报告分享|2022年中国机器人产业图谱及云上发展研究报告

报告在分析当前我国机器人市场现状与产业图谱的基础上，对人工智能、5G、云计算、边缘计算等新兴技术赋能机器人智能化、轻量化、柔性化发展进行了理性探讨，结合阿里云加速器企业案例探讨了机器人企业的上云实践与成效，提出机器人云上发展趋势，最终形成了本报告，希望为行业内关注机器人发展的同仁们带去不一样的视角。

一、机器人行业概况

1. 机器人分类及市场规模

机器人是一种能够半自主或全自主工作的智能机器，具有感知、决策、执行等基本特征，可以辅助甚至替代人类完成危险、繁重、复杂的工作，提高工作效率与质量，扩大或延伸人的活动及能力范围。根据机器人的应用环境，国际机器人联盟（IFR）将机器人分为工业机器人和服务机器人。服务机器人又可进一步分为专业领域服务机器人、公共服务机器人和个人/家用服务机器人。

2021年我国机器人市场规模预计达到839亿元，其中工业机器人市场规模约为445.7亿元，占比53.1%；服务机器人（含特种机器人）市场规模约为393.3亿元，占比46.9%。目前我国已成为全球最大的机器人市场。

2. 我国机器人行业投融资现状分析

根据企查查公开数据统计，2012-2021年十年间，我国机器人行业投融资事件总计2,651起，融资总额超千亿元。2021年国内机器人投融资事件291起，同比增长40.6%，其中超过1.5亿元的项目有60起，占已披露项目总数的31.4%。从所属的细分赛道来看，2021年工业机器人投融资项目占比从2020年的23.4%上升至28.6%。此外，公共服务机器人项目占比增幅最大，2021年公共服务机器人投融资事件占比从2020年的17.1%增长至24.5%，提升了7.4个百分点。

2022年1-5月，国内机器人投融资事件达到153起，同比增长24.4%。2022年以来资本市场的投入聚焦于仓储物流、自动驾驶、3D视觉、人工智能、手术/康复机器人、特种机器人、服务机器人等几个主要领域，投资机构将更倾向于有效降低劳动力成本、国产替代率高的项目，或是有新兴技术加持、致力于推动生产及服务的智能化改造的创新型企业。

3. 机器人行业法律法规

我国高度重视机器人产业发展，在国家的战略引领和政策推动下，机器人产业迅猛发展，成为了推动全球机器人产业稳步发展的重要力量。

资料来源：行行查研究中心

二、机器人产业图谱

1. 机器人

机器人产业链主要分为上游核心零部件、中游本体制造和下游系统集成三方面。其中，上游核心零部件主要包括各类零部件厂商，提供机器人生产中所需要的核心组件和功能模块。中游本体制造和系统集成环节，涵盖机器人本体制造商以及面向应用部署服务的系统集成商。下游应用主要由不同领域的企业客户和个人消费者构成，形成巨大的机器人应用市场。

2. 国内外代表性企业

机器人的生产制造企业众多，涵盖研发、零部件生产、本体制造、系统集成等领域。被称为工业机器人的“四大家族”——发那科、ABB、安川、库卡，在全球机器人市场中有着举足轻重的地位。

我国作为全球最大的机器人生产及消费市场之一，拥有着如沈阳新松，安徽埃夫特，广州数控，南京埃斯顿等优秀本土企业。但目前国内的机器人产业整体仍较为薄弱，核心零部件高度依赖进口，近七成的工业机器人市场份额依然被外资企业占据。

三、 机器人企业云上发展实践

1.智能制造场景：工业机器人上云促进工业智能化、生产柔性化

智能制造领域，机器人企业上云迎合了更加精密、灵活、柔性、高效的生产方式的需求，推动工业生产数字化、网络化、智能化。以汽车行业为例，中国工业机器人领跑者埃夫特基于工业云技术将传统的工业机器人与云端智能平台连接，将部分工艺层的算法和数据迁移到云端，突破了传统机器人本地硬件在海量工艺数据处理和存储方面的硬件瓶颈，为机器人智能化奠定了硬件基础。

