AI 人形机器人行业发展及技术蓝皮书 2024 展会快讯

一、智能机器人行业发展综述

(一) 机器人的概念内涵

1. 机器人的定义

对于机器人的定义，不同机构给予了不同解释。国际标准化组织（ISO）对机器人的定义为：具有一定程度的自主能力的可编程执行机构，能进行运动、操纵或定位（8373:2021 Robotics – Vocabulary）。而我国发布的国家标准 GB/T 39405-2020，机器人是具有两个或两个以上可编程的轴，以及一定程度的自主能力，可在其环境内运动以执行预定任务的执行机构。

随着多模态感知系统、动力学模型、深度学习、定位导航等智能技术逐步应用于机器人领域，智能机器人则在机器人基础上，具备更强的感知、学习和自主能力，可以适应更复杂的环境和任务需求。

权威标准组织对智能机器人的定义尚未形成统一共识，根据科技词典McGraw-Hill Dictionary of Scientific & Technical Terms 的定义：智能机器人是一种智能机器，可基于编程程序根据传感器的输入信息做出决策与采取行动。根据调研，我们认为在机器人概念的基础上，智能机器人融合智能技术，具有深度感知、智能决策、泛化交互和灵巧执行能力的四大要素。

图 1 智能机器人的核心要素

深度感知：指机器人具备对周围环境及自身状态的高度敏锐感知能力。通过多模态感知系统，机器人可以获取视觉、听觉、触觉、力觉等多种信息，实现对环境的全方位感知。这种能力使机器人能够更好地适应复杂环境，提高对实际场景的理解和应对能力。

智能决策：基于深度感知获取的信息，机器人可以通过先进的算法和机器学习技术进行智能决策。涉及到对大量数据的处理、分析和预测，使机器人能够在各种情况下做出合理且高效的决策。

泛化交互：机器人能够与人类及周围环境进行自然、流畅的交互，这是智能机器人重要的能力之一。通过语音识别、图像识别、情感计算等技术，机器人可以理解人类的需求和意图，并以人性化的方式回应。同时，机器人还能与其他设备、系统进行协同工作，实现更为广泛的应用。

灵巧执行：基于智能决策和交互，机器人能够精确灵活地执行任务。通过动力学模型和控制算法，机器人可以实现对各种复杂任务的执行，如抓取、搬运、操纵等。同时，机器人还能根据实际情况对执行策略进行自适应调整，以提高任务完成的效率和稳定性。

这四大要素共同构成了智能机器人的核心竞争力，随着科技的发展和市场的需求，智能机器人应用场景不断扩大，包括制造业、服务业、医疗、教育、家庭等各个方面。这为智能机器人产业提供了广阔的市场空间，也促使智能技术更快地与机器人融合。

综上所述，机器人学已经发展成为一个涉及拓扑学、系统工程、人工智能等多领域交叉的综合型学科。而智能机器人作为机器人技术发展的一个新阶段，涵盖了多个领域的知识体系。在发展过程中，各种学科相互交叉、相互促进，共同推动机器人技术的进步和发展。

