佳安智能潘阳：把机器人送进 500 强「打工」，一年挣一个多亿 | 物理 AI 50人

当大家还在讨论具身智能「落地」时，早已有人站在了地上。

作者丨高景辉

编辑丨岑 峰

去年，某家世界500强企业开启了一项招标，寻找能“进厂”打螺丝的人形机器人。

这个需求看似简单，但最后测试下来，竟然只有一家机器人公司能干。今年第二次公开招标时，那些之前没通过的公司干脆直接弃权，将机会拱手送给去年唯一的适格者。

而这家“投标即中标”的机器人公司，就是潘阳所创立的佳安智能。

潘阳 17 岁考入浙江大学控制系，便踏上了机器人这条路；21 岁到上海交通大学读研时，又受到导师高峰教授影响，下定决心用具身智能的方式改造传统工业。于是 2018 年博士毕业后，他便开启了“工业具身”的创业之路。

工业，看似是需求最大的场景，但其实是最难啃的一块骨头，因为无论如何都躲不过“算账”这一关。即使能通过 POC 验证，但面对严格的 ROI 要求，也足以令具身公司望而却步。

然而，潘阳的机器人不但经受了“两年回本”的商业化考验，而且客户都是世界500强企业，不包含任何“人情订单”，更不走数采工厂的“野路子”，直面真实的工业场景。

甚至，令大部分具身公司头痛的“量产”难题，在潘阳看来也不算太大的挑战，今年的出货量，预计能达到1000台。

为什么将无数“明星创业者”拒之门外的产线，偏偏对潘阳敞开大门？工业具身的泛化能力，究竟要做到什么程度？有限的研发资源，又应该投入到哪些环节？

这些直指核心的问题，都可以在我们与潘阳的对话中找到答案。

01

落地这件事，

从十五年前就开始做了

▎AI科技评论：您是从什么时候开始做机器人的？

潘阳：我 17 岁到浙江大学读过程装备与控制工程，做化工过程的控制；21 岁本科毕业后到上海交通大学，跟导师高峰教授做面向产业的足式、面向工业的并联机器人，从这个阶段开始我就受到导师非常大的影响，一直走在“用机器人去改变传统工业生产这条路上。

▎AI科技评论：真正进入这个圈子之后，您对机器人或者整个行业的看法有变化吗？

潘阳：从我开始进入机器人行业到今天，大家对机器人的定义其实已经发生了翻天覆地的变化。传统的机器人控制方法还是以预编程的形式为主，机器人学更侧重机构学和控制论等方面。但是到了今天，整个工业具身的内涵，除了传统的机械电子之外，我觉得更多的应该是人工智能——因为大家对机器人的理解和期待，已经是“它可以有自主的决策判断的能力”。

▎AI科技评论：2011 年福岛核事故后，你们做过一个针对该场景的机器人，它有被投入使用吗？

潘阳：2011 年日本福岛出现核泄漏事故之后，整个救灾体系其实还处于一个比较初期的阶段，到最后真正解决问题的是“福岛 50 勇士”，每个人都冒着生命危险去现场把事故处理掉。当时日本的千叶大学还有美国的一些机器人都被送到了现场，但没有办法真正投入使用。

因此我的导师也向国家建议，成立了一个 973 项目，联合了其他几所高校以及中广核。中广核提出了非常明确的需求，比如说核电站救灾机器人一个非常大的失效原因是没有防护能力。为此我们要在传统电机以及控制元器件上加铅壳，探测仪器上要做很多防护装置，最终算下来机器人需要负重一吨以上。我们也成功设计出了这样的机器人，用并联机构的方式去负载多个人、多个设备、多个物体，在核电站的复杂场景里做简单的行走和操作。

▎AI科技评论：当时它在现场主要做什么？为什么是六足的形态？

潘阳：主要是背着仪器做一些探测、检测类的工作。设计的时候我们自己列了几个场景需求：第一，要负重行走，所以六足更稳定；第二，我们希望它可以做一个平台——其中四条腿站立的时候，两条腿可以变成手的形式来进行操作。所以我们认为六足是一个更合适的机构构型。

