凡事都是定性容易,但用量化分析则往往要复杂许多,我们就要量化一些
当消费互联网陷入低谷期后,市场又开始寻找新的潜力股标的,如最近大热的机器人行业,已经有声音喊出这将会复制消费互联网的成功,会让一级和二级市场赚得盆满钵满。

凡事都是定性容易,但用量化分析则往往要复杂许多,这也就使得市场出现强调定性,但忽略细致分析的现象,于是撰写本文主要来探讨以下问题:

其一,当下机器人市场的基本格局;

其二,中国机器人市场是否可以复制消费互联网的成长性奇迹;

其三,如今是否是投资机器人的最好时机。

机器人概念股缘何不及FANG?
在此之前我本人曾从劳动力供给的角度阐释过机器人在未来的蓝海效应,简而言之,在一个总劳动力供给下行,且劳动生产率的增长边际逐渐收窄之时,如果要提高总生产供给,拉动总经济增长,就必须突破现有劳动力的束缚,也就是向科技要增效,机器人就成为实现此目标的必要手段。

考虑到此分析方式过于学术化和宏观,仅得出了机器人对于中国经济未来具有重要意义,且前景十分光明这一结论,反而忽略了微观领域行业的发展脉络。

为客观判断机器人所处阶段,我们整理代表性机器人ETF(ROBOH与BOTZ)与标普500指数价格,并统计每日同比变动情况,见下图



若我们武断推论机器人为“蓝海”时,看到上图大概会吃惊许多。作为一个所谓的“蓝海”行业,缘何在大多数时间都跑不赢标普500?在美联储放水刺激后,机器人ETF并未旋即走高,而是一直躺平到第三季度才迅速拉起,在2021年第一季度增速达到峰值之后,增长动力旋即回撤,在2021年末同比增长开始跑输于标普500。

如果我们引用投资学的基本逻辑,在一个大放水的周期里,市场风格会发生如下变化:无风险利率下行,市场开始偏爱于高风险且高收益的公司。但在上图中,机器人概念尽管受放水影响也得到了一定的溢价,但客观说其溢价幅度和能力并不能满足于开篇所寄予的期望。

为客观对比,我们再将消费互联网的代表FANG+的ETF同比变动加入上图,可得到下图



对比之后就相当清晰了,FANG+尽管在加息前也是表现平平,但美联储宣布放水之后股价旋即得到体现,此后大幅领先机器人和大盘,无论是牛市的持久性抑或是峰值,FANG+都是相当耀眼的。

经过此番简单对比,我们似乎对机器人概念是大蓝海的判断产生了动摇,或者说其蓝海的成分或许没有我们想象中那么纯正。

但这又明显违背开篇的判断,全世界都在追逐此赛道,一级市场资金也越来越钟爱有机器人概念的公司,这明明是一个蓝海赛道,问题出在哪里?

我们从机器人行业专利入手,理由为:作为以制造业为主基调的行业,专利技术的集中度是可以反映出行业发展的阶段,抑或是说,假如一个行业属于典型的高成长概念,那么其进入门槛相对较低,专利的技术也就可能更分散。

这与消费互联网,甚至是智能手机的产业逻辑都大相径庭,原因为消费互联网更多是建立在商业模式的创新,技术权重在行业发展之初相对较低,而智能手机虽然有各类专利门槛,但事实上专利相对分散,且专利的持有者又往往是智能手机的供应商,合作大于竞争。

我们把机器人行业的专利数量做如下梳理,并制作下图



在此可以很明显看到,全球机器人学的最大专利持有者乃是VM,且头部公司主要集中在日本,韩国和美国三个国家,更为重要的是:以上公司都是老牌制造巨头,在数十年的经营中积累了大量的资本,技术以及前瞻性的技术开发,且大都将机器人视为重要发力点。

基于此我们就对机器人在资本市场的表现有了如下解释:

尽管机器人在近年的资本市场较为火爆,但现阶段参与主体公司大多为老牌制造企业,由于此类公司主营业务发展较为平滑,估值模型相对稳定,尽管也受大放水利好刺激,但由于基础原因等影响使溢价要克制许多。

同时这也为中国机器人企业以警醒:虽然企业在研发投入等方面立足长远,但短期内上述三国企业所形成的专利垄断仍然是企业要提防的,不仅仅有陷入专利官司的危险,更重要的是购买专利也可能会给企业损益表带来沉重负担。

接下来我们来看中国机器人市场的景气度问题。

中国机器人市场:刚刚起步,尚在“蓝海”
继续开篇的话题,当下我国一方面劳动力总供给有持续下行的风险,而另一方面,行业机器人发展早已如火如荼,我国机器人行业更多是追赶,而非许多乐观声音所想的“领跑”。

