用“AI+机器人”解决劳动力短缺问题？

在AI和自动化技术日新月异的今天，制造业正面临着前所未有的机遇与挑战。

一方面，新技术为提升生产效率、降低劳动成本、提高产品质量提供了巨大可能；另一方面，熟练工人短缺、生产灵活性需求上升等问题，也给制造商带来了不小压力。如何充分利用AI与机器人等技术解决实际生产难题，成为行业关注焦点。

而当工人们担任AI与机器人是否会取代他们的工作时，总部位于洛杉矶的GrayMatter Robotics却针对美国的制造业困境提出了一个新视角：当前不是缺少工作，而是“人手不够”，由太少的人做着太多的工作。

近日，这家以“提高人类生产力并改善生活质量”为使命，致力于通过“AI+机器人”帮助人类完成繁琐任务的初创公司，官宣完成4500万美元（约3.3亿人民币）的B轮融资。

据悉，本轮融资由Wellington Management领投，NGP Capital、Euclidean Capital、B Capita、Advance Venture Partners、SQN Venture Partners、3M Ventures、Bow Capital、Calibrate Ventures、OCA Ventures 和 Swift Ventures，共11位知名机构参与投资。

本轮所募资金将用于扩张规模，以满足客户需求，并助力公司壮大。而在本轮融资完成后，GrayMatter迄今为止筹集的总金额已超7000万美元（约5亿人民币）。

GrayMatter Robotics：用AI解决制造业痛点

GrayMatter Robotics成立于2020年，由USC（南加利福尼亚大学）校友SK Gupta、Brual Shah和Ariyan Kabir共同创立。公司核心业务是设计和生产自主机械臂，并开发人工智能模型来对其进行编程，而它的核心竞争力也在于此。

GMR-AI?：物理智能的突破

与传统工业机器人需要复杂编程不同，GrayMatter的机器人能够通过AI算法自主学习和适应不同的生产任务，大大降低了部署和使用门槛。

GrayMatter的核心技术GMR-AI?是一种结合了物理模型和机器学习的人工智能系统。它能够利用物理定律和工艺知识作为约束条件，指导AI模型的学习过程，从而在保证安全性和可解释性的同时，实现对复杂制造环境的快速适应。

例如，在打磨任务中，GMR-AI?会利用材料力学模型来预测加工压力与表面变形的关系，再结合实际加工数据不断优化控制策略。这可以使机器人在短时间内掌握复杂的加工技能，并具备良好的泛化能力。

自主编程：从“教”到“学”的转变

传统工业机器人需要专业工程师进行繁琐的编程和调试，往往需要数周时间才能投入使用。而GrayMatter的机器人只需几分钟就能完成自主编程，实现“即插即用”。

其专有的 GMR-AI? 技术使机器人能够自我编程并适应高度混合的制造环境，从而提供一致的质量并缩短周期时间。在过去的两年中，GrayMatter Robotics 在北美的航空航天、国防、特种车辆、船舶、娱乐和一般制造业部署了机器人，处理了超过 750 万平方英尺的产品表面积，并拥有 10 项专利。

多领域应用：从打磨到检测的全方位覆盖

GrayMatter的技术并不局限于单一应用场景。目前，其产品线已经覆盖了打磨、抛光、喷涂、涂层、精加工、检测等多个制造环节。这种全方位的覆盖能力，使得GrayMatter可以为客户提供更加集成和系统化的自动化解决方案。

RaaS：让智能制造触手可及

此外，公司采用“机器人即服务”（RaaS：Robot-as-a-Service）模式，大大降低了客户的使用门槛，加速了智能制造技术的普及。

我们通常认为，认为实施机器人解决方案需要对基础设施、专业知识进行大量前期投资。公司联合创始人Kabir也表示：“这是真的，但对于使用GrayMatter Robotics实现自动化的客户来说并非如此，因为与大多数客户不同，我们能够使用机器人即服务 （RaaS） 模型来实现。”

传统的工业机器人往往需要客户一次性投入大量资金购买设备，这对许多企业来说是不小的负担。而GrayMatter利用生成式 AI 根据特定需求定制每个项目，这种模式降低了客户的初始投入，对中小企业更加友好。

RaaS模式还使得GrayMatter能够汇集大量生产数据，为进一步的技术创新和优化提供基础。通过分析不同行业、不同客户的使用数据，GrayMatter可以不断改进其AI算法，开发更加智能和通用的制造解决方案。

从长远来看，这种数据驱动的方法有望成为GrayMatter的核心竞争力之一。

写在最后

美国制造业正面临着严峻的挑战。

据数据，因为劳动力短缺，这个价值2.5万亿正面临严重的订单积压，存在多达380万个岗位空缺，这不仅影响了生产效率，还直接威胁到企业能否按时交付。

导致这一问题的症结有许多，有人口结构变化、技能鸿沟、社会环境等多方面因素。但制造业作为美国的经济支柱，如果不能有效解决劳动力短缺问题，那么到2030年，美国经济可能将面临每年损失一万亿美元的风险。

而GrayMatter的技术为缓解这一问题，提供了方案。

公司机器人的工作速度比手动操作快 2-4 倍，并且人类通常需要六个月的培训，而现在只需不到一天的时间。此外，与传统方法相比，可减少 30% 或更多的消耗品浪费，并降低能耗，帮助企业实现可持续发展目标。

GrayMatter的技术也正在改变制造业工人的工作性质。传统的表面处理工作往往具有重复性强、环境恶劣等特点，而GrayMatter的机器人可以接管这些任务，使工人转向更具创造性和技术含量的工作。正如GrayMatter CEO Ariyan Kabir所说：“我们的目标是提高生产力，同时优先考虑员工福祉。”

不过，尽管GrayMatter的技术降低了使用门槛，但要充分发挥其潜力，仍需要工人掌握新的技能。例如，如何与AI系统协作、如何解读和利用数据分析结果等。这就要求制造企业加大培训投入，帮助员工适应AI时代的新要求。

根据IBM的一份报告，随着AI在工作场所变得越来越普遍，40%的员工将需要接受再培训。但以AI为中心的工作，其薪资也比其他职业高处77%。根据 Bizreport 数据，阿肯色州机器学习研究人员的平均工资为 409877 美元，而加利福尼亚州的工程经理的年薪为 406949 美元。

总的来说，传统的自动化生产线往往只适用于大批量、标准化的生产，而GrayMatter的机器人可以快速适应不同的产品和工艺要求，这使得小批量、定制化生产变得更加经济可行，有助于制造商更好地满足市场需求。