疫情激活了一批新经济,无人机从科幻变现实?

经过此次疫情,市场和用户对无人配送车、机器人的接受程度提高,随着疫情逐渐被控制,机器人也会逐渐融入生活和业务常态。

编者按:本文为专栏作者授权创业邦发表,版权归原作者所有。作者程驹炎。

疫情利好了一批新经济,从远程办公、在线网课到家庭运动会,全民宅文化成为过去几个月的主旋律,这些新业态也在悄然改变我们的生活,与我们的娱乐、教育、健康、出行等深度融合。无人工厂、无人配送车、服务机器人、无人消毒车等解决方案在疫情的影响下得以应用,并迅速落地。一方面缓解了劳动密集型行业的用工荒问题,同时也达到了资源高效配置和供需精准匹配。本文从无人配送的需求出发,通过对无人配送现状的解读,为读者勾勒无人配送全景。

核心观点:

  • 物流、配送常见的场景包括室内载物、室外载物,按速度不同则又可分低速和高速。再细分,则室外又可分为封闭园区场景、半开放长距离场景。

  • 短期来看,疫情驱动无接触配送,室内室外都用得到无人配送车、服务机器人。长期来看,快递、外卖等需求持续增长,为了配送更多的订单,或提升效率,通过优化运营、优化算法、优化配送商圈/网格、用末端智能设备提效等方式;或增加运力,持续招工,以及招机器人员工。

  • 快递员增速低于快递订单增速。本地生活服务赛道的体量亦有较大规模的增长。

  • 硬件及算法是帮助无人配送车/机器人解决定位、感知、规划和决策的问题。

  • 经过此次疫情,市场和用户对无人配送车、机器人的接受程度提高,随着疫情逐渐被控制,机器人也会逐渐融入生活和业务常态。

从需求出发

物流、配送常见的场景包括室内和室外(室外包括天上和地上,暂且不讨论天上的事情),那么粗略分,则可再分为室内载物、室外载物,按速度不同则又可分低速和高速,在此主要探讨低速场景。再细分,则室外又可分为封闭园区场景、半开放长距离场景

*无人配送场景分类

由于物流、配送是比较复杂的业务,在此将业务抽象成简化的模型。

1、室外配送场景

*室外配送业务节点

站在C端用户视角,用户与物流、配送从业人员打交道最多就是快递小哥、外卖小哥。而在业务的各个配送节点上,物理位置分散、特别需要劳动力做标准化或半标准化服务的,也恰是和用户打交道最多的收件、送件、送外卖等环节。

通常这些包裹、外卖来自电商平台、直播带货、外卖平台、本地生活服务平台等,而这些小哥通常会穿着某家快递公司、物流公司或外卖平台等的工作服,承担相应订单的服务。平台在向用户收取或不收取运费后,也会直接或间接的支付配送人员工资,这些人工运力付费方同样也是为机器化运力付费的玩家。

站在B端客户视角,生产中的原材料、零部件等的入库、保管、出库、产线间转运等,都是高频的物流环节。工厂或工厂的第三方物流服务商则承担运力,是为运力付费的玩家。

*室外快递配送网络示意图

*室外同城配送网络示意图

不同业务模式的平台或商家会产生不同的配送需求。

对于快递平台或自营运力的电商平台,在末端大多是站点->楼/配送点->多个用户”的模式。快递公司会给快递小哥划分相对稳定的配送区域、范围,在此范围内配送。当运力短缺时,补充运力要承载的也是从站点到用户的环节,而其中站点到楼的环节相对标准化,存在大量高频、规律的人力劳动。

对于本地生活电商平台,更多是多对多的配送,平台运力需要在约束时间范围(典型如外卖午高峰和晚高峰)内,平衡商圈内整体效率和单个骑手的效率。品类做宽、配送路径优化是常见的优化效率的方式。

对于自营的本地生活电商,做的是单店/仓到多点的配送,自有配送网络上游更聚焦,因此可通过优化配送批次、优化配送路径的方式进一步提升集单、进而提升骑手人效。

2、室内配送场景

*室内配送部分业务节点示意图

疫情催生的楼内无接触配送(送餐、送药等)需求,实际上在已有场景的服务做延伸即可实现,而一些非疫情驱动的需求也早已存在,在抖音、快手等平台也经常可看到一些机器人在餐厅、医院等场景服务的视频。