2.IDC智慧机房场景：IDC运维机器人通过上云提升人机协同效率

IDC运维机器人可自主承担机房的运维工作，完成机房的例行巡查、特殊巡查、环境监测、机柜/服务器/硬盘识别、硬盘更换、服务器重启和硬盘回收等工作，替代人工运维中重复而繁琐的工作，有效排查、治理IDC机房的数据安全和资产安全隐患。以阿里巴巴达摩院的天巡机器人为代表，该产品是全球首款具备机械臂控制能力的数据机房运维机器人，可实现IDC机房全天候24小时巡检。天巡机器人通过视觉-触觉融合的复杂操作控制算法，具备在数据中心实现“自动更换硬盘、精细化巡检、自动资产盘点”的三大核心业务能力，为数据中心提供无人值守、无人巡检和数据安全的完整解决方案。

3.智慧安防场景：应对多样化、复杂化、动态化场景

基于传统安防机器人的上述诸多痛点，安防机器人企业在上云后可以将终端数据分流到边缘计算节点进行预分析，从而有效降低网络传输压力和业务端到端时延，并利用云计算技术实现各终端数据的协同共享。通过在边缘计算节点搭载AI人工智能视频分析模块，面向智能安防、视频监控、人脸识别等业务场景，以低时延、大带宽、快速响应等特性弥补当前基于AI的视频分析中产生的时延大、用户体验较差的问题，实现本地分析、快速处理、实时响应。通过云平台与边缘平台对机器人终端输出信息的协同处理实现本地决策、实时响应，打通安防场景下“事前布防预警、现场应急处置、事中闭环管理、事后溯源分析、知识图谱更新与信息共享”良性循环治理体系。

4.智慧医疗场景：上云提升医疗服务水平、优化医疗资源配置

我国医疗及康养行业迅速发展的过程中仍存在诸多痛点，如医疗资源分布不均、医疗信息集成、共享困难，医疗器械智能化水平较低等。在备受医学界青睐的机器人辅助手术领域，现已成为智慧医疗场景中的重要创新应用。手术机器人借助微创伤及其他基础医学技术实现人类能力范围以外的精准手术器械操控。手术机器人需要能够自主分析数据，通过云或边缘端的算法处理，将外科医生双手的活动复制为机器人本体相应的仪器细微运动，以便安全、快速和准确地为手术提供帮助；同时将数据上传到云端，在云端进行模型训练，完善机器人程序，并在适当时机将学习完成的算法更新至机器人终端。

5.酒店餐饮场景：机器人终端非实时的管理、维护、监控依赖云平台

酒店及餐饮配送场景下的机器人产品，是低速室内自动驾驶技术商业化落地的典型案例。机器人在长时间的移动运行过程中会产生大量的视觉、位置等数据，这些数据对机器人的定位、导航等有着非常重要的作用。然而单靠机器人的微控制器或者微处理器来实现对视觉数据的处理是远远不够的。企业通过云端控制平台对移动机器人进行远程控制，基于SLAM技术对餐厅空间进行构建，来获取仿真环境下的三维栅格地图，地图数据可以上传至云端存储并以最快的方式部署给其他需要使用的终端设备中。除了存储与部署的优势外，通过云或边缘端，实现对大量数据的处理及使用，可以减少对机器人终端控制器的消耗。

此外，餐饮机器人作为与大众消费者直接近距离接触的终端，其在广告投放方面具有先天优势。当前餐饮机器人的语音播放或屏幕显示主要以针对机器人使用商家的宣传推广为主，如特色菜、优惠信息等商家自身广告，未来机器人通过引入广告流媒体投放广告或许可以更好实现机器人的商业变现。

6.家庭服务场景：物联网云平台推动海量终端通信与互联

目前在家庭服务机器人领域，以清洁机器人为代表的家务机器人发展起步较早，市场成长迅速，产业化程度成熟。家庭服务机器人的核心技术包括人机交互、导航及路径规划、多机器人协调、人工智能、云计算等，具体涉及语音、语义、处理器、算法、通讯、大数据、物联网等，以实现家庭服务机器人的自主性、适应性、智能性。其中家庭服务机器人上云是人工智能技术实现的软件基础，数以万计的智能终端布局在家庭或办公等室内场景中，通过云服务平台完成调度与部署。此外家庭服务机器人的规模效应使得使用者越多，云端数据库就越强大，其所沉淀的大数据就越有价值，通过云服务可以形成良好的大数据基础，为机器人的迭代更新与升级改造提供用户数据支撑。

