“機器人創業不是講故事，我們從一個一個實際問題解決起，能幫客戶解決問題，能賺錢。”

• 5月24日，杭州臨平區星光街寶馬4S店，一臺 9 軸自動噴涂機器人第一次正式作業——同時給2塊翼子板和1塊門板進行漆面噴涂。
• 機器人產品和技術來自于同在臨平區的噴博科技，工作人員給機器人裝上漆罐，然后在烤房外的設備上輸入目標漆膜厚度7μm，機器人就開始自動作業。
• 雙目攝像頭依次掃描3個部件，精準鎖定位置、形狀、造型之后，AI快速計算噴涂力度和移動路徑，9軸機械臂隨即柔順地跟隨曲面移動，噴槍開始精準作業，遇到孔洞邊緣自動鎖邊，AI自動控制完成多次噴涂的任務，全程不需要人工干預，也不需要提前輸入任何車型數據。
• 過去，這需要一個成熟的噴漆大工穿著防護服、防毒面罩、防護眼鏡等復雜裝備，多次進出密封、悶熱的噴漆烤房完成。由于工作環境惡劣、工藝要求高、高風險，現在的噴漆大工已經很難招。
• 如果仔細觀察會發現，這臺機器人在多遍噴涂作業時，每次路徑都不一樣。這正是噴博和過往預編程的噴涂設備最大的不同——基于AI驅動，智能學習、規劃、計算噴涂作業流程，并且更高質量地完成。
• 這就是噴博科技已經量產的AI噴涂機器人——PaintBot100。

• 創始人、CEO林密，前比亞迪和騰勢汽車核心高管、云度汽車聯合創始人、CEO，43歲再次創業，這次他切入工藝機器人賽道，用10個月完成技術迭代，基于汽車行業的深刻洞察和人脈，斥資幾千萬實測工藝AI模型，落地可替代人工的噴涂工藝效果，實現 Physics AI 在工業上的實際應用。
• 據林密介紹，噴博的名字源自英文“PaintBot”，中文譯為“噴博”，寓意“噴萬物”。噴涂工藝覆蓋家具、建材、汽車、航空、工程機械、消費電子幾乎所有制造領域，分為噴粉、噴漆、噴膠等多種類型，應用需求和市場空間極為廣泛。
• 在訪談中，林密告訴智車星球：“僅汽車售后噴涂領域，全國有大概30萬個烤房，全球有100萬個烤房，是非常大的存量市場。汽車售后80%利潤來自噴涂，100萬個售后烤房中可替換市場約50萬個，按照單臺設備售價40萬元測算，整體市場規模超過2000億元，而國外市場的市場空間和價格接受程度會更高。”
• 從一個傳統行業里，林密硬生生撕開了一個千億級的機器人應用場景。

• △噴博科技創始人、CEO林密

自動化和人工之間的巨大空白

• 噴涂，是所有制造業都繞不開的基礎工藝——大到飛機機翼、高鐵車身，小到汽車、零部件、家電家具、手機外殼，幾乎所有工業產品都需要噴涂。
• 很長時間里，噴涂領域的自動化一直卡在一個分叉口：大規模量產的標準化流水線已經實現了全自動化，而中小批量、定制化、售后維修這些非標場景，目前為止幾乎全靠人工。
• 林密把這個行業現狀總結得非常直白："現在整個噴涂行業就是兩個極端，大規模量產線用預編程自動化，中小批量非標場景全靠人工，目前噴漆工基本都是50以上的老師傅，工作環境很差很辛苦，肺癌高發，年輕人根本不愿意干，中間這個巨大的需求和痛點，急需解決。"
• 首先是健康風險無解。噴涂作業長期接觸漆霧和有機溶劑，是公認的肺癌高發行業。噴博合作的廣東馬自達經銷商娟姐，兩個跟隨她20多年主管都因肺癌去世，這讓林密下定決心要把AI噴涂機器人做成："這不只是生意，是真能救人命的事兒。"
• 其次是招工已經非常難。年輕人根本不愿意做噴漆工，更愿意送外賣，以杭州為例，噴漆大工月薪已經開到14000元，一年人力成本超過17萬，仍然不好招人。臨平這家寶馬4S店店長告訴智車星球，現在店里只有兩個噴漆工，都是50多歲的老師傅，"再過5年，我們都不知道去哪里找噴漆工人"。
• 最后是傳統自動化方案根本用不了。傳統的自動化噴涂都是預編程路線，需要提前把所有車型的三維數據錄入系統，來一輛車調用對應程序盲噴。但在售后場景，車型成千上萬，還有大量改裝車、事故車，新車模型半年才能拿到掃描數據，根本沒辦法提前錄入——林密給我們算了一筆賬：
• "傳統預編程方案換一個產品要調機8-10小時，只適合大規模流水線，4S店每天要補多臺車不同的漆，調機時間比噴涂時間還長，根本用不了。"