*上海某餐厅传菜员招聘广告,来源:58同城

餐厅场景,机器人可以将菜品从出餐口送到餐桌,也可将餐盘回收。餐厅支付员工薪酬给服务员,也有些餐厅为员工提供宿舍。

楼内配餐和快递时,机器人从楼宇节点或楼层节点取货/取餐,再联通楼内电梯,将物品配送到指定房间。越高频发生配送的场景,则对楼宇配送机器人越刚需。而由于场景不同,机器人可能由医院、物业、外卖平台付费。

另一个楼宇增量场景是医院,医院功能区分为门诊、住院部、后勤,区域间和区域内均有物品配送需求。按照场景、载重量做出适合不同功能、区域的通用或半通用产品,可以解决医院的配送问题。

3、为什么需要无人配送车/机器人

短期来看,疫情驱动无接触配送,室内室外都用得到无人配送车、服务机器人。

疫情期间,运输需求和物流一线人员供给不匹配,使得大家意识到人力密集型的模式难以持续,而人口红利的逐渐消失作为长期趋势,也使得劳动力流动、招工难等问题随之突出。

疫情期间,在北京、武汉、杭州等多个城市,均可看到无人配送车、服务机器人参与到物品物资的配送工作中。相比10年、20年的时间,疫情是相对短期的情况,而由此形成的认知与需求转化,也是对未来无人车/机器人商业落地的长期利好

长期来看,快递、外卖等需求持续增长,为了配送更多的订单,或提升效率,通过优化运营、优化算法、优化配送商圈/网格、用末端智能设备提效等方式;或增加运力,持续招工。劳动力越来越贵,招工难,都驱动了需要更多机器来补足人力短缺并提升效率,疫情期间也有餐饮与零售、配送共享员工的情况。缺劳动力、劳动力逐渐贵、效率待提升,是B端的刚需和痛点。

根据国家邮政局数据,2019年全国快递业务量突破600亿件,累计完成635.2亿件,同比增长25.3%,业务收入累计完成7497.8亿元,同比增长24.2%,业务量增量规模连续2年超过100亿件。2016-2018年,全国快递业务量分别为312.8亿件、400.6亿件、507.1亿件,同比增速分别为51.3%、28.1%、26.6%。快递业持续增长驱动了快递业劳动力需求持续增长。

2020年1月,国家邮政局主管的中国邮政快递报社发布了《2019年全国快递从业人员职业调查报告》,数据显示,40岁以下人员构成快递从业人员的主体。收入上,75.07%的快递从业人员月收入在5,000元以下,一线快递从业人员月收入超1万元的占比为0.73%,但有6成人表示快递这一行“有前途,值得干下去”。2018年的数据显示,从2016年至2018年,中国快递员数量增长了50%,总数量已经突破300万。快递员增速低于快递订单增速

在本地生活领域,以美团点评为例,根据其2019年年报,美团点评2019年外卖订单达到87.22亿单,即相当于日订单2,389.6万单,同比增长36.4%,2018年四季度至2019年四季度的季度复合增速为8.1%。根据美团点评季报数据测算,2019年四季度,其平均外卖日单量达季度平均单峰值2,723.2万单。

本地生活服务赛道的体量亦有较大规模的增长。

据2019年10月17日美团点评发布的《美团点评扶贫报告》显示,在过去2018年一整年的时间里,美团带动的劳动就业机会高达1,960万个,美团点评的骑手数量也已经增至370万人。

2020年3月19日,美团研究院发布《2019年及2020年疫情期间美团骑手就业报告》,2019年通过美团平台获得收入的骑手达398.7万人,疫情期间骑手日均有效接单量与2019年相比有所提升,新增骑手中,日均订单量在11-30单的骑手占比达59.6%。

据此计算,2019年通过美团平台获得收入的骑手数同比增长7.8%,获得过收入的骑手数增速不及外卖业务单量增速。

无人配送车/机器人的关键问题

1、硬件及算法帮助解决核心问题

定位:通过GPS、惯导、里程计、摄像头、激光雷达等,获取机器当前的位置和航向;也有结合惯导、里程计等方法的方案。

感知:通过摄像头、激光雷达、毫米波雷达、陀螺仪等装置,感知车辆、机器人周围的路径方向、形状、坡度、障碍物及障碍物或人的位置、大小、速度、方向等。理论上通过配置更高的硬件可以获得更准确的感知数据,但考虑到商业落地,需要在硬件性能、成本和算法等方面寻求平衡。

