第四次工業革命時代我們即將進入第四次工業革命時代，其規模之大不可想象——任正非
因為AI大模型的出現，特別是生成式AI得到驗證后，通用性問題被解決：
人類和AI，將攜手創造一個全新世界。
之前我們一直判斷美國經濟會進入衰退，但美國美國沒有衰退，美國搞出了ChatGPT，相當于一次真正的工業革命。之前我們對工業革命有個二次判斷失誤，一次失誤是以德國為主的工業4.0，搞機器聯網；第二次判斷失誤是搞iot物聯網,物聯網代表代表第四次工業革命，代表未來趨勢，但真正的工業革命可能是AI。所以目前大家不敢創業、創新了呢，當前進入一個什么了一個無IP不商業，無AI不創業時代，今天如果不搞AI，拿到投資都不可能。 可以大言不慚地說，我們是業內最早在網上發文給工業4.0潑冷水的（參見舊文《給4.0潑冷水：制造企業應該如何正確看待和開展工業4.0項目》，《工業4.0的冷處理》，《2021，和工業4.0說拜拜》），而且在各種場合和工業4.0的主流觀點唱反調，并建議企業謹慎投資工業4.0概念相關的項目。我們反對工業4.0的非常重要的原因之一，就是它名不配位。把大數據，物聯網，數字孿生之類的技術說成是第四次工業革命，和蒸汽機（蒸汽革命），發電機（電力革命），計算機（信息革命）比肩過于牽強。就好比說四大發明有造紙術，印刷術，指南針和充電寶；四大美女有西施，貂蟬，王昭君和李小璐；四大天王有劉德華，張學友，郭富城和黃曉明... ...就像是三句半表演的第四位，承擔了全場的笑點。所以我們一直認為工業4.0絕算不上第四次工業革命，最有希望成為第四次工業革命導火索的技術是人工智能，其次是離我們還有些遙遠的量子計算機。
我們正處于傳統信息技術時代的黃昏，和人工智能時代的黎明。
在過去的260年間，人類社會經歷了三次巨大的科技創新浪潮，蒸汽機、電力和信息技術，將全球GDP提升了近千倍。每一次科技浪潮都通過某一項先進生產力要素的突破，進而引起大多數行業的變革：比如蒸汽機的出現推動了汽車、火車、輪船、鋼鐵等行業的巨大發展，140年前美國鐵路行業的惡性競爭史，就如同現今互聯網行業BAT之間的競爭。而鐵路行業發展、兼并所需的巨額金融資本，又驅動了華爾街的發展，逐漸成為全球的金融中心。
二戰之后以信息技術為核心的第三次科技革命迄今已逾70年，將全球GDP提升約60倍。其中可分為兩段：1950年-1990年，是半導體產業迅猛發展的時代，推動了大型計算機向個人PC的小型化；1990年至今是近30年的互聯網全球化時代，而互聯網時代又細分為桌面互聯網和移動互聯網兩段。
但隨著摩爾定律的失效和信息技術紅利徹底用盡，加上疫情黑天鵝影響，全球GDP衰退，引發并加劇了全球地緣政治和軍事沖突，開始向逆全球化發展。
所以未來到底屬于web3、元宇宙，還是碳中和？到底什么樣的革命性技術可以引領人類社會走出經濟衰退、疫情和戰爭的影響，并將全球經濟體量再向上推動增長下一個50倍？
我們的答案是，我們早已處于人工智能時代之中。就像直到2010年iphone4發布，絕大多數人也并未意識到移動互聯網革命早已開始一樣，如今人工智能其實也已廣泛應用，比如到處遍布的攝像頭和手機人臉識別，微信語音和文本轉換，抖音動態美顏特效、推薦算法，家庭掃地機器人和餐廳送餐機器人，背后都是人工智能核心技術在過去十年不斷取得的巨大突破。
一、為什么是機器人
1.機器人的外延及框架
雖然機器人產業已有超過60年發展史，在傳統【工業機器人】及【服務機器人】分析框架下，全球機器人產業僅有300-400億美元行業規模，但我們認為，在智能化加持下，機器人的外延及邊界已被數倍擴大，新物種的誕生及傳統設備的智能化將共同驅動“機器人”產業十倍及百倍增長。
