2023AI机器人产业报告 与非网资深行业分析师张慧娟 Agenda 1AI机器⼈产业现状 基本定义、应用趋势、发展现状 2AI驱动下的机器⼈创新 核心AI技术、关键部件、主控芯片 3典型代表:⼈形机器⼈ 产业情况、核心技术 4AI机器⼈趋势和展望 核心竞争力、通用大模型 AI劼㐼➃〄㾝梡朐 •AI机器⼈的基本定义 •AI机器⼈的主要应⽤ •AI机器⼈的发展⽅向 AI劼㐼➃꧋䧭劼唒ծ歏㶩ծ䱽ⵖծ⠛䠭ծ➃䊨兰腊瘝㢴㷖猰䪮助腊㢿垷⟬䧴剏➿➃碫鵳遤ぐ猫⟣⸉կ Ⱘ㢊♧㹁玐䏞涸荈⚺Ɀ瘻腊⸂ծ刿䔂涸㷖⛴腊⸂ㄤ刿넞涸兰腊宐䎂腊㢿ⴼ倗梠㞯」⻊ㄤ⟣⸉宠䎇㹊倶湱㼆䎾涸鍒Ɀ倰呩կ •根据应用领域: 工业机器人、家用服务机器人、公共服务机器人和特种机器人等。 •根据构成和控制方式: 协作型机器⼈、⾮协作型机器⼈、⼈机协作机器⼈和⾃主型机器⼈。 •根据运动方式和能源供给方式: 轮式机器⼈、腿式机器⼈、履带式机器⼈和仿 ⽣机器⼈。 •根据智能程度: 弱⼈⼯智能机器⼈、强⼈⼯智能机器⼈和超强 ⼈⼯智能机器⼈。 特种机器人6% 公用服务机器人15% 家用机器人21% 其他11% 工业机器人47% 㕃溏㥩ㆭ碫劼㐼➃涸㟞悶⸂ ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 AI机器人的主要应用 •工业生产: ⾃动化⽣产线、⼯业机器⼈等,通过⾃主学习和⾃主决策,提⾼⽣产效率和质量,降低成本和⻛险。 •家庭助理: 家务助⼿、健康监护、安全监控等,提高生活效率,减轻家庭成员的负担,保障安全和健康。 •医疗服务: 医疗机器⼈、智能诊断系统等,通过⼤数据分析和⾃主学习,提⾼医疗诊断和治疗的准确性和效率。 •物流搬运: 货物抓取、搬运、转载等,能够通过⾃动化操作提升效率、提⾼安全性、降低成本。 •餐饮服务: ⾃助点餐、智能配餐等,可提升效率和服务质量、降低成本。 •金融服务: 智能投资顾问、智能⻛险管理系统等,提⾼⾦融服务的效率和准确性。 国防军工4%其他7%农业植保2% 餐饮服务3%物流搬运8% 工业生产33% 家庭助理24% 医疗服务19% •教育培训: 智能教育机器⼈、智能学习系统等,通过⾃主学习和⾃主决策,提⾼教育培训的效果和效率,为学⽣提供更好的学习体验。 㕃溏㥩AI劼㐼➃㖈ㆭ❈㖞兞涸䎾欽悶⸂ ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 •第一阶段:自动化。 可⾃动执⾏固定任务,⽤于替代重复劳动,这⼀阶段通常为程序控制机器⼈,从单⼀场景逐步向多种应⽤场景延展。 •第二阶段:机器智能。 配备视觉、声⾳、⼒度等传感器,实现⼈机协作、环境感知、数据采集、⼈机交互的功能。 •第三阶段:AI自主化。 拥有更丰富的传感器和更⾼的智能⽔平,可实现⾃主的感知交互、独⽴决策、⾃我优化。⼤模型技术的发展,将推动通⽤⼈⼯智能的快速发展,进⽽带动AI机器⼈的升级迭代。 •人机协作: AI机器人在人机协作方面有着越来越高的要求,机器人 能够通过机器学习算法进行自我优化,更好地配合和协作,未来将向更加自然、便捷的方向发展。 •高精度、高速度 在完成特定任务时,机器人需要具备高精度定位和高速响应能力。 •多样化应用场景: AI机器人将具备更加敏锐的感知能力,更好地理解和响应用户的需求。同时,也将提高对环境的认知能力,更好地适应各种环境。 •自主学习和自适应能力: AI机器人将能够自主学习和自适应各种任务和环境。通过不断学习和训练,提高机器人的智能水平,使其更加智能、更加好用。 自适应学习能力21% 多样化应用场景19% 其他6% 高精度、高速度25% 人机协作29% 㕃溏㥩AI劼㐼➃ㆭ❈〄㾝倰ぢ ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 AI끮⸓涸劼㐼➃倝 •核⼼AI技术 •关键部件 •AI⼤模型 •计算机视觉 能够通过对图像的处理和分析,完成目标检测、物体识别、人脸识别等任务。