2. 智能机器人的历史沿革

智能机器人是一种具有自主感知、学习和决策能力的机器人，它的智能级别通常分为 L0 到 L4 五个等级：

L0：无智能。机器人完全依赖预设的程序和指令执行任务，没有自主学习和适应能力，完全依赖人为操纵。

L1：基础智能。机器人具备一定的自主学习能力，可以接受预编程的程序控制，可以识别简单的环境和任务，但决策能力有限。

L2：中等智能。机器人具有较高的自主学习能力，可以适应复杂的环境和任务，能够自主按程序运行，但在关键时刻仍需要人类干预。

L3：高度智能。机器人具有很强的自主学习和决策能力，能在复杂环境中执行任务，在特定条件下具备自适应能力，但无法持续自学习、自优化，在某些情况下仍需要人类辅助。

L4：超级智能。机器人具有极高的自主学习和决策能力，能在极端复杂的环境中执行任务，完全替代人类。

图 2 智能机器人发展脉络图

目前市面上的智能机器人大多处于 L1 到 L3 级别，随着技术的不断发展当前智能机器人处在 L3 向 L4 进化的关键阶段。智能机器人的历史可以追溯到 20 世纪 40 年代至 60 年代，智能机器人处于 L0 级。1956 年，约翰·麦卡锡 (John McCarthy) 提出了“人工智能”这个概念。在这一年里，第一次人工智能会议在加州大学伯克利分校举行。这次会议标志着人工智能领域的正式诞生，也为后来的机器人研究奠定了基础。计算机科学家和工程师开始尝试将机器人和人工智能技术结合起来。例如 1954 年麻省理工学院（Massachusetts Institute of Technology，MIT）生产第一台能够预先编程控制的机器臂，具备了机器人的雏形。

20 世纪 60 年代至 80 年代，机器人技术、应用领域和学术研究等方面取得了显著成果。数字传感和控制技术的提升赋予智能机器人感知和决策能力，智能机器人迈向 L1 级。1964 年麦卡锡推出第一个带有视觉传感器、能识别并定位积木的机器人系统。工业机器人开始在制造业领域广泛应用，如装配、搬运、焊接等。服务机器人慢慢进入人们的视野，1985 年，日本公司 Epson 推出了第一款家庭用机器人“AIBO”。

20 世纪 80 年代至 2010 年代，得益于伺服系统、传感器和人工智能技术的不断发展，机器人能够在各种复杂环境中执行精确的任务。智能机器人迈向 L2 级的标志性的产品是 1990 年 FANUC 推出全球第一款完全由计算机控制的工业机器人控制系统。它们在汽车制造、电子产品组装、化工等领域取代了部分人力，提高了生产效率，降低了劳动成本。在服务领域，家务机器人开始进入市场，如扫地机器人、洗碗机等，帮助人们减轻了家务负担，提高了生活质量。在医疗领域，手术机器人开始投入使用，辅助医生进行精密手术。随着航天技术的发展，机器人开始在太空执行任务，如国际空间站的建设和维护。在服务行业，如酒店、餐厅、银行等。这些机器人能够提供亲切的服务，提高客户体验，节省人力成本。此外，机器人在深海勘探、野外科考、军事战场等方面也发挥了重要作用。

随着 2006 年 Hinton 提出深度学习神经网络，人工智能算法逐渐落地，智能机器人发展进入新阶段，智能机器人逐步迈向 L3 级。特别是 2020 年至 2023 年的短短三年里，智能机器人的更新换代和智能升级进入爆发期。大模型等 AI 赋能技术使机器人具有更强大智能和类人特征，通用人工智能突破性的进展和成熟技术整合，催生了以波士顿动力的 Altas 和特斯拉的 Optimus 为代表的人形机器人。微软、谷歌、英伟达等科技巨头积极布局智能机器人新市场新赛道，智能机器人迎来风口期和智能水平从 L3 向 L4 进化的关键期。

3. 机器人的分类

国际机器人联盟（IFR）根据应用环境，将机器人分为工业机器人和服务机器人两大类。其中，工业机器人是指应用生产过程和环境的机器人；服务机器人是指除工业机器人以外，用于非制造业并服务于人类的各种机器人，分为个人/家用服务机器人及专业服务机器人。

在我国在 2020 年发布的最新标准中，按照应用领域，将机器人分为：工业机器人、个人/家庭服务机器人、公共服务机器人、特种机器人和其他应用机器人五个类别。此外，也可按照运动方式、机械机构类型、编程和控制方式对机器人进行分类。

图 3 GB/T 39405-2020 根据应用领域的机器人分类

自 2021 年 6 月 1 日起，我国实施了国家标准《机器人分类》（GB/T 39405-2020），该标准根据应用领域将机器人分为以下几类：

工业机器人：自动控制的、可重复编程、多用途的操作机，可

对三个或者三个以上轴进行编程，它可以是固定式或移动式。在工业自动化中使用。按其使用用途可分为：搬运作业/上下料机器人、焊接机器人、喷涂机器人、加工机器人、装配机器人、洁净机器人、其他工业机器人。