我们整理了2020年全球主要国家的机器人出货量,可以明显看出处于追赶阶段的中国市场最为庞大,与此同时美国,韩国和日本以及德国为代表的老牌制造大国紧随其后。

这不仅再次验证了我国机器人领域潜力之大,亦能同步看到市场周期之长久,即便日韩,美国等制造业强国在此都有了明显的优势,但机器人采购量仍然维持在较高水平,抑或是说行业的长尾效应乃是相当明显的。

我们又整理了2020年代表国家的工业机器人的使用密度(每一万工人的机器人保有量),见下图

将此图与上图结合去看,会看到我国当下机器人行业的基本现状:处于发展早期,成长空间巨大,使行业呈现出全球市场相对红海,但在中国市场却是一片新兴向荣的蓝海景象。

在此可对全球和我国的机器人行业做如下总结:

其一,这并非是一个新兴行业,而是有着数十年技术基础的“传统行业”;

其二,资本市场对该行业尽管有所溢价,但仍然远落后于可迅速拉高成长性的消费互联网行业,除赛道不同以及参与企业估值模型较为稳定之外,从成长性角度去考虑,由于该行业已经发展多年,机器人普及率在发达国家已经较高,该市场的成长性预期弱于消费互联网;

其三,考虑到中国市场的潜力以及当下的追赶速度,中国市场和海外又会形成反差,也就是该行业在中国市场仍然是个蓝海,其成长性更为显著。

那么当下对我国机器人的景气度究竟如何去判断呢?

中国机器人市场:长期看好,短期谨慎
尽管机器人使用有劳动力供给等方面的天然痛点,但在短期内影响机器人发展的乃是企业对自身未来预期的乐观程度,换言之,当企业管理者对未来充满信心时,就会倾向于开拓新的投资,从增效和增产中获得收益,而在一个景气度相对低迷的周期内,企业就会捂紧钱袋子,保住现金流,进而减少扩张。



在上图中为我国工业增加值的走势情况(工业增加值 = 工业总产出-工业中间投入+应缴增值税),可以看到自2010年之后我国工业增加值的增长中枢就处于下行周期,这固然是基数不断累积,增长边际收窄的必然结果,但在一个转型期内的经济体,短期内受到劳动力供给,薪酬待遇以及社会成本上涨压力而影响工业增加值的因素也是要考虑的。

进入2022年之后,受疫情反复等因素影响,该数值曾一度跌破0,且当下PMI等工业指标也未反弹到理想水平。

也就是说,当下工业制造企业仍然在为生存而奋战,这就极有可能会影响企业的投资信心,在维持现状和积极开拓中,现阶段企业会偏向于前者。

这就相当于被前文定义为“蓝海”的中国机器人业蒙上了重重阴影,在一个预期不甚明朗的阶段里,机器人尽管可以提高产能,降低成本,但当下企业面临的主要挑战乃是需求端,消费市场和固定投资的低迷,这些都使得上游制造企业要承担巨大的不确定性。

因此,尽管开篇至今我们对中国机器人行业以充分的信心,也认同该领域的长期成长性,但短期内(1-2两年内),行业投资者还是要以相对审慎的态度对待,不可过度自信。

当然,此情况也并非一成不变,如果机器人行业要复制新能源汽车和电池的火爆,也并非完全不可能,而是要看:

其一,新能源和电池行业之所以有极为可观的成长性,除行业赛道这一众所周知的因素外,更重要的原因乃是财政性补贴,对相关行业以政府采购以及相关政策性基金的注入,因此我们将实质性的政策性刺激作为一大指标;

其二,在资本市场,机器人概念企业是否具有高成长性的鲜明特点,也就是资本市场提高机器人概念股的成长性,以最近A股的表现为例,在5月指数触底反弹之后,A股不同股票就开始呈现明显的“跷跷板”效应,以基建为代表的价值股和以新能源汽车为代表的成长股,由于地产行业的低迷带来基建的不景气,反而撬动了新能源回报率的走高。机器人概念股是否可以也纳入一些成长性基金的配置,就显得尤为重要了。

最后总结本文:

其一,机器人行业并非可以用“蓝海”可以简单概括,要想在此完全复制消费互联网的成功也非简单的“赛道”论可以概括;

其二,中国市场和海外发达国家所处周期不同,呈现海外红海,国内蓝海的局面;

其三,我们对中国机器人市场持谨慎乐观态度,而其拐点还是要看政府相关刺激政策和资本市场的充分认可。





计算生物来到商业化前夜,一文搞懂产业链全貌

三个发展阶段,四大关键趋势
这个赛道火到全球大厂都想插一脚,却从未诞生一家真正意义上的公司。

它就是计算生物。

谷歌Meta英伟达百度阿里,还有比比皆是的初创企业,都屡屡传出最新前沿进展。



作为工具类学科,很难想象会在诞生近30年之后迎来如此盛况。

如今在AI激活、数据驱动下,计算生物已经来到大规模应用前夜。它将如何落地?发展到什么阶段?国内外差距到底有多大?