2000億細分市場

• 這個尚未被滿足的市場，空間到底有多大？
• 僅汽車售后噴涂一個細分領域市場規模就超過2000億元。如果把航空航天、工程機械、家具家電等各類非標噴涂場景加起來，將是一個萬億級的市場。
• 噴博的成立，就是為了用AI技術，填補這個傳統行業的巨大需求。
• 不同于傳統預編程方案需要提前錄入數據，噴博的AI機器人用雙目攝像頭直接拍攝工件，1-2張照片就能完成三維建模、看透工件，7秒識別計算，支持任意停放位置、任何新車型和新工件，改裝車部件、空洞巨多的前保險杠都能直接適配。

• 目前這套方案已經可以覆蓋98%-99%的常規場景，極少數極端異形件就算漏噴，人工補噴一下就能解決，完全滿足商用要求。
• 針對4S店的不同情況，既有直接銷售，也有租賃，還有和巴斯夫、PPG等涂料巨頭合作的類似"打印機墨盒模式"——涂料廠商買3年漆送機器人，靠后續漆料長期盈利，門店0成本就能上設備，大幅降低了落地門檻。
• 從投資回報來看，這個生意的商業邏輯已經基本跑通：國內大概最快14個月就能收回成本，歐洲因為人工成本更高，只需要3個月，美國是6個月，經濟效益非常明確。
• “不管是解決人工空缺節省成本，還是新增烤房擴產縮短售后交車周期，對門店來說都是投入產出比、投資回報率非常明確的。”
• 按照臨平這家寶馬4S店店長劉萍的測算：原來一個噴漆大工一年成本17萬，用噴博機器人之后，只需要一個普通工人操作設備，一年能節省5-10萬人力成本，解決了招工難的問題。
• “不只是省錢，也省去了一些麻煩和風險。而且用上新的科技、新的設備，也會增強門店的競爭力，就算回本慢點，我們也愿意上。”劉萍說。

控制論重做工業物理AI大腦

• 噴博為了做好工藝機器人，選了一條完全不同于當前AI主流路線的技術路徑——物理因果大模型（PCLM，Physics-Causal Large Model），噴博科技選擇走控制論AI路線，拒絕大語言模型的"黑箱概率"，堅持工業場景必須要有明確唯一的準確解。
• “不需要提前收集大量數據，只需要把噴涂的基本物理規則和工藝邏輯寫進模型，用控制論的思路做閉環調整：噴完一塊區域AI自動檢測覆蓋率，不滿足就補噴，滿足就進入下一塊，相當于把老師傅‘哪里沒噴噴哪里’的經驗用物理邏輯復現了出來。”林密對噴博的技術路線和實現路徑進一步解釋。
• 在林密看來，現在AI圈的主流路線是計算機系的大語言模型范式，靠海量數據訓練大模型，輸出結果是概率性的，很多結果連研發者都解釋不了為什么。但在工業場景，這條路根本走不通——噴涂要求漆面厚度誤差必須控制在±5%以內，差一點漆面質感就不對，根本接受不了概率性誤差。

