人口红利衰退下,自动化是蓝海市场吗?

网友投稿 286 2024-03-25


2023年初,一则人口负增长的新闻迅速登上热搜。劳动人口数量下滑、劳动力成本升高、一线工人高龄化,已经是不争的事实,“招工难、管理难、和外卖平台抢工人”的痛点,也带动市场对“机器换人”概念的高度关注。

人口红利衰退下,自动化是蓝海市场吗?

图一:中国人口结构变化

图二:制造业就业人员工资变化

随着人口问题不断恶化,人们想象中,自动化设备的推进、工厂对自动化的拥抱,理应是一篇欣欣向荣的景象。然而作为深耕工业赛道的投资人,我们发现结果并不尽然。这其中,有一定周期性的原因,也有更深层次的结构性的原因。

作为理论上的“蓝海市场”,自动化设备的实际增速为何呈现成熟行业才有的周期性波动情况?人口结构的巨大痛点和自动化渗透率遭遇瓶颈,这两个看似矛盾的事实同时存在,究竟应该作何解释?

1

工业自动化:Where we are today?

Question 1: 当我们在谈论“机器换人”的时候,我们在谈论什么?

工业自动化≠机器人!机器换人的“机器”也≠机器人!

事实上,自动化是个很广泛的概念。我们可以分为专机设备和通用设备。当我们走近一家工厂,自动化的过程,是由无数台不同的机器通力协作而成的,下图中绝大部分机器,恰恰是“专机设备”,而专机设备本不是新东西,属于妥妥的“存量市场”,有些机器的发明甚至可以追溯到工业革命时代.....

图三:工厂生产流程与设备示意图

而人力的重灾区在哪里呢?下图我们点出了工厂里经常看到人力的地方。基本分为三类,第一是上下料、拆码垛等专机和专机之间连接的环节,以及在机器报错时进行人工干涉的“看机器”环节。第二是装配、缝制、打磨等涉及工艺的环节。第三是检测环节。这其中,有的部分大部分都是人力,例如缝制,有的环节是人机协作,例如人拿着零件在专机设备上进行打磨,也有的部分属于机器能做,但一旦涉及到柔性,就败下阵来。

“机器换人”的目标,就是这些环节的人力替代。

图四:工厂生产流程、设备、与人力密集环节示意图

Question 2:那么,如果我们用这些“增量市场”的增长情况,来评估“机器换人”的渗透进度,真实情况到底如何呢?

这个问题,在一段时间内非常令人困扰 – 因为,当我们评估这几年人口结构性问题的背景下,“机器换人”的紧迫性,与一线调研到的企业实际增长情况,并不符合。

下图工业机器人的密度与发达国家的客观差距,是我们在各种BP和报告里用来佐证行业“无限蓝海”最常见的图表。但很少有人呈现的,却是增速的周期性变化:可以看到,2018年之前,虽然也有波动,但总体呈现高水平波动。但2018年之后,工业机器人呈现出的却是只有成熟存量行业才有的,跟随经济景气度的周期性波动特征。

图五:全球工业机器人密度分布

图六:中国工业机器人市场情况

当然,如果只看一个指标,未免有失偏颇。我们不妨再看看机器视觉的市场情况:从增速来看,似乎比机械臂要好不少。然而如果我们用今天实际的市场规模,去对比理论市场空间,就会发现,在市场尚在增长初期、存在巨大空白的情况下,目前的渗透节奏仍然是相对平缓的。

图七:中国机器视觉市场情况

图八:中国机器视觉市场规模测算

以上分析仅仅从市场规模和增速的角度来看。事实上,如果看市场竞争的激烈程度,同样可以反映出市场目前并不在蓝海状态中。相信高度关注行业发展情况的朋友,对此都有切身的体会。

2

阻碍当今中国工业进一步实现人力替代的原因是什么?

视角1:从技术难度和劳动附加值的角度,存在错配,换句话说,打蚊子请不起高射炮....

所有问题的解决,都伴随着对应的成本。同理,招人和用人的成本固然是高,但当自动化的成本更高时,一味进行“机器换人”似乎并不是理性的选择。最终,是否采用机器换人,并不是人力成本和人口问题的单向线性外推,而是技术实现成本、替代的工时数量、替代工种难度的综合平衡。

我们把需要进行自动化的场景分为四个象限:

图九:自动化场景分类

高附加值低难度:技术实现成本低、容易规模化复制、替代人工工时价值高的机器,是自动化替代最最合理的场景,早在工业革命时期出现的纺纱机,就是典型代表。这正是典型的成熟自动化应用,并不在当今讨论“机器换人”增量市场的范畴内。 低附加值低难度:可以替代,但不刚需。例如一些简单上下料、简单物料搬运,即使在长三角地区一些稀缺技术工种月薪接近2万的今天,同一个工厂里也存在着月薪6000的普通工种。技术实现并不是瓶颈,属于“可以但没必要”,有补贴就做一做的场景。 高附加值高难度:我们常见的进口高价设备,例如单套数百万的检测设备、和高精度高稳定的半导体设备,大多属于此类。在这类应用上,技术难度和附加值得到了较好的平衡,所谓“重赏之下必有勇夫”,超高的附加值给了顶尖技术人员无限动力。当然,这类应用仍然有一些技术尚未攻克的领域.... 低附加值高难度:本章要讨论的核心问题,机器换人真正的“硬骨头”,大部分出在这类应用上。

a) 例如,在服装厂内,柔软面料车缝环节,从技术实现的角度,研发难度极大、成本极高,但计件工人的工资仍然微薄

b) 再比如3C组装,当“去电子厂”成为网络上的一个梗,侧面反映出,流水线上的电子厂普工,对技能要求并不高

这一现象的存在是多方面的:

a) 工时附加值低:工业革命前,用旧式纺车1亿人才能完成的工作,在纺纱机发明后,只需要50万人即可完成。而今天这样的环节绝大部分都已经被各式专机设备替代完毕,剩下的人工工位,大多在流水线上,一个萝卜一个坑(缝纫、组装、搬运),相应的附加值,自然大大降低

b) 能做一年是一年:团队之前在一家三线城市的工厂调研时,发现工人年龄平均已经接近50岁了,大量女工是退休返聘....也许,今日的人口老龄化问题,一定程度可以通过延长一线工人的工作年龄,再拖延个10年,20年....直到他们真的干不动的那一天

c) 企业实力和短期投入的错配:一些中小企业为主的行业,没有支付能力。新技术在研发出来之后,往往可以随着大规模推广、摊薄开发成本,得到普及,但总要有第一个吃螃蟹的人。今天我们看到的灯塔工厂,很多在ROI方面未必有大规模推广的意义,但正式这些值得敬重的头部企业,先行在技术方面完成打样,为未来时机成熟时大规模推广打下了基础

图十:全球灯塔工厂情况

视角2:“罗马非一日建成”。尊重行业本质,正视“时间”的必要性

工业,本质是一个传统行业。技术≠方案,从院校里面 “理论可行”的技术,到产线上运转自如的解决方案,中间跨越了场景理解、工艺实现,以及实操过程中各种意想不到的“工程bug”。同样,设备≠产品,实际操作中,并不是买来设备就万事大吉,硬件永远只是工作站里面的一小部分,如何结合行业特征、现场工况、工艺要求,执行设备和感知设备、硬件和软件、人与设备,如何共同完成一项任务,更是巨大的命题。

工业上一个问题的解决,绝不是单一“rocket science”的解决,而是一系列工程学问题的攻克。这个过程,是通过时间累加起来的。很多尚未实现自动化的场景,在技术、成本、附加值方面,都没有大问题,只不过需要时间。

时间需要去解决的,第一是行业渗透,第二则是人才培育。

从行业的角度,锂电、光伏、汽车、3C“四大金刚”是绝大部分自动化企业的香饽饽。因为行业TAM大、企业支付能力强、标杆客户可以打品牌,新能源行业还自带扩产红利加持,自然成为了竞争激烈的战场。然而,其他一些行业,同样具备自动化的需求和痛点,只是单一客户体量和支付能力不足以吸引自动化企业的关注。近期,我们也越来越多的发现,很多做解决方案的企业,也都在寻找第二第三增长曲线,将自己的底层技术积累,在其他行业发掘应用。

图十一:工业机器人分行业渗透率分析

从人才的角度,中国制造业的人力资源问题,不仅仅是蓝领的问题,更是白领的问题。社会更多关注的,是一线操作工人招工难、工资高,但在工程师的层面,同样存在技能的错配。一方面,是一千多万大学生迎来“史上最难毕业季”,但另一方面,一线工厂里又懂编程、又懂工艺的“工艺实现工程师”,却大量缺位。也许,学科教育、职业教育、一线应用,需要更长时间的磨合,才能给自动化的实现提供更好的土壤。

版权声明:本文内容由网络用户投稿,版权归原作者所有,本站不拥有其著作权,亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容,请联系我们jiasou666@gmail.com 处理,核实后本网站将在24小时内删除侵权内容。

上一篇:领航医疗行业蓝海——看中国工博会机器人展商9月精彩来袭!
下一篇:国家统计局:7月份规模以上工业增加值同比实际增长3.7%
相关文章

 发表评论

暂时没有评论,来抢沙发吧~