▎AI科技评论：这个机器人做了多久？

潘阳：我整个博士阶段都在做这个方向。09 年进上海交大之后，导师给我的课题就一直是基于并联机构去设计足式机器人。在这个 973 之前，我们实验室还参与过国家 863 项目做四足，用在野外探测场景下的研究。从 09 年开始算，一直做到这个项目结题，花了 7 年左右。

▎AI科技评论：因为有这些积累，所以装个铅壳就能用上？

潘阳：在此之前我们实验室做过液压驱动的四足。当时电机和液压的路径还没有完全统一，所以我们几条实现路径都在研究。在核电站这个场景，我们发现了用并联机构可以有更好的驱动效果，即使每个电机只有 400 瓦的功率，也可以做出负重1吨以上的搬运机器人。

▎AI科技评论：在你们之前有哪些四足机器人的方案？你们有借鉴吗？

潘阳：其实从四足的团队非常多，比如美国的波士顿动力，它的创始人 Marc Raibert 从 20 世纪 80 年代就一直在做相关领域的研发。到 2005 年，基于液压驱动的大狗就已经走得非常好了，已经可以做人踹它自动恢复（push recover）这样的场景。在 Cheetah 之前，MIT 还研发过一个机器人叫 WildCat，我印象非常深，它当时跑动的速度已经可以接近 30英里每小时——在 07、08 年就可以达到这个效果。

但我们 09 年开始做的时候，是从零开始搭了一套控制架构，并没有去参考已经开源出来的架构。这对我们后续的发展也是有直接的助力：到今天，我们有自己完整的控制系统、关节模组以及力传感器。所以我们并不是基于 MIT 那套开源的系统，而是独立自研了一整套控制和驱动架构。

▎AI科技评论：您是什么时候决定做工业这个方向的？

潘阳：我的机器人启蒙是我博士时的导师——高峰老师，他非常务实。他在做课题的时候，就一直在想"我们做的东西到底可以用在哪"。我印象非常深刻，我们去中广核，他自己背着尺子，真的去量核电站里面尺寸和结构，从而研究里面的机器人应该是什么样的，有哪些场景可以用机器人做等。我读书的时候受导师影响非常深：我们要做出来工业界需要的、国家需要的这种机器人。

18 年我自己开始独立从业的时候，也一直在思考这个问题。虽然我们当时一直在做足式，但我认为表演可能不是一个刚需的产品，工业场景可能对机器人的需求可能更大。所以独立开始做机器人之后，我们一直在想，机器人能够怎么样改善我们的生产？目前基于之前的技术我们选择了力控和 AI 这个赛道。

▎AI科技评论：后来您进入南科大，产业和学术怎么平衡？

潘阳：我觉得两边是一个相互促进的关系。因为具身智能、AI 这个赛道，其实跟高校是离不开的。最前沿的东西其实是在高校；但除了最前沿之外，还需要在产业界做大量工程化的事情，把我们的技术转化成一个商品或产品，用到工业界。

▎AI科技评论：您 2019 年上过一个创投节目，有投资人现场签了意向书，他最后投了吗？

潘阳：其实我们上那个节目之前，已经敲定了融资。所以后面虽然他们想投，但我们已经跟其他投资人提前达成一致了。

▎AI科技评论：投资人当时看中你们什么？

潘阳：我认为还是可能性。在当时，我们是刚从学校出来并没有多久的一个团队，在整个行业的经验积累是不够的；但是我们在求学阶段做出了非常漂亮的成果和机器人样机。这些技术具体用在哪，我相信投资人也是不明确的；但未来的智能化需求是一个确定的足够大的赛道，这里有无限的可能性。

02

具备人的能力，才能叫“人形机器人”

▎AI科技评论：你们目前有哪些产品，具体解决哪些需求？

潘阳：产品形态我们主要有三个：机器人工作站做磨抛加工；复合机器人做移动搬运；人形机器人做装配打螺丝。大的方向我们从来没有变过，但我们也会不断推出新产品来满足新的需求。

