Humanoid-robot-økonomi ser kompleks ut. Helt til du zoomer inn på stykklisten (BOM). Stykklister er ikke bare et kostnadsark. Det er et "strategikart". Den avslører hvor kostnader skjuler innflytelse, hvor kompleksitet skjuler vollgrav, og hvor maskinvare og programvare møtes eller kolliderer. - når du vet hvordan du leser den, forteller stykklisten deg: - hvilke delsystemer som driver kostnader vs. differensiering - der integrasjonskompleksitet skaper eller eroderer marginen - hvilken IP som er verdt å eie (mekanisk, modell eller data) - hvordan geografi påvirker iterasjonshastigheten - hvorfor noen selskaper skalerer som SaaS og andre blir sittende fast i maskinvare La oss gå gjennom robotstabelen med stykklistelinsen på🔍 ⚙️Aktivering driver kostnader og vollgrav I bunnen av hver robot er aktivering. Det er der nesten halvparten av stykklistekostnaden ligger, og der mesteparten av forsvarligheten bor i dag. Motorer, girkasser, dreiemomentsystemer: - har komplekse forsyningskjeder - krever høye nivåer av integrasjon - er ekstremt konkurransedyktige Men de er også strategiske festninger. Leverandører som LeaderDrive, Harmonic Drive og Beite pleide å dominere her med vanskelig å kopiere IP bygget på: - stramme toleranser - Tiår med iterasjon - Ende-til-ende vertikal integrasjon Hvis du styrer aktuatordesign, kontrollerer du en robots kjernefysikk. Disse systemene blir imidlertid nå erstattet av AI-sentriske, noe som favoriserer dynamisk oppførsel og kostnader, er mindre IP-sentriske og sikrer seg mer på sterk produksjon og god generell produktdesign. 🧠 Takeaway: høye kostnader + høy IP = maskinvaregrav 💻 Programvare spiser margin Men når du beveger deg oppover stabelen, snur innflytelsen. Databehandlings-, sensor- og modelllag kan hver ta opp ~10 % av stykklisten, men de definerer uforholdsmessig: -tilpasningsevne -autonomi - kostnadskomprimering over tid Chips er billige. Dreiemoment er det ikke. Men sammen med riktig stabel, dataforbindelser raskt. Det er derfor selskaper som NVIDIA ikke stopper ved silisium. De eier: - Isaac → simuleringsverktøy - GR00T → grunnleggende kontrollmodeller - Flåtelæringssløyfer → systemer som blir smartere med bruk Dette er GR00T-strategien: Eier modellen, dataene og læringssløyfen, og plutselig kontrollerer 10 % av stykklisten 80 % av produktets differensiering. Det er her margen skaleres som kode: - Læringssløyfer på flåtenivå - API-stil enhetsøkonomi - lavere kostnad per enhet over tid Bruk → data → modell → autonomi → bruk → margin 🧠 Takeaway: lav pris + modell/data IP = programvare vollgrav 🧩 Integrasjon skaper margin eller dreper den Maskinvaremarginer er brutale - med mindre du eier presisjonskompleksiteten. Spørsmålet er: monterer du deler? Eller ingeniøratferd? Et selskap kan ha høy COGS hvis det: - lager egne aktuatorer - Justerer dreiemomentkurver for spesifikk oppførsel - designer elektromekaniske systemer ende-til-ende Men det handler ikke bare om forsvarlighet, det er en avveining mellom risiko og margin. Å eie dette laget betyr å ta på seg forsyningskjedens kompleksitet, fastvarejustering og presisjonskontroll. Men hvis det gjøres riktig, kan det slå 25–50 % av kostnadene, noe som er en alvorlig fordel for maskinvaretunge spillere. Casestudie: Unitrees humanoid på $16K Unitree vant ikke bare på AI-gjennombrudd. De vant ved å konstruere BOM: - innkjøp av aktuatorer lokalt (billigere motorer) + egenproduserte (ingen leverandørmarginer) - hoppe over LiDAR med flere plan (kutte sensorkostnad) - unngå radikal arkitektur; bare stram kontroll over stabelen - samlokalisering av forsyningskjeden; 90 % av leverandørene innen timer fra Hangzhou Her er en oversikt over stykklisten for Unitrees firbeinte dyr: Vestlige selskaper kan ofte ikke matche dette - ikke på grunn av teknologiske hull, men fordi de mangler forsyningskjedetetthet. Det bremser iterasjonen og blåser opp stykklisten. 🧠 Takeaway: lav stykkliste + tett integrasjon = hastighet + margin 💸 Kostnad ≠ vare En lav stykkliste garanterer ikke margin. En høy stykkliste betyr ikke svak strategi. Det avhenger av nøyaktig hvor kostnaden ligger og om den støttes av: - Modell/data svinghjul - mekanisk IP - Tett integrering av delsystemet I kommersielle lag går kostnadsbesparelser ofte bare gjennom til kjøperen. Men i utnyttede lag låser de opp sammensatte fordeler. 🧠 Takeaway: Kostnader betyr bare noe hvis de har innflytelse 🧬 Den usynlige stykklisten betyr mer Det som ikke er i stykklisten, er ofte det som definerer langsiktig fordel. Du finner ikke flåtelogger, ROS-justeringskonfigurasjoner eller simuleringspolicyer oppført, men disse lagene bestemmer: - autonomi atferd - tilpasningsevne i kantkasser - læring på tvers av roboter - Marginutvidelse over tid Dette er det usynlige laget: Data → modell → virkemåte → mer data Den som eier denne sløyfen reduserer ikke bare kostnadene, de bøyer også ytelseskurven. 🧠 Lærdom: Det som ikke er i stykklisten, kan definere langsiktig forsvarbarhet mer enn det som er det. 🗺️ Hvordan lese stykklisten som et strategikart Stykklisten forteller deg nøyaktig hvor innflytelsen befinner seg: - Aktivering → høye kostnader, høy vollgrav, lav margin - Beregn → lave kostnader, høy innflytelse, høy margin - Kommunikasjon/ramme → lave kostnader, lav vollgrav, lav margin - Sensorer → middels kostnad, stadig mer kommersielle Så stykklisten blir en proxy for marginprofil: - høy BOM + høy IP → maskinvaregrav (gir, stasjoner) - lav stykkliste + modell-/dataeierskap → programvaregrav (GR00T-stabel) - høy stykkliste + lav IP → verst fra begge verdener (varemontører) Etter hvert som robotikksystemer vil utvikle seg, føler jeg at BOM vil tilby en unikt forankret linse for å vurdere tekniske begrensninger, økonomisk struktur og strategisk utnyttelse av robotstakken. Takk til @chynaqqq & @castorhat (PrismaX), @karsenthil, (Reborn), @xmercury_one (Xmaquina DAO), @ivailoj (Paper Ventures), @BlueHors3Shoe (No Limit Holdings), @shutterbugsid (Decentralised Co) for noen raske tilbakemeldinger og forslag til stykket.