• 噴博的技術路線完全不同。
• 林密曾在浙江大學攻讀工程機械博士，師從中國工程院院士楊華勇，噴博科技實現物理AI的技術路線源自錢學森的控制論體系，林密把這套邏輯總結為：“工業物理AI不需要黑箱，必須每一步都有準確解，給定物理邊界和少量工藝條件，就能零樣本生成適配當前工況的噴涂方案，把老師傅的經驗變成可復用的數字資產。”
• 另一方面，噴博科技也是依托浙江大學高端裝備研究院體系孵化，這個研究院本身已孵化17家高端機器人企業，覆蓋蛇形機器人、五軸加工機器人等多個領域，團隊集結了37名博士參與研發，給項目提供了扎實的工業機器人技術積累，也解決了軍工、航空航天等高階項目的資質對接。

• 具體到噴涂場景，噴博的核心技術可以總結為四大塊，每一塊都解決了行業的老問題：
• 第一，AI驅動三維點云識別，真的能"看透"工件。
• 傳統方案依賴提前掃描好的三維模型，噴博用雙目攝像頭直接拍攝，去掉反光、噪點干擾，僅1-2張照片就能提取完整深度信息，不管停放得歪不歪，是不是新車型，是不是改裝車，都能直接識別。
• 第二，機械反解自動選最優解，AI仿真提前避免碰撞。
• 三維識別完，會生成10多個可能的機械運動解，AI自動選出最優的那個。噴涂之前還會在數字仿真庫里面預跑一遍，提前避開碰撞，還能預測漆膜厚度分布，自動調整噴涂參數，保證最終出來的漆面厚度均勻。
• 第三，PCLM物理因果大模型，把老師傅的經驗變成數字資產。
• 噴博最核心的技術，就是把噴涂的工藝知識建模成物理AI模型，確定工件的物理邊界，加上漆膜厚度、漆料類型這些少量條件，就能零樣本生成噴涂方案。不同的漆料有不同的粘度、流速、固化收縮率，模型都能自動適配，新涂料只要少量訓練就能用，真正把老師傅口傳心授的經驗，變成了可以復用的數字資產。
• 第四，末端設計滿足工業需求，噴槍末端不帶電，滿足防爆要求。
• 噴涂車間是易燃易爆環境，噴博的噴槍末端采用氣耦合連接，不帶電，從根本上滿足了噴房的防爆要求，同時末端功率足夠，能適配不同粘度的涂料，不管是水性漆、油性漆還是隱形涂料，都能噴。

• 有意思的是噴博這套技術路線的演進過程，最開始團隊也想過堆料，考慮過攝像頭+毫米波雷達+激光雷達的多傳感器冗余方案，后來發現根本沒必要——噴涂不是自動駕駛，不是安全件，噴錯了可以補噴，不需要那么多冗余。
• 最后團隊做減法，只保留了雙目視覺方案，不僅成本更低，還把深度測量誤差控制在了±5μm以內，完全滿足噴涂的精度要求。

憑什么是噴博？

• 面對投資人時，林密最常被問一個問題：憑什么是你？憑什么只有你能做？
• 林密的回答極為簡單粗暴：首先，要做過工業，做過汽車，對其中的過程、細節和痛點足夠了解。
• 另外，就說一點，“為了訓練這個模型，我們團隊噴了幾千萬的真漆！很多團隊在實驗室里噴水做實驗，那練不出來有用的模型，漆的流動、收縮、光澤度、氧化變色，需要的噴槍移動、氣量、角度跟水完全不一樣，你必須真槍實彈噴真漆，才能拿到有效數據，這就是我們的壁壘，新進入者不是說想抄就能抄的。"

• 林密的話在參觀現場得到了驗證。店總劉萍、門店工藝負責人看完噴涂結果，當場就說：“這個效果超出預期了，除了小尖角漏了一點點，其他地方都完美，比我們師傅噴得還均勻。沒噴到的地方我認為也很好解決，稍微收點邊就好了。”
• 包含面向4S店售后的噴涂機器人PaintBot100，目前噴博已經有3款標準化產品量產：定價40萬的噴博100已經賣了12臺，還有6臺在客戶處測試；10多萬的Lite版本噴涂清洗機器人已經落地商用，側重噴涂+清洗一體化功能；還有針對工業打磨高粉塵場景的打磨機器人，解決人工打磨的塵肺問題。
• 除了民用領域，噴博還承接了多個高端特種項目，包括中國商飛C919機翼噴涂、藍箭高鐵防銹漆噴涂、軍工涂料噴涂項目等，這些項目的精度要求都超過了傳統人工工匠，驗證了技術在超高精度領域的可用性。