▎AI科技评论：您做的第一个场景是打磨抛光，为什么选择这个场景？

潘阳：一是我们发现很多高精密的东西还是人工加工出来的，我们希望用机器人的技术来解决这些高精密的、国之重器的磨抛工艺；二是我们过去做足式机器人，强调力控和响应，我们在这块有自己独到的技术。既然有技术、需求都在，也是国家需要的方向，就选择了这个赛道。

▎AI科技评论：这个工序之前是工业机器人做还是人工做？

潘阳：目前主要有两个技术路线。一个是我们通过人工，再加上非常高精度的检测，所以整个效率非常低。每打磨一点，可能都要去做一下质检，来确保磨削的量不超过允许的打磨量。第二个路线是采用非常高精密的机床，每台可能要几千万，做纯位置的磨削，它没有任何的适应能力；每加工一个零件要打磨非常多道，靠机床的精度来保证最终零件的精度，效率很低、成本也很高。

▎AI科技评论：换成机器人做之后，效率提升多少？

潘阳：相比机床，第一，我们成本非常低；第二，我们的加工效果是靠力而不是靠位置保证。传统的就是通过机床一点一点硬把它磨下去，机床每次进给量非常少；我们是通过力控，碰到它了就知道它的受力，来把整个大面磨好。所以我们是完全一条新的技术路线。

▎AI科技评论：对工厂来说，成本大概能省多少？

潘阳：成本体现在两个地方。第一，设备成本相比几千万的机床，我们大概是它的 1/10。第二，加工效率会远远超过它，比如默写零件用了我们的机器人之后，我们会根据受力来判断到底应该磨削多少，一遍就可以把它干好。

▎AI科技评论：后面为什么会去做复合机器人、人形机器人？

潘阳：我们是根据客户需求来的。我们并没有刻意去追求像人、像四足、或者像之前我们做的六足这样的产品形态。

比如我们做打磨工作站，为什么要把它做成工作站的形式？因为打磨有粉尘、有磨削液、有污染，我们需要把这些粉尘全部收集起来，同时要把噪音和污染跟整个工厂的外界隔离起来，所以用封闭的工作站形式提供给客户。

像复合机器人，我们是基于底盘加上面的单臂。在这个场景下，单臂足够把物料搬好，用两个臂其实效率更低。所以我们追求的是移动的底盘更大、可以承载更大的物料，上面配柔性的单臂。

像人形打螺丝，我们并不是刻意要把它做成人形，而是因为在当前所有的打螺丝工位都是面向人设计的，我们要配合它的工位，做成人的形态更容易直接在工位上无缝对接来生产。

▎AI科技评论：你说的人形应该是上半身人形吧，为什么工业场景要做成人形？

潘阳：没错，我们下半身就是轮式。从形态角度讲，人形只是比单臂多了一个臂。但从智能化来讲，我认为人形的内涵应该是在智能上面。

我们现在在做的几件事：第一，我们用 VLA 去替代传统的人工示教编程。我们看到一个装配零件，会自动基于视觉系统识别出哪些螺丝孔需要加工，并且会智能地通过摄像头边移边看、边决策到底应该以什么样的轨迹去打螺丝。所以我们完全没有人工调试，相比工业机械臂，我们可以自主决策怎么去加工。

第二，从控制架构讲，我们两个臂是统一的小脑和大脑。反过来说，两个臂时刻要保证它不碰撞，并且在有需求的时候相互配合——比如给螺丝枪上螺帽的时候两个臂要相互配合。这个配合过程中，双臂一定要在一个大脑和体系下去做协调，这和传统两个工业臂的控制逻辑是完全不同的。

第三，我们在打的过程中要让它有仿人的力控功能。因为加工场景里每一个零件都有变形——很多零件是铸造出来的，随着模具磨损，这些零件都会有微小变形，我们需要加力控的传感器来适应这种变形。

