机器人产品的底层逻辑应该是10倍优于现有替代品，而不是简单替代人工。

7月18日，低速自动驾驶小型无人车「优时小车」宣布完成数千万A+轮融资，本轮融资由海尔集团和中国金茂领投，惟一资本跟投。这是自2018年成立以来，「优时小车」完成的第四轮融资。

不久前，「优时小车」的创始人兼CEO林锫森接受了「智车星球」的采 访，分享了他对行业、市场以及目前「优时小车」所找到的发展方向。

(相关资料图)

△「优时小车」的创始人兼CEO林锫森

距离上次与林锫森见面已过去三年。彼时,「优时小车」刚完成数百万人民币的种子轮融资，公司的重点方向还放在室外无人配送场景。

那次见面是为了“无人驾驶配送”选题而做的采 访，谈话的核心更多是围绕行业展开。关于初创企业该如何发展，林锫森认为：“每个赛道都有它的生命周期，包括市场什么时候成熟。初创公司也有生命周期，所以很忌讳等待市场成熟，这个时机非常难预测。”

因此，在那三年时间里，「优时小车」没有一味等待无人配送市场的成熟，而是在不断尝试中找到了一个适合自己的全新场景。

信息“搬运工”

与几年前相比，无人驾驶场景化落地无论从技术还是模式上都更为成熟。码头、矿山、港口、环卫等场景端对无人驾驶产品的需求意愿也逐渐强烈。供需双方的一拍即合让越来越多的应用走进现实。

但抛开不同的场景细节，底层技术逻辑依然是“将物或人从A点移动到B点”。「优时小车」也是在这个大框架下，将“广告”和“带货”作为了自己的标签。但随着对目标市场研究的不断深入，「优时小车」在场景化、商业化的探索过程中摸索出了一条属于自己的道路。

“我们除了物品的搬运以外，还挖掘了信息搬运的价值”。林锫森说道。

所谓的信息搬运，就是把品牌带到流量大的地方，再通过流量变现。在最初单纯送货卖货的基础上，新一代「优时小车」配备了42寸激光投影以及多个广告屏幕，通过移动把信息带到附近人流量密集的地方，让品牌在现实生活中与人产生交互。相较传统的平面或视频广告，叠加了AI性格、语音与交互转化的广告是品牌以前不曾拥有的渠道方式。

△新一代优时小车

“传统线下广告有区域限制，比如说对于商场里的品牌，如果门店开在5层，想触达1层的流量只能通过广告。但传统线下广告成本较高，而且转化数据无法追踪难以衡量效果。我们与传统广告方式相比，移动设备会比固态形式更吸引眼球，广告效果可追踪，并且有精确的数据转化链路。再通过AI赋予机器人的性格，能让品牌凸显自己独特品牌个性，提高转化率，并且打造自己的私域流量。”林锫森说道。

△传统线下广告的解决⽅案

在意识到自己的优势后，商业模型也逐渐清晰。

“我们通过低速自动驾驶小车帮助线下品牌以较低的广告成本提升收入。我们的小车把商店的代金券、套餐、红包（相较其他入口优惠力度更大）带出去，用户通过微信扫码就可以下单支付，完成了以前线下广告欠缺的一个闭环。我们把这类型的广告叫做Revenue Marketing（收入营销），是一种让线下广告能直接产生收入的新营销方式。” 林锫森解释道。

目前市场上的服务型机器人大多想通过替换人的底层逻辑，从降低人工成本角度寻求商业模式上的突破。但在林锫森看来，机器人产品的底层逻辑应该是10倍优于目前的标准产品，而不是简单替代人。（该观点来自于Idealab创始人比尔·格罗斯，原话是To build a large business, the product must be 10x better than the current standard bearer, and it must be a large market.）

“如果产品没有做到10倍更好，机器人很难实现爆发式增长和盈利，服务机器人在这点上尤为明显。工业机器人的工作内容相对单一，一个拧螺丝的机器人确实可以替换掉3-5个拧螺丝的人。但服务业态并非只是纯粹1对1替换人的底层逻辑，比如传菜人员的工作并非只是传菜，还要收拾碗筷、擦拭桌椅、招待迎宾等一系列机器人目前无法完成的工作。所以采购1台机器人无法辞退1名员工，也无法做到10倍更好。” 林锫森进一步说明，“因此，「优时小车」的出发点不是让机器人去做人类擅长的综合柔性工作，而是做人类不擅长的或是需要多个人才能完成的工作。比如营销、内容制作、分析数据、创造收入、获客引流、私域流量的搭建，这个链条很长，能创造出比传统广告等替代品10倍更好的体验。”林锫森说。

“所以大多数机器人是降本节流，你们是开源创收？”

对于我的总结，林锫森同意了一半。

“降本节流我们也能做到，毕竟相比传统广告的费用，我们的价格是有优势的，而且还能给品牌带来可衡量的额外收入。”

据介绍，目前「优时小车」已经和300多个商场取得合作，如融创、万达、华联、合生汇、大悦城等公司都是其客户。

这对于在最困难时期账上现金只剩10万不到的「优时小车」而言，是一个让人振奋的成绩。

在林锫森看来，「Product market fit」（产品适应市场）是公司走出困境的关键。“有PMF后，市场会把公司快速拉扯长大，否则光靠推产品会非常难。”

