VC/PE走进仓库，木蚁机器人完成近亿元融资
? 
3月29日消息，近期，木蚁机器人宣布完成近亿元B+轮融资，资方有辰韬资本、蓝驰创投等。本次融资资金将主要用于加大室内外无人驾驶车产品线研发投入，推动规模化多场景项目落地以及人才体系建设。
2019年起，木蚁机器人致力于无人驾驶叉车、智能物流解决方案相关的研发、设计及应用落地。木蚁核心团队来自美国联合技术研究中心、阿里达摩院、京东、华为等国内外从事无人驾驶、人工智能行业和智能物流等行业的顶尖团队。
早前，木蚁机器人已获得由蓝驰创投、德邦快递、起点资本等多家资本方的青睐，先后已完成数亿元的融资。
作为工业及物流领域使用量最大的搬运工具，“叉车”这一品类注定是个爆款产品。木蚁深耕物流行业数年，基于对场景的深度理解，通过不断的技术升级和迭代，重新定义叉车。木蚁无人叉车，从其2.6米/秒的高速单体智能到大规模的集群控制操作，不拘泥于简单环境的低速运行，而能在复杂环境中的批量落地。木蚁完成了从低速单体智能到高速群体智能的演进成为木蚁最大的核心优势。
早在2020年首创落地了大规模百台集群调度控制系统方案，在全球范围内开创了全新的运行模式。通过核心调度系统，连通现场的货物、车辆、人工，由单点到多面最后形成一张强大的数据网，通过数据网对现场进行数据化管理运营，也就是“物流大脑”。
“物流大脑”作为木蚁自研的调度系统，在经过业内最大运营场景的打磨和数据积累下，使用分布式服务架构，可以实现数千台机器人的同时调度，组成“柔性分拣带”协同作业，也支持机器人的随时接入，支持人工模式和自动模式的任意切换，极具客户亲和力，这在行业内也是首屈一指的体验。
“5G端-管-云一体化”的大规模分布式3D SLAM技术---mSLAM， 充分利用边缘端和云端算力，在不牺牲精度的前提下降低了构建和更新大规模地图的时间和成本。mSLAM成为木蚁群体智能的又一个核心技术优势，有效应对了多元化场景环境变化的挑战。
木蚁另外一大技术革新升级，即基于大规模分布式mSLAM技术的“室内外导航模块”Mooe-Core，是一套全栈无人驾驶技术搭建的导航模块硬件，可让车辆具备室内外中高速运行能力，同时MooeCore适配各类车型，具备“软件定义硬件”能力可适配叉车、物流车、AMR等多种不同车型，实现室内外通用的场景，能够在各种园区道路和复杂的人机混场环境中实现全域自动驾驶。该模块可支持室内外10万平方米以上的群体自动驾驶，业内首创。
在独特路径攻克最复杂、高难度、强痛点的快运场景，木蚁专注深挖大批量、高密度、高频次搬运场景，以完成物流快运场景的规模化复制。基于对搬运场景的深度理解，已服务的客户包括德邦、韵达、安能、跨越、壹米滴答等物流快运领域中70%的头部企业，并实现了单仓库百台无人叉车运行的突破。目前已有数百台无人叉车每天在各大物流分拨中心搬运货物，运行里程已突破120万公里。同时，木蚁可以基于快运场景的优势，快速通过爆款产品建立供应链优势。
基于自动驾驶技术优势，木蚁再突破了批量化的室外园区落地场景，为园区内商户提供场内货物转运服务，进一步拓展了群体自动驾驶的边界。该型号无人车可以应用于冷链物流园区、室外物流园区、农副产品集贸区、批发市场等复杂环境。此项目是木蚁F2无人车系列成功落地的首个室外场景，作为木蚁进军室外场景的新起点，引发广泛关注。同时兼具技术及运营优势的木蚁将面对更大的万亿级别的市场挑战。
面对里程碑式的新起点，木蚁机器人CEO钱莫天表示：木蚁机器人以物流枢纽中心作为根据地，通过“群体自动驾驶”技术提供全栈搬运解决方案。木蚁聚焦高密集搬运场景已两年多，已经在物流分拨中心实现了数百台无人叉车的日夜运行。在2022年，我们会乘胜追击，进一步完善“群体智能分拣系统”的打造，建立物流快运自动化的新标准和方案，提高3倍以上的业务增量。同时也会在更大市场空间、更高挑战性的室外群体自动搬运场景上实现新的战场拓展。
辰韬资本执行总经理贺雄松表示：木蚁机器人在无人叉车方向奠定了物流中转场领域的头部地位，并从室内走向室外，率先实现室外园区转运场景的无人化运营，步入了千亿级的市场蓝海市场。我们坚定看好木蚁机器人在无人叉车行业的精准卡位以及突出的团队执行力，期待木蚁机器人在赛道中持续领跑。
作为B轮的领投方，蓝驰创投也参与了本次的加轮投资，蓝驰创投合伙人曹巍表示：叉车是制造业和物流行业中无处不在的爆款产品，木蚁团队从物流赛道切入，基于他们重新定义的智能叉车系统快速实现了在分拨中心、仓储、户外园区等高难度、复杂场景的方案落地，并获得了大量头部客户的认可。目前智能叉车的整体市场渗透率还非常低，我们非常看好木蚁团队围绕场景痛点和难点持续推动产品、方案创新的能力。
未来，木蚁机器人将继续沿着无人驾驶以及群体智能的技术路线，深入场景、迭代产品、丰富产品线，致力于提供更稳定、安全、优化的室内外无人搬运的产品及解决方案，完成“让人类不再搬运“的使命。