个人/家用服务机器人：在家居环境或类似环境下使用的，以满足使用者生活需求为目的的服务机器人。按其使用用途可分为：家务机器人、教育机器人、娱乐机器人、养老助残机器人、家用安监机器人、个人运输机器人、其他个人/家用服务机器人。

公共服务机器人：应用于住宿、餐饮、金融等公共场所，如商场、医院、学校等，为人类提供一般服务，如导览、咨询、安保等服务。按其使用用途可分为：餐饮机器人、讲解导引机器人、多媒体机器人、公共游乐机器人、公共代步机器人、其它公共服务机器人。

特种机器人：应用于专业领域，一般由经过专门培训的人员操作或使用的，辅助和/或替代人执行任务，。这类机器人可以在极端环境下（如高温、高压、辐射等）替代人类完成任务，保障人员安全和提高工作效率。按其使用用途可分为：检查维修机器人、专业检测机器人、搜救机器人、专业巡检机器人、侦察机器人、排爆机器人、专业安装机器人、采掘机器人、专业运输机器人、手术机器人、康复机器人、其他特种机器人。

其他应用领域机器人：除以上四类应用领域之外的机器人。由于本蓝皮书立足于国内智能机器人技术产业发展趋势，故采用国家标准中对机器人的定义和标准，即本课题的研究范围为工业、个人/家庭服务、公共服务、特种等领域最具代表性的机器人。

(二) 智能机器人的政策布局

机器人技术正不断朝着智能化、网络化、自主化的方向发展。智能机器人技术作为衡量一个国家科技发展水平和国民经济现代化、信息化的重要标志，各主要工业国持续推动产业发展，通过顶层战略引导，逐步推动智能机器人技术融合、产业发展、应用创新。

各主要工业国以美国、欧盟、日本、中国为代表，美国重点发展智能技术和与国防等关键领域相关的机器人产业；欧盟重点关注技术创新和机器人产业中的中小初创企业发展；日本着力发展工业领域的应用发展和机器人对劳动力短缺的补充；中国以《中华人民共和国国民经济和社会发展第十四个五年规划和 2035 年远景目标纲要》为引领，大力推广机器人全产业链布局域、关键技术攻关和典型场景应用。

1. 推动机器人与 AI 等技术融合提升智能水平

2020 年 9 月由美国计算机社区联盟（CCC）发布的第四版《机器人路线图：从互联网到机器人》，探讨了架构与设计实现、移动性、抓取与操作感知、规划与控制、学习与适应、多机器人系统、人机交互等 8 个研究领域的技术发展目标。2023 年 5 月，美国在国家层面发布了《国家人工智能研发战略计划》，明确提出将“开发功能更强大、更可靠的机器人；改进硬件以促进人工智能”列为优先事项。欧盟积极关注 AI 与机器人的集成应用。在《地平线欧洲》工作计划中，欧盟为机器人相关项目提供的资金支持从 2021 年规划的 1.8 亿欧元扩大到了 2.4 亿欧元。

除美国、欧盟外，日本、韩国也都发布了政策文件，进行顶层的战略引领。2022 年 4 月，日本在《人工智能战略 2022》中提出将 AI技术和机器人技术融合，降低管理成本，提高业务效率。2022 年 3月，韩国在《2022 年智能机器人实行计划》中提出投资 2440 亿韩元用于制造和服务机器人的研发和推广，计划开发 37 个额外的标准流程模型，推动机器人与 AI、大数据 5G、云等技术融合。

我国积极着眼智能机器人领域发展，分别在 2021 年 10 月、12月出台《国家标准化发展纲要》、《国家智能制造标准体系建设指南（2021 版）》，强调要加强智能机器人领域关键技术标准研究，推动产业变革。

2. 扶持机器人产业发展打造基础设施

美国在 2023 年 9 月发布的《美国先进机器人制造创新机构》中将在面向任务规划；多机器人-多人协作；制造机器人的人工智能等方向遴选短周期技术项目给予资助。作为欧盟成员国之一的法国颁布《“法国 2030”投资计划》，投资约 58 亿美元支持包括机器人技术在内的颠覆性技术初创企业。

