第四次工业革命时代我们即将进入第四次工业革命时代，其规模之大不可想象——任正非
因为AI大模型的出现，特别是生成式AI得到验证后，通用性问题被解决：
人类和AI，将携手创造一个全新世界。
之前我们一直判断美国经济会进入衰退，但美国美国没有衰退，美国搞出了ChatGPT，相当于一次真正的工业革命。之前我们对工业革命有个二次判断失误，一次失误是以德国为主的工业4.0，搞机器联网；第二次判断失误是搞iot物联网,物联网代表代表第四次工业革命，代表未来趋势，但真正的工业革命可能是AI。所以目前大家不敢创业、创新了呢，当前进入一个什么了一个无IP不商业，无AI不创业时代，今天如果不搞AI，拿到投资都不可能。 可以大言不惭地说，我们是业内最早在网上发文给工业4.0泼冷水的（参见旧文《给4.0泼冷水：制造企业应该如何正确看待和开展工业4.0项目》，《工业4.0的冷处理》，《2021，和工业4.0说拜拜》），而且在各种场合和工业4.0的主流观点唱反调，并建议企业谨慎投资工业4.0概念相关的项目。我们反对工业4.0的非常重要的原因之一，就是它名不配位。把大数据，物联网，数字孪生之类的技术说成是第四次工业革命，和蒸汽机（蒸汽革命），发电机（电力革命），计算机（信息革命）比肩过于牵强。就好比说四大发明有造纸术，印刷术，指南针和充电宝；四大美女有西施，貂蝉，王昭君和李小璐；四大天王有刘德华，张学友，郭富城和黄晓明... ...就像是三句半表演的第四位，承担了全场的笑点。所以我们一直认为工业4.0绝算不上第四次工业革命，最有希望成为第四次工业革命导火索的技术是人工智能，其次是离我们还有些遥远的量子计算机。
我们正处于传统信息技术时代的黄昏，和人工智能时代的黎明。
在过去的260年间，人类社会经历了三次巨大的科技创新浪潮，蒸汽机、电力和信息技术，将全球GDP提升了近千倍。每一次科技浪潮都通过某一项先进生产力要素的突破，进而引起大多数行业的变革：比如蒸汽机的出现推动了汽车、火车、轮船、钢铁等行业的巨大发展，140年前美国铁路行业的恶性竞争史，就如同现今互联网行业BAT之间的竞争。而铁路行业发展、兼并所需的巨额金融资本，又驱动了华尔街的发展，逐渐成为全球的金融中心。
二战之后以信息技术为核心的第三次科技革命迄今已逾70年，将全球GDP提升约60倍。其中可分为两段：1950年-1990年，是半导体产业迅猛发展的时代，推动了大型计算机向个人PC的小型化；1990年至今是近30年的互联网全球化时代，而互联网时代又细分为桌面互联网和移动互联网两段。
但随着摩尔定律的失效和信息技术红利彻底用尽，加上疫情黑天鹅影响，全球GDP衰退，引发并加剧了全球地缘政治和军事冲突，开始向逆全球化发展。
所以未来到底属于web3、元宇宙，还是碳中和？到底什么样的革命性技术可以引领人类社会走出经济衰退、疫情和战争的影响，并将全球经济体量再向上推动增长下一个50倍？
我们的答案是，我们早已处于人工智能时代之中。就像直到2010年iphone4发布，绝大多数人也并未意识到移动互联网革命早已开始一样，如今人工智能其实也已广泛应用，比如到处遍布的摄像头和手机人脸识别，微信语音和文本转换，抖音动态美颜特效、推荐算法，家庭扫地机器人和餐厅送餐机器人，背后都是人工智能核心技术在过去十年不断取得的巨大突破。
一、为什么是机器人
1.机器人的外延及框架
虽然机器人产业已有超过60年发展史，在传统【工业机器人】及【服务机器人】分析框架下，全球机器人产业仅有300-400亿美元行业规模，但我们认为，在智能化加持下，机器人的外延及边界已被数倍扩大，新物种的诞生及传统设备的智能化将共同驱动“机器人”产业十倍及百倍增长。
