L'economia dei robot umanoidi sembra complessa. Fino a quando non ci si concentra sul Bill of Materials (BOM). Il BOM non è solo un foglio di costi. È una "mappa strategica". Rivela dove i costi nascondono leva, dove la complessità nasconde fossato, e dove hardware e software si incontrano o si scontrano. - quando sai come leggerlo, il BOM ti dice: - quali sottosistemi guidano il costo rispetto alla differenziazione - dove la complessità di integrazione crea o erode il margine - quale IP vale la pena possedere (meccanico, modello o dati) - come la geografia impatta la velocità di iterazione - perché alcune aziende scalano come SaaS e altre si bloccano nell'hardware Facciamo un giro attraverso lo stack dei robot con la lente del BOM🔍 ⚙️ L'attuazione guida costo e fossato Alla base di ogni robot c'è l'attuazione. È lì che si trova quasi la metà del costo del BOM e dove vive oggi la maggior parte della difendibilità. Motori, riduttori, sistemi di coppia: - hanno catene di fornitura complesse - richiedono alti livelli di integrazione - sono estremamente competitivi Ma sono anche bastioni strategici. Fornitori come LeaderDrive, Harmonic Drive e Beite dominavano qui con IP difficile da copiare costruita su: - tolleranze strette - decenni di iterazione - integrazione verticale end-to-end Se controlli il design dell'attuatore, controlli la fisica fondamentale di un robot. Questi sistemi, però, stanno ora venendo sostituiti da quelli centrati sull'IA, che favoriscono il comportamento dinamico e il costo, essendo meno centrati sull'IP e scommettendo di più su una forte produzione e un buon design del prodotto complessivo. 🧠 Conclusione: alto costo + alta IP = fossato hardware 💻 Il software mangia margine Ma salendo nello stack, la leva si inverte. I livelli di calcolo, sensori e modelli potrebbero occupare ciascuno ~10% del BOM, ma definiscono in modo sproporzionato: - adattabilità - autonomia - compressione dei costi nel tempo I chip sono economici. La coppia non lo è. Ma abbinati al giusto stack, il calcolo si compone rapidamente. Ecco perché aziende come NVIDIA non si fermano al silicio. Possiedono: - Isaac → strumenti di simulazione - GR00T → modelli di controllo fondamentali - Loop di apprendimento della flotta → sistemi che diventano più intelligenti con l'uso Questo è il playbook di GR00T: Possiedi il modello, i dati e il loop di apprendimento e all'improvviso, il tuo 10% del BOM controlla l'80% della differenziazione del prodotto. Questo è dove il margine scala come codice: - loop di apprendimento a livello di flotta - economia unitaria in stile API - costo per unità inferiore nel tempo uso → dati → modello → autonomia → uso → margine 🧠 Conclusione: basso costo + IP modello/dati = fossato software 🧩 L'integrazione crea margine o lo uccide I margini hardware sono brutali - a meno che tu non possieda la complessità di precisione. La domanda è: stai assemblando parti? O ingegnerizzando comportamenti? Un'azienda potrebbe avere un alto COGS se: - produce i propri attuatori - regola le curve di coppia per comportamenti specifici - progetta sistemi elettromeccanici end-to-end Ma non si tratta solo di difendibilità, è un trade-off rischio-margine. Possedere questo strato significa affrontare la complessità della catena di fornitura, la regolazione del firmware e il controllo di precisione. Ma se fatto bene, può ridurre i costi del 25-50%, il che è un vantaggio serio per i giocatori pesanti in hardware. Caso studio: il robot umanoide da $16K di Unitree Unitree non ha vinto solo grazie a scoperte nell'IA. Hanno vinto ingegnerizzando il BOM: - approvvigionamento di attuatori localmente (motori più economici) + produzione interna (senza margini dei fornitori) - evitando LiDAR multi-piano (riducendo i costi dei sensori) - evitando architetture radicali; solo controllo stretto dello stack - co-locando la catena di fornitura; 90% dei fornitori entro poche ore da Hangzhou Ecco una panoramica ad alto livello del BOM per il Quadrupede di Unitree: Le aziende occidentali spesso non possono eguagliare questo - non a causa di lacune tecnologiche, ma perché mancano di densità della catena di fornitura. Questo rallenta l'iterazione e gonfia il BOM. 🧠 Conclusione: basso BOM + integrazione stretta = velocità + margine 💸 Costo ≠ Commodità Un basso BOM non garantisce margine. Un alto BOM non significa strategia debole. Dipende esattamente da dove si trova il costo e se è supportato da: - volani modello/dati - IP meccanica - integrazione stretta dei sottosistemi Negli strati commoditizzati, i risparmi sui costi spesso passano semplicemente all'acquirente. Ma negli strati a leva, sbloccano vantaggi composti. 🧠 Conclusione: Il costo conta solo se porta leva 🧬 Il BOM invisibile conta di più Ciò che non è nel BOM è spesso ciò che definisce il vantaggio a lungo termine. Non troverai registri della flotta, configurazioni di tuning ROS o politiche di simulazione elencate, ma questi strati determinano: - comportamento di autonomia - adattabilità in casi limite - apprendimento tra robot - espansione del margine nel tempo Questo è lo strato invisibile: dati → modello → comportamento → più dati Chiunque possieda questo loop non solo riduce i costi, ma piega anche la curva delle prestazioni. 🧠 Conclusione: Ciò che non è nel BOM potrebbe definire la difendibilità a lungo termine più di ciò che è. 🗺️ Come leggere il BOM come una mappa strategica Il BOM ti dice esattamente dove vive la leva: - Attuazione → alto costo, alto fossato, basso margine - Calcolo → basso costo, alta leva, alto margine - Comms/frame → basso costo, basso fossato, basso margine - Sensori → costo medio, sempre più commoditizzati Quindi il BOM diventa un proxy per il profilo di margine: - alto BOM + alta IP → fossato hardware (ingranaggi, azionamenti) - basso BOM + possesso modello/dati → fossato software (stack GR00T) - alto BOM + bassa IP → il peggio di entrambi i mondi (assemblatori di commodity) Poiché i sistemi robotici evolveranno, credo che il BOM offrirà una lente unicamente fondata per valutare vincoli tecnici, struttura economica e leva strategica dello stack robotico. Grazie a @chynaqqq & @castorhat (PrismaX), @karsenthil, (Reborn), @xmercury_one (Xmaquina DAO), @ivailoj (Paper Ventures), @BlueHors3Shoe (No Limit Holdings), @shutterbugsid (Decentralised Co) per alcuni feedback e suggerimenti rapidi sul pezzo.