人口紅利衰退下，自動化是藍海市場嗎？
http://www.199rrr.com 2023-08-15 11:34 來源：CMC資本
2023年初，一則人口負增長的新聞迅速登上熱搜。勞動人口數量下滑、勞動力成本升高、一線工人高齡化，已經是不爭的事實，“招工難、管理難、和外賣平臺搶工人”的痛點，也帶動市場對“機器換人”概念的高度關注。
圖一：中國人口結構變化
圖二：制造業就業人員工資變化
隨著人口問題不斷惡化，人們想象中，自動化設備的推進、工廠對自動化的擁抱，理應是一篇欣欣向榮的景象。然而作為深耕工業賽道的投資人，我們發現結果并不盡然。這其中，有一定周期性的原因，也有更深層次的結構性的原因。
作為理論上的“藍海市場”，自動化設備的實際增速為何呈現成熟行業才有的周期性波動情況？人口結構的巨大痛點和自動化滲透率遭遇瓶頸，這兩個看似矛盾的事實同時存在，究竟應該作何解釋？
1
工業自動化：Where we are today?
Question 1: 當我們在談論“機器換人”的時候，我們在談論什么？
工業自動化≠機器人！機器換人的“機器”也≠機器人！
事實上，自動化是個很廣泛的概念。我們可以分為專機設備和通用設備。當我們走近一家工廠，自動化的過程，是由無數臺不同的機器通力協作而成的，下圖中絕大部分機器，恰恰是“專機設備”，而專機設備本不是新東西，屬于妥妥的“存量市場”，有些機器的發明甚至可以追溯到工業革命時代.....
圖三：工廠生產流程與設備示意圖
而人力的重災區在哪里呢？下圖我們點出了工廠里經常看到人力的地方。基本分為三類，第一是上下料、拆碼垛等專機和專機之間連接的環節，以及在機器報錯時進行人工干涉的“看機器”環節。第二是裝配、縫制、打磨等涉及工藝的環節。第三是檢測環節。這其中，有的部分大部分都是人力，例如縫制，有的環節是人機協作，例如人拿著零件在專機設備上進行打磨，也有的部分屬于機器能做，但一旦涉及到柔性，就敗下陣來。
“機器換人”的目標，就是這些環節的人力替代。
圖四：工廠生產流程、設備、與人力密集環節示意圖
Question 2：那么，如果我們用這些“增量市場”的增長情況，來評估“機器換人”的滲透進度，真實情況到底如何呢？
這個問題，在一段時間內非常令人困擾 – 因為，當我們評估這幾年人口結構性問題的背景下，“機器換人”的緊迫性，與一線調研到的企業實際增長情況，并不符合。
下圖工業機器人的密度與發達國家的客觀差距，是我們在各種BP和報告里用來佐證行業“無限藍海”最常見的圖表。但很少有人呈現的，卻是增速的周期性變化：可以看到，2018年之前，雖然也有波動，但總體呈現高水平波動。但2018年之后，工業機器人呈現出的卻是只有成熟存量行業才有的，跟隨經濟景氣度的周期性波動特征。
圖五：全球工業機器人密度分布
圖六：中國工業機器人市場情況
當然，如果只看一個指標，未免有失偏頗。我們不妨再看看機器視覺的市場情況：從增速來看，似乎比機械臂要好不少。然而如果我們用今天實際的市場規模，去對比理論市場空間，就會發現，在市場尚在增長初期、存在巨大空白的情況下，目前的滲透節奏仍然是相對平緩的。
圖七：中國機器視覺市場情況
圖八：中國機器視覺市場規模測算
以上分析僅僅從市場規模和增速的角度來看。事實上，如果看市場競爭的激烈程度，同樣可以反映出市場目前并不在藍海狀態中。相信高度關注行業發展情況的朋友，對此都有切身的體會。
2
阻礙當今中國工業進一步實現人力替代的原因是什么？
視角1：從技術難度和勞動附加值的角度，存在錯配，換句話說，打蚊子請不起高射炮....