概括来讲，机器人普遍存在的意义是“为人类服务”的可运动智能设备，包括机器人对于人类劳动的替代、完成人类所无法完成任务的能力延伸以及情感陪伴等价值。
面对人类对于物质及精神永不停止的需求增长，相对于元宇宙，机器人将会是“现实宇宙”中的最佳供给方案。
2.AI将会带给机器人怎样的质变
（1）智能化大幅提升
- 可软件升级：传统机器人无法实现软件算法在线升级，智能化机器人能够通过软件算法的迭代持续提升性能；这让机器人的能力理论上是没有上限的
- 规模效应：机器人应用规模越大，收集数据越多，算法迭代越完善，机器人越好用
- 可适用性大幅增加：机器人智慧程度线性增加，可适用的场景及价值将会指数增加
（2）智能化带来的场景适用性提升
AI技术将会是机器人全面爆发的最大变量，机器人产业的爆发极有可能是新物种引领；例如近三年全面爆发的机器人项目，在10年前几乎不存在（例如九号公司、石头科技、普渡、擎朗、云迹、高仙、梅卡曼德、极智嘉等）。
二、为什么是现在？
1.劳动力替代及升级趋势不可逆
- 在人口老龄化趋势下，2015-2020年，我国劳动力人口减少约1700万人，我国人均收入从4.97万元增至7.15万元，在用工难及用工贵的不可逆趋势下，智能化机器人的补充成为最重要的生产力增长点。
- 2021年我国人均GDP已超1.2万美元，在我国将成为全球人口最多的高收入国家（门槛为人均1.25万美元）的进程中，作为全球最大的制造业大国转型升级，将会带来全世界体量最大的机器人用工需求。
2.成熟的技术与产业基础
我们认为，智能手机及智能汽车产业的发展，实质上为现阶段智能机器人产业爆发奠定了大量技术基础：
- 感知层面：视觉模组、激光雷达、毫米波雷达的逐渐发展，成本降低到可用的程度；数据采集、算法训练及软件在线迭代为智能机器人未来持续升级提供了借鉴范式；
- 决策层面：智能SoC芯片提供了足够的算力基础，汽车自动驾驶与移动机器人在底层技术上亦有相通之处；
- 控制层面：近十年锂电技术提升了电池续航能力，同时有线及无线充电技术快速进步，5G及WIFI技术发展为机器人提供了通讯控制基础；
- 环境基础：我国拥有全世界最适合机器人产业发展的土壤，例如低成本敏捷供应链、低成本清洁能源供给、工程师红利、最广大数据收集场景；现阶段创造一款机器人新品的零配件采购难度要远低于十年前；
三、如何判断未来十年新机遇
1.从职业场景出发 —— 寻找未被满足的大赛道
- 我们认为投资机构在机器人领域投的并不单纯是智能硬件或国产替代，而是押注未来数个万亿级、数十个千亿级、上百个百亿级工作场景的无人化；未来机器人公司主流定价方式很可能取决于可替代的必要劳动价值，机器人公司直接提供高粘性持续的收费服务（Robot as a Service），而非按照传统的“BOM成本+一定的毛利空间”去定价。
- 我们收集了不同职业场景的从业人数及人均收入数据，得出不同职业劳动力成本总和，制作了机器人领域潜在替代场景图谱。
- 未来机器人对于人工的替代将从大场景、低复杂度入手，逐步向中小型场景、高复杂度渗透；未来10年最有潜力的投资方向将会是现阶段供给基本空白的大场景。
数据来源：国家统计局等机构上图部分职业又可细分出上百个环节（根据“十四五”机器人发展规划）