概括來講，機器人普遍存在的意義是“為人類服務”的可運動智能設備，包括機器人對于人類勞動的替代、完成人類所無法完成任務的能力延伸以及情感陪伴等價值。
面對人類對于物質及精神永不停止的需求增長，相對于元宇宙，機器人將會是“現實宇宙”中的最佳供給方案。
2.AI將會帶給機器人怎樣的質變
（1）智能化大幅提升
- 可軟件升級：傳統機器人無法實現軟件算法在線升級，智能化機器人能夠通過軟件算法的迭代持續提升性能；這讓機器人的能力理論上是沒有上限的
- 規模效應：機器人應用規模越大，收集數據越多，算法迭代越完善，機器人越好用
- 可適用性大幅增加：機器人智慧程度線性增加，可適用的場景及價值將會指數增加
（2）智能化帶來的場景適用性提升
AI技術將會是機器人全面爆發的最大變量，機器人產業的爆發極有可能是新物種引領；例如近三年全面爆發的機器人項目，在10年前幾乎不存在（例如九號公司、石頭科技、普渡、擎朗、云跡、高仙、梅卡曼德、極智嘉等）。
二、為什么是現在？
1.勞動力替代及升級趨勢不可逆
- 在人口老齡化趨勢下，2015-2020年，我國勞動力人口減少約1700萬人，我國人均收入從4.97萬元增至7.15萬元，在用工難及用工貴的不可逆趨勢下，智能化機器人的補充成為最重要的生產力增長點。
- 2021年我國人均GDP已超1.2萬美元，在我國將成為全球人口最多的高收入國家（門檻為人均1.25萬美元）的進程中，作為全球最大的制造業大國轉型升級，將會帶來全世界體量最大的機器人用工需求。
2.成熟的技術與產業基礎
我們認為，智能手機及智能汽車產業的發展，實質上為現階段智能機器人產業爆發奠定了大量技術基礎：
- 感知層面：視覺模組、激光雷達、毫米波雷達的逐漸發展，成本降低到可用的程度；數據采集、算法訓練及軟件在線迭代為智能機器人未來持續升級提供了借鑒范式；
- 決策層面：智能SoC芯片提供了足夠的算力基礎，汽車自動駕駛與移動機器人在底層技術上亦有相通之處；
- 控制層面：近十年鋰電技術提升了電池續航能力，同時有線及無線充電技術快速進步，5G及WIFI技術發展為機器人提供了通訊控制基礎；
- 環境基礎：我國擁有全世界最適合機器人產業發展的土壤，例如低成本敏捷供應鏈、低成本清潔能源供給、工程師紅利、最廣大數據收集場景；現階段創造一款機器人新品的零配件采購難度要遠低于十年前；
三、如何判斷未來十年新機遇
1.從職業場景出發 —— 尋找未被滿足的大賽道
- 我們認為投資機構在機器人領域投的并不單純是智能硬件或國產替代，而是押注未來數個萬億級、數十個千億級、上百個百億級工作場景的無人化；未來機器人公司主流定價方式很可能取決于可替代的必要勞動價值，機器人公司直接提供高粘性持續的收費服務（Robot as a Service），而非按照傳統的“BOM成本+一定的毛利空間”去定價。
- 我們收集了不同職業場景的從業人數及人均收入數據，得出不同職業勞動力成本總和，制作了機器人領域潛在替代場景圖譜。
- 未來機器人對于人工的替代將從大場景、低復雜度入手，逐步向中小型場景、高復雜度滲透；未來10年最有潛力的投資方向將會是現階段供給基本空白的大場景。
數據來源：國家統計局等機構上圖部分職業又可細分出上百個環節（根據“十四五”機器人發展規劃）
