實驗室原型到產品,距離、差距有多遠?

經常看到很多領域,比如計算機、機器人、自動控制等,實驗室的原型很好,但往往要等很久,才會用到產品上,商業化。除去成本的原因,其主要差距體現在什麼地方?


作為一個做前沿(嗯,你可以理解為現在沒用的)研究,也做產業化私活的人,我想較中立的說說。
首先,我們應該糾正下產品的概念,就像樓上 @姜宇這樣把產品等價於量產品我認為是不合適的(把公司研發等價於科研更是不合適的)。產品根據技術成熟程度不同,會有很多不同的推廣措施,只以成熟領域的工廠量產品的成熟度作為標準是有失公正的。
這裡結合科學院某戰略專家的發言,來談談一項技術(不是一個具體的產品),是如何最終在社會中立足的,以及科研是如何在整個社會層面達到分工合作的。(支持部門選代表性部門,可能同級有更多,也有一定交叉)
【第一步:基金委支持】就是我們都熟悉的國自然之類的項目了,項目對結果的成熟性沒有特別的要求,偏重於探索性,說白了就是花錢讓你試試大體是不是靠譜。這類項目數量眾多(當然錢也少),
【第二部:教育部/科學院支持】對於靠譜(或有重大發展戰略意義)方向,形成更進一步的支持,一般要求產生樣機,很多的所謂實驗室原型機都出自這個階段。
【第三部:科技部/專項支持】針對重大專項、重大裝備等等進行的研究,其成果通常要求實際應用到切實的項目中,但這類項目通常並非具有普及意,但卻實際運行的。在這個階段,不會細緻的考慮成本問題,很多項目也無需的考慮大規模量產問題。
【第四步:發改委支持】到這個階段,技術已經基本成型,但通常成本方面的問題並沒有充分解決,通過政府支持、優惠政策等形式,降低成本壓力。比如之前的光伏發電站(不是生產太陽能板的企業,是說建立發電站)一直是發改委支持,為什麼?因為成本上面相對傳統發電沒有優勢,市場競爭下很難存活(至於為什麼這樣還要發展,下面會進一步分析)。
【第五步:工信部/地方政府支持】終於……終於到了我們大家一般所認為的產品了,到這一個階段的時候,技術的市場價值已經成熟,具備企業產業化盈利的基礎。此階段的主要問題是建立示範性基地以進行推廣(增加其他企業信心),通過推廣項目對初期投入進行補貼(降低進入門檻)等。
【最紅一步:市場運作】如果你是在一個一般的企業,那麼你所做的所有事情都在這一步。

上面的過程一般需要多長時間呢?對大部分行業來說,10-15年能走完流程就算是非常快的了,這個期間,不僅僅是技術本身的成熟,也是相關行業的成熟。相關的加工設備、感測器、基礎模塊等等等等,都需要你一步一步的讓別人看到你有需求別人才會做的。

對於各個步驟,所需的能力和核心問題一直在改變,當使用本階段的觀點看待其他階段時,會有重大的偏差。對靠後步驟的人來說,一般會這樣評價前面的:你們搞得都是瞎扯,沒有實用性,非常不成熟。對於前面步驟的人,則經常會這樣說:有技術含量的我們已經解決了,剩下的都是體力活了,你們拿去完善吧。
【宏觀上說,越靠前的步驟,越需要更多的方案選擇】舉個簡單的(虛構)例子吧,就比如說爬壁機器人,對於某些企業來講,可能就是負壓吸附(吸盤),但對研究所來說,可能包含負壓、正壓、電磁、靜電、鉤爪、擠壓(對柔性表面)等等;運動方式上則包含了輪式、履帶、多足等等各種方式。
這裡尤其想提醒下在讀研究生的朋友,研究生階段不是本科,對你的要求不應該是告訴你方法你實現出來,而應該是給你問題自己解決。很多人在導師給了個問題後,還要解決方案(雖然可能是宏觀上的),然後做完後說沒技術含量,感慨還是公司靠譜,問題出在哪了?出在你讓老師把你該乾的活(嘗試、設計解決方案)幹掉了。當然有人會說那老師幹嘛要說啊,答案一般是,如果你沒畢業,會影響導師後面的招生……


說說我最近做的項目:

目前所在的RD 有非常多的項目,大體上分為兩類:
- NPD, new product development
- PD, exist product further development

題主問題中對應的應該是NPD.
對於某一個特定的行業,開發一個新產品時,技術很重要,但絕對不是佔主要推動作用的。
實驗室裡面有很多新的想法,新的產品原型。
但是推廣一個新的產品時,
首要的是VOC, voice of customers
在了解現有的市場和客戶的需求之後,才能把客戶的需求轉化為產品的要求,或者相對應的性能。

其次,如何實現該產品要求。通過各類實驗,DOE 設計來實現對應客戶需求的產品。
同時, Design FMEA 需要同時跟進,目的為考慮該設計模型可能對內部生產以及外部客戶處產生的各種影響。

再者,產品設計出來並且確定實驗室的技術工藝路線之後,這個時候需要開始做中試生產
中試可以直接上生產線,也可以是在介於實驗室和工廠的中試車間。這個時候,Process FMEA 需要同時跟上,考慮工藝設計對各個階段的影響,以及改進方案。

中試之後,需要在客戶處進行試用,這時候,有專門的技術支持部門收集客戶處的反饋,從而進一步改進產品的設計。

最後,開始推廣到生產。這個時候,技術上要求和生產,計劃,維修部門一起協調來做出PCP, process control. 同時不斷優化產品線,包括良品控制,上下游供應鏈完善等等

然後,該產品進入下一個階段。 Product development.

