新闻聚焦

了解华映资本最新相关资讯

华映资本章高男:To B企服领域将涌现更多独角兽

2021-6-16 14:37:29

"未来五到十年,一定会涌现出数家超过百亿美金以上的To B服务的公司,在中国这个过程才刚刚开始。"


 "整体上我们企业服务大致落后欧美五到十年,这正是我们投资布局的黄金机会。"

 

近日,华映资本主管合伙人章高男受邀参加36氪鲸准CapitalCoffee,分享并解读智能制造的未来趋势及投资机会。他认为,随着5G和物联网的普及,制造业的数字化还有巨大机会。同时未来五到十年内,中国的To B企业服务领域将涌现更多独角兽。



制造业的数字化还有巨大机会


魏喆:智能制造这个词提了很多年,不过其实很多人并不知道啥叫真正的智能制造,您用哪几个关键词来定义智能制造?


章高男:其实行业对智能制造并没有一个严格的定义,个人理解所谓的智能更多强调的是数字化以及基于数字化之后的智能化所带来的产业升级。


数字化和智能化在To C端或消费大领域已经很普及了,我们几乎日常所有行为已经被各种APP高度数字化,如果离开手机可能很多人都无法生活了。但是在产业界特别是制造业数字化和智能化的过程相对滞后其实用的是同样的技术。数字化主要底层技术包括通信技术,计算机科学,大数据及云技术,还有AI,往上就是各种各样的应用软件或PaaSSaaS


随着5G和物联网的普及,会在制造业产生大量的机器数据,这是巨大的数据增量。未来制造业在整个的生产过程和日常的管理过程都会产生各个细分工作和细分环节的数据,那么如何去存储和管理这些数据?如何让这些数据产生价值?这是智能制造的本质价值。



看好智能制造的四大投资方向


主持人魏喆:哪些领域会率先有场景落地,能跑出一些优秀的公司,比如独角兽?


章高男:制造业是一个非常大的领域,有各种各样的分类维度,按照行业分有上千个行业。我就说说个人从投资的角度对智能制造投资机会的分类:


第一个方向是最上层的业务管理软件层。例如ERP最早是源自制造业的,是对MRP,MRPII,MRPIII的升级。随着物联网,大数据、和AI的普及,整个生产过程的监管也越来越数字化和智能化,过去的ERP已经不能涵盖未来的生产和业务的管理,会产生一些新的需求和机会——比如说多约束下的自动化排产,还有供应链采购管理,这些都是企业超级刚需,而过去的ERP并没有很好的解决这些问题。


另外,未来的制造更多向柔性生产演化,企业需要有极强的接紧急单和插单的能力、随时改变生产计划的能力,这个要求非常高,这里面会有大量业务提升软件服务提供的机会。未来MES系统也有很多机会,当然如何跨行业是比较大的挑战,另外配套的仓储管理WMS,还有PLM等细分领域都有升级机会。这些东西我觉得都是在不断的发展和完善中, 去补充原来的ERP,把整个生产和管理变得更加合理。


第二层就是工具软件层。这一层的软件和服务是涉及到整个制造业各垂直行业里设计和生产的工具,它不是业务管理而是直接的生产工具,主要包括研发设计相关的CAD、CAE、CAM,EDA,BIM,行业建模软件等。这一层最大的机会是国产替代。因为通常这些细分的工具软件行业门槛非常高,需要在行业里几十年的浸淫。要对行业有非常深的理解和超强的技术能力。同时这个领域经过这么多年的发展,高度集中和垄断在少数欧美巨头手中, 具有高度卡脖子的风险。


这层的工具软件未来一定要有自主的国产技术的,这是国运的改变带来的机会和使命,因为如果不突破,就永远受制于人,跟在人家后面,产业要想升级首先的有技术底座,决不能被卡脖子,这个风险太大了,国产必须有替代能力。


工具软件层还有一个特点就是技术门槛和行业壁垒非常高,想投资必须深入行业。比如想看CAD,首先得了解CAD的技术核心几何内核,还得了解各种约束器,流程行业和离散行业的诉求也大相径庭, 这些对专业度和行业理解都有极高要求。也因为这些壁垒,这个领域投资的好处是玩家不是很多,往往在一些顶级的机构或者研究所孵化的项目里,可能就四五个项目里面挑一个,同时投资竞争玩家也相对较少,只要是你对这个行业认知到了,可以相对轻松的选择标的。


第三个方向是自动化检测和监测, 我们最基本的逻辑就是今天中国仍然有超过一千万的工人在工厂现场,未来工厂绝大部分情况不应该有人,越是人员密集型场景就越是替代机会。未来机器人,自动化检测和管理软件应该取代大部分人的工作。


在这方面,产线的自动化监测并不是一个新行业,美国和日本有非常成熟的上市公司,我们更关注的是新的增量和技术挑战比较高的市场机会第一个方向是AI缺陷的检测,也就是很难用明确的规则去定义缺陷。比如说一瓶矿泉水里有没有杂质,杂质你无法用规则定义,只能用小样本边检测边学习,然后不断扩充训练级优化推理。这个领域很新,国内外起点差不多,所以有弯道超车机会。第二个方向是3D高速高清纳米级检测。过去的检测更多在2D领域,3D检测很新,对高端制造尤其关键,未来有巨大空间。