所有問題的解決，都伴隨著對應的成本。同理，招人和用人的成本固然是高，但當自動化的成本更高時，一味進行“機器換人”似乎并不是理性的選擇。最終，是否采用機器換人，并不是人力成本和人口問題的單向線性外推，而是技術實現成本、替代的工時數量、替代工種難度的綜合平衡。
我們把需要進行自動化的場景分為四個象限：
圖九：自動化場景分類
- 高附加值低難度：技術實現成本低、容易規模化復制、替代人工工時價值高的機器，是自動化替代最最合理的場景，早在工業革命時期出現的紡紗機，就是典型代表。這正是典型的成熟自動化應用，并不在當今討論“機器換人”增量市場的范疇內。
- 低附加值低難度：可以替代，但不剛需。例如一些簡單上下料、簡單物料搬運，即使在長三角地區一些稀缺技術工種月薪接近2萬的今天，同一個工廠里也存在著月薪6000的普通工種。技術實現并不是瓶頸，屬于“可以但沒必要”，有補貼就做一做的場景。
- 高附加值高難度：我們常見的進口高價設備，例如單套數百萬的檢測設備、和高精度高穩定的半導體設備，大多屬于此類。在這類應用上，技術難度和附加值得到了較好的平衡，所謂“重賞之下必有勇夫”，超高的附加值給了頂尖技術人員無限動力。當然，這類應用仍然有一些技術尚未攻克的領域....
- 低附加值高難度：本章要討論的核心問題，機器換人真正的“硬骨頭”，大部分出在這類應用上。
a) 例如，在服裝廠內，柔軟面料車縫環節，從技術實現的角度，研發難度極大、成本極高，但計件工人的工資仍然微薄
b) 再比如3C組裝，當“去電子廠”成為網絡上的一個梗，側面反映出，流水線上的電子廠普工，對技能要求并不高
這一現象的存在是多方面的：
a) 工時附加值低：工業革命前，用舊式紡車1億人才能完成的工作，在紡紗機發明后，只需要50萬人即可完成。而今天這樣的環節絕大部分都已經被各式專機設備替代完畢，剩下的人工工位，大多在流水線上，一個蘿卜一個坑（縫紉、組裝、搬運），相應的附加值，自然大大降低
b) 能做一年是一年：團隊之前在一家三線城市的工廠調研時，發現工人年齡平均已經接近50歲了，大量女工是退休返聘....也許，今日的人口老齡化問題，一定程度可以通過延長一線工人的工作年齡，再拖延個10年，20年....直到他們真的干不動的那一天
c) 企業實力和短期投入的錯配：一些中小企業為主的行業，沒有支付能力。新技術在研發出來之后，往往可以隨著大規模推廣、攤薄開發成本，得到普及，但總要有第一個吃螃蟹的人。今天我們看到的燈塔工廠，很多在ROI方面未必有大規模推廣的意義，但正式這些值得敬重的頭部企業，先行在技術方面完成打樣，為未來時機成熟時大規模推廣打下了基礎
圖十：全球燈塔工廠情況
視角2：“羅馬非一日建成”。尊重行業本質，正視“時間”的必要性
工業，本質是一個傳統行業。技術≠方案，從院校里面 “理論可行”的技術，到產線上運轉自如的解決方案，中間跨越了場景理解、工藝實現，以及實操過程中各種意想不到的“工程bug”。同樣，設備≠產品，實際操作中，并不是買來設備就萬事大吉，硬件永遠只是工作站里面的一小部分，如何結合行業特征、現場工況、工藝要求，執行設備和感知設備、硬件和軟件、人與設備，如何共同完成一項任務，更是巨大的命題。
工業上一個問題的解決，絕不是單一“rocket science”的解決，而是一系列工程學問題的攻克。這個過程，是通過時間累加起來的。很多尚未實現自動化的場景，在技術、成本、附加值方面，都沒有大問題，只不過需要時間。
時間需要去解決的，第一是行業滲透，第二則是人才培育。
從行業的角度，鋰電、光伏、汽車、3C“四大金剛”是絕大部分自動化企業的香餑餑。因為行業TAM大、企業支付能力強、標桿客戶可以打品牌，新能源行業還自帶擴產紅利加持，自然成為了競爭激烈的戰場。然而，其他一些行業，同樣具備自動化的需求和痛點，只是單一客戶體量和支付能力不足以吸引自動化企業的關注。近期，我們也越來越多的發現，很多做解決方案的企業，也都在尋找第二第三增長曲線，將自己的底層技術積累，在其他行業發掘應用。
圖十一：工業機器人分行業滲透率分析
從人才的角度，中國制造業的人力資源問題，不僅僅是藍領的問題，更是白領的問題。社會更多關注的，是一線操作工人招工難、工資高，但在工程師的層面，同樣存在技能的錯配。一方面，是一千多萬大學生迎來“史上最難畢業季”，但另一方面，一線工廠里又懂編程、又懂工藝的“工藝實現工程師”，卻大量缺位。也許，學科教育、職業教育、一線應用，需要更長時間的磨合，才能給自動化的實現提供更好的土壤。
編輯精選