例如,智能巡检机器人可以通过视觉技术实现对设备故障的主动探测和预警。 •人机交互与理解 AI机器人需要具备更加敏锐的感知能力,以便更好地理解和响应用户的需求。同时,也需要提高对环境的认知能力,以便更好地适应各种环境。 •语音识别与处理 可通过语音交互对用户的语音指令做出智能响应。例如,智能音箱可以实现语音对话,并实现智能家居的控制。 •自主导航与决策 在机器人的导航和控制中,能够通过对环境的感知和模式识别,实现机器人的自主导航和动作控制。例如,智能扫地机器人可以通过对物体的位置、形状等信息的感知,从而完成扫地和拾垃圾的任务。 机器人边缘计算11% 多任务处理与优化12% 人机交互与理解19% 其他 3%语音识别与处理 18% 计算机视觉20% 自主导航与决策17% 㕃劼㐼➃ㆭ❈⸆腊剒銳AI蓿晙 ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 10 •大数据与云平台: 大量的数据和信息需要进行快速、准确的分析和处理。大数据技术可以提供高效、可靠的数据存储、处理和分析能力,云平台可以提供灵活、可扩展的计算、存储和网络资源,为AI机器人提供强大的后端支持。 •机器学习与深度学习: 这些技术是AI机器人的核心驱动力,可以自动识别模式并进行预测,实现自我学习和自我优化。更好地识别和理解图像、声音和文本等数据,提高自身的感知和理解能力。 •大模型和数据服务: 大模型可以提供更强的计算和预测能力。数据服务则可以提供高效、可靠的数据存储、检索和分析能力,为AI机器人提供必要的数据支持。 •人机交互和感知: 更好地与人类进行交互和合作,提高机器人的用户体验和工作效率。人机交互技术可以支持机器人与人类进行语音、文字、姿态等多种形式的交互,而感知技术则可以让机器人更好地感知周围环境,如声音、光线、温度等,提高机器人的适应能力和智能化程度。 人机交互与感知技术15% 机器学习与深度学习算法25% 其他6% 大数据与云计算平台36% 大模型和数据服务18% 㕃劼㐼➃〄㾝銳ㆭ❈ꂁ㤛䪮助 ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 借助网络、大数据、云计算等,实现感知智能层级。由云上的“大脑”进行控制,能全面感知环境、相互学习、共享知识,帮助机器人提高自学能力、适应能力。 •感知模块: 包括视觉和触觉,视觉有纯视觉路线,也有依靠雷达等多方式融合路线,以便躲避障碍、规划路线;触觉主要通过传感器判断物体的重量、特性等,以便更好实行动作控制。 •交互模块: 是机器人的大脑,核心是芯片与算法,为输入的任务进行分解、制定最佳决策规划,并根据感知和运控模块的反馈,实时调整,同时可利用大模型不断训练和迭代算 感知模块 交互模块运控模块 单目摄像头力传感器 多目摄像头 毫米波雷达 扭矩传感器 力矩传感器 激光雷达超声波雷达 高精地图 卫星定位 惯性导航 任务描述 任务分解 决策规划 运动规划 路径正解 控制 位置控制 力控制 芯片与算法 伺服电机 谐波减速器 滚柱丝杠 PV减速器 无框电机 棉麻器 平衡与运动执行 行走步态手部抓取 法。 •运控模块: 机器人的身体,根据指令,对关节的控制是核心,包括角度、力、速度等控制,难点是保持动态平衡、行走跳跃奔跑、手部抓取等,电驱动方式下主要由电机、减速器、丝杠、编码器等构成。 视觉、触觉等 大脑:决策 身体:运动控制 㕃AI劼㐼➃Ⱒꝶ垷㗌絆䧭 ♸ꬋ緸研Ⱆ䒓餴俱侮椚絚ⵖ •伺服系统 是运动控制的核心部件,主要由伺服驱动器、伺服电机和编码器组成,编码器通常嵌入伺服电机。伺服系统工作原理为:伺服驱动器发出信号给伺服电机驱动其转动,同时编码器将伺服电机的运动参数反馈给伺服驱动器,伺服驱动器再对信号进行汇总、分析、修正。整个工作过程通过闭环方式精确控制执行机构的位置、速度、转矩等输出变量。 