摩馬智能是36氪持續關注的初創企業，公司主要針對工業機器人部署難點痛點，為企業提供工業機器人智能化解決方案，幫助制造業企業實現柔性化生產。
對于制造業企業來說，工業機器人部署一直是一個老大難問題，軌跡規劃是其中的核心環節。軌跡規劃通常需要富有經驗的機器人工藝工程師先在虛擬仿真軟件上進行調試，例如abb的RobotStudio和西門子的Process Simulate等。
由于仿真軟件不可能和現場環境完全一致，工程師需要根據現場環境情況對工業機器人的工作軌跡進行反復調試。調試過程通常要耗費幾百到甚至上千小時，如果是一個大型產線，部署周期甚至可達到半年之久。
綜上可以看出，企業部署機器人耗時長、難度大。
對此，摩馬智能推出了公司自主研發的認知智能算法訓練平臺，該平臺內嵌了基于AI的自適應軌跡規劃算法，可以針對生產環境實時調整機器人工作軌跡，最終迭代訓練出最優工作軌跡，減少人工參與。如此一來，摩馬智能可以將工業機械臂的部署時間從幾百到上千小時縮短到十幾小時甚至是幾個小時，幫助企業在個性化市場需求下實現智能柔性生產。
在實際部署上要達成自動產出自適應軌跡的目標，需要形成一個實時閉環系統。AI包從訓練平臺下發到輕量級的“機器人大腦”TCU上，通過現場傳感器將數據實時上傳TCU， TCU做毫秒級的自主路徑判斷和決策，并將指令下發到機器人控制器，使得機械臂具備自主適應性。
摩馬智能認知智能算法訓練平臺
從需求上來看，工業機器人部署調試是一個高頻剛需的事情。而供給上，機器人調試部署主要依賴于經驗豐富的工程師，這類工程師數量較少，加上現場調試耗時長，人工成本也很高。
如果是針對高精度工藝場景的軌跡規劃，目前市場上調試軟件內嵌的規劃算法通常對算力性能要求較高，這又會進一步增加企業負擔成本。
面對市場個性化需求的涌現，企業需要以更低成本、更快速度實現多品種小批量的柔性化生產。以汽車行業為例，過去一條產線主要大規模生產單一車型，但現在需要生產多種車型，企業就會頻繁增加機器人動作以滿足換線生產的要求，而換線和部署一條新產線的耗時和人工成本相差無幾。
摩馬智能通過人工智能平臺，讓機械臂“先學習，再落地”，可實時生成最優避障軌跡。從而減少約90%的部署時間，縮短產能爬坡周期并提高穩定性，讓企業機器人部署得更快，部署花的錢更少，有效解決機械臂部署耗時費力的行業痛點。
另一方面，摩馬智能也可以幫助企業將生產相關的工藝數據和經驗在線沉淀下來，不斷優化算法來提升生產效率，進一步減少企業對機器人調試工程師的依賴。
應用場景方面，摩馬智能柔性上下料技術已經實現半導體和3C行業中的應用，摩馬智能也向36氪表示柔性上下料技術不僅僅能在IC芯片、航空航天等具有多品種小批量特征的行業應用，也能夠在機加工、物流、組裝等柔性化要求越來越高的行業快速延展，摩馬智能正在拓展客戶。
此外，摩馬智能還將針對汽車焊接、柔性組裝等工藝場景提供機器人柔性化智能化解決方案。
摩馬智能應用場景
面對工業機器人巨大的存量市場，摩馬智能科技也可以幫助傳統機械臂實現迭代升級成柔性生產系統。
摩馬智能目前客戶分為三類，第一類客戶為工業機器人終端使用者，第二類是機器人集成商，第三類是包括本體廠商等在內的生態合作伙伴。摩馬智能的算法訓練平臺將兼容若干本體廠商的機械臂，幫助他們提升智能化水平。
目前，公司的客戶包括世界500強、上市公司等頭部工業客戶，涉及集成電路、汽車制造、航空航天、軍工、快消品等行業。
摩馬智能團隊現有40多人，其中60%以上員工具有碩士以上學歷，團隊內有國家千人專家，成員主要來自清華大學、紐約州立大學、柏林自由大學、日本九州大學、上海交通大學、西北工業大學、哈爾濱工業大學等國內外知名高校的科技人才。公司在上海與柏林設有人工智能及機械臂技術研發中心，在寧波設有工程應用中心。
綠洲資本投資負責人表示：機器人智能化、柔性化是供應鏈升級的必然要求，摩馬致力于用AI技術降低機器人的使用門檻，解決機器人作業過程中的智能化問題，是制造業升級探索的重要方向。高總在博世集團德國總部以及多個國家工作多年，評估和管理過全球幾百家工廠，清晰的了解制造業痛點，也一直不斷嘗試通過新的技術對制造業做升級，讓制造業更好的面對個性化時代的挑戰，是摩馬創立的初衷。
