我们做的是移动机器人，不需要磁条、二维码，用的最新自动驾驶技术和计算机识别技术，用环境识别，用更低的成本支持零售业、物流业，名字就是灵动科技。

   目前来说企业已经申请了176项的国内专利，有86项国际化了，70%发明了专利，有几十项已经在美国和相关的欧盟授权，过去非常有幸获得过2018年比赛的二等奖，并且在去年成为咱们的前沿科技企业，相关技术方面，无论是计算机比赛，机器人比赛，行人检测各种比赛上拿过20多个冠军，我们团队的博士其中有很大一部分是北航毕业的。

   机器人，怎么看待这个行业？引入IDC的报告，他把机器人物理形态分为三类，服务机器人，第二类常见的工业机器人，第三类是移动机器人，我们对接的是非常权威的榜单，作证了移动机器人在未来十年的发展方向。

   简单介绍一下四代机器人的历史，很快讲一点点技术，今天我们用什么样的技术做环境感知和自动驾驶，这是机器人的第一视野，我们每个机器人上面有四到七颗摄像头，用来完成定位、导航的能力，包括地面的可行驶区域，包括叉车，叉车司机，货架，包括理解整个环境里面货物的摆放，包括人，以及相关的地面障碍物，如托盘、货物、条码，基本上实现了70%人作为拣货员环境的感知和识别能力。

   一方面有利于在复杂环境中做导航，另外一方面非常低的成本，视觉成本只是摄像头和算力，更低的成本，更高的柔性，这个是我们具体应用的案例，刚才有同样获奖的选手也服务这个客户，优衣库，在整个北方有最大的仓，在天津，这个仓一天有四十万件服装的出货，传统来看效率低，人工成本高，用机器人，用人的手去做工作，所有环境移动的工作，都用机器人来实现，第一个是柔性，整个订单波动是有的，周末买衣服，物流中心是周一、周二、周三配货，周五、周六上来，波动没办法用固定的员工，会用部分的临时工+固定机器人实现拣选。

   这个是服务顺丰，过去有五十个人在运营，用了机器人之后，二十台机器人可以直接减少十五个人，并且找整体的效率更稳定，最大的帮助，非常柔性，任何季节性的商品，环境的改造，机器人可以用视觉进行扫描，并且在现场做快速的应用，这是在物流业的两个场景。

   还有一个场景，京东物流，在今天开始双十一的已经在京东物流中大量的场景中做应用，订中大件的商品，都是单件出单的，两个机器人+一个人等于接近2.5个人的效率，这个是在大家熟悉的TCL的电视企业，我们在这里做贴片产业的产线工作，更高的效果，更低的差错率。

   多人多车多电梯的进入，目前这个场景全球只有我们来做，达到了跟人一样的效率，这个是小案例，这个案例刚好可以看出它的能力，这个机器人看到叉车停下来，叉车是相对危险在神经网络里面识别出来会停下来，算法可以通过视觉的感知灵活的运动，两边的白线，他们还有钢轨的导航，机器人不需要占用空间，当钢轨运作的时候，他就绕开。

   沃尔玛的山姆会员店今天已经有当日达的业务了，从哪里拣货？是从商店拣货，有一个问题，商店理货员并不知道物流，我们用多人多车的机器人形式来实现。

   我们做机器人最终解决了什么问题？作为北京的企业，相对优势还是地域优势，我们公司在旁边，这里无论是高校的老师、学生、人才非常多，短板就是对过去的行业不了解，简单来说今天的制造业最大的痛点，两点，第一点是柔性，各位手里的手机可能每年都会换，家里的电器每年可能都是新款，它生产的周期和排布是非常柔性的，柔性带来的挑战机器人要能够灵活运作，传统的磁条、二维码，只能适用传统不变的产业，柔性的3C，过去只有人来用。

   第二部分在人，今年2020年，意味着00后20岁了，00后上大学了，00后永远不会去工厂，去的话，也是为了去一个新城市打一个零工，实在不行去送外卖，38%的美团外卖骑手就是制造业厂出来的，但机器人加上5G、新基建整体能力我们有机会把成本稳定下来，这个能力是有机会使制造业在中国保持平稳甚至更低的劳动力成本，这个对我们客户也带来直接的帮助。

   结论，我们在制造业最大的挑战，科学家、博士、博士后写的东西只关心算法，但客户要的是99.99%，或者是可用性，这个过程在北京海淀科创企业都会遇到，我们现在遇到一个直接的挑战，在制造业达到99.99%，和西门子一样的高可用性，并且我们整体的成本要控制在两年达到投资回报期，大家知道美国企业很容易，美国人均时薪是2.5倍左右，我们不得不做到美国成本一样的指标，甚至更好，整体的售价是美国对标企业40%以下，才能获得订单，这也是通过两年不断的打磨才实现的。

   物流业，10月最后一周没怎么下单，今年双十一开始了，你下的单会在一到三天送到，物流中心怎么工作的，我们服务一个客户是优衣库，他在上海的物流中心，日常六百人，双十一峰值四千人，就招人，客户希望机器能够替代，那就上设备，双十一的量是平时的五到十倍，如何上，上小了不够用，上多了平时浪费，只有机器人可以解决这个问题，在这样的场景里面，在业务弹性非常大的情况下，用神经网络优化的一种参数适应一个环境，当按季节、按月迭代需要用多套的自适应学习，只有达到美国同行的2倍好，才能被中国的客户作认可。

   简单来看我们能够使临时工快速达到80%-90%的可用性。二，差错率从10%到1，降本增效，提高投资回报。

   整体来看我们做的事情一段一段解决刚性不可调整的工作，用视觉+自动驾驶技术实现了柔性，全产业链的工作，带来的挑战不断的要打磨产品，要量产，规模化扩张，实现各位投资人在过去四年所有投资的预期，刚才有老师说，北航孵化一个项目是怎么样的，说的每一句都是说到我们的心坎里，最开心的时候是做算法的时候，最忐忑是在规模化量产和达到效果爬坡的时候，没有到就是没有到，只有不断的磨练才能达到效果。

   在这个时间服务整个中国的制造业、物流业特别幸运，我们做行业才知道，全球90%的手机是在中国造的，全球90%的小家电是在中国造的，服务中国的制造业就服务了全球70-90%这么大的服务业，这是我们看到这个行业的人数。

   具体来看，视觉+自动化技术有极广阔的空间，我们对标了四个企业，这四家企业有三家被收购了，我们看这个行业在美国已经是快速发展，而且被巨头非常好的识别到，今天为了在中国有更高的生命力，更低的成本，更灵活的适应环境的能力，我们更好的指标，更低的成本。

   我是2005年北航毕业，2008年拿到国家机器人比赛的冠军，毕业前，当时就在北航出门右拐很近的微软亚洲研究院工作，做算法，后来做过商业化、产品化的工作，我们这边核心计算机视觉专家张博士，他是北航博士后毕业，从他入学到博士后一直是研究视觉识别，毕业以后锻炼了很多工业化落地的本领，研发毕业化清华，运营官毕业于复旦。这个平台我们现在可运行代码在320万行。

   最后总结一下，过去四年创业的经历，前两年特别开心做算法，并且也是有幸被北航全球科创大赛识别到，最近两年特别努力，不断的在磨练工程，理解客户，带来价值，带来商业化，我觉得这也是任何一个科创企业都要经历的过程，我们也希望大家能够多支持，谢谢大家。