（1）制造业：焊接、自动搬运、防爆物品生产、分拣、包装、协作生产、打磨、装配等工作（2）建筑业：建筑部件智能化生产、测量、材料配送、钢筋加工、混凝土浇筑、楼面墙面装饰装修、构部件安装、焊接等工作（3）农业：可进一步拆分为果园除草、精准植保、果蔬剪枝、采摘收获、分选，以及用于畜禽养殖业的喂料、巡检、清淤泥、清网衣附着物、消毒处理等工作（4）矿业：采掘、支护、钻孔、巡检、重载辅助运输等工作（5）医疗康复：手术、护理、检查、康复、咨询、配送等工作（6）养老助残：助行、助浴、物品递送、情感陪护、智能假肢等应用（7）家用场景：家务劳动、教育、娱乐、安防监控等工作（8）公共场所：讲解导引、餐饮、配送、代步等工作（9）水下场景：水下探测、监测、作业、深海矿产资源开发等工作（10）安防场景：安保巡逻、缉私安检、反恐防暴、勘查取证、交通管理、边防管理、治安管控等工作（11）危险环境作业：消防、应急救援、安全巡检、核工业操作、海洋捕捞等工作（12）卫生防疫：检验采样、消毒清洁、室内配送、辅助移位、辅助巡诊查房、重症护理辅助操作等工作
2.从技术可行性出发 —— 细分场景的实现难度
（1）从【场景是否单一】及【工作复杂度】两个维度进行分析
分析一项职业被机器人替代的难度，我们认为可以落入以下四个象限进行分析；其中场景维度指该项工作是否需要适应多变的环境，是否需要转移；复杂度指完成该项工作需要的知识储备多少及解决问题的难度
A. 单一场景、低复杂度：例如简单的加工制造工序、搬运、安保、清洁、农业养殖等劳动更容易率先实现机器替代B. 单一场景、高复杂度：例如绘画、音乐演奏、作家、医生、教育、财务、销售、厨师等场景C. 多场景、低复杂度：例如应对不同场景下的无人驾驶，不同种类的家务劳动D. 多场景、高复杂度：例如警察、外交官、企业管理人员、研发创新等工作
（2）从机器与人类的思维长处分析
- 机器智能在大规模数据与信息处理、细节分析等方面具备天然优势
- 在需要情感、综合推理、想象力、创造力等方面的职业，人类被机器人替代的难度较大
3.从经济性出发 —— 替代人效比
如何判断某个细分场景下，是否已经到达了机器人应用拐点？我们认为核心指标是替代人效比，即机器人的购买及维护成本相对于同岗位人力成本的回本周期
- ROI ＜ 48个月时，该细分赛道会有产品出现，客户开始考虑尝试
- ROI ＜ 24个月时，该细分赛道客户开始批量购买测试
- ROI ＜ 12个月时，市场开始全产爆发
- 经济性逐渐提升背后的因素：人员成本上涨、人力紧缺、上游零配件成本下降、规模量产降低了成本、AI技术发展使得功能实现的成本降低等
四、机器人智能化三要素解析
- 什么样的机器人能够称得上是智能机器人？目前世界范围内还没有一个统一定义
- 我们认为如果对智能机器人进行抽象化解析，往往需要具备三大要素——即感知、决策和控制。
- 感知要素：用来认识周围环境状态，包括能感知视觉、接近、距离等的非接触型传感器和能感知力、压觉、触觉等的接触型传感器。这些要素实质上就是相当于人的眼、鼻、耳等五官,功能可以利用诸如摄像机、像传感器、超声波传成器、激光器、导电橡胶、压电元件、气动元件、行程开关等机电元器件来实现。
- 决策要素：也称为思考要素，根据传感器收集的数据，思考出采用什么样的动作。智能机器人的思考要素是三个要素中的关键。思考要素包括有判断、逻辑分析、理解等方面的智力活动。这些智力活动实质上是一个信息处理过程，而计算机则是完成这个处理过程的主要手段。