▎AI科技评论：所以人形更多是像人一样具备人的能力，而不是外观像人就行。

潘阳：对。

▎AI科技评论：人形机器人也是客户明确提出的需求？

潘阳：对，人形机器人我们是看到了需求才去做的。因为我们在服务汽车行业，先做了汽车行业的打磨抛光；后面又发现汽车行业当前冲焊涂总四个工艺里面，总装环节有大量人工在做打螺丝、装配这些环节，我们就用我们的双臂人形去做打螺丝。

▎AI科技评论：这些传统的工业机器人做不了？为什么？

潘阳：传统工业做不了。核心的问题是智能化的缺失。传统的工业机器人只以固定的点位运动为主，即使加了视觉，它也是根据视觉去走新的点位；它们强调的都是位置精度，或者叫定位精度，包括重复和绝对定位精度。但在打螺丝这个场景里，恰恰螺丝孔可能是偏移的，同时它的朝向可能不同。人在打螺丝的时候，也是根据力学去做的适应。所以我们是基于我们力控的柔性技术来把螺丝打进去。

▎AI科技评论：现在打螺丝不是都用螺丝枪吗？

潘阳：打螺丝是用枪打。但人为什么用螺丝枪可以打进去？是因为人的手是柔性的，人可以根据它装偏了一点去适应它，而工业机器人没有这个能力。虽然汽车所有的生产是标准化的，但现在一体化压铸出来的汽车底盘、冲压出来的钣金件非常大，所以在一个很大的尺度上面我们要保证每一个孔位都可以打进去，这就对力控柔性要求很高。

▎AI科技评论：具身智能大家更多讲通用，工业常常被理解为专用，这是一种矛盾吗？

潘阳：我认为工业恰恰需要这种泛化性非常强的机器和设备，来做各个场景的适配。为什么我们工厂里面还需要这么多的人？是因为工业的机器人不够智能、不够泛化。

所以我们佳安在做的几件事：我们希望通过添加力控，让工业有新的测量和感知的维度；通过 AI 让它可以自己来做决策。

比如刚才说的打螺丝，在零件有变形的情况下传统的工业机器人很难完成任务。但我们是用力控让机器人像人一样有柔性，用 AI 来让机器人自主决策哪些孔可以自己打进去，降低调试工作量。

03

一年一亿多营收，

全部来自500强客户

▎AI科技评论：家庭场景和工业场景，对具身智能来说哪个更难？

潘阳：我觉得各有各的难度。家庭场景其实对模型泛化能力要求非常高，因为每个人的家都是不一样的。工业场景总是可以枚举出来它需要的工艺，但对精度、可靠性、重复性有额外的要求，并且有一套完整的认证和商业体系。所以我认为各有各的难处。

但从落地的角度来讲，我认为路径应该是先工业、再家庭。因为大部分商品，都是先在结构化的场景下面测试出来了之后，才逐渐进入到千家万户。比如互联网最开始是用在军事上面，慢慢地才民用。

▎AI科技评论：那做工业具身最主要的难点有哪些？

潘阳：第一个就是必须要非常懂工业生产的逻辑。比如帮客户提高了品质、省掉了成本，以及客户最关心的指标。

第二，除了对客户的需求你要非常懂、并且要能够想明白自己的价值之外，工业里面对机械设备本身的可靠性、可重复性，甚至可追溯性，都有非常严格的要求。

第三，要给机器人增加泛化的能力，但是泛化能力并不是每一次都需要大模型去调用。我们认为泛化性应该是解决调试过程中的问题。比如我们的人型机器人落地时，我们会在调试阶段基于 VLA 的模型做力位混合的路径规划，后续的生产过程我们不再调用VLA模型。

所以泛化在调试阶段，力控在批量生产阶段。

▎AI科技评论：更高维度的泛化，比如换一条产线，要怎么做到？

潘阳：这是我们目前正在努力的目标之一。如果我们可以把汽车的打螺丝、汽车零部件的打螺丝，以及包括手机的组装，都用一样的机器人、通过同样的架构，去规划出来面向每个不同场景的装配或者打螺丝的路径，那就实现了更高维度的泛化。