（1）制造業：焊接、自動搬運、防爆物品生產、分揀、包裝、協作生產、打磨、裝配等工作（2）建筑業：建筑部件智能化生產、測量、材料配送、鋼筋加工、混凝土澆筑、樓面墻面裝飾裝修、構部件安裝、焊接等工作（3）農業：可進一步拆分為果園除草、精準植保、果蔬剪枝、采摘收獲、分選，以及用于畜禽養殖業的喂料、巡檢、清淤泥、清網衣附著物、消毒處理等工作（4）礦業：采掘、支護、鉆孔、巡檢、重載輔助運輸等工作（5）醫療康復：手術、護理、檢查、康復、咨詢、配送等工作（6）養老助殘：助行、助浴、物品遞送、情感陪護、智能假肢等應用（7）家用場景：家務勞動、教育、娛樂、安防監控等工作（8）公共場所：講解導引、餐飲、配送、代步等工作（9）水下場景：水下探測、監測、作業、深海礦產資源開發等工作（10）安防場景：安保巡邏、緝私安檢、反恐防暴、勘查取證、交通管理、邊防管理、治安管控等工作（11）危險環境作業：消防、應急救援、安全巡檢、核工業操作、海洋捕撈等工作（12）衛生防疫：檢驗采樣、消毒清潔、室內配送、輔助移位、輔助巡診查房、重癥護理輔助操作等工作
2.從技術可行性出發 —— 細分場景的實現難度
（1）從【場景是否單一】及【工作復雜度】兩個維度進行分析
分析一項職業被機器人替代的難度，我們認為可以落入以下四個象限進行分析；其中場景維度指該項工作是否需要適應多變的環境，是否需要轉移；復雜度指完成該項工作需要的知識儲備多少及解決問題的難度
A. 單一場景、低復雜度：例如簡單的加工制造工序、搬運、安保、清潔、農業養殖等勞動更容易率先實現機器替代B. 單一場景、高復雜度：例如繪畫、音樂演奏、作家、醫生、教育、財務、銷售、廚師等場景C. 多場景、低復雜度：例如應對不同場景下的無人駕駛，不同種類的家務勞動D. 多場景、高復雜度：例如警察、外交官、企業管理人員、研發創新等工作
（2）從機器與人類的思維長處分析
- 機器智能在大規模數據與信息處理、細節分析等方面具備天然優勢
- 在需要情感、綜合推理、想象力、創造力等方面的職業，人類被機器人替代的難度較大
3.從經濟性出發 —— 替代人效比
如何判斷某個細分場景下，是否已經到達了機器人應用拐點？我們認為核心指標是替代人效比，即機器人的購買及維護成本相對于同崗位人力成本的回本周期
- ROI ＜ 48個月時，該細分賽道會有產品出現，客戶開始考慮嘗試
- ROI ＜ 24個月時，該細分賽道客戶開始批量購買測試
- ROI ＜ 12個月時，市場開始全產爆發
- 經濟性逐漸提升背后的因素：人員成本上漲、人力緊缺、上游零配件成本下降、規模量產降低了成本、AI技術發展使得功能實現的成本降低等
四、機器人智能化三要素解析
- 什么樣的機器人能夠稱得上是智能機器人？目前世界范圍內還沒有一個統一定義
- 我們認為如果對智能機器人進行抽象化解析，往往需要具備三大要素——即感知、決策和控制。
- 感知要素：用來認識周圍環境狀態，包括能感知視覺、接近、距離等的非接觸型傳感器和能感知力、壓覺、觸覺等的接觸型傳感器。這些要素實質上就是相當于人的眼、鼻、耳等五官,功能可以利用諸如攝像機、像傳感器、超聲波傳成器、激光器、導電橡膠、壓電元件、氣動元件、行程開關等機電元器件來實現。
- 決策要素：也稱為思考要素，根據傳感器收集的數據，思考出采用什么樣的動作。智能機器人的思考要素是三個要素中的關鍵。思考要素包括有判斷、邏輯分析、理解等方面的智力活動。這些智力活動實質上是一個信息處理過程，而計算機則是完成這個處理過程的主要手段。