伺服系统可通过闭环方式实现精确、快速、稳定的位置控制、速度控制和转矩控制,主要应用于对定位精度和运转速度要求较高的工业自动化控制领域。 •电机 俗称“马达”,是基于电磁感应定律实现电能转换或传递的电磁装置,通常由一个用以产生磁场的电磁铁绕组或分布的定子绕组以及一个旋转电枢或转子和其它附件组成。电机的主要作用在于产生驱动转矩,作为用电器或各种机械的动力源。 电机按照用途分为驱动电机和控制电机,其中驱动电机包括直线电机和旋转电机,多用于工业领域;控制电机包括步进电机、伺服电机和力矩电机等。其中,空心杯电机与无框力矩电机是人形机器人常用零部件,空心杯电机是采用了空心杯绕线技术的直流有刷或者直流无刷电机,属于伺服电机的一种,适用于灵巧手;无框力矩电机是一种无框架式的无刷永磁同步电机,适用于旋转关节和线性关节。 •CPU: 在机器人控制系统中,用于处理传感器数据、执行运动控制算法等任务。 •FPGA: 其他4% 适用于多指令、单数据流的处理分析,可以用硬件实现软件算法。在实现复杂算法方面有一定的难度,比如需要高度抽象和复杂逻辑的算法,需要设计者具备深厚的硬件设计和编程知识,才能有效地将算法转化为硬件逻辑。 •DSP: 主要用于信号处理、数字图像处理等。具有高速的数字信号处理能力,可以完成复杂的数学运算和信号处理任务。 •GPU: 在机器人控制系统中,用于加速机器人的视觉处理、深度学习等任务。 •MCU: PLC(可编辑逻辑控制器)7% MCU17% GPU11% CPU23% DSP18% 主要用于控制系统的数字化控制。具有轻便、低功耗和高度集成等特点,适用于小型控制系统。 •PLC: 具有可靠性和抗干扰能力强等特点。在机器人控制系统中,PLC可以用 于实现运动控制、传感器数据处理等任务。 FPGA20% 㕃AI劼㐼➃⚺䱽蓿晙⢪欽䞔ⲃ ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 不确定7% 国产芯片33% 国产和国外芯片都有40% 国外芯片20% 㕃AI劼㐼➃⚺䱽蓿晙勻彂 ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 不确定9% 没有影响28% 有较大影响,需要改进19% 有一定影响,但可以接受44% 㕃⢪欽㕂❡蓿晙㼆AI劼㐼➃涸䱽ⵖծ끮⸓⿺雦皾䚍腊涸䕧ㆇ ♸ꬋ緸ꛏ㼆遤⚌欽䨪靈灇絡雦侨研欰䧭傞ꢂ2023䎃10剢19傈 公司 芯片平台 介绍 英伟达 JetsonAGXOrin平台 运算能力30TOPS(万亿次每秒)。包含了altaTensor核心图形处理单元,八核CPU,一个双NVDLA深度学习加速器,一个图像处理器,一个视觉处理器以及一个视频处理器。能够使几十种算法同时实时处理,从而用于传感器处理、测量、定位和映射、视觉及感知,外加路径规划等。 高通 RB6和RB5AMR平台 70-200TOPS,INT8,可通过扩展卡支持3GPPRelease15、16、17和18特性。同时,RB6平台还提供了全面、可定制且易于使用的丰富硬件及软件开发工具组合,包括全集成的AISDK、智能多媒体SDK等,可融合多媒体、AI与ML、计算机视觉(CV)和网络构建模块,支持端到端机器人应用部署。 AMD KriaSOM平台 基于ZynqUltraScale+MPSoC的架构,有一个四核的ARMA53处理器,4GBDDR4内存。板卡可扩展,支持Wi-Fi、5G等未来机器人开发过程中需要使用的功能。 英特尔 HERO系统平台 采用了英特尔酷睿系列CPU,并搭载英特尔Arria10GX系列FPGA作为异构加速器,CPU和FPGA之间通过8通道PCIe高速接口进行通信。 恩智浦 Layerscape多核通信处理器系列 LS1046A和LS1026A是多核通信处理器的两个代表产品。它们将四核(LS1046A)和双核(LS1026A)64位ArmCortex-A72与数据包处理加速、高速外设相集成。LS1046A具备320