梅卡曼德凭借其在工业3D视觉和智能技术方面的深厚积累，形成了第一层竞争壁垒，这主要体现在其算法模型及对工业场景的理解与适应能力上。而基于行业知识的商业化落地能力，如性价比和稳定性等，则构成了第二层壁垒。
一、工业机器人从自动化到智能化的使命变迁
工业机器人一直以来被视为自动化和数字化水平的象征。从2013年起，中国成为全球工业机器人年增量最多的国家，这标志着中国在制造和供应链等领域的升级与改造进入了快车道。
值得注意的是，根据每年的新增安装数据，中国市场的占比持续上升，目前接近40%的新增安装量发生在中国，并且这一比例仍在增长。中国正以超越全球的速度迈入工业新阶段。
梅卡曼德市场部副总裁徐婷婷在接受亿欧采访时表示：“另一方面，工业机器人的成本明显下降，许多行业对于使用工业机器人的投资回报率越来越理想，因此市场的边界也在不断扩大。”
在全球工业机器人市场中，搬运、焊接和组装是占比最高的三类，分别占全球总存量的45%、24%和11%，而中国市场的占比与之相似。随着工业机器人在中国工厂中承担更多的搬运、焊接和组装任务，新型服务机器人如AMR也开始进入工厂和仓库。物理层面的自动化和互联互通在中国市场已经持续火热多年。
在此背景下，大数据、人工智能和工业互联网等技术开始逐渐融入。一方面，越来越多的工业场景和数据支撑了中国算法的稳定、精确和智能化迭代；另一方面，数字化和智能化的成果也不断催生对智能化的需求。2017年前后，中国工业的升级真正进入了“智能化”阶段。
根据亿欧智库发布的《2019中国智能制造研究报告》，工业智能主要应用于视觉检测、预防性维修、生产优化和机器人视觉等方面。基于机器视觉的AI技术是工业领域应用最广泛的类型。
徐婷婷指出：“在物流场景中，许多典型环节如播种、供包和拆码垛等需要AI的辅助，这些场景涉及大量无序SKU，传统工业机器人无法完成识别和定位的工作，而这些任务可以通过先进的3D视觉方案来实现。”
二、梅卡曼德构建AI+3D+工业机器人核心技术能力
梅卡曼德机器人自2016年10月成立至今，刚进入创业的第五年。自创立以来，梅卡曼德始终致力于为工业机器人赋能智能。根据公开信息，该公司已完成7轮融资，并于2020年11月完成B+轮融资，融资额接近亿元，源码资本与老股东红杉共同参与。
梅卡曼德目前提供“AI+3D视觉+工业机器人”解决方案，涵盖智能相机Mech-Eye系列、视觉算法软件Mech-Vision以及智能编程环境Mech-Viz。该完整方案目前主要应用于物流和制造等领域，适用于搬运（如拆码垛）、上下料、拣选分类、定位、涂胶、装备、拧螺丝和检测等多个场景。
徐婷婷表示：“传统的3D工业相机存在多年，但未能广泛推广，主要是由于以下原因。”
她进一步指出：“首先，传统3D视觉产品的算法不够智能，无法处理复杂图案和紧密贴合的物体；其次，一些方案的感知范围和能力不足，例如无法识别黑色和反光物体；再次，仅有视觉方案无法满足需求，运动规划算法在避免奇异点和碰撞方面至关重要；最后，典型的3D视觉产品硬件价格高昂，很多场景下性价比不高。”
梅卡曼德机器人提供从3D传感器到机器人适配及部署的整套方案，解决行业面临的问题，包括“视觉引导拆码垛”、“视觉引导工件上料”、“视觉引导货品拣选”、“视觉引导快递供包”，以及视觉引导机器人进行涂胶、装配和定位等，已成为梅卡曼德的成熟产品化方案。
在核心硬件产品3D相机方面，梅卡曼德提供了多种产品如Mech-Eye DeepLogNanoLaseR LPro Enhanced，以满足不同需求。徐婷婷提到：“在拆码垛场景，相机需要较远的工作距离和广阔的视野，因此我们提供Mech-Eye Deep和Mech-Eye Log系列产品；在上下料场景，要求速度快、精度高和视野大，因此我们开发了Mech-Eye PRo Enhanced系列产品；另外针对环境光变化强烈的场景，开发了基于激光的LaseR L。”
在视觉算法方面，梅卡曼德采用先进的深度学习算法，提升了在复杂环境中的处理能力，其算法的重要特点还包括高精度自动化标定和快速准确的物体定位。
徐婷婷补充道：“在物流和制造场景中，部分任务难度较大，如混拆混码、播种和工件上料。我们针对这些广泛存在的场景，开发了海量SKU分拣、混拆混码和视觉引导工件上料等解决方案，能够识别各类纸箱、包裹和货物，满足用户节拍要求。例如，我们的播种解决方案节拍可达3秒/件，甚至在某些场景下优于人工速度。”
此外，梅卡曼德还开发了Mech-Viz机器人智能编程环境，0代码的编程方式大幅降低了机器人的使用门槛，通用平台能够与合作伙伴结合，满足更多需求，为合作伙伴赋能。
展望未来，梅卡曼德不仅将继续扩展产品线，还计划开发新的应用场景，如3D检测等。目前，工业3D视觉和智能技术仍处于不断演进中，对场景的依赖和产业化的考验不断重塑市场格局。
梅卡曼德通过长期在工业3D视觉和智能技术领域的积累，在算法模型及对工业场景的理解和适配上形成了第一层竞争壁垒，而基于行业知识的商业化落地能力则构成了第二层壁垒。
徐婷婷在谈及未来竞争时提到：“DEMO与实际应用之间存在差距，因此经过多个应用磨炼而形成的技术积累构成了深厚且坚固的壁垒。”