......

.....

.......

當該產品不能滿足客戶需求之後,那麼該產品就該消失被替換了,從而進入下一個新產品開發的周期。


說個化工的

先要有基本雛形
然後是設計,裝置也好實驗也好
先小型化實現
然後提高產率也好效率也罷
就是改進
隨後就是中試
意思就是把小規模的放大到可生產的規模
這一步其實是產業化方面最重要的步驟
往往在小尺度範圍內的東西放大會遇到嚴重的問題
中試之後就是試運行?
總之通過之後就是開始大規模進行複製了
當然生產也有其流程
花的時間很長
所以一套流程下來需要很多人力物力財力時間的投入


只說真人真事,反正我是小嘍啰,不怕不怕。

內地縣城做鋼材的大股東,在深圳投資建立我們公司,又在天津投資煤的高效利用項目。由於國家扶持,先投入二十多億,大股東後來又跑銀行借貸,銀行不敢放。春節拜年聽縣財政局局長說,貸款一直到李克強才批,也算是國家開放政策給能源行業吧。先後投資近一百億。請各位高大上們別覺得少,內地資金在沿海地帶套現能力很差。
研發老大深得大股東賞識,老婆也安排在天津公職部門。可惜工業投產的東東跟實驗室,不只是濃度的差異,根本對不上。14年下半年,研發老大跳江了。他老婆也到股東的主公司鬧,說壓力太大逼死她老公,索賠了三百萬。。。現在就等著我們公司上市,解決資金鏈的問題。
一個大的製造企業對當地的貢獻很多,大股東年近花甲也是很有魄力。只是浮躁科研的大環境,別冷了想做實業人的心。


我曾經在一個IT業內大公司工作,做的就是技術轉化。首先,我們收到產品部門的一個技術問題,希望我們解決。然後,我們會設計一個方法,理論上可以解決問題,實際上沒人知道。和項目組經理討論過以後,我們開始做第一個原型系統,來驗證我們的想法。通常這個系統就是個玩具。問題、方案加系統,兩個月就過去了。。。如果原型系統表現優異,經理就會為我們爭取資源,開發第二個原型系統。這次的系統就需要用和實際產品一樣的環境,再次測量性能。這個過程中需要產品部門大量的協(扯)助(皮),還需要設計產品中各種噁心的細節,耗時可能要半年或者一年!完成第二個系統以後就已經精疲力竭了。最後幾個大老闆坐下來,決定這個解決方案究竟可不可以進產品。被否決的話就可以回去洗洗睡了。周圍一個資深研究員告訴我,他15年就尼瑪做成過兩次!剩下每次,他說他就當家裡人掛了,日子還要繼續!


從我的切身體會中可以看到,傳統研發流程過於緩慢,很難跟上市場腳步,轉化率也很低。所以這樣專註於研發然後再轉化的機構就越來越少啦。
最近一次是微軟研究院在灣區關門。


1、標準:最關鍵的是缺少標準,當然沒有標準你做的好就是標準的制定者
2、試驗:實驗室的東西要量產需要經過大量的試驗驗證發現問題,包括性能的、環境的、耐久的各種試驗。
3、量產:要解決生產工藝的問題,保證產品的一致性,不良品率要盡量控制得很低
4、研發:試驗室的東西注重功能的實現,對供應商的管理幾乎沒有,但量產從選擇供應商開始到對供應商的管理都是很謹慎和細緻的
5、人:量產的產品每個工程師負責一部分,而這個工程師很可能在行業里混了很多年了,這麼多有經驗的人做出來的東西也不是實驗室能比的


從一個在計算機視覺行業從業一年的外行來回答寫問題。

實驗室演算法通常還處在一個很初期的階段,一旦演算法要產品化

第一,技術上,演算法需要考慮到具體項目中的一些因素(這些通常在研究的時候並不會碰到)

第二,轉變上,如何轉變成市場上通用的一些技術介面

第三,產品化,怎麼把演算法工程化成一個產品,並且被市場所接受?很多演算法並沒有實際應用場景,那如何利用已有的演算法呢?這是一個非常大的難題。

第四,工程後的演算法有市場需求嗎?最終總是市場決定需求,所以演算法產品化後,最終還是需要市場來驗證。


放在質檢,這是套系統的實驗室安排。


推薦閱讀:

基於深度學習的自然語言處理在 2016 年有哪些值得期待的發展?
如何評價Yann LeCun 說的「要研究機器學習,本科應盡量多學物理和數學課」?
如何評價 ICLR 2017 中關於 Rethinking Generalization 的那篇文章?
最優化問題中,牛頓法為什麼比梯度下降法求解需要的迭代次數更少?
Python 在網頁爬蟲、數據挖掘、機器學習和自然語言處理領域的應用情況如何?

TAG:機器人 | 科幻 | 機器學習 | 自動化 | 計算機視覺 |