规划:无人车或机器人在明白“我在哪”、“我周围是什么样子”之后,则回答“我往哪里走”的问题。

决策控制:一方面是是决策,即根据定位、感知及路径信息,决定选取哪条道路、是否停下、是否绕行等;另一方是控制,即主要是转向、驱动、制动的控制。

*reference:技术部分参考头条号“算法集市”,链接为:https://baijiahao.baidu.com/s?id=1592245713299899099&wfr=spider&for=pc

2、B端关注的问题

作为无人配送车/机器人的使用和付费方,B端购买机器人或服务的出发点是“降本增效”,降本是前提,增效是加分。从业务视角,则更关注安全程度、业务可靠程度、需要花多少钱、可以实现什么效果。

以快递场景为例,快递小哥平均每单配送成本 = 平均月工资 / (每月工作天数 x 每天配送趟数x 每趟配送单量),无人车平均每单配送成本 = 平均月收费/ (每月工作天数 x 每天配送趟数 x 每趟配送单量)。假设一个快递员月工资5,000-12,000元,则年工资6万-14.4万元,取平均数则为10万元左右。即,同等工作效率下,机器人年费用不高于10万元则可有商业落地机会。

通常,快递小哥一天配送2-3趟,约10-12个小时工作。考虑到TO C机器的工作时间需与用户收件时间一致,则抛开工作时长,无人车在载重量、配送趟数方面也相比人工更有优势。

*外卖小哥UGC,来源:抖音

关于外卖小哥的工作量,虽然城市和商圈、网格的道路、面积、地形的不同会使得工作量有差异。从一些UGC内容及经验值看,45-50单已经是比较高的人均日配送订单量,30-40是常规的人效,在此不评价具体人效是多少,但网络上大量的骑手UGC内容可作为参考。

关于机器的成本,在目前产品和技术路线下,可把无人车简化为底盘、上半身舱体和核心传感器/雷达降低成本一方面需要通过规模化上量、开模量产,另一方面也需要在软件和硬件上找平衡。而随着规模增长,核心传感器/雷达的成本降低也会有利于整车成本的降低。

3、什么场景先落地

机器替人通常是找劳动密集、标准化程度高、大量重复的场景,此类场景会先于劳动不密集、非标情形多、不大量重复的场景落地。在室内室外的配送中,站点/门店到配送点/POIs/多个楼宇、餐厅内的传菜收盘、医院里的物资配送、工厂里的原材料零部件转运都属于标准化、大量重复劳动场景。

单对多的场景早于多对多的场景先落地。网络化配送需要考虑的变量更多,受到的时间、空间约束也更多,一对多则受到更少的约束,配送路径复杂度低于多对多,集单也更容易。在此场景下,无人车/机器人可以发挥自己的载重优势、除“工资交电费”而不需要休息的优势,实现比人力配送更好的ROI。一对多成熟后,再进入更多约束条件的多对多场景,是个逻辑上可行的路径。

憧憬长期

经过此次疫情,市场和用户对无人配送车、机器人的接受程度提高,随着疫情逐渐被控制,机器人也会逐渐融入生活和业务常态。从最近密集披露的无人配送车、机器人融资情况看,市场对赛道的关注在提升。

从商业模式看,机器销售、租赁、作为运力第三方平台,哪种模式能跑出来暂无定论,各类玩家在各自模式下小步快跑。从B端视角,要看谁能解决痛点、业务上ROI算的过来。从公司视角,商业模式也与其战略选择、量产出货规模相匹配。

从行业格局看,已经量产、出货并且商业模式跑通的玩家则已经在技术、产品、供应链、销售上建立了自己的优势。如果订单潮来袭,接得住、能服务好、算的通也是对现有玩家的考验,而跑得快和跑得慢的玩家则在上述表现上呈现出差异。

本文为专栏作者授权创业邦发表,版权归原作者所有。文章系作者个人观点,不代表创业邦立场,转载请联系原作者。如有任何疑问,请联系editor@cyzone.cn。

反馈
联系我们
推荐订阅