- 控制要素：也称为运动要素，对外界做出反应性动作；对运动要素来说，智能机器人需要有一个无轨道型的移动机构，以适应诸如平地、台阶、墙壁、楼梯、坡道等不同的地理环境。它们的功能可以借助轮子、履带、支脚、吸盘、气垫等移动机构来完成。在运动过程中要对移动机构进行实时控制，这种控制不仅要包括有位置控制，而且还要有力度控制、位置与力度混合控制、伸缩率控制等。
- 从商业机会的角度来讲，三大要素并不是独立割裂的，例如做视觉传感器的玩家往往要配套相应的软件算法，服务于各细分场景的厂商需要极强的多传感器融合、多机型控制及面向行业的智能决策能力。
- 三大要素中既有专精于某一环节的零部件或软件供应商机会（如核心零部件、操作系统、关键控制算法等），也有整合了其中2-3个环节的关键技术要素，为细分场景提供全套服务的应用机会（例如在清洁、配送、交通等场景的机器人服务商）。
1.感知 —— 机器人感觉器官
（1）传感器分类
- 内部传感器：内部传感器是用于测量机器人自身状态的功能元件，其功能是测量运动学量和力学量，用于机器人感知自身的运动状态，使得机器人可以按照规定的位置、轨迹和速度等参数运动；包括位置传感器、速度传感器、加速度传感器、力传感器、压力传感器、力矩传感器、姿态传感器等。
- 外部传感器：外部传感器主要是感知机器人自身所处环境以及自身和环境之家的相互信息，包括视觉、力觉等。包括激光雷达、嗅觉传感器、视觉传感器、语音合成、语音识别、可见光和红外线传感器等。
（2）传感器在智能机器人的应用
- 视觉和接近传感器：类似于自动驾驶车辆所需的传感器，包括摄像头、红外线、声纳、超声波、雷达和激光雷达。某些情况下可以使用多个摄像头，尤其是立体视觉。将这些传感器组合起来使用，机器人便可以确定尺寸，识别物体，并确定其距离。
- 触觉传感器：微型开关是接触传感器最常用型式，另有隔离式双态接触传感器(即双稳态开关半导体电路)、单模拟量传感器、矩阵传感器(压电元件的矩阵传感器、人工皮肤——变电导聚合物、光反射触觉传感器等)。
- 射频识别（RFID）传感器：可以提供识别码并允许得到许可的机器人获取其他信息。
- 声学传感器（麦克风）：帮助机器人接收语音命令并识别熟悉环境中的异常声音。如果加上压电传感器，还可以识别并消除振动引起的噪声，避免机器人错误理解语音命令。先进的算法甚至可以让机器人了解说话者的情绪。
- 湿温度传感器：是机器人自我诊断的一部分，可用于确定其周遭的环境，避免潜在的有害热源。利用化学、光学和颜色传感器，机器人能够评估、调整和检测其环境中存在的问题。
- 运动稳定性感知：对于可以走路、跑步甚至跳舞的人形机器人，稳定性是一个主要问题。它们需要与智能手机相同类型的传感器，以便提供机器人的准确位置数据。在这些应用采用了具有3轴加速度计、3轴陀螺仪和3轴磁力计的9自由度（9DOF）传感器或惯性测量单元（IMU）。
- 传感器微型化趋势：过去传感器的性能与体积往往成正比，限制了其在机器人领域应用。芯片制程技术提升使微型传感器的制造成为可能，从而广泛应用于机器人领域。
（3）多传感器融合是未来趋势
- 多传感器信息融合技术是近年来十分热门的研究课题，指综合来自多个传感器的感知数据, 经过融合的多传感器系统能够更加完善、精确地反映检测对象的特性, 消除信息的不确定性 ,提高信息的可靠性。融合后的多传感器信息具有以下特性 : 冗余性、互补性、实时性和低成本性。
- 多传感器信息融合方法主要有贝叶斯估计、Dempster-Shafer 理论、卡尔曼滤波 、神经网络 、小波变换等。
2.决策 —— 机器人大脑