▎AI科技评论：一般来说，哪些工厂或者产线对人形机器人的需求最大？

潘阳：我们现在是往装配这个环节去推，包括打螺丝、包括线束、包括组装，像 3C 的组装、整车厂的总装厂，这些都是我们的目标群体。我们当前还是以终端的大厂为主，我们服务的客户基本上都是 500 强。

▎AI科技评论：你们的人形很早就进了吉利，他们对你们评价如何？

潘阳：我们的人形机器人 24 年就开始做了，25 年我们去做了一年的 POC，到了年底，我们算是通过了对方的技术考核；今年我们的机器人在他们工厂里已经在规模化的“上班”了。当时对我们的评价是，佳安的人型机器人，是世界范围内首个量产的打螺丝机器人。

▎AI科技评论：你们现在营收如何，客户主要是哪些？

潘阳：我们去年大概一个多亿的营收，全是 500 强级的客户，没有制造业意外的收入。我们的收入是真正走完所有的招标采购流程、并且验收付款的，没有框架式的合同订单。

▎AI科技评论：你们目前在攻克的场景是什么？

潘阳：我们会把场景分成大概三类：

对零件本身需要改性的场景，比如打磨是把材料的某一部分加工下去，打磨、钻孔都属于这种——我们认为工作站更合适，因为零件的改性一定意味着可能有粉尘、磨削液、腐蚀这些东西，需要把它隔离出来。

第二个是物料的转运，我们认为单臂加一个足够灵活的小车、甚至可能更大的车来运更多东西，这种形态的复合机器人是最合适的，它是把物料从 A 地方移到 B 地方。

第三个是物料的组合，这涉及到把不同的零件合并成一个东西，比如把两个零件装到一起才是手机，这种场景我们使用人形。简单从材料角度来讲：材料的改性改变，我们是用工作站；材料的移动，我们是用复合机器人；材料的组合也就是装配，我们是用人形。

▎AI科技评论：很多人说工业这个场景替代的不是普通员工，而是熟练工，而且这恰恰是目前工业比较缺的人，但像 500 强这种大厂也会缺人吗？

潘阳：其实从自动化的角度来讲，500 强的逻辑并非是单纯人工的替代，他们对产品的品质都非常偏执，非常追求一致性，避免质量有波动。

机器或者人形机器人带来的最大好处是，产品的一致性会提高非常多：我每一件都可以以同样的品质来生产加工出来，不会因为人的因素而导致质量的波动，这对终端的消费者体验也会更好。所以我们认为这种确定性、一致性也是产品品质的一部分。

▎AI科技评论：为什么你们的机器人可以进工厂，但很多公司做不到？

潘阳：我们去年的人形机器人打螺丝这个环节是招标的，最后POC验证下来只有我们一家能完全满足客户需求，最终也形成了订单；今年是第二次、批量的招标，到最后所有公开招标也只有我们一家来投标。所以确实我们在做的很多环节，是单一的供应商，原因可能有三点：

第一，我们认为相比于其他的人形机器人，我们跟生产工艺结合的更好，我们可以提供完整的工艺数据给客户，告诉他们我们能给工艺一致性、可靠性带来什么样的提升。

第二，我们的售价能够满足不同行业内客户投资回报期的要求，作为参考，3C 是一年到一年半让客户回本。

第三个就是数据：我们可以把整个加工过程的所有工艺数据记录下来、记录到客户的服务器上，让客户有更好的追溯性。

▎AI科技评论：你们的数据一般是怎么采的？无本体数据还是真机数据？

潘阳：首先，在整个机器人训练大模型方面，数据格式还没有那么统一，所以我们现在会做几点：

第一，我们会有自己的一套遥操作系统，主要面向抓取类的数据生成，我们在这块会训练自己的 VLA 模型。遥操作本质上采集的是机械臂所有的关节数据和视觉摄像头的数据；在接触的时候，我们还会加上六维力以及触觉传感器的数据。