日本在 2023 年 7 月发布的《日本制造业白皮书》中明确，将工业机器人指定为 "特定关键商品"，确保关键商品的稳定供应强化国内生产基础。韩国在 2023 年颁布的《先进机器人监管创新计划》中同样重点关注敏捷性、安全性、协作能力和基础设施的建设。

中国在 2021 年 12 月出台的《“十四五”机器人产业发展规划》中明确，要加快解决技术累计不足、产业基础薄弱、高端供给缺乏等问题，推动智能机器人产业迈向中高端。

3. 推动工业、服务、医疗等领域机器人研究

2021 年美国发布《美国国家机器人计划 3.0》中明确支持机器人领域基础研究，在教育、农业交通、太空医药等领域，每年提供 1.25-1.4 亿美元资助。2022 年 10 月美国发布的《国家先进制造业战略》，将机器人技术与太空增材制造工艺相结合进行深空探索。欧盟各国家也聚焦智能机器人在各领域的广泛应用，法国在 2021 年 10 月出台《法国 2030 投资计划》：投资 8 亿欧元发展机器人产业，制造结合人工智能技术的机器人，投资约 58 亿美元支持包括机器人技术在内的颠覆性技术初创企业。德国颁布的《高科技战略 2025》战略文件明确在 2026 年之前每年提供约 7000 万欧元的资助，推动智能机器人在工业、医疗、物流等领域的应用。2022 年日本颁布的《机器人新战略》中明确重点支持制造业、照护与医疗、基础设施和农业等领域机器人发展。我国于 2021 年 12 月颁布的《“十四五”智能制造发展规划》中已经明确，发展工业机器人等通用智能制造装备、融合数字李生、人工智能等新技术研发协作机器人、自适应机器人等新型装备。2023 年1 月出台的《“机器人+“应用行动方案》和同年 11 月出台的《人形机器人创新发展指导意见》则共同强调了聚焦重点应用领域和人形机器人，突破机器人应用技术及解决方案，推广典型应用场景。

图 4 各主要工业国的智能机器人战略布局

图 5 我国的智能机器人发展格局

二、智能机器人应用场景与需求分析

智能机器人在各个领域的应用场景不断拓展。通过对应用场景进行深入分析，可以为智能机器人研发提供有针对性的指导，推动智能机器人技术不断优化和创新，以满足市场和用户的需求。通过深入了解和挖掘应用场景与需求，可以为智能机器人的研发、应用和推广提供有力支持。提取环境复杂度和自主性两个核心因素对智能机器人应用场景进行分类研究。

(一) 智能机器人环境复杂度分析

1. 结构化环境

结构化的场景是指具有明确结构和规则的场景，该部分场景中的任务通常具有重复单一、强度大、目标明确等特点。在结构化环境中，机器人通常受到特定设计与编程限制，它们依靠传感器来感知周围的环境，执行预定义的任务。

由于工业生产和制造往往依赖于精确的工艺流程和严格的规范，因此工业场景通常被认为大部分是高度结构化的环境。在大部分工业场景中，设备和机器通常按照特定的布局进行排列，生产线上的工作流程也被精心设计，以最大程度地提高效率和质量。此外，工业场景通常采用先进的监控和自动化技术，以确保操作的一致性和可追溯性。这种结构化环境有助于降低生产中的风险和错误，并为工业企业提供了更好的控制和管理机会，从而推动了工业领域的不断发展和进步。

2. 非结构化环境

非结构化环境指的是那些复杂、多变、难以预测和不受限制的环境，其中机器人需要更高程度的灵活性和适应能力来执行任务，这种情况下低自主性的机器人在面对这类任务时，是难以独自完成任务的。非结构化环境具有多样性、不确定性和动态性的特点，要求机器人能够自主地感知、理解和应对环境中的各种变化。在服务行业，如餐厅、酒店和零售，以及特殊场景，如紧急救援和自然灾害应对，处置的任务情况常常多种多样，不容易预测和规范。

因此，服务和特殊场景大部分被认为是半结构化以及非结构化的。在这些环境中，智能机器人需要具备灵活性、适应性和决策能力，以应对各种情况。与工业环境不同，服务和特殊场景通常需要更多的人际交往和情感智能，以满足客户需求或应对紧急情况。这种非结构化环境的挑战性使得这些领域的智能机器人需要具备多样化的技能和能力，以提供高质量的服务或应对多变的情况。