机器人决策我们认为是最具场景差异化的部分，因为不同职业场景下的工作方式、思维逻辑是大相径庭的；在机器人算法与决策方面的创业团队需要非常熟悉场景需求，提炼出标准化的操作流程，然后应用于机器人软硬件控制中。
想要让机器人解决问题我们需要完成三个步骤：第一，明确问题的方向和边界；第二，建立数学模型；最后，找到合适的算法解决问题。这里我们重点讨论将复杂的现实问题转化为数学语言的“建模”过程和选择算法的过程。
建模的第一步需要确定假设。我们需要先明确想让机器人做出什么样精度的决策，以及能否实现，从而确定需要考虑和舍弃哪些要素。在确定了重要变量和核心关系后，我们就把复杂的现实问题转化成计算机可以理解、算法可以处理的数学问题。确定假设后，常识能帮助我们验证模型，但是多数情况下需要我们不断地将模型和现实问题作比较，从而把现实问题尽可能无损地映射进计算机里面。
在建立了模型后，我们需要选择合适的算法来解决不同模型对应的具体现实问题。在进行算法选择的时候需要具体问题具体分析，兼顾“质量”与“效率”。比如同样是让计算机处理图像数据，家庭场景下的扫地机器人和专门用来处理天文观测数据的计算机对算法要求就不一样：前者要求在较快的时间内完成对图像精准度适中的处理，而后者对时间则无感，对精准度有极高的要求。也正是因为绝大多数问题不存在唯一解或者绝对正确的解，算法工程师需要根据机器人工作的场景和目标做出最合适的取舍。
在机器人决策环节中，让机器人自身的硬件处理多少计算任务是一个关键的问题。通常情况下，如果任务的执行依赖于多个机器人采集的多点数据，那么计算任务就更可能在多点数据汇集起来后，被放在远端的云服务器上进行处理。比如，如果有大量的机器人在特定的街区内追捕嫌犯，那么我们就需要所有机器人把采集到的图像等信息上传到云端处理，在一个“大脑中枢”规划了每一个机器人的路径后，每个机器人执行自己所接收到的指令。当然，多数情况下应用云计算的场景是，每个机器人自身的芯片算力不足或者单位能耗过大。云计算提供了一种更加经济的算力解决方案，帮助机器人解决所面临的问题。在此基础上，为了避免网络带宽不足、处理时间过长等问题，人们还会使用边缘计算、雾计算等方案。
以上是机器人决策部分所需要考虑的共性问题。当然，不同场景下机器人所面临的的决策问题非常不同，我们认为这也是机器人应用中最具场景差异化的部分。不过站在更高的维度上进行抽象后，我们依然能够发现大多数机器人都需要面对三大类决策问题：按照什么规则移动位置——移动决策、按照什么规则调整自身——机械臂运动决策，以及如何保障贯彻人类指令——人机交互决策。
（1）平面移动能力
- 定位导航技术需要机器人的感知能力，需要借助视觉传感器（如激光雷达）来帮助机器人完成周围环境的扫描，并配合相应的算法，构建有效的地图数据，以完成运算，最终实现机器人的自主定位导航。
- 同步定位：主要涉及激光SLAM以及视觉SLAM。前者主要采用2D或3D激光雷达进行数据搜集，后者主要有两种技术路径——基于RGBD的深度摄像机和基于单目、双目或鱼眼摄像头。
- 地图构建：机器人学中的地图构建主要有4种：栅格地图、特征点地图、直接表征法以及拓扑地图。
- 路径规划：路径规划是导航研究中的一个重要环节，主要方法有3种：基于事例的学习方法、基于环境模型的规划方法、基于行为的路径规划方法。
（2）三维空间运动能力
- 空间机械臂操控过程中涉及的 5 项关键技术，包括：交会对接与捕获技术、自主规划与智能控制技术、传感与感知技术、智能协同与操控技术及系统安全保障技术。
