目前满足的是不是术最下限的期待？

特斯拉的机器人还是有所可以期待的，产品力上不够强硬，实际反馈去做，从工业角度来看可能会更踏实一点。

20. AI加视觉在未来很长一段时间，是否是我们需要不停的去迭代进行产品开发的领域？

是的，AI加视觉是把整个现在偏自动化线上化变得更智能化，是真正去实现一些智能化，AI偏向做决策，视觉偏向做获取，实现一整个动作的闭环

21. 不论是特斯拉机器人还是行业里面一些其他企业来看，都需要不断的去将体积做小，功耗降低，机电一体化是不是一个明显的趋势

是这样的，从早期传统行业专业细分，积电是分开的，从未来来看偏向于符合型，机电一体化是一个大的趋势

22. 驱控一体是否会有一个很好的发展空间？

波士顿动力的原型机器人改变了工业机器人的形态，然后增加了驱控一体的融合度，这是一个很好的方向，这是以保证稳定性和功能性的一个很重要的一个比较稳定的方式，未来是在不断的技术迭代过程中的方向。

23. 目前fa四大家有怎样的一个规划？海外的趋势是怎样的？

Fa四大家也在往驱控一体走。当然这个过程因为工艺机器人毕竟是切成 24 小时去做很精密的事情。这个过程也会面临很多问题，毕竟供应链的一些主机以及半导体行业的一些散热的问题是一个点。所以在做这个小型化的同时，也会做相应的配套，去完善整个性能的一个保证

24. 除了机器视觉以外，其他的哪些传感器会有机会？

其他的比如像力控在做一些精密的动作中是很关键的传感器的因素视觉加利控基本上是一个很重要的内容。外围像iOt的控制可能会是整个环境更闭环， 同时跟plc做通讯和沟通，包括数字孪生和可视化传感器的作用都很大

25. 国内传感器的相关公司有没有推荐？

目前像梅卡曼德还有熵智科技都在做3D相关的应用，但是这个成熟度大家都正在做优化。算是一个蓝海的市场

26. 机器视觉领域，目前国内和海外的企业更多在进行错位竞争，这是行业比较好的一个现象吗

国内机器视觉并不完全依赖机器人发展，其实是相辅相成的，因为像检测类的，有的时候可以脱离机器人去做事情，但是视觉方面限于视野的局限性，还有一些精度的局限性，很多时候是完不成所要赋予的要求的

27. 对于机器人硬件算法来说是怎么理解的？

AI是在一些标准化的场景里面应用工业行业还是以项目制为主。但是项目制造就的问题在于交付部署的时间上比较难预估人员的消耗也比较难预估AI的发展其实是统一化和规模化统一化在于AI赋能拓展了更多的场景，本来机器人不能做的事情，有了视觉就可以进一步的落地，标准化的应用本身是项目是应在ai赋能情况下可以做成标准化

28. 入口端跟执行端会率先于AI算力成熟在技术部化以后就是一个工程化的问题，最终比拼的还是算法和算力，平台架构？

是这样的，当很多硬件成熟到不用做相应的修改，软件层面的竞争是比较大的。AI神经网络主要在于对各种信息特征的提取，对数据进行分析，分析完了以后输出相应的数据，整个网络的设计以及网络的优化剪裁还是需要算法算力，就是算法相应的工程师去做相应的网络设计，网络的剪辑以及优化。所以这方面的人还是无法替代的。中国产品的竞争率都是在AI算法的优化性和先进性上，以及对整个场景和业务的理解。中国产品的竞争率都是在AI算法的优化性和先进性上，以及对整个场景和业务的理解

29. 从国内供应链上的企业来看，哪些企业更有机会？

欧美和日本市场，它的产业链发展更多是协作关系。产品是多学科的综合产品，就像有感知，有分析，有AI算力和算力平台有末端的机械手，有协作集群。有电机，传感器以及减速机这样的产业链。目前最容易打磨和成熟起来的是下游公司在有资源和场景的情况下进行打磨，配合上游把产品做出来，再加上AI平台化去把整个产业的规模蛋糕做大，大家协同去做，是比较良性的一个方向