De economie van humanoïde robots lijkt complex. Totdat je in de Bill of Materials (BOM) inzoomt. BOM is niet alleen een kostenoverzicht. Het is een "strategiemap". Het onthult waar kosten verborgen zijn, waar complexiteit een concurrentievoordeel biedt, en waar hardware en software elkaar ontmoeten of botsen. - wanneer je weet hoe je het moet lezen, vertelt de BOM je: - welke subsysteem kosten versus differentiatie aandrijft - waar integratiecomplexiteit marge creëert of erodeert - welke IP het waard is om te bezitten (mechanisch, model of data) - hoe geografie de iteratiesnelheid beïnvloedt - waarom sommige bedrijven schalen als SaaS en anderen vastlopen in hardware Laten we door de robotstack lopen met de BOM-lens🔍 ⚙️ Actuatie drijft kosten en concurrentievoordeel Aan de basis van elke robot ligt actuatie. Daar zit bijna de helft van de BOM-kosten en waar het grootste deel van de verdediging vandaag de dag ligt. Motoren, tandwielkasten, koppel systemen: - hebben complexe toeleveringsketens - vereisen hoge niveaus van integratie - zijn extreem competitief Maar ze zijn ook strategische bolwerken. Leveranciers zoals LeaderDrive, Harmonic Drive en Beite domineerden hier met moeilijk te kopiëren IP gebaseerd op: - strakke toleranties - decennia van iteratie - end-to-end verticale integratie Als je het ontwerp van actuatoren beheerst, beheers je de kernfysica van een robot. Deze systemen worden echter nu vervangen door AI-centrische systemen, die de voorkeur geven aan dynamisch gedrag en kosten, minder IP-gericht zijn en meer leunen op sterke productie en goed algeheel productontwerp. 🧠 Conclusie: hoge kosten + hoge IP = hardware concurrentievoordeel 💻 Software eet marge Maar als je verder omhoog in de stack gaat, draait de hefboom om. Computing, sensing en model lagen nemen elk ongeveer ~10% van de BOM in beslag, maar ze definiëren onevenredig: - aanpassingsvermogen - autonomie - kostencompressie in de loop van de tijd Chips zijn goedkoop. Koppel niet. Maar in combinatie met de juiste stack, compounding computing snel. Dat is waarom bedrijven zoals NVIDIA niet stoppen bij silicium. Ze bezitten: - Isaac → simulatie tools - GR00T → fundamentele controlemodellen - Vloot leerloops → systemen die slimmer worden met gebruik Dit is het GR00T playbook: Beheer het model, de data en de leerloop en plotseling, jouw 10% van de BOM controleert 80% van de differentiatie van het product. Dit is waar marge schaalt als code: - vloot-niveau leerloops - API-stijl eenheids economieën - lagere kosten per eenheid in de loop van de tijd gebruik → data → model → autonomie → gebruik → marge 🧠 Conclusie: lage kosten + model/data IP = software concurrentievoordeel 🧩 Integratie creëert marge of vernietigt deze Hardware marges zijn wreed - tenzij je precisiecomplexiteit bezit. De vraag is: assembleer je onderdelen? Of engineer je gedrag? Een bedrijf kan hoge COGS hebben als het: - zijn eigen actuatoren maakt - koppelcurves afstemt voor specifieke gedragingen - elektromechanische systemen van begin tot eind ontwerpt Maar dat gaat niet alleen om verdediging, het is een risico-voor-marge afweging. Het bezitten van deze laag betekent het aangaan van toeleveringsketencomplexiteit, firmware-afstemming en precisiecontrole. Maar als het goed gedaan wordt, kan het 25-50% van de kosten afknallen, wat een serieuze voorsprong is voor hardware-zware spelers. Case study: Unitree’s $16K humanoïde Unitree won niet alleen door AI-doorbraken. Ze wonnen door de BOM te engineer: - actuatoren lokaal in te kopen (goedkopere motoren) + in eigen huis vervaardigd (geen leveranciersmarges) - multi-plane LiDAR over te slaan (sensor kosten verlagen) - radicale architectuur te vermijden; gewoon strakke controle over de stack - toeleveringsketen te co-loceren; 90% van de leveranciers binnen enkele uren van Hangzhou Hier is een hoog niveau overzicht van de BOM voor Unitree's Quadruped: Westerse bedrijven kunnen dit vaak niet evenaren - niet vanwege technologische hiaten, maar omdat ze gebrek hebben aan toeleveringsketendichtheid. Dat vertraagt iteratie en bloat de BOM. 🧠 Conclusie: lage BOM + strakke integratie = snelheid + marge 💸 Kosten ≠ Commoditeit Een lage BOM garandeert geen marge. Een hoge BOM betekent niet een zwakke strategie. Het hangt ervan af waar precies de kosten zitten en of het wordt ondersteund door: - model/data flywheels - mechanische IP - strakke subsystemintegratie In gecommoditiseerde lagen, kostenbesparingen stromen vaak gewoon door naar de koper. Maar in geleverde lagen, ontgrendelen ze samengestelde voordelen. 🧠 Conclusie: Kosten zijn alleen belangrijk als ze hefboomwerking hebben 🧬 De onzichtbare BOM is belangrijker Wat niet in de BOM staat, definieert vaak het langetermijnvoordeel. Je zult geen vlootlogs, ROS-tuningconfiguraties of simulatiebeleid vinden, maar deze lagen bepalen: - autonomie gedrag - aanpassingsvermogen in randgevallen - leren tussen robots - marge-uitbreiding in de loop van de tijd Dit is de onzichtbare laag: data → model → gedrag → meer data Wie deze lus bezit, vermindert niet alleen de kosten, maar buigt ook de prestatiecurve. 🧠 Conclusie: Wat niet in de BOM staat, kan de langetermijnverdediging meer definiëren dan wat dat wel doet. 🗺️ Hoe de BOM te lezen als een strategiemap BOM vertelt je precies waar de hefboom zit: - Actuatie → hoge kosten, hoge concurrentievoordeel, lage marge - Computing → lage kosten, hoge hefboom, hoge marge - Communicatie/frame → lage kosten, laag concurrentievoordeel, lage marge - Sensoren → gemiddelde kosten, steeds meer gecommoditiseerd Dus de BOM wordt een proxy voor het margeprofiel: - hoge BOM + hoge IP → hardware concurrentievoordeel (tandwielen, aandrijvingen) - lage BOM + model/data eigendom → software concurrentievoordeel (GR00T stack) - hoge BOM + lage IP → het slechtste van beide werelden (commoditeit assemblers) Naarmate robotsystemen zich ontwikkelen, denk ik dat de BOM een uniek gefundeerde lens zal bieden om technische beperkingen, economische structuren en strategische hefboomwerking van de robotstack te beoordelen. Dank aan @chynaqqq & @castorhat (PrismaX), @karsenthil, (Reborn), @xmercury_one (Xmaquina DAO), @ivailoj (Paper Ventures), @BlueHors3Shoe (No Limit Holdings), @shutterbugsid (Decentralised Co) voor wat snelle feedback & suggesties over het stuk.