- 视觉系统的是智能机械臂三维运动最重要的组成部分，主要由计算机、摄影设备及图像采集设备构成。机器人视觉系统工作过程主要有图像采集、图像分析、图像输出等，其中，图像特征分析、图像辨别、图像分割均为关键任务，视觉信息的压缩和滤波处理、特定环境标志识别、环境和故障物检测等是视觉信息处理中难度最大、最核心的过程。
（3）人机交互能力
- 语音交互：结合语音人机交互过程，人机交互中的关键技术中包含了自然语音处理、语义分析和理解、知识构建和学习体系、语音技术、整合通信技术以及云计算处理技术。
- 视觉交互：机器人如果需要理解人类的感情，就会涉及人脸识别技术，包括特征提取及分类。
- 手势交互：目前，常用的手势识别方法主要包括基于神经网络的识别方法、基于隐马尔可夫模型的识别方法和基于几何特征的识别方法。
3.控制 —— 机器人运动能力
（1）常见的运动控制部件
- 机器人三大核心零部件为减速器、伺服电机、控制器，三大部件成本占机器人成本70%左右，其中减速器占成本构成35%左右，伺服电机占23%左右，控制器占12%左右。
- 我国工业机器人零部件目前仍处于追赶者，核心零部件主要依赖进口，但国产厂商（如埃斯顿、汇川技术、绿的谐波等）目前正在由守转攻的转折点，市占率即将超过50%，正在开始获得国外头部客户订单；我们认为机器人核心零部件进口只是短期问题，未来3-5年我国在制造水平及成本上有望全面赶超国外水平。
- 在服务机器人领域（如餐饮、清洁、递送等机器人），我国零部件及本体制造已达到全球领先水平；在供应链优势下，技术及成本上有望进一步突破。
数据来源：公司公告、浙商证券研究所，部分国产份额为预估值 （2）机器人运动如何进一步发展
- 与其他形态的机器人（如履带式、轮式等）相比，腿足式机器人在移动范围和灵活性上有巨大优势。但是实现行走乃至跑跳对腿足式机器人来说并不容易，除了Boston Dynamics研发的腿足式机器人（如Atlas）之外，我们很少看到其他公司研发出灵活的、具有优秀平衡感腿足式机器人
- 要想让机器人像人一样灵巧、平稳地移动，并在此基础上完成复杂的任务，机器人的每一步都需要动态平衡，需要对瞬间的不稳定性有极强的适应能力。这包括需要快速调整脚的着地点，计算出突然转向需要施加多大的力，更重要的是还要在极短的时间内向足部实施非常大而又精准的力。这对控制理论、系统集成和工程实现等多个维度都提出了极高的要求。这里我们先讨论两个控制理论相关的问题——机器人柔顺控制和机器人攀爬步态规划，然后再介绍控制系统相关的探索成果。
a. 机器人柔顺控制
- 机器人单腿运动方面的研究是机器人全身柔顺控制的基础。机器人单腿柔顺控制的关键是研究不同控制方法下的腿部对外界冲击的响应，探究减小机器人与外界环境交互力的方法，以提高腿足式机器人运动的平稳性。具体来说可以细化为如下两部分：
- 位置控制：位置控制即根据规划完成的腿部足端的运动轨迹，通过逆运动学求解出期望的关节角度，并进一步将期望关节角度映射为关节执行器的期望长度；
- 阻抗控制：在位置控制的基础上，将腿部足底力引入控制闭环中，通过调节系统的柔顺特性。在拉压力传感器读取相关信息后，经过一系列计算求得腿部足底力，从而控制机器人调整腿部关节，达到减小足端对环境冲击的效果。
- 在单腿柔顺控制的基础上，结合机器人躯干姿态控制和运动轨迹规划等方案，我们才能在未来实现腿足式机器人在平坦地面、崎岖地面、台阶与坡面的稳定运动。
b. 机器人攀爬步态规划
