Ekonomi robot humanoid terlihat kompleks. Sampai Anda memperbesar Bill of Material (BOM). BOM bukan hanya lembar biaya. Ini adalah "peta strategi". Ini mengungkapkan di mana biaya menyembunyikan pengungkit, di mana kompleksitas menyembunyikan parit, dan di mana perangkat keras dan perangkat lunak bertemu atau berbenturan. - ketika Anda tahu cara membacanya, BOM memberi tahu Anda: - subsistem mana yang mendorong biaya vs. diferensiasi - di mana kompleksitas integrasi menciptakan atau mengikis margin - IP apa yang layak dimiliki (mekanis, model, atau data) - Bagaimana Geografi Memengaruhi Kecepatan Iterasi - mengapa beberapa perusahaan menskalakan seperti SaaS dan yang lain terjebak dalam perangkat keras Mari kita berjalan melalui tumpukan robot dengan lensa BOM menyala🔍 ⚙️Aktuasi mendorong biaya dan parit Di dasar setiap robot adalah aktuasi. Di situlah hampir setengah dari biaya BOM berada dan di mana sebagian besar pertahanan hidup saat ini. Motor, gearbox, sistem torsi: - memiliki rantai pasokan yang kompleks - membutuhkan integrasi tingkat tinggi - sangat kompetitif Tapi mereka juga merupakan benteng strategis. Vendor seperti LeaderDrive, Harmonic Drive, dan Beite dulu mendominasi di sini dengan IP yang sulit disalin yang dibangun pada: - toleransi ketat - Iterasi puluhan tahun - Integrasi vertikal end-to-end Jika Anda mengontrol desain aktuator, Anda mengontrol fisika inti robot. Namun sistem ini sekarang digantikan dengan sistem yang berpusat pada AI, yang mendukung perilaku dan biaya dinamis, menjadi kurang berpusat pada IP dan lebih banyak melakukan lindung nilai pada manufaktur yang kuat dan desain produk yang baik secara keseluruhan. 🧠 Takeaway: biaya tinggi + IP tinggi = parit perangkat keras 💻 Perangkat lunak memakan margin Tapi bergerak ke atas tumpukan, leverage berbalik. Lapisan komputasi, penginderaan, dan model masing-masing mungkin mengambil ~10% dari BOM, tetapi mereka secara tidak proporsional mendefinisikan: -Adaptasi -otonomi - Kompresi biaya dari waktu ke waktu Keripik murah. Torsi tidak. Tetapi dipasangkan dengan tumpukan yang tepat, komputasi senyawa dengan cepat. Itu sebabnya perusahaan seperti NVIDIA tidak berhenti pada silikon. Mereka memiliki: - Perkakas simulasi Isaac → - Model kontrol dasar → GR00T - Loop pembelajaran armada → sistem yang menjadi lebih cerdas dengan penggunaan Ini adalah buku pedoman GR00T: Miliki model, data, dan lingkaran pembelajaran dan tiba-tiba, 10% BOM Anda mengontrol 80% diferensiasi produk. Di sinilah margin berskala seperti kode: - Loop pembelajaran tingkat armada - Ekonomi unit gaya API - biaya per unit yang lebih rendah dari waktu ke waktu model → data → penggunaan → otonomi → margin penggunaan → 🧠 Takeaway: biaya rendah + IP model/data = parit perangkat lunak 🧩 Integrasi menciptakan margin atau membunuhnya Margin perangkat keras sangat brutal - kecuali Anda memiliki kompleksitas presisi. Pertanyaannya adalah: apakah Anda merakit suku cadang? Atau perilaku rekayasa? Sebuah perusahaan mungkin membawa HPP tinggi jika: - membuat aktuatornya sendiri - menyetel kurva torsi untuk perilaku tertentu - merancang sistem elektromekanis end-to-end Tapi itu bukan hanya tentang pertahanan, ini adalah