- 控制要素：也稱為運動要素，對外界做出反應性動作；對運動要素來說，智能機器人需要有一個無軌道型的移動機構，以適應諸如平地、臺階、墻壁、樓梯、坡道等不同的地理環境。它們的功能可以借助輪子、履帶、支腳、吸盤、氣墊等移動機構來完成。在運動過程中要對移動機構進行實時控制，這種控制不僅要包括有位置控制，而且還要有力度控制、位置與力度混合控制、伸縮率控制等。
- 從商業機會的角度來講，三大要素并不是獨立割裂的，例如做視覺傳感器的玩家往往要配套相應的軟件算法，服務于各細分場景的廠商需要極強的多傳感器融合、多機型控制及面向行業的智能決策能力。
- 三大要素中既有專精于某一環節的零部件或軟件供應商機會（如核心零部件、操作系統、關鍵控制算法等），也有整合了其中2-3個環節的關鍵技術要素，為細分場景提供全套服務的應用機會（例如在清潔、配送、交通等場景的機器人服務商）。
1.感知 —— 機器人感覺器官
（1）傳感器分類
- 內部傳感器：內部傳感器是用于測量機器人自身狀態的功能元件，其功能是測量運動學量和力學量，用于機器人感知自身的運動狀態，使得機器人可以按照規定的位置、軌跡和速度等參數運動；包括位置傳感器、速度傳感器、加速度傳感器、力傳感器、壓力傳感器、力矩傳感器、姿態傳感器等。
- 外部傳感器：外部傳感器主要是感知機器人自身所處環境以及自身和環境之家的相互信息，包括視覺、力覺等。包括激光雷達、嗅覺傳感器、視覺傳感器、語音合成、語音識別、可見光和紅外線傳感器等。
（2）傳感器在智能機器人的應用
- 視覺和接近傳感器：類似于自動駕駛車輛所需的傳感器，包括攝像頭、紅外線、聲納、超聲波、雷達和激光雷達。某些情況下可以使用多個攝像頭，尤其是立體視覺。將這些傳感器組合起來使用，機器人便可以確定尺寸，識別物體，并確定其距離。
- 觸覺傳感器：微型開關是接觸傳感器最常用型式，另有隔離式雙態接觸傳感器(即雙穩態開關半導體電路)、單模擬量傳感器、矩陣傳感器(壓電元件的矩陣傳感器、人工皮膚——變電導聚合物、光反射觸覺傳感器等)。
- 射頻識別（RFID）傳感器：可以提供識別碼并允許得到許可的機器人獲取其他信息。
- 聲學傳感器（麥克風）：幫助機器人接收語音命令并識別熟悉環境中的異常聲音。如果加上壓電傳感器，還可以識別并消除振動引起的噪聲，避免機器人錯誤理解語音命令。先進的算法甚至可以讓機器人了解說話者的情緒。
- 濕溫度傳感器：是機器人自我診斷的一部分，可用于確定其周遭的環境，避免潛在的有害熱源。利用化學、光學和顏色傳感器，機器人能夠評估、調整和檢測其環境中存在的問題。
- 運動穩定性感知：對于可以走路、跑步甚至跳舞的人形機器人，穩定性是一個主要問題。它們需要與智能手機相同類型的傳感器，以便提供機器人的準確位置數據。在這些應用采用了具有3軸加速度計、3軸陀螺儀和3軸磁力計的9自由度（9DOF）傳感器或慣性測量單元（IMU）。
- 傳感器微型化趨勢：過去傳感器的性能與體積往往成正比，限制了其在機器人領域應用。芯片制程技術提升使微型傳感器的制造成為可能，從而廣泛應用于機器人領域。
（3）多傳感器融合是未來趨勢
- 多傳感器信息融合技術是近年來十分熱門的研究課題，指綜合來自多個傳感器的感知數據, 經過融合的多傳感器系統能夠更加完善、精確地反映檢測對象的特性, 消除信息的不確定性 ,提高信息的可靠性。融合后的多傳感器信息具有以下特性 : 冗余性、互補性、實時性和低成本性。
- 多傳感器信息融合方法主要有貝葉斯估計、Dempster-Shafer 理論、卡爾曼濾波 、神經網絡 、小波變換等。
2.決策 —— 機器人大腦