- 在腿足机器人的各种步态中，使用静步态可以大大增加机器人自身的稳定性，通过崎岖度较高的地形。围绕间歇静步态规划方法的改进是腿足式机器人攀爬步态规划领域的热点问题，主要研究方向包括：改变迈步顺序（从多达24种不同的静步态中进行选择）和调整机器人重心（在移动速度和机器人稳定性中寻找平衡）。
c. 控制系统的整合与设计
- 要想让机器人具备优秀的平衡能力、像人一样灵巧地运动，需要把控制理论方面的成果与优秀的系统设计和工程能力结合起来。
- 在这方面，Boston Dynamics走在前列，在Altas机器人的设计中引入液压系统进行动作控制，这样可以保证瞬时更大的控制动力输出和更精确的力传递。Atlas机器人还引入了仿生的整体集成结构设计概念，有像骨骼和关节一样的支撑结构及油缸，还有像血管和神经一样的油路和电路。
- 当然，腿足式机器人本身的形态也会在某些场景下限制其应用。我们还需要关注机器人形态相关创新，因为这些突破能够把机器人的适应力提升到新的层次。
- 随着液态金属控制技术、基于肌电信号的控制技术等在内的前沿科技发展，越来越多的新材料开始在机器人领域内被使用和普及。加之刚柔耦合结构和仿生新材料领域的突破，我们看到在机器人力学设计验证、运动控制等方向上，逐步打破了传统的机械的多关节模式，从而不断提升机器人对环境的适应能力。例如，哈尔滨工业大学的郭斌教授和贺强教授团队成功研制出世界首例具有变形和融合能力的液态金属游动纳米机器人，从而在机器人控制领域让人们有了更多想象的空间。
五、产业图谱及值得关注的方向
1.智能机器人产业图谱
- 我们从机器人智能化的三大要素及机器人可替代的劳动场景入手，梳理了智能机器人产业图谱（仅列出部分企业示意），我们认为基于此框架下，在现有及未知的细分领域将会不断有智能机器人解决方案涌现
2.值得关注的细分方向
（1）清洁等服务场景机器人
- 我国家政劳动人员在3000万人以上，整体呈老龄化趋势，是劳动力成本最大的用人场景之一（年工资规模在2万亿以上）；其中景吾智能创新性开发了立体空间清洁机器人，能够代替人工实现立体空间的复杂擦拭等工作；麦岩智能从商用室内清洁机器人入手，专注于未来社区智能服务机器人，在社区、商业、文旅、会展、康养多场景全面提升服务效率
（Scale Partners根据公开信息整理）
（2）建筑场景机器人
- 建筑体量是最大的几万亿级用人换场景之一，招人困难，建筑工人有老龄化趋势，但场景较为复杂，过去几年未有大规模解决方案；目前部分玩家已从局部工种开始切入，在部分场景上已实践数倍提升其中蔚建科技、大界机器人、筑橙科技、大方智等公司段在成本及效率上逐渐替代人力的同时效，同时在精细度上高于人工
- 海外发达国家的工价是国内的6-10倍，施工效率更远低于国内，因此海外市场对建筑机器人的需求非常强烈，同时海外客户习惯购买机械设备，而国内以租赁为主
（Scale Partners根据公开信息整理）
（3）农业场景机器人
- 我国农业劳动人口达1.7亿人，每年劳动人力成本在3万亿以上，但我国农业机械化、数字化及智能化水平远低于发达国家；发展农业机器人有利于缓解农业劳动力短缺，同时在部分场景下具有提高农作物产量及质量，减少农业碳排放等间接价值
（Scale Partners根据公开信息整理）
（4）空中巡检及水下等特殊场景机器人
- 除人力劳动的替代外，未来更多的机遇来自于人类能力的延伸工作，例如船体清洁、无人机巡检、水下探测等场景，例如纳百机器人通过对货轮船体的检测与清洗，运用 AI 技术对货轮燃油消耗进行预测性分析，最大限度地优化货轮的燃油消耗水平，有效降低二氧化碳排放