第二，训练上，我们有两套仿真系统，一套是针对整厂的仿真，基于我的复合机器人、打磨机器人以及人形机器人等产品，可以把工厂的产能拉到多少，我们现在的每一次交付都会做这样的仿真。第二套是单机的仿真，例如每一次抓取的具体节拍和成功率，每一次磨抛的的速度等。

第三，我们在实际的工业生产中，在客户允许的情况下，会把他实际生产的视觉、力觉，以及机器人本身关节的数据采回来，进一步迭代和优化。

▎AI科技评论：你们投入了多少人来采数据？

潘阳：我们自己的实验室大概有10个人在做采集，他们通过遥操作不断在训练和采集数据，主要面向抓取。在实机的部署过程中，我们不依赖这些人，因为我们去年大概部署了 400 多台移动类的机器人，有复合的、也有人形；今年我们预估会布到 1000 多台。数据会是持续不断的、实时地在实际生产中采集。

▎AI科技评论：这个跟目前主流的数据采集方式还不一样。大家觉得人是最便宜的，人去采数据比真机要便宜，但你们目前还是坚持真的机器人来采。

潘阳：我觉得这主要是因为他的机器还没有部署进去，而我们的机器已经在真实、实时地跑了。这有点像自动驾驶：特斯拉最开始的第一版 FSD 模型可能是基于封闭场景、人开着车去采出来的；但后续的数据一定是每一台特斯拉的车去采出来，在用户允许的情况下传到它的服务器上来，不断优化它的 FSD 模型。

04

模型的泛化能力，要用在调试阶段

▎AI科技评论：工业场景大家说得最多的就是算账的问题，总觉得现在用机器人算不过来账。你们目前算得过来了吗？

潘阳：当然，我们有交付承诺。我们没有框架式订单，对外报的数据一定都是带有交付承诺、确定性的，经过招投标而来的订单，这些订单每一个都要经过客户的论证，客户有自己的预算部门来审核投资回报期。所以我们在这块是严格符合行业标准的。

▎AI科技评论：你们一开始也会去调研，到底 ROI 能不能跑得通？

潘阳：对，这是我们在做这个产品的前提。我们的机器到底能带来多少价值，这是我们必须要做严格的测试的。

▎AI科技评论：具体要怎么测试？

潘阳：第一，这个要跟场景相关。以打螺丝装配线为例，我们需要人形机器人完成以前10余人的工作，如果是两班生产，意味着还要乘以 2。据此算出具体的客户预算的baseline。

第二，基于我们的软件会仿真出来，打一颗螺丝需要多少时间，我们的双臂在哪些情况下可以并行、哪些情况下不能并行，比如两个臂要互相配合的时候，这两个臂就要统一规划来运动；但如果我左手打一个螺丝、右手打一个螺丝，效率就乘以 2 了。所以我会根据我们的软件、基于 AI 和仿真的技术，算出来我的机器人工作的节拍，以及它到底生产加工节拍是多少。

第三，我们会做简单的实验，甚至跟客户一起做 POC，做完 POC 之后，客户心里也有底、我们心里也有底，可以保证机器人完成交付。

▎AI科技评论：你们的这种优势容易被追上来吗？可以一直维持吗？

潘阳：我觉得整个行业好像并没有完全和我们一样的技术路线的团队：用AI和仿真来辅助机器人调试，进行力位混合的路径生成；用力控让机器人每一次操作精确而有柔性。

▎AI科技评论：末端操作也属于力控的一种表现形式？现在很多人做灵巧手，也需要很强的力控。

潘阳：是的。像灵巧手，它可能既需要力控，也需要触觉传感器，这两个需要要组合起来。当然对于灵巧手来说，它的规划和决策也是一个难点。

▎AI科技评论：工业场景目前需要灵巧手吗？

潘阳：需要，我们也接到了相关的需求，未来我们可能也会基于灵巧手做操作。比如工厂的物流车间，希望机器人去处理各种零部件的拣选，同时它的包裹发过来可能是完全不规则的，那么怎么样用一个通用的末端工具来处理掉这些不一致性，可能就需要一个更灵巧的执行器。