機器人決策我們認為是最具場景差異化的部分，因為不同職業場景下的工作方式、思維邏輯是大相徑庭的；在機器人算法與決策方面的創業團隊需要非常熟悉場景需求，提煉出標準化的操作流程，然后應用于機器人軟硬件控制中。
想要讓機器人解決問題我們需要完成三個步驟：第一，明確問題的方向和邊界；第二，建立數學模型；最后，找到合適的算法解決問題。這里我們重點討論將復雜的現實問題轉化為數學語言的“建模”過程和選擇算法的過程。
建模的第一步需要確定假設。我們需要先明確想讓機器人做出什么樣精度的決策，以及能否實現，從而確定需要考慮和舍棄哪些要素。在確定了重要變量和核心關系后，我們就把復雜的現實問題轉化成計算機可以理解、算法可以處理的數學問題。確定假設后，常識能幫助我們驗證模型，但是多數情況下需要我們不斷地將模型和現實問題作比較，從而把現實問題盡可能無損地映射進計算機里面。
在建立了模型后，我們需要選擇合適的算法來解決不同模型對應的具體現實問題。在進行算法選擇的時候需要具體問題具體分析，兼顧“質量”與“效率”。比如同樣是讓計算機處理圖像數據，家庭場景下的掃地機器人和專門用來處理天文觀測數據的計算機對算法要求就不一樣：前者要求在較快的時間內完成對圖像精準度適中的處理，而后者對時間則無感，對精準度有極高的要求。也正是因為絕大多數問題不存在唯一解或者絕對正確的解，算法工程師需要根據機器人工作的場景和目標做出最合適的取舍。
在機器人決策環節中，讓機器人自身的硬件處理多少計算任務是一個關鍵的問題。通常情況下，如果任務的執行依賴于多個機器人采集的多點數據，那么計算任務就更可能在多點數據匯集起來后，被放在遠端的云服務器上進行處理。比如，如果有大量的機器人在特定的街區內追捕嫌犯，那么我們就需要所有機器人把采集到的圖像等信息上傳到云端處理，在一個“大腦中樞”規劃了每一個機器人的路徑后，每個機器人執行自己所接收到的指令。當然，多數情況下應用云計算的場景是，每個機器人自身的芯片算力不足或者單位能耗過大。云計算提供了一種更加經濟的算力解決方案，幫助機器人解決所面臨的問題。在此基礎上，為了避免網絡帶寬不足、處理時間過長等問題，人們還會使用邊緣計算、霧計算等方案。
以上是機器人決策部分所需要考慮的共性問題。當然，不同場景下機器人所面臨的的決策問題非常不同，我們認為這也是機器人應用中最具場景差異化的部分。不過站在更高的維度上進行抽象后，我們依然能夠發現大多數機器人都需要面對三大類決策問題：按照什么規則移動位置——移動決策、按照什么規則調整自身——機械臂運動決策，以及如何保障貫徹人類指令——人機交互決策。
（1）平面移動能力
- 定位導航技術需要機器人的感知能力，需要借助視覺傳感器（如激光雷達）來幫助機器人完成周圍環境的掃描，并配合相應的算法，構建有效的地圖數據，以完成運算，最終實現機器人的自主定位導航。
- 同步定位：主要涉及激光SLAM以及視覺SLAM。前者主要采用2D或3D激光雷達進行數據搜集，后者主要有兩種技術路徑——基于RGBD的深度攝像機和基于單目、雙目或魚眼攝像頭。
- 地圖構建：機器人學中的地圖構建主要有4種：柵格地圖、特征點地圖、直接表征法以及拓撲地圖。
- 路徑規劃：路徑規劃是導航研究中的一個重要環節，主要方法有3種：基于事例的學習方法、基于環境模型的規劃方法、基于行為的路徑規劃方法。
（2）三維空間運動能力
- 空間機械臂操控過程中涉及的 5 項關鍵技術，包括：交會對接與捕獲技術、自主規劃與智能控制技術、傳感與感知技術、智能協同與操控技術及系統安全保障技術。