从万物互联的实践来看，家庭服务机器人将逐渐演变成为连接用户与智能家居的控制平台，借助互联网和云，为其他联网设备提供随时、随地的信息输入，更可运用人工智能技术进一步代替用户对其它联网设备进行自主操控，促进所有互联设备的高效整合，为用户提供有价值的智能服务。

四、机器人行业云上发展趋势

（一）趋势一：从单体智能到“云-边-端”一体化智能机器人云平台

1.“云-边-端”协同一体化基本架构

边缘计算是基于云计算技术的核心和边缘计算的能力，构筑在边缘基础设施之上的云计算节点，它与中心云和机器人终端共同形成“云-边-端”三体协同的端到端的技术架构。在机器人领域中，云、边、端三部分发挥着如下重要作用：

l 云平台：云平台汇集了机器人本体通过多种传感器收集的信息，并进行分析处理和安全备份。云端整合了边缘端及机器人终端的软硬件资源，并将其虚拟化，针对机器人在不同场景下的存储及算力需求进行调度。对于大批量、分散式的机器人进行远程集中管理，云端的统一调度，更便于机器人间的数据共享及高效协同工作。

l 边缘节点：通过边缘节点就近连接机器人设备，将原本由中心节点处理的大量工作加以分解，切割成更小与更容易管理的部分，分散到靠近机器人的边缘节点去处理，将有助于提升机器人本体的计算存储能力。由于传输链路缩短，且在5G技术的支持下，边缘服务器可以直接连接到分布式网关，从而大大减少了机器人与服务器的交互响应时间。

l 机器人终端：在“云-边-端”协同一体化的架构中，机器人本体的硬件结构将得到优化与释放，机器人不再需要配置性能高、能耗大的计算和存储设备。终端更多的是通过触觉传感器、视觉传感器、力觉传感器、超声波传感器、听觉传感器等重要零部件，来对外部环境、自然语言、雷达数据、突发状况以及地图定位等信息进行采集，并通过专线接入就近的边缘节点进行处理。

2. “云-边-端”协同一体化带来的变革

（1）资源协同，助力机器人行业降本增效

在整个“云边端”协同一体化的架构中，无缝协调三者的资源调度，始终是推动终端稳定高效运行的工作重点与难点。三者之间的资源协同具体体现在：

l 计算资源协同：“云-边-端”架构对计算资源协同要求云端基于虚拟化技术，对众多分散的边缘侧数据中心的算力资源进行按需调度，满足边缘侧应用对资源的需要。此外，5G通信技术、无缝漫游技术的普及，使得机器人终端到边缘节点的延迟可达到毫秒级，推动机器人非实时算力需求能力从单体终端中得以解放。

l 存储资源协同：边缘节点可就近为机器人本体提供存储资源支持，减轻机器人终端的存储压力。此外，边缘端可对图文、视频等数据进行预处理及缓存，再将其汇集到云端。当边缘节点存储能力不足时，部分对即时性要求不高的信息可以上传云端保存，并根据实际需要，通过云边协同调度使用。这样可以节省边缘侧存储资源，并使云边端配合更加紧密，为企业积累大量的有价值的数据信息。

l 网络资源协同：边缘节点与云平台的连接网络可能存在多条，在机器人集群大通量的数据交互时间段，如果距离最近的网络链路发生拥塞，云端的网络控制器可以进行感知，并将流量引入到较为空闲的链路上。网络资源的协同将有效减少复杂网络中各种路由转发和网络设备处理的时延问题，获取到更低延时，更加能大幅减少网络传输和多级转发带来的带宽成本，提升机器人的服务效率。

（2）持续学习和协同学习, 提升机器人的智能化水平

在“云-边-端”一体化架构下，为了增强机器人持续学习能力，工程师利用诸如知识蒸馏等迁移学习、领域自适应的方案，通过在云端训练的“教师模型”去传授边缘端“学生模型”的大部分知识，机器人本体则通过通用的模型建立基本的环境交互能力，然后根据完成任务所需的技能，通过边缘节点的反馈与调度，自主地从云平台中找到更多相关数据，并进行增强训练、模仿学习、技能迁移。