▎AI科技评论：你们目前有做灵巧手的团队吗？

潘阳：我们目前没有，我们会优先选择集成别人的灵巧手。现阶段，我们重点放在面向工业的 AI 和力控系统。

▎AI科技评论：哪些东西一定要自研，哪些可以用别人的？

潘阳：我们现在一个大的原则就是：直接影响我们产品的功能和性能的部件，比如说控制器、六维力传感器、关节模组等，我们一定会掌握在自己手里。

其次，可能会产生供应商依赖的，我们会自己做，至少会自己做一部分。

除此之外我们自己不做的东西是什么？第一个就是技术路径本身没有收敛的，比如灵巧手，我认为它技术路径并没有收敛。第二个就是在这个市场上已经有充足的供应商、我的供应链本身是安全的，比如谐波减速器和电机，我们会选两到三家来做我们的供应商。

▎AI科技评论：现在大家都在讲落地，那除了工业，比如商业或者家庭场景，您觉得怎样才算落地？

潘阳：我觉得落地应该是以交付、验收，至少以收款为标准。我认为 C 端的产品和 B 端不太一样：B 端（尤其是大B）有严格的验证、验收流程，有专门的人来验收你的设备是不是 OK，所以只要验收了，一般就证明这个设备是可行的。

但 C 端不一样， C 端可能以付全款为主。

▎AI科技评论：你们如何解决量产难题？

潘阳：我们也经过了很痛苦的一个阶段，从一台的交付到 100 台的交付，完全不是一个概念。但佳安有很幸运的一点：我们服务的客户都是制造业的龙头，我们有些股东也是因为产品不错最后投资了我们，所以在这块给了我们非常多的赋能。

我们会聘请一些资深的行业生产专家，定期给我们讲整个生产的工艺规划以及整个生产的流程，比如 FMEA 质量体系、缺陷以及怎么样去做检测，这部分我们现在有完整的流程。我们当前还在仿照汽车工业，自己也设立了自己的 ME 和 PMC 部门。所以我们因为受益于客户本身就是制造业，在这块一直在努力学习，当前我们大的质量问题没有出现过。

05

最应该避免的事，是“我本可以”

▎AI科技评论：从 19 年成立到现在，你们沉淀下来了哪些价值观或者企业文化？

潘阳：我们公司的价值观是务实、创新、协作、共赢。

首先是务实，就是我们要进行价值创造，切实的要帮助合作伙伴解决问题；面对投资人，要让他给我们投资的钱产生投资的价值；面对客户，要创造我们设备所应该产生的价值，比如提高了产能、降低了成本。所以我认为务实是我们的第一个价值观——我确实要帮你解决了一些问题，而不是仅仅做表演。

第二个就是创新，创新是我们价值创造的来源。我给你创造价值，是因为我提供了更新的产品。如果有一个场景，它已经有批量的设备、比如工业机器人已经在干得很好了，我们就不会再去碰了，因为经过这么多年的生产模式的组织，一定有无数的前辈已经费了很多心思把它做到一个当前最优的状态；我们再去把已经有的事做一遍，是重复的浪费，对我们的资源也是浪费。

第三个就是协作。协作，对内我们公司要是一个整体：我们从生产要保证品质，我们的交付要保证客户的满意程度，我们的销售也要服务好客户，我们的研发是整个产品和 idea 的来源，所有团队都要紧密地在一起协作起来。对外，我们是要跟客户去协作好，共同在这个行业内去创造价值。

