人口红利衰退下，自动化是蓝海市场吗？

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。

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

1. 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。
2. 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。
3. 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....
4. 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。