3. 应用环境谱系分析

通过对工业机器人、服务机器人和特种机器人共计 50 个应用场景的调研，以自主性水平和场景复杂度为思考角度对机器人进行分类和定位，得到了智能机器人的应用分布图，如图 6 所示。

图 6 智能机器人应用分布图

利用横轴与纵轴将机器人根据应用场景复杂度与自主化水平分为四个象限。第三象限为低自主性机器人在结构化环境中的应用，第四象限为低自主性机器人在非结构化环境中的应用，第二象限为高自主性机器人在结构化环境中的应用，第一象限为高自主性机器人在非结构化环境中的应用。

其中，低自主性机器人在结构化环境中的应用有：码垛、打磨、测温、消毒、涂胶、搬运、辅助检查、耗材管理、投料、分拣、信息询问和远程辅助。

低自主性机器人在非结构化环境中的应用有：清洁、播撒、监控、环境监测、烹饪、搬运、检修、测绘、配送、代步、收割、排爆。

高自主性机器人在结构化环境中的应用有：喷涂、巡检、运送、施肥、装配、质量检测、采摘、除草、焊接、营销、情感陪护。

高自主性机器人在非结构化环境中的应用有：农药喷洒、表演、导览、康复、护理、接待、勘测、侦察、教学、军事巡逻、艺术创作、安防、手术、海底探索、搜救。

由于工业场景通常被认为是大部分是高度结构化的环境，工业机器人的应用则集中在分布图的左侧。而服务机器人与特种机器人在各个象限均有所分布，由此可见他们的应用场景更加复杂多样。

(二) 智能机器人自主性分析

1. 低自主性智能机器人需求分析

低自主性智能机器人主要指是一种具有较低程度自主决策和执行任务能力的机器人，具有有限的学习能力和感知能力，以稳定高效完成单一任务为主要目标。

低自主性机器人在结构化场景中的任务单一且确定性强，这种应用场景主要为工业场景，具有任务重复单一，强度大，负载大，对自主性需求低但对性能、稳定性、精确度需求高的特点。

例如对于测温工作来说，特别是针对一些容易在人际间传播的病症，如新型冠状病毒等，部署人力检测是一项成本高、具有一定危险性，但任务重复单一的工作。为了解决这一问题，搭载了医用级热成像精准测温、异常预警、通信等功能模块的测温机器人，可以实现自动化操作、高精度测量、快速响应、全天候检测、数据统计和分析、各种环境适用以及快速部署等功能。测温机器人通过热成像技术可以快速准确地检测人体温度，同时可以实时监测人群中的异常情况并发出预警信号。此外，这些机器人还具有通信功能，可以将测量数据和预警信息传输给管理人员和医疗机构，以便及时采取措施控制疫情的传播。测温机器人的出现不仅可以提高测温工作的效率和精度，同时也可以降低人力成本和风险。

根据上述的分析，可以总结出在单一结构化场景的智能机器人通常需要具备精确控制、高稳定和高精度的需求。

随着部署场景从结构化环境逐渐变为非结构化环境，环境复杂性和任务危险性上升，低自主性智能机器人难以独自完成。因此，低自主机器人在非结构化场景中，需要多个机器人可以相互配合和精确协调，以及更好地应对这些复杂环境，或者通过人机协同，人类操作员可以在远程进行监控和操作，避免人类直接接触危险品，提高任务的成功率和安全性。。

例如对于排爆任务，这是需要拆除炸弹、处理爆炸物品等危险性极高的工作，需要排爆手具备专业技术和心理素质，存在危险性高、技术要求高、任务难度大等任务特点，是一项极具挑战性和危险性的工作。为了降低人员风险，排爆机器人辅助人类完成任务。机器人在此任务中面临场景动态随机、任务目标复杂与单机器难以独自完成等问题。