- 視覺系統的是智能機械臂三維運動最重要的組成部分，主要由計算機、攝影設備及圖像采集設備構成。機器人視覺系統工作過程主要有圖像采集、圖像分析、圖像輸出等，其中，圖像特征分析、圖像辨別、圖像分割均為關鍵任務，視覺信息的壓縮和濾波處理、特定環境標志識別、環境和故障物檢測等是視覺信息處理中難度最大、最核心的過程。
（3）人機交互能力
- 語音交互：結合語音人機交互過程，人機交互中的關鍵技術中包含了自然語音處理、語義分析和理解、知識構建和學習體系、語音技術、整合通信技術以及云計算處理技術。
- 視覺交互：機器人如果需要理解人類的感情，就會涉及人臉識別技術，包括特征提取及分類。
- 手勢交互：目前，常用的手勢識別方法主要包括基于神經網絡的識別方法、基于隱馬爾可夫模型的識別方法和基于幾何特征的識別方法。
3.控制 —— 機器人運動能力
（1）常見的運動控制部件
- 機器人三大核心零部件為減速器、伺服電機、控制器，三大部件成本占機器人成本70%左右，其中減速器占成本構成35%左右，伺服電機占23%左右，控制器占12%左右。
- 我國工業機器人零部件目前仍處于追趕者，核心零部件主要依賴進口，但國產廠商（如埃斯頓、匯川技術、綠的諧波等）目前正在由守轉攻的轉折點，市占率即將超過50%，正在開始獲得國外頭部客戶訂單；我們認為機器人核心零部件進口只是短期問題，未來3-5年我國在制造水平及成本上有望全面趕超國外水平。
- 在服務機器人領域（如餐飲、清潔、遞送等機器人），我國零部件及本體制造已達到全球領先水平；在供應鏈優勢下，技術及成本上有望進一步突破。
數據來源：公司公告、浙商證券研究所，部分國產份額為預估值 （2）機器人運動如何進一步發展
- 與其他形態的機器人（如履帶式、輪式等）相比，腿足式機器人在移動范圍和靈活性上有巨大優勢。但是實現行走乃至跑跳對腿足式機器人來說并不容易，除了Boston Dynamics研發的腿足式機器人（如Atlas）之外，我們很少看到其他公司研發出靈活的、具有優秀平衡感腿足式機器人
- 要想讓機器人像人一樣靈巧、平穩地移動，并在此基礎上完成復雜的任務，機器人的每一步都需要動態平衡，需要對瞬間的不穩定性有極強的適應能力。這包括需要快速調整腳的著地點，計算出突然轉向需要施加多大的力，更重要的是還要在極短的時間內向足部實施非常大而又精準的力。這對控制理論、系統集成和工程實現等多個維度都提出了極高的要求。這里我們先討論兩個控制理論相關的問題——機器人柔順控制和機器人攀爬步態規劃，然后再介紹控制系統相關的探索成果。
a. 機器人柔順控制
- 機器人單腿運動方面的研究是機器人全身柔順控制的基礎。機器人單腿柔順控制的關鍵是研究不同控制方法下的腿部對外界沖擊的響應，探究減小機器人與外界環境交互力的方法，以提高腿足式機器人運動的平穩性。具體來說可以細化為如下兩部分：
- 位置控制：位置控制即根據規劃完成的腿部足端的運動軌跡，通過逆運動學求解出期望的關節角度，并進一步將期望關節角度映射為關節執行器的期望長度；
- 阻抗控制：在位置控制的基礎上，將腿部足底力引入控制閉環中，通過調節系統的柔順特性。在拉壓力傳感器讀取相關信息后，經過一系列計算求得腿部足底力，從而控制機器人調整腿部關節，達到減小足端對環境沖擊的效果。
- 在單腿柔順控制的基礎上，結合機器人軀干姿態控制和運動軌跡規劃等方案，我們才能在未來實現腿足式機器人在平坦地面、崎嶇地面、臺階與坡面的穩定運動。
b. 機器人攀爬步態規劃