把人從有毒環境里解放出來

• 談到機器人，很多人第一反應就是“搶人的飯碗”、“失業”，但在噴涂這個行業，完全不是這么回事——噴博做的不是搶飯碗，是把人從高毒高溫的惡劣環境里解放出來，解決的是整個行業“沒人干”、“高危職業”的問題。
• 劉萍告訴我們，“夏天杭州的體感溫度能到40度，穿防護服在烤房里就更高。夏天噴漆師傅在烤房里干活，外面必須有一個人看著，因為害怕他在里面出事。”
• 所以，噴博做的事情，不只是有商業價值，更有社會價值。
• 首先，是保護噴漆工人的健康，改善他們的工作環境。林密和團隊有一個共識：“我們做這個事，第一個就是要解決這個問題，能保護一個工人，就是一件積德的事。”
• 其次，是破解噴涂行業招工難的問題。現在噴涂行業招工難已經不是區域性問題，是全國性、全球性的問題，年輕人不愿意干，老師傅都在退休，再過5-10年，很多修理廠可能真的找不到噴漆工人。
• 最后，是推動產業升級，把老師傅的工藝經驗留下來。噴涂非常依賴經驗和手藝，一個好的噴漆大工需要練5、6年才能出師，噴博把老師傅請到公司參與研發，把老師傅的工藝經驗訓練、“蒸餾”到AI模型里，這對行業也是非常有價值的。

從一個個實際問題解決起

• 放眼未來，噴博要做的不只是噴涂機器人，林密瞄準的更是整個工藝機器人領域。
• 噴博這套物理因果大模型的思路，本質上是解決"依賴老師傅經驗的非標工業工藝"的自動化問題，除了噴涂，還有打磨、焊接、CNC加工、服裝熨燙等等，大量工業場景都是這個邏輯，都依賴老師傅的經驗，都面臨招工難的問題。
• 林密是福建人，“就拿福建莆田、晉江的服飾鞋帽廠舉例，你很難想象，一個鞋廠，通常都有300到400人做穿鞋帶這件事。還有比如熨燙衣服，未來如果能復制到更多工業場景，想象空間非常大。”

• 目前，全球最受追捧的人形機器人，在林密看來，很多項目看起來熱鬧，根本沒有實際落地場景，“噴博走的路線完全不同，從一個痛點非常明確的細分場景切入，先賺到錢，積累現金流和數據，再慢慢拓展到其他場景。”
• “機器人創業不是講故事，要一件一件事去解決實際問題。現在很多機器人項目，就是炒概念，騙投資人錢。我們不玩那個，我們就從一個一個實際問題解決起，能幫客戶解決問題，能賺錢，就是好項目。”
• 在商業落地模式上，林密的戰略也很清晰：“優先做大B，聚焦3類客戶”。
• 首先是主機廠總對總合作，在汽車行業從業20年，這是林密的優勢。目前噴博已經和特斯拉、比亞迪、天貓養車等頭部主機廠、養車服務商接觸探討，目標推進售后噴涂標準化。
• 其次是省級經銷商代理，每個省授權一家經銷商集團，可自用也負責推廣。
• 第三是和漆廠綁定合作，比如和巴斯夫、PPG等國際涂料巨頭合作，采用「設備+漆料」的類似打印機墨盒模式，涂料企業簽約客戶免費送設備，靠后續漆料長期盈利。
• 同時，在海外業務上，噴博也已有布局。
• 今年噴博的目標是賣出100臺設備，完成長三角和珠三角的重點布局，海外市場也會有所動作。
• 按照林密的測算，5年內目標完成汽車售后市場的第一輪替換，拿下30%的市場份額，年銷售額超過120億元，這看起來是個很大的數字，但是，一旦驗證商業模式可行，也并非遙不可及。
• 
  
• 作者|西子
• 編輯|王蕊
• 圖片：官方、網絡
• 轉載自：智車星球
•