量子位智库做了个全球体系化梳理写下《计算生物学深度产业报告》,并整理出七个问答速览整个行业全貌。

1、计算生物学究竟是什么?
计算生物学的定义:

计算生物学,Computational Biology,是根据不同类型的生物数据构建算法和模型,从而理解生物系统本身,并推进相关研究及应用的学科。

计算生物学现有的技术特征包括:

需要多维的生物学数据(如跨组学、跨时空维度、跨研究对象等)。要求对生物数据进行有目的的制备、获取及标注。

需要AI算法设计及创新。要求在兼顾数学、 物理、化学、计算科学等多门学科的基础上建立模型

我们认为,从海量生物数据的开发难度、以及愈加复杂的生物应用需求来看,计算生物学已经成为生物领域发展的必备要素。

2、计算生物学能带来什么价值?
整体而言,我们将其价值划分为科研价值和应用价值两部分,目前主要集中在前者,主要表现为提升生物实验效率及精度,补充实验依据等。

后者主要体现为AI制药领域的化合物筛选。





3、计算生物学目前发展到了什么阶段?
以最终落地应用和商业化为核心导向,我们将计算生物学的发展阶段分为三部分:

2025年前的基础积淀期;

2025-2030的普遍验证期;

2030年后的全面发展期。





目前,计算生物学还主要停留在实验室和研究机构中。

在我国, 甚至尚未出现以计算生物学平台为核心服务的垂直初创公司。总体来说,仍在基础沉淀期,距离开始产业化还有3-5年

长期来看,积累多组学数据、探索可变现场景、持续优化计算生物学软件、提升研究层级是计算生物学领域长期发展的四大关键趋势。

4、作为底层学科,计算生物学如何实现商业化?
目前,计算生物行业同时涉及2B和2C的商业模式,主要为算法授权、生物资产和软件使用。我国目前主要为前两种。

鉴于软件平台和先锋项目能够形成技术及业务迭代闭环,我们认为,在出现大量优势自研算法后,软件平台所占的比重将有明显上升。



5、计算生物学的产业链如何?
由于计算生物学本身属于工具型学科,我们采用「底层支撑+上层相关从业公司」的思路对其产业链进行拆分。



在底层支撑中,生物数据及算法框架成为两大关键。

数据方面,短期来看,高质量标注数据不足为第三方生物数据库提供了市场空间。长期来看,智能实验室的构建、高通量的生物实验能力、乃至于自研的样本提取处理方法等,对于自有数据至关重要。

而现有计算生物学从业公司可大致分为两类方向:一类是以落地场景为核心主营业务,另一类则是以计算生物学能力作为核心业务的拓展。



6、行业的驱动因素和发展瓶颈都包括什么?
关键驱动因素包括三方面:

宏观人工智能带来的更强的计算能力;

微阵列、生物芯片、高通量测序、细胞实验平台、新型蛋白质质谱等生物数据相关技术的发展;

生物医疗领域空白和个性化医疗的需求

行业的关键瓶颈则涉及更多,具体包括底层生物机制及相关生物细节的有机引入、统一的计算生物学软件及数据框架、消费级的数据获取、具体的工程能力、行业信任与模型可解释性问题、以及数据隐私问题。

7、国内外产业化差距有多大?
我国企业在数量、发展程度、性质、布局场景上差异明显,中外差距约在5年左右。

一方面,国内的商业化场景在数量上和国外有较大差距。

目前,国内以AI制药为核心场景,生物模拟、疾病建模等场景尚未有明显起色。而在国外,各初创公司已广泛涵盖各类场景,在公司融资规模、产品化程度、落地推广程度上也已跨过了从0到1阶段。

在软件相关场景上差异更为明显。

量子位智库认为,能够提供特定建模的计算生物学软件将成为短期内商业化的重要发力点。国外大量公司已进入这一领域并对外商用,而我国大多有能力的从业公司选择内部应用,大多已开源平台尚未达到可收费水平。

One More Thing
最后再来简单回顾一下计算生物学的七大判断。





机器人市场:全球已“红海”,中国尚“蓝海”