第四个方向就是工业机器人,以及软硬结合的自动化解决方案,这块如果有在某些大产业、应用场景比较好、可复制性比较强又有较高技术壁垒的机会,我们会高度关注。


基本上跟智能制造直接相关的就是这四个分类,当然另外还有间接相关的项目我们在数据的底层技术这个方向会跟进,譬如IOT和边缘计算。边缘计算是我们高度看好和关注的,我们已经投了两家公司,我们还会持续去关注。边缘计算是未来工业和制造业的技术底座,类似今天的公有云的影响力度,未来的产业互联网是基于算力的智能分配,需要大量的边缘云支持,真正的边缘云技术天生是去中心化的,这块一定不再是几家互联网巨头瓜分天下。

To B企服领域将涌现更多独角兽


主持人魏喆:感觉华映投资的项目以技术驱动的企业服务企业居多,我们看到欧美不乏千亿美金市值的企业服务公司,但是中国企业服务领域超过百亿美金市值公司就是不错的了,至今还没有出现过像salesforce这样的千亿美金市值公司。那么在中国,企业服务领域会用多少年走完西方发达国家几十年走过的路?


章高男:我个人理解您可能是想问在To B类的行业赋能的话我们国内能不能跑出巨头,我觉得中国这个机会肯定是有的。我坚信未来五到十年一定会涌现出数家超过百亿美金以上的To B服务的公司。美国这些巨头也是经过几十年不断的整合和并购的过程,他们的产品线并不完全是自己开发的,而是通过战略研究不断的购买来完成布局的,中国这个过程刚刚开始,现在是黄金时期,因为我们已经在很多领域有年收入超过5亿的小头部企业,他们已经跨越了生存阶段,正在稳步前进或者开始并购整合。


不过客观讲,国外的企业他们的产品线通常很全很丰富,产品的标准化程度相对高,中国在技术上目前还是有一些差距的。但是我们在一些细分小领域已经有很多的解决方案了,虽然大家都还小,但是市场机会是巨大的,我们也不怕国外巨头的竞争。首先国内公司的组织架构和管理方式和国外明显不同,外企首先要解决水土不服问题,产品不可能简单直接用,必须做相应本地化改进。第二,中国政府有很多各种各样的监管和个性化的要求,这对外企也是巨大挑战,如果不愿意配合也就失去了市场机会。所以我觉得未来五年十年是非常黄金的时期,你已经能够看到一些小巨头开始上市了,上市刚开始可能估值几十亿、百亿左右,因为上市可以融到资开始并购,慢慢扩大产品线发展成为真正的巨头。整体上我们企业服务大致落后欧美五到十年,这正是我们投资布局的黄金机会。



理解行业痛点要靠专业背景


主持人魏喆:在智能制造投资方面,从投资机构来讲需要避开哪些坑?因为感觉很多领域里虽然大有机会,但是充满风险,像之前的共享单车、电子烟等。


章高男:共享单车和电子烟这类所谓风口项目具备一些共性的。第一,都是很强刚需;第二,有快速的裂变效应;第三,时间积累价值不是特别高。你要烧很多钱获取市场,但你不一定能够烧到用户的忠诚度和圈地效应。烧完钱很可能教育了市场,被后来者窃取果实,因为壁垒并不高,有快速的波峰波谷效应,通常就会被定义为风口。


然而,智能制造跟这些风口领域不太一样。


第一,智能制造是持续完善的过程,很难有一个巨变,需要不断的时间积累过程,时间会拉得很长,成败也会拉得很长,参考一下国外To B服务的上市公司,从创立到上市平均是十一二年,快一点可能七八年,慢一点的十七八年,共享单车可能四到六年就接近于上市状态了,所以周期完全不一样。


第二,行业认知的壁垒很强。To B投资不同于To C的投资,很大一点在于行业经验的要求。因为任何投资首先要了解业务本身。To C的投资了解业务更多是从消费真本身出发,并不需要极强的行业背景,所有可以看到很多非常年轻的投资新锐,因为他们更敏感,或者跟用户人群的理解更直接。To B投资完全不同,必须有直接或间接行业背景,这个是跟To C端的要求不一样的。


为什么要求专业背景?因为如果没有专业背景,你就无法真正的体会到这个产业里真正的痛点,你就没有感觉的。譬如半导体投资如果你都不了解半导体生产工艺那你怎么知道半导体行业的真正需求是什么?而了解半导体工艺一件事情就需要大约两到三个月的学习时间,这个学习曲线很长,学习半导体最基础的知识,对于一个没有任何电子工程经验的人来说就是一个灾难,三极管和与或非们都不理解的人是无法理解半导体的。所以这个行业门槛其实是非常高的,你了解之后才敢说这里有没有痛点,或者有没有改变的机会,不然就是赌博了。


所以在To B里的学习能力和行业背景是很重要的,这个要求比To C端高很多,如果是To C端的人进入到这里又是按照原来的逻辑,往往会做出很多草率错误的判断,而且这个一套就很多年,因为To B半死不活的公司远比To C多多了。