因此，为了在聆听市场需求后能更好执行，产品细节的打磨和市场研究成了目前林锫森最大的功课。

技术路径的选择源于商业模式的需求

目前自动驾驶方案公司的发展路径大致可以分为两类——一是从L4自动驾驶入手，向下覆盖场景，另一类是从L2自动驾驶切入，逐步向上进化。

对于前者，很多人包括企业自己都认为向下覆盖的过程是“降维打击”。但林锫森却有不同看法。

“有些公司也许能做到L4，但如果认为这样就能简单向下覆盖场景我觉得是一个错误的想法。”

在林锫森看来，每个场景都有很多环节，并不是简单技术上的“降维打击”。

“自动驾驶技术在场景运用中只是底层驱动，应用层的需要只有切得足够深商业模式才能成立。比如，市场客户画像会影响产品形态，客户付费能力又会决定单位经济，单位经济又会影响可承担的获客渠道。同时还要考虑获客渠道与模式是否有匹配，模式和目标客户市场的天花板是否够高等等，还有许多细节问题，都是环环相扣，牵一发而动全身。”

林锫森举例道：“我们最初设想商业模式时，想让一台小车服务一个门店。但在运营中发现这个模式并不对，多个门店完全可以共享一台小车。这一点变动后，产品的形态、运营方式、收费模式、程序的UI界面显示等环节都要一起改变。”

另外，为了让品牌能直观判断广告投放的效果与用户转化效率，优时把线下广告实现数据可视化，对各项数据进行拆解。这些所有在细节上的考虑都是为了解决自主获客模式“顾客不进店，就没生意”的痛点。

△使用优时小车扫码购物的消费者

除了需求端，商场作为整个模式中的重要一环，其需求同样需要考虑。

“首位因素当然是安全，其次就是成本。”林锫森说。

为此，在技术路线选择上，不同于大多数服务型机器人所采用的单线激光、二维构图的定位导航方式，「优时小车」通过计算机视觉实现了低成本的三维高精地图的定位导航方案。从而确保在宽敞的商场场景内，小车不会出现因单线激光雷达的短射程无法触达四周墙面的定位，或因为高动态的人流遮挡而出现定位失败等安全问题。同时，在场内行驶时，小车速度会控制在0.3~0.5米/秒的范围，场地外则可以提升到1小时15公里的程度。但无论场内场外，优时的原则是不与现行的法律法规有冲突，不产生路权争议。

△优时小车户外行驶场景

另外，「优时小车」也实现了无线非接触的自主回充技术，将用电和充电过程中的风险降到了最低。

△充电中的优时小车

接下来的路

在与林锫森交流的过程中，我总会想起理想ONE这款产品，原因无他，两者的底层逻辑都是“以人为本”，技术在其中只是服务于需求的手段。

与三年前相比，林锫森对产品想得更透彻，打磨得更加适应市场。在这个过程中，他也成为了更成熟的产品经理。

“我现在对技术和代码的编辑比较少，精力都放在了市场、产品、渠道、模式和融资上。”技术出生的林锫森感叹道。

这轮融资后，林锫森将把重点放在商务团队上。显然，随着今年拿下的一个又一个订单，林锫森对于拓展市场有了底气。

“随着产品的铺开，我们目前也有了几个核心壁垒，第一就是技术驱动的成本优势，我们的这套视觉方案加上自研的底盘，能把小车成本控制在比竞品低6到12倍。即便竞争对手能把成本也做下来了，我们还有场景网络效应的壁垒。”

目前，优时与已经签约的大部分场地方都签署了三年的独家排他协议，以此保证在窗口期内能拿到最好的场地资源，实现广告效果的最大化。林锫森透露，「优时小车」今年会交付数千台，市场布局也会随着签约客户的场地位置去落地，公司也将在今年达到盈亏平衡。

“我们也开始考虑去突破一些新场景，但这需要很深入细致的市场调研，很多目前已有的场景，我们都不会去做。”林锫森补充道。

除此之外，林锫森还给自己安排了一项新工作。

“我们之后会开始做品牌建设，一个企业，品牌是十分重要的。”一边说着，林锫森一边打开了电脑里的一个word文档向我展示。

“这是这几年记录的创业路径，我们做了几个高质量的决策，但也犯了不少错误，正在努力学习中。”

看着林锫森记录的一页一页文字与图片，我不由再次佩服这位年轻CEO的长远眼光。

△从左到右的第三位，CEO林锫森，以及优时小车原型机车

2018年初，只有三人的团队用几块木头和钢板搭建了一台粗糙的优时小车原型机。投资人来尽调时，林锫森口袋里不得不备着螺丝刀，因为随时都可能需要为原型机拧上脱落的轮子。

即便如此，他们三人凭借一台小车、一个自主研发的计算机视觉算法和一个愿景，在公司成立2个月时拿到了种子轮投资。

四年过去，当初的三个伙伴已经成为这家公司稳定的三个支柱，当初的那台“小破车”也完成了自己向商业化迈进的第四次进化。未来他们还会带来怎样的变化我很期待，相信下一次不用三年，我会和林锫森再一次面对面，聊一聊他们和「优时小车」接下来的故事。

关键词： 无人驾驶 计算机视觉