最好的机器人时代可能到了

高仙机器人，全球早期从事SLAM技术研究和应用的先锋之一，于五月十日在北京盛大举行了A轮融资发布会。这次融资由蓝驰创投领投，七海跟投。SLAM技术，作为机器人运动交互的核心，是计算机视觉、自然语言理解与机器人底层技术并驾齐驱的三大技术之一，特别是在低速无人驾驶领域扮演着关键角色。

在发布会上，高仙创始人兼CEO程昊天宣布推出全新的SLAM 2.0技术。那么，何为SLAM 2.0呢？程昊天向雷锋网解释道，这项技术为机器人赋予了更强大的感知能力和室内外跨区域工作能力。

具体来说，SLAM 2.0技术的特色在于其多元化的传感器融合，包括视觉、激光、GPS等。这不仅让机器人在室内能游刃有余地完成工作，更能在室外复杂环境中大展身手。传统的SLAM技术可能局限于单一的场景应用，例如仅应用于激光雷达或者家用小场景下的VSLAM。高仙团队坚信，真正的突破在于结合这两者的优势，提供一个跨场景的全面解决方案。

值得一提的是，自2013年成立以来，高仙已经成功为近百家智能机器人终端企业提供完整的SLAM商用解决方案，并在国内市场占有率超过60%，近一年的综合营收达到数千万。程昊天透露，公司预计2018年销售额将突破1亿元人民币。

随着SLAM、人工智能等技术的飞速发展，机器人行业正迎来前所未有的繁荣时期。程昊天在发布会现场感慨道，“最好的机器人时代可能已经到来。”这无疑是一个令人振奋的消息，预示着机器人技术的未来将更加广阔和充满无限可能。高仙：以三大场景布局引领清洁、安防与楼宇配送的未来

手握先进的SLAM 2.0技术，高仙的核心业务是为下游机器人公司提供全面的产品解决方案。它不仅提供SLAM技术，还涵盖底盘设计、SLAM应用及后台搭建，甚至包括简单的人脸和车牌分析。在多元化的业务布局中，高仙主要推出了安防和楼宇两大应用场景的解决方案——安防与楼宇配送。

安防领域，成为最早人工智能化的传统领域，有其独特的行业特点。城市中大量的摄像头设备每天产生海量的原始视频数据，这迫使安防行业用户寻求智能技术的帮助。继图像分析等AI技术解决了一部分视频数据应用需求后，用户现在面临新的刚需：海量数据的存储、管理和应用催生的数据库机房的安全智能巡检。

针对这一需求，高仙联合安防行业合作伙伴于2017年推出了数据库机房巡检机器人解决方案，对机房硬件设备进行全自动智能巡检。这一创新的应用，大大提高了机房巡检的效率和准确性。

除了数据库机房巡检，高仙在安防行业还成功落地了另一个刚需性应用场景——侦查巡逻机器人。在2017年国庆期间，公安部相关技术研究部门在北京天安门部署了多台机器人进行侦查巡逻试用，高仙正是这些机器人的完整技术方案提供商之一。

在楼宇配送方面，随着电子商务的快速发展和人力成本的上升，楼宇配送机器人的需求也日益增长。高仙的楼宇配送解决方案，通过智能导航和精准配送，大大提高了配送效率和用户体验。

清洁领域也是高仙布局的重要场景之一。随着人工智能技术的不断发展，智能清洁机器人已经成为现代清洁领域的重要工具。高仙的清洁机器人解决方案，不仅提高了清洁效率，还大大节省了人力成本。

高仙以其在安防、楼宇配送和清洁领域的全面布局，正引领着机器人行业的发展潮流，为未来的智能化生活提供了强有力的支持。之所以说机器人是行业刚需，是因为在公安领域，安防产业的需求巨大，基层警力不足一直是困扰已久的难题。在过去几年中，执法部门借助IT视频设备不断探索远程执法业务应用，而机器人的出现无疑为执法者提供了一个有力的前线助手。通过机器人进行常规的侦查巡逻甚至办案处理，将极大地提升前线执法和办案效率。

在安防行业，机器人的应用场景多样化且相对独立。针对这一领域，高仙机器人公司表示将与合作伙伴共同打造针对不同场景的安防机器人解决方案，助力合作伙伴更快地应用机器人和低速无人驾驶新技术，渗透新的业务模式。

在楼宇配送领域，高仙机器人于2018年初将基于SLAM的低速无人驾驶和机器人技术正式应用其中。技术层面，高仙楼宇配送机器人实现了与电梯、门禁、无人货柜机等建筑设施的联动，能在楼宇建筑内顺利运送外卖、快递及其他零售商品，解决了商品配送的“最后一百米”难题。

产品实现方面，高仙机器人采取了全方位开放合作架构，为下游合作伙伴提供包括机械结构、硬件及电气选型、移动导航算法、电梯控制方案以及上层APP交互和后台等一整套楼宇配送机器人产品方案。令人瞩目的是，即使是没有任何机器人运动技术基础的公司，基于高仙的这套产品方案也能够在短时间内实现量产，并将整机成本控制在极低水平。

高仙楼宇配送机器人的推出，不仅为下游的近百家合作伙伴赋能，实现了机器人的快速规模化部署，更将引入电商、外卖等新零售端资源，构建一个融合外卖、快递、新零售产业资源的配单平台。这不仅实现了业务导流，更实现了楼宇消费数据的精准分析。