第四个是共赢。我相信做好了前三点之后，共赢是一个自然的事情，也是最终的结果。

▎AI科技评论：AI 出现之后，公司的管理方式包括组织架构都会有哪些变化？

潘阳：我觉得 AI 会重构整个社会的管理。因为 AI 会让很多事情透明化。其实互联网已经做得很好了，AI 可能会更彻底，会把过去职位之间的壁垒打通。过去你可能要考虑雇一个很懂人力几大模块的人、财务要很懂财务模块的人，但 AI 未来会把这些专业的壁垒全部都消除掉，也会给公司的决策层提供一个非常直接的反馈机制。所以我们认为 AI 会重构整个公司体系。

但是面对制造业，我认为制造业跟质量和交付有非常严格的标准，一步到位是不太现实的。因为在过去，很多行之有效的方式，比如我们的标准在什么时候该检查？什么时候该反馈？需要不断地喂给 AI 来让它去迭代，因为制造业会容错更低，需要让它变成一个容错更低的、更智能的框架。所以我们认为 AI 会重构整个社会乃至整个公司的管理方式，但我们会按照制造业的逻辑来慢慢喂数据，让它更适合我们公司当前的业务模式。

▎AI科技评论：您个人的精力是如何分配的，会有多少放在管理，多少放在技术上？

潘阳：我最开始的前几年，所有精力基本上都在技术上；最近两年我在管理上面会更多一点，因为毕竟面向批量的交付，整个对公司的运营和管理其实是有很高要求的；接下来一段时间，随着我们新的合伙人、新的核心成员的加入，我们在整个生产的流程里面已经理得相对来说比较顺了，而往后 AI 对整个社会和产品的改造会非常大，所以后续的重心还会再回到技术上来。

▎AI科技评论：假如有一天公司会倒下，会因为什么失败？

潘阳：我觉得是公司价值观发生了变化。我们是不是始终是把客户的利益放到最上面？我们是不是始终是以最务实的精神去服务客户、来为这个行业赋能？我认为这是初心，是一定不能变的事情。

▎AI科技评论：梁文锋曾说，他们当下最重要的事情是团队稳定性。对于你们来说，核心人员走了之后，会不会对整个公司有什么影响？

潘阳：这个在佳安不是主要矛盾。我们整个团队是经过了非常多年磨合的。我们和那种攒局式创业的团队不太一样，我们是经过非常多磨合的、多年的师兄弟、师生，以及多年的合作伙伴。所以我们本身团队是非常稳定的。

▎AI科技评论：创造价值才是目的，赚钱可能只是手段。

潘阳：对，创造价值是第一要务。

▎AI科技评论：您说看过几十遍《红楼梦》，从这部名著中你受到了哪些关于商业、管理方面的启发？

潘阳：所有的家族都会衰败，所有的公司都会死，这本身是一个宿命。那贾府为什么衰败了？一代不如一代。它成功的时候，是最早的那一批人跟着皇帝打江山打下来的；传到贾政已经第四代还是第五代了，到了他这一代，可能进士已经考不上了。所以从这个角度来讲，一个家族一旦失去了开拓精神，光靠守成我觉得是守不住的。

对应到我们来说，如果我们不把客户的价值解决放到第一位，不去开拓新的客户、不去满足新的需求，只靠去守成现有的业务，我觉得是不可能守住的——你做得再好，你也不可能守住。

▎AI科技评论：会不会有一些规律性的、周期性的东西？比如从制度设计上就难以为继？

潘阳：对，这本来就是一个客观的规律：人的所有的事情都是回归的。比如说从智商上来说，如果这一代很幸运、智商突然很高，那下一代大概率是会往正常人的角度去回归的，财富也一样。所以要客观地看这件事情：所有的指标，基本上经过的时间足够长，最后都是回归到平均值的。这个过程中可能需要接受甚至是鼓励"一代人做一代人的事"。

我们这一代就赶上了好时代，科技创业是国家非常重视的领域，所以当下我们应该响应号召，做好自己的工作。

未经「AI科技评论」授权，严禁以任何方式在网页、论坛、社区进行转载！

公众号转载请先在「AI科技评论」后台留言取得授权，转载时需标注来源并插入本公众号名片。