- 在腿足機器人的各種步態中，使用靜步態可以大大增加機器人自身的穩定性，通過崎嶇度較高的地形。圍繞間歇靜步態規劃方法的改進是腿足式機器人攀爬步態規劃領域的熱點問題，主要研究方向包括：改變邁步順序（從多達24種不同的靜步態中進行選擇）和調整機器人重心（在移動速度和機器人穩定性中尋找平衡）。
c. 控制系統的整合與設計
- 要想讓機器人具備優秀的平衡能力、像人一樣靈巧地運動，需要把控制理論方面的成果與優秀的系統設計和工程能力結合起來。
- 在這方面，Boston Dynamics走在前列，在Altas機器人的設計中引入液壓系統進行動作控制，這樣可以保證瞬時更大的控制動力輸出和更精確的力傳遞。Atlas機器人還引入了仿生的整體集成結構設計概念，有像骨骼和關節一樣的支撐結構及油缸，還有像血管和神經一樣的油路和電路。
- 當然，腿足式機器人本身的形態也會在某些場景下限制其應用。我們還需要關注機器人形態相關創新，因為這些突破能夠把機器人的適應力提升到新的層次。
- 隨著液態金屬控制技術、基于肌電信號的控制技術等在內的前沿科技發展，越來越多的新材料開始在機器人領域內被使用和普及。加之剛柔耦合結構和仿生新材料領域的突破，我們看到在機器人力學設計驗證、運動控制等方向上，逐步打破了傳統的機械的多關節模式，從而不斷提升機器人對環境的適應能力。例如，哈爾濱工業大學的郭斌教授和賀強教授團隊成功研制出世界首例具有變形和融合能力的液態金屬游動納米機器人，從而在機器人控制領域讓人們有了更多想象的空間。
五、產業圖譜及值得關注的方向
1.智能機器人產業圖譜
- 我們從機器人智能化的三大要素及機器人可替代的勞動場景入手，梳理了智能機器人產業圖譜（僅列出部分企業示意），我們認為基于此框架下，在現有及未知的細分領域將會不斷有智能機器人解決方案涌現
2.值得關注的細分方向
（1）清潔等服務場景機器人
- 我國家政勞動人員在3000萬人以上，整體呈老齡化趨勢，是勞動力成本最大的用人場景之一（年工資規模在2萬億以上）；其中景吾智能創新性開發了立體空間清潔機器人，能夠代替人工實現立體空間的復雜擦拭等工作；麥巖智能從商用室內清潔機器人入手，專注于未來社區智能服務機器人，在社區、商業、文旅、會展、康養多場景全面提升服務效率
（Scale Partners根據公開信息整理）
（2）建筑場景機器人
- 建筑體量是最大的幾萬億級用人換場景之一，招人困難，建筑工人有老齡化趨勢，但場景較為復雜，過去幾年未有大規模解決方案；目前部分玩家已從局部工種開始切入，在部分場景上已實踐數倍提升其中蔚建科技、大界機器人、筑橙科技、大方智等公司段在成本及效率上逐漸替代人力的同時效，同時在精細度上高于人工
- 海外發達國家的工價是國內的6-10倍，施工效率更遠低于國內，因此海外市場對建筑機器人的需求非常強烈，同時海外客戶習慣購買機械設備，而國內以租賃為主
（Scale Partners根據公開信息整理）
（3）農業場景機器人
- 我國農業勞動人口達1.7億人，每年勞動人力成本在3萬億以上，但我國農業機械化、數字化及智能化水平遠低于發達國家；發展農業機器人有利于緩解農業勞動力短缺，同時在部分場景下具有提高農作物產量及質量，減少農業碳排放等間接價值
（Scale Partners根據公開信息整理）
（4）空中巡檢及水下等特殊場景機器人
- 除人力勞動的替代外，未來更多的機遇來自于人類能力的延伸工作，例如船體清潔、無人機巡檢、水下探測等場景，例如納百機器人通過對貨輪船體的檢測與清洗，運用 AI 技術對貨輪燃油消耗進行預測性分析，最大限度地優化貨輪的燃油消耗水平，有效降低二氧化碳排放