走进清洁的革命——高仙ECOBOT的全球征程

在清洁机器人领域中，高仙公司以其独特的品牌产品ECOBOT独树一帜。这款高仙自有品牌的产品已在全球范围内多个国家销售，为全球清洁领域带来一场革新。在最近的发布会上，高仙还展示了一款引人注目的无人驾驶清洁车，预示着清洁领域的未来趋势。

高仙的商用清洁机器人已经在全球范围内实现了超过10万公里的安全高效无故障清洁运行，充分证明了其产品的卓越性能。最近，高仙联合新加坡综合技术委员会(JTC)发布了新一代产品，这是经过五轮迭代的成果，展示了其在清洁技术领域的持续创新和进步。

今年7月，高仙还将正式推出无人驾驶环卫车，标志着商用智能清洁应用将全面覆盖室内外的全场景。这将极大地提高清洁效率，同时降低人力成本，推动清洁行业的发展进入新的阶段。

除了在应用方面的创新，高仙在商业模式上也展现了不凡的创新能力。针对不同的应用场景，高仙采用了三种不同的商业模式。在安防领域，高仙的核心商业模式是通过解决方案授权获取收入，而并不直接涉足终端产品。高仙的CEO程昊天向雷锋网解释了这一决策的原因，他指出安防领域主要面向，是一个2G的行业。尽管有高仙的解决方案和产品，但在这个领域实现突破仍然具有挑战性。通过授权解决方案的方式获取收入是一种更为明智的选择。

探索楼宇配送的新路径，高仙智能选择了一种独特的商业模式。面对楼宇配送这一充满挑战的领域，高仙并未选择亲自涉足，而是开创了方案输出的新模式。不同于安防领域，高仙在楼宇配送中追求低成本方案。其核心思路是，授权厂商生产楼宇配送机器人，并由他们负责楼宇推广。而高仙则提供机器人系统和后台支持，保障低成本的利用这些机器人收集的数据创造额外价值。

在数据挖掘与运营方面，高仙不仅掌握人流数据以供广告商使用，更设想构建一个对接外卖、快递等服务的配送平台。不为人知的领域如运营商信号强度收集也被纳入考虑。楼宇机器人每日穿梭，作为联网设备，能够轻松完成信号强度检测工作。

而在清洁机器人领域，高仙则提供整机产品，并以租赁形式服务。这不仅展示了高仙的技术实力，也体现了其商业智慧。

技术与落地能力，是机器人领域的两道重要门槛。高仙深知，技术的落地同样需要考虑到商业回报。实际上，除了技术，落地能力也被视为同等重要。对此，高仙的优势在于其SLAM 2.0技术。此次发布会上公布的SLAM 2.0技术融合了超过20个传感器，包括激光、单/双目视觉、超声等，确保机器人的避障准确性和灵敏度。传感器融合是一个巨大的挑战，正如高仙智能对雷锋网所言：“做好一款传感器都不容易，更不用说将多个传感器融合起来。”这一技术的突破，不仅彰显了高仙的技术实力，也为其在机器人领域的发展铺平了道路。确实，决策融合是一项极具挑战性的任务。当视觉和激光技术得出的结论相左时，决策者的选择将尤为关键。稍有不慎，一个错误的决策可能会覆盖掉原本正确的决策，导致整体效果适得其反。在这种情况下，融合各种技术可能带来的结果还不如保持原状，不融合或许更为稳妥。

说到高仙的SLAM商用解决方案，其性能令人瞩目。相较于市场上大多数SLAM技术数万平米的建图能力，高仙已经实现了百万平米的地图构建，这一能力远超业界同类产品技术平均水平。这一显著优势无疑使高仙在激烈的市场竞争中占据了一席之地。

正如程昊天所认识的那样，SLAM技术作为目的性明确的研究领域，终究会日趋完善，其门槛也会逐渐降低。面对这样的趋势，高仙如何保持其竞争优势呢？高仙对此有着清晰的应对策略。

高仙注重行业深耕，而不仅仅是提供SLAM技术。他们致力于为客户提供整个技术链条的服务，确保客户能够获得全方位的技术支持。

高仙推行技术免费策略。在免费的基础上，他们积极打造自己的平台，通过其他方式实现价值转化，这种策略有助于扩大市场份额，提高品牌影响力。

高仙重视终端产品的开发。在他们看来，SLAM只是整机中的一个技术点，整机的价值更大。他们致力于研发具有市场竞争力的终端产品，以确保在市场竞争中的领先地位。

面对机器人领域的快速发展和市场竞争的加剧，程昊天表示并不担心。他认为，随着机器人领域的不断扩大，市场空间足够大，短期内不会有太大影响。高仙正努力从“隐形冠军”转变为“显形冠军”，在市场中发挥更大的作用。

高仙正通过不断创新和深耕行业，努力保持其竞争优势。他们注重决策融合、技术领先性和终端产品的开发，以期在机器人领域取得更大的成功。“隐形冠军”一词，用以描绘那些在鲜为人知领域里独领风骚的企业。就如德国，这个拥有众多此类卓越企业的国度，它们的实力往往只在特定行业内显露无疑。

在蓝驰创投的眼中，高仙正是国内SLAM领域的隐形冠军。这家仅拥有150余人的公司，却在领域内占据了60%的市场份额，实力不容小觑。

随着机器人行业的日新月异，高仙的未来充满无限可能。想象一下，当机器人如阿西莫夫笔下的索拉利星球般，遍布各行各业、走进千家万户时，高仙是否能从默默无闻的“隐形冠军”蜕变为众人皆知的“显形冠军”呢？让我们拭目以待。