“云-边-端”协同一体化的架构，致力于打造一个整合机器人集群间，以及基于物联网技术下的机器人与各智能设备间的数据交互平台。充分利用云的大规模并行处理能力和大数据处理能力，通过各边缘节点，汇集单体采集的数据，在云端对机器人进行模型训练，最终将数据模型共享至每台机器人终端，提高机器人在集群范围内的协作学习及解决复杂问题的决策能力，增强了单体机器人的智能化水平。

（3）推动知识图谱与机器人感知、决策的紧密结合

云端与边缘侧以采集的数据为基础构建平台，通过数据组织、模型计算、知识服务等，对海量结构化数据、半结构化数据、非结构化数据以图谱形式进行沉淀，搭建企业级甚至行业级的知识图谱数据库。分散的机器人设备不仅可以通过传感器进行环境感知，还可以结合物联网技术连接其他智能终端，再上传云侧、边缘侧来进行共享，通过一定的冗余备份来达到更高的实时性。凭借云边赋能，机器人可对各类场景下出现的新问题、新事件与云或边端知识图谱数据库做快速比，通过图表特征得出异常结构和异常点，做出快速而准确的决策。并以积累的知识图谱为基础，在云端或边缘端对机器人进行一站式模型训练及部署，无需依赖本体算力环境，使机器人变得更加智能。

（4）强化自适应能力，增强机器人鲁棒性

机器人被部署到现场后，面对复杂多变的环境，需要对场景中的人、物、行为等进行长期观察，并结合相关的知识图谱和统计模型，总结出使用者偏好或突多类发问题的解决方案，据此来预测并做出合理的决策。为增强机器人的鲁棒性与自适应能力，云服务商可以在云端开发相关的自适应机器人交互软件库，将其统一部署在机器人终端。通过云端资源的赋能，在环境感知的基础上，为机器人提供自主学习功能，包括自适应的人员识别功能、个性化的知识图谱、自适应的物体检测和分割，甚至对使用者的自适应情绪识别等功能。

（5）增强数据安全，保障用户信息隐私性

云平台不断完善云安全防护体系，通过Web应用防火墙、DDoS防护网络、SSL证书等产品对业务流量进行恶意特征识别及防护、缓解网络对机器人服务造成的延迟增加及业务中断、提供数据HTTPS加密协议访问等，保障云边端数据传输的安全性。 边缘端与机器人本体也需要保证重要的隐私数据的物理安全和安全相关应用的代码安全，不断完善“云-边-端”安全防护解决方案，通过对机器人资产、安全事件、威胁情报、流量进行全方位的分析和监测，实现针对边缘网络的安全态势感知。为解决行业内及企业间的数据孤岛与数据隐私问题，“云-边-端”架构还可以借助联邦学习，在不泄漏各方隐私数据的前提下，完成模型的训练与推理。

（二）趋势二：上云推动机器人向轻量化、柔性化方向发展

1. 机器人轻量化

目前机器人本体的轻量化主要利用新材料及结构优化等方式实现。前者主要使用低密度的新型材料，如利用碳纤维等复合材料制作机械臂。相比之下，结构优化的方法只需改变结构形状，成本低且容易实现。“云-边-端”一体化架构下，机器人可将需要即时处理的数据就近在边缘云上完成，而复杂、大规模的全局性任务则交由中心云汇总和深入分析，中心云与边缘云统一管控、智能调度。这一协作方式，有助于释放传统机器人智能单体软硬件资源负担，优化机器人的产品形态，达到机器人轻量化的目的。

3. 机器人柔性化

材料方面，越来越多的机器人开始尝试由可产生大应变的柔软弹性材料制造，如硅胶、形状记忆合金（SMA）、电活性聚合物（EAP）等新材料。形态结构方面，传统的刚性机器人需要在关节末端加装多个传感器，而软体机器人为了把一整块电子元器件、电路板放到机器本体里，采用不同角度、方向，分散均衡受力，使其适应较为苛刻的工作环境。此外，工程师还通过模仿人类肢体关节的灵活性进行仿人型设计，以增强机器人对不规则目标物体抓取的适应能力。与产品的物理属性相适应，在软件层面，企业为工业机器人本体搭载了柔性测试系统。“云-边-端”协同一体化的架构，可以全方位采集机器人关节末端的力控与视觉传感器反馈的运行数据，将不同品类工件的质量、体积、空间形态等信息以及其对应所需的力控、角度等抓取数据进行存储，基于海量的样本数据在云或边端对机器人进行模型训练，增强机器人应对多品类场景的自适应能力，进而推动机器人产线的柔性化作业。