（Scale Partners根据公开信息整理）
（5）机器人感知技术
- 我们认为具备视觉感知是实现机器人智能化的核心要素，伴随的视觉传感器及相关软件算法不仅在机器人领域有较高通用性，同时可广泛应用于AI视觉检测、工业、交通等多个场景
- 外相对于下游做本体及解决方案的厂家，上游的传感器零部件更容易标准化、容易大规模上量
（Scale Partners根据公开信息整理）
（6）机器人运动控制技术
- 运动关节及控制部件是智能机器人实现复杂功能的基础，其中运动关节的小型化、精度、寿命等要素是持续创新的关键点；此外在复杂的运动控制、柔性抓取等复杂场景的实现也将带来持续的创新机会
（Scale Partners根据公开信息整理）
1.人工智能开启第四次科技革命，在传统三大产业劳动力大幅替代及释放的前提下，以创新为职业的“第四产业”劳动者将成为主流，推动全球GDP继续百倍增长。 2.作为人工智能的实体化，智能机器人将重塑生产协作关系，包括“劳动”在生产要素中的变革、全球制造业的格局重构、人类在物质世界及虚拟世界的精力分配……除经济外，甚至对军事、政治、文化产生深远影响。 3.在全球十亿量级的智能手机、百万量级的智能汽车产业引路的前提下，电池、5G、算力、智能驾驶、感知等通用性技术日趋成熟，当前十万量级的智能机器人将成为下一代爆发的超级终端。 4.机构在智能机器人领域投的不只是智能硬件或国产替代，而是在押注未来数个万亿级、数十个千亿级、上百个百亿级职业场景的无人化。在未来，机器人还将推动专业、细分领域的服务普及化，例如让更多人低成本、便捷地享受到高质量的情感陪伴、心理干预治疗等服务。 5.在劳动力无人化逻辑下，未来机器人即服务(RaaS,Robot as a Service)将成为主流模式，机器人项目服务粘性可能会堪比SaaS行业。在特定场景获得先发优势的企业有望凭借“数据采集→算法迭代→性能提升”的飞轮，进一步扩大其在该领域的领先地位。 6.对于未来新场景的挖掘：可将现有细分职业与无人化解决方案按图索骥分析未被满足的场景，智能机器人对于人工的替代将从大场景、低复杂度入手，逐步向中小型场景、高复杂度渗透。 7.对于细分场景技术实现难度：可从机器人劳动的场景多变性及工作复杂度两个维度来判断；此外也需要结合人类及机器人固有的思维长处。 8.对于商业可行性：通常机器人成本vs人工月成本的 ROI ＜ 48个月时，该细分赛道会有产品出现，客户开始考虑尝试；ROI ＜ 24个月，客户开始批量购买测试；ROI ＜ 12个月，市场开始全面爆发。资料来源：工业精神/吴昊阳、势乘资本和光锥智能/谢晨星、王嘉攀、赵江宇 编辑：可仪 审核：Xi/Sibo
产业招商专业自媒体【园区产业招商】
超过24000园区招商人关注了我们！
↑ 关注公众号：园区产业招商
↑ 加入行业交流群（如群满，请关注公众号后加入）
本平台提供产业园招商代理服务
【中南高科招商品牌：灯塔瓴科】
是全国领先的招商运营平台，成功运营86城市、近200产业园区，以高效专业著称。项目去化最快1个月，正常12个月。现向全国产业园区提供专业招商运营代理服务。利用我们强大招商团队和数字化平台招商，确保高质量、快速完成招商。
【重点承接上海、苏州、无锡、嘉兴、杭州、宁波等区域产业园区项目】
园区代理业务对接 葛毅明 13524678515 微信同号
☆☆☆将您的项目也显示在这里！广告服务：400-0123-021 中介服务：400-0123-021