pertukaran risiko untuk margin. Memiliki lapisan ini berarti mengambil kompleksitas rantai pasokan, penyetelan firmware, dan kontrol presisi. Tetapi jika dilakukan dengan benar, itu dapat menurunkan biaya 25-50% yang merupakan keunggulan serius bagi pemain dengan perangkat keras berat. Studi kasus: Humanoid Unitree senilai $16K Unitree tidak hanya menang pada terobosan AI. Mereka menang dengan merekayasa BOM: - Pengadaan aktuator lokal (motor lebih murah) + diproduksi sendiri (tanpa margin vendor) - melewatkan LiDAR multi-bidang (memotong biaya sensor) - menghindari arsitektur radikal; hanya kontrol ketat atas tumpukan - co-locating rantai pasokan; 90% vendor dalam beberapa jam dari Hangzhou Berikut rincian tingkat tinggi dari BOM untuk Quadruped Unitree: Perusahaan Barat seringkali tidak dapat menandingi ini - bukan karena kesenjangan teknologi, tetapi karena mereka tidak memiliki kepadatan rantai pasokan. Itu memperlambat iterasi dan membengkak BOM. 🧠 Takeaway: BOM rendah + integrasi ketat = kecepatan + margin 💸 Biaya ≠ Komoditas BOM rendah tidak menjamin margin. BOM yang tinggi tidak berarti strategi yang lemah. Itu tergantung di mana tepatnya biaya berada dan apakah itu didukung oleh: - Roda gila model/data - IP mekanis - integrasi subsistem yang ketat Dalam lapisan komoditas, penghematan biaya seringkali hanya beralih ke pembeli. Tetapi dalam lapisan leverage, mereka membuka keuntungan majemuk. 🧠 Takeaway: Biaya hanya penting jika memiliki pengaruh 🧬 BOM yang tidak terlihat lebih penting Apa yang tidak ada dalam BOM seringkali mendefinisikan keunggulan jangka panjang. Anda tidak akan menemukan log armada, konfigurasi penyetelan ROS, atau kebijakan simulasi yang tercantum, tetapi lapisan ini menentukan: - perilaku otonomi - kemampuan beradaptasi dalam kasus tepi - Belajar di seluruh robot - perluasan margin dari waktu ke waktu Ini adalah lapisan tak terlihat: model → data → perilaku → lebih banyak data Siapa pun yang memiliki loop ini tidak hanya mengurangi biaya, mereka juga membengkokkan kurva kinerja. 🧠 Takeaway: Apa yang tidak ada dalam BOM mungkin mendefinisikan pertahanan jangka panjang lebih dari apa yang ada. 🗺️ Cara membaca BOM seperti peta strategi BOM memberi tahu Anda dengan tepat di mana leverage berada: - Aktuasi → biaya tinggi, parit tinggi, margin rendah - Komputasi → biaya rendah, leverage tinggi, margin tinggi - Komunikasi/bingkai → biaya rendah, parit rendah, margin rendah - Sensor → biaya sedang, semakin komoditas Jadi BOM menjadi proxy untuk profil margin: - BOM tinggi + IP tinggi → parit perangkat keras (roda gigi, drive) - BOM rendah + kepemilikan model/data → parit perangkat lunak (tumpukan GR00T) - BOM tinggi + IP rendah → terburuk dari kedua dunia (perakit komoditas) Seiring dengan berkembangnya sistem robotika, saya merasa BOM akan menawarkan lensa yang unik untuk menilai kendala teknis, struktur ekonomi, dan pengaruh strategis dari tumpukan robotika. Terima kasih kepada @chynaqqq & @castorhat (PrismaX), @karsenthil, (Reborn), @xmercury_one (Xmaquina DAO), @ivailoj (Paper Ventures), @BlueHors3Shoe (No Limit Holdings), @shutterbugsid (Decentralised Co) untuk beberapa umpan balik & saran cepat tentang karya tersebut.