（三）趋势三：上云带来的商业模式和交付方式的改变

1. 机器人即服务（RaaS）

机器人即服务（Robot-as-a-Service，RaaS）是一种创新的机器人应用模式。近年来，机器人租赁日渐兴起并发展成熟，成为了RaaS服务的重要方式。根据企业用户资金调度、售后服务、技术支援等需求的不同，市场出现多种租赁模式，主要包括直接租赁、融资租赁、售出租回及先租后售等。

2. 深挖数据价值，推动企业营销模式变革

机器人企业上云可以在云端积累的大量数据，形成隐形的“数据金矿”。云服务厂商可以赋能企业进行大数据沉淀，如分析判断哪些产品在哪些区域或场景下使用频次较高，或者根据用户的偏好形成完整的消费者画像，以帮助企业做到精准营销。服务类机器人由于深入消费场景，除了功能性应用外，机身也可以为承租方提供理想的营销展示空间。机器人企业可以基于云端的流媒体平台，授权营销者、广告机构、内容分发商等信息发布权限，根据当前的主题、趋势、热点，制作内容，部署到机器人终端，在不影响机器人应用功能的前提下，向消费者展示广告及活动宣传。

（四）趋势四：由内向外释放上云红利，赋能大量中小制造企业发展

1.打通基础服务，构建适配多场景的标杆应用

云服务商基于工业互联网底座、业务和数据的云边双中台技术架构，在云端为机械装备制造业企业提供一体化解决方案服务，加速推进装备制造业与高技术服务业的融合发展。除了构建夯实的基础、实现开放、可复用的基础服务之外，同时也围绕设备运维服务、非标定制服务、云MES应用等企业的众多业务场景构建标杆应用。

2.云端低代码帮助中小企业便捷开发各类应用

云端可以为中小企业提供应用开发的一站式低代码开发服务，云服务商致力于打造高效、高性能的拖拽式低代码开发平台。低代码以云开发作为底层支撑，提供高度开放的开发环境，将繁琐的底层架构和基础设施抽象化为图形界面，通过行业化模板、拖放式组件和可视化配置，针对机器人服务的不同场景需求，快速构建多端应用，免去了代码编写工作，降低了算法工程师编程的难度与门槛，能够有效解决中小企业IT能力不足的问题。

3.成熟的行业解决方案+行业工具包/算法包

云端可汇聚多种成熟的产品与解决方案，适配不同类型机器人的应用场景需求。如针对工业机器人集群大通量、低延时的数据传输问题，云服务商可以为其提供专业的DTS服务，支持关系型数据库、NoSQL、大数据等数据源，集数据迁移等功能于一体，解决公共云、混合云场景下，远距离、秒级异步数据传输难题。而针对需要与消费者广泛交互的服务型机器人，云端的分布式实时分析型列式数据库服务具有高性能、开箱即用、企业特性支持，可广泛应用于流量分析、广告营销分析、行为分析、人群划分、客户画像、数据集市、网络监控等业务场景。

4.“区域共享工厂”模式赋能中小企业智能化改造

区域共享工厂的模式能够根据不同场景下的订单需求，依其流水线特点智能切换对应的制造程序，并进行一体式精密生产控制，满足小批量混线生产的柔性需求，赋能众多中小企业的智能化生产。国内工业机器人头部企业埃夫特，遵循市场逻辑，创新探索出“区域共享工厂”模式。在这一模式下，机器人企业可以在产业集聚区，针对中小制造业企业的多品类、小批量的生产需求，部署适配的机器人工厂，中小家具企业不必自己建设、操作喷涂、焊接等机器人生产线，用不起、不会用的问题迎刃而解，以较低的成本使用机器人，既化解了“用工难”，也降低了工人职业病防护风险。