（Scale Partners根據公開信息整理）
（5）機器人感知技術
- 我們認為具備視覺感知是實現機器人智能化的核心要素，伴隨的視覺傳感器及相關軟件算法不僅在機器人領域有較高通用性，同時可廣泛應用于AI視覺檢測、工業、交通等多個場景
- 外相對于下游做本體及解決方案的廠家，上游的傳感器零部件更容易標準化、容易大規模上量
（Scale Partners根據公開信息整理）
（6）機器人運動控制技術
- 運動關節及控制部件是智能機器人實現復雜功能的基礎，其中運動關節的小型化、精度、壽命等要素是持續創新的關鍵點；此外在復雜的運動控制、柔性抓取等復雜場景的實現也將帶來持續的創新機會
（Scale Partners根據公開信息整理）
1.人工智能開啟第四次科技革命，在傳統三大產業勞動力大幅替代及釋放的前提下，以創新為職業的“第四產業”勞動者將成為主流，推動全球GDP繼續百倍增長。 2.作為人工智能的實體化，智能機器人將重塑生產協作關系，包括“勞動”在生產要素中的變革、全球制造業的格局重構、人類在物質世界及虛擬世界的精力分配……除經濟外，甚至對軍事、政治、文化產生深遠影響。 3.在全球十億量級的智能手機、百萬量級的智能汽車產業引路的前提下，電池、5G、算力、智能駕駛、感知等通用性技術日趨成熟，當前十萬量級的智能機器人將成為下一代爆發的超級終端。 4.機構在智能機器人領域投的不只是智能硬件或國產替代，而是在押注未來數個萬億級、數十個千億級、上百個百億級職業場景的無人化。在未來，機器人還將推動專業、細分領域的服務普及化，例如讓更多人低成本、便捷地享受到高質量的情感陪伴、心理干預治療等服務。 5.在勞動力無人化邏輯下，未來機器人即服務(RaaS,Robot as a Service)將成為主流模式，機器人項目服務粘性可能會堪比SaaS行業。在特定場景獲得先發優勢的企業有望憑借“數據采集→算法迭代→性能提升”的飛輪，進一步擴大其在該領域的領先地位。 6.對于未來新場景的挖掘：可將現有細分職業與無人化解決方案按圖索驥分析未被滿足的場景，智能機器人對于人工的替代將從大場景、低復雜度入手，逐步向中小型場景、高復雜度滲透。 7.對于細分場景技術實現難度：可從機器人勞動的場景多變性及工作復雜度兩個維度來判斷；此外也需要結合人類及機器人固有的思維長處。 8.對于商業可行性：通常機器人成本vs人工月成本的 ROI ＜ 48個月時，該細分賽道會有產品出現，客戶開始考慮嘗試；ROI ＜ 24個月，客戶開始批量購買測試；ROI ＜ 12個月，市場開始全面爆發。資料來源：工業精神/吳昊陽、勢乘資本和光錐智能/謝晨星、王嘉攀、趙江宇 編輯：可儀 審核：Xi/Sibo
產業招商專業自媒體【園區產業招商】
超過24000園區招商人關注了我們！
↑ 關注公眾號：園區產業招商
↑ 加入行業交流群（如群滿，請關注公眾號后加入）
本平臺提供產業園招商代理服務
【中南高科招商品牌：燈塔瓴科】
是全國領先的招商運營平臺，成功運營86城市、近200產業園區，以高效專業著稱。項目去化最快1個月，正常12個月。現向全國產業園區提供專業招商運營代理服務。利用我們強大招商團隊和數字化平臺招商，確保高質量、快速完成招商。
【重點承接上海、蘇州、無錫、嘉興、杭州、寧波等區域產業園區項目】
園區代理業務對接 葛毅明 13524678515 微信同號
☆☆☆將您的項目也顯示在這里！廣告服務：400-0123-021 中介服務：400-0123-021
