Ekonomia robotów humanoidalnych wydaje się skomplikowana. Dopóki nie przyjrzysz się dokładnie wykazowi materiałów (BOM). BOM to nie tylko arkusz kosztów. To "mapa strategii". Odkrywa, gdzie koszty ukrywają dźwignię, gdzie złożoność ukrywa przewagę, a gdzie sprzęt i oprogramowanie się spotykają lub zderzają. - gdy wiesz, jak to czytać, BOM mówi ci: - które podsystemy napędzają koszty w porównaniu do różnicowania - gdzie złożoność integracji tworzy lub eroduje marżę - jakie IP warto posiadać (mechaniczne, modelowe lub dane) - jak geografia wpływa na szybkość iteracji - dlaczego niektóre firmy skalują się jak SaaS, a inne utknęły w sprzęcie Przejdźmy przez stos robotów z perspektywy BOM🔍 ⚙️ Akcja napędza koszty i przewagę U podstaw każdego robota leży akcja. To tam znajduje się prawie połowa kosztów BOM i tam dzisiaj mieszka większość defensywności. Silniki, skrzynie biegów, systemy momentu obrotowego: - mają złożone łańcuchy dostaw - wymagają wysokiego poziomu integracji - są niezwykle konkurencyjne Ale są również strategicznymi bastionami. Dostawcy tacy jak LeaderDrive, Harmonic Drive i Beite dominowali tutaj z trudnym do skopiowania IP opartym na: - ścisłych tolerancjach - dziesięcioleciach iteracji - pionowej integracji end-to-end Jeśli kontrolujesz projektowanie aktuatorów, kontrolujesz podstawową fizykę robota. Te systemy jednak są teraz zastępowane przez te skoncentrowane na AI, które faworyzują dynamiczne zachowanie i koszty, będąc mniej skoncentrowanymi na IP i bardziej opierającymi się na silnym wytwarzaniu oraz dobrym ogólnym projektowaniu produktu. 🧠 Wnioski: wysoki koszt + wysokie IP = przewaga sprzętowa 💻 Oprogramowanie zjada marżę Ale przesuwając się w górę stosu, dźwignia się odwraca. Warstwy obliczeniowe, sensoryczne i modelowe mogą zajmować każda ~10% BOM, ale nieproporcjonalnie definiują: - adaptacyjność - autonomię - kompresję kosztów w czasie Układy scalone są tanie. Moment obrotowy nie jest. Ale w połączeniu z odpowiednim stosem, obliczenia szybko się kumulują. Dlatego firmy takie jak NVIDIA nie zatrzymują się na krzemie. Posiadają: - Isaac → narzędzia symulacyjne - GR00T → podstawowe modele kontrolne - Pętle uczenia floty → systemy, które stają się mądrzejsze z użyciem To jest podręcznik GR00T: Posiadaj model, dane i pętlę uczenia, a nagle twoje 10% BOM kontroluje 80% różnicowania produktu. To jest miejsce, gdzie marża skaluje się jak kod: - pętle uczenia na poziomie floty - ekonomika jednostkowa w stylu API - niższy koszt jednostkowy w czasie użycie → dane → model → autonomia → użycie → marża 🧠 Wnioski: niski koszt + model/dane IP = przewaga oprogramowania 🧩 Integracja tworzy marżę lub ją zabija Marże sprzętowe są brutalne - chyba że posiadasz precyzyjną złożoność. Pytanie brzmi: czy składasz części? Czy projektujesz zachowanie? Firma może mieć wysokie COGS, jeśli: - produkuje własne aktuatory - dostosowuje krzywe momentu obrotowego do specyficznych zachowań - projektuje systemy elektromechaniczne end-to-end Ale to nie tylko kwestia defensywności, to wymiana ryzyka na marżę. Posiadanie tej warstwy oznacza podjęcie złożoności łańcucha dostaw, strojenia oprogramowania układowego i precyzyjnej kontroli. Ale jeśli zrobione dobrze, może obniżyć koszty o 25–50%, co stanowi poważną przewagę dla graczy z dużym naciskiem na sprzęt. Studium przypadku: humanoidalny robot Unitree za 16 tys. dolarów Unitree nie wygrał tylko dzięki przełomom w AI. Wygrał, projektując BOM: - pozyskując aktuatory lokalnie (tańsze silniki) + produkowane we własnym zakresie (bez marż dostawców) - pomijając wielopłaszczyznowe LiDAR (obniżając koszty czujników) - unikając radykalnej architektury; po prostu ścisła kontrola nad stosem - współlokując łańcuch dostaw; 90% dostawców w promieniu kilku godzin od Hangzhou Oto ogólny przegląd BOM dla czworonoga Unitree: Zachodnie firmy często nie mogą tego dorównać - nie z powodu luk technologicznych, ale dlatego, że brakuje im gęstości łańcucha dostaw. To spowalnia iterację i powiększa BOM. 🧠 Wnioski: niski BOM + ścisła integracja = szybkość + marża 💸 Koszt ≠ Towar Niski BOM nie gwarantuje marży. Wysoki BOM nie oznacza słabej strategii. Zależy to od tego, gdzie dokładnie znajdują się koszty i czy są wspierane przez: - modele/dane flywheels - IP mechaniczne - ścisłą integrację podsystemów W skomodyzowanych warstwach oszczędności kosztów często po prostu przechodzą do nabywcy. Ale w warstwach z dźwignią odblokowują kumulującą przewagę. 🧠 Wnioski: Koszt ma znaczenie tylko wtedy, gdy niesie dźwignię 🧬 Niewidoczny BOM ma większe znaczenie To, co nie znajduje się w BOM, często definiuje długoterminową przewagę. Nie znajdziesz dzienników floty, konfiguracji strojenia ROS ani polityk symulacyjnych, ale te warstwy określają: - zachowanie autonomiczne - adaptacyjność w przypadkach brzegowych - uczenie się między robotami - rozszerzanie marży w czasie To jest niewidoczna warstwa: dane → model → zachowanie → więcej danych Kto posiada tę pętlę, nie tylko obniża koszty, ale także wygina krzywą wydajności. 🧠 Wnioski: To, co nie znajduje się w BOM, może definiować długoterminową defensywność bardziej niż to, co się znajduje. 🗺️ Jak czytać BOM jak mapę strategii BOM mówi ci dokładnie, gdzie mieszka dźwignia: - Akcja → wysoki koszt, wysoka przewaga, niska marża - Obliczenia → niski koszt, wysoka dźwignia, wysoka marża - Komunikacja/ramka → niski koszt, niska przewaga, niska marża - Czujniki → średni koszt, coraz bardziej skomodyzowane Więc BOM staje się wskaźnikiem profilu marży: - wysoki BOM + wysokie IP → przewaga sprzętowa (zębatki, napędy) - niski BOM + posiadanie modelu/danych → przewaga oprogramowania (stos GR00T) - wysoki BOM + niskie IP → najgorsze z obu światów (komponenty towarowe) W miarę jak systemy robotyczne będą się rozwijać, czuję, że BOM zaoferuje wyjątkowo ugruntowaną perspektywę do oceny ograniczeń technicznych, struktury ekonomicznej i strategicznej dźwigni stosu robotyki. Dzięki @chynaqqq & @castorhat (PrismaX), @karsenthil (Reborn), @xmercury_one (Xmaquina DAO), @ivailoj (Paper Ventures), @BlueHors3Shoe (No Limit Holdings), @shutterbugsid (Decentralised Co) za szybkie opinie i sugestie dotyczące tego tekstu.