根据上述的分析，可以总结出低自主机器人在非结构化场景中，产生从稳定完成单一任务到多机/人机协同的需求变化。

2. 高自主性智能机器人需求分析

高自主性智能机器人是指一类具有较高程度自主决策和执行任务能力的机器人。此类机器人能够相对独立地完成各种任务，而无需频繁的人类干预和指导，可以自主学习完成任务的最优策略以及对周围环境的全面感知。

高自主性智能机器人在结构化场景中任务的专业性较强，强调智能机器人自主学习优化的能力。这类机器人的应用场景具有任务遵循相似模式、根据场景智能决策、自主学习最优策略与重复任务的共性特点。

例如焊接机器人，面临焊缝质量差与焊接偏差的问题。这些问题与焊接过程中的电弧稳定性、焊缝跟踪、焊接参数优化等因素密切相关。为了解决这些问题，需要实现焊缝实时跟踪、偏差自主补偿以及精准定位控制。焊接机器人能够根据不同的焊接任务和环境，自主进行学习和调整，以适应各种复杂的焊接条件。通过自主学习，机器人可以不断完善自身的技能和知识，提高焊接质量和效率。精确控制是保证焊接质量的关键因素。在焊接过程中，机器人需要具备高精度的定位和运动控制能力，以确保焊缝的准确性和一致性。通过精确控制，可以减少焊接偏差和缺陷，提高产品的质量和可靠性。高稳定性是保证焊接机器人长时间稳定工作的关键。由于焊接过程容易受到各种干扰因素的影响，如温度变化、电源波动等，因此机器人需要具备强大的抗干扰能力和稳定性。通过提高机器人的稳定性，可以降低故障率和维护成本，提高生产效率。

因此，针对焊接机器人所面临的问题，自主学习、精确控制和高稳定性是必不可少的。只有实现这些需求，才能使焊接机器人更加智能化、高效化和可靠化，为工业生产带来更多的便利和效益。进一步可以推断出该场景下对机器人的需求包括自主学习、精确控制和高稳定性。

高自主性智能机器人在非结构化场景中，自主智能机器人随着环境复杂，还需具备高感知高互动以支持复杂任务。这类机器人的应用场景具有个性化任务、感情陪伴、环境复杂、独立任务、生理极限与危险系数高的共性特点。

例如在现代社会中，越来越多的人感到孤独和寂寞，而陪伴机器人的出现可以为人们提供一个可以交流和分享的伙伴，从而满足人们的情感需求。陪伴机器人可以适应个人需求并提供个性化情感陪伴服务，帮助人们更好地应对生活中的挑战。同时，陪伴机器人也可以作为一种教育和培养意识的工具，帮助人们开阔视野、增加知识储备和提高科学素养。传统机器人面临着表达能力不足、感情分析能力不足等问题，无法胜任陪伴任务。高自主性智能机器人具有基于机器学习的感情分析与自然语言模型，实现情感陪伴、娱乐、辅助记忆、检测健康状态等功能，并提供适应个人需求并提供个性化情感陪伴服务。

根据上述分析，在复杂场景下的高自主性机器人有着高互动性与高感知能力的需求。

3. 智能机器人功能方向分析

图 7 为智能机器人场景需求总结及功能方向示意图：第三象限对应结构化环境中的低自主机器人，主要需求为准确控制、高稳定性和高精度；第四象限对应非结构化环境中的低自主机器人，主要需求为机器协同与人机协同；第二象限对应结构化环境中的高自主机器人，主要需求为自主学习与自主优化；第一象限对应非结构化环境中的高自主机器人，主要需求为高互动高感知。

图 7 智能机器人场景需求总结及功能方向示意图

以上四个象限中机器人的功能需求可以概括如下：

结构化环境的低自主性机器人的需求主要集中在能够稳定完成单一重复性任务，需求准确控制、高稳定和高精度。而其他的场景均需要利用机器人的智能，进行任务和环境学习，因此，自学习自优化的需求覆盖了其他三个象限。而对于非结构环境，如果智能机器人的自主性低，那么会考虑利用机器协同的方式完成复杂任务或辅助人类工作，高自主性的机器人则不仅要全面感知周围环境，还需要能够与人类友好互动。

根据以上分析，多样化的场景需求引导智能机器人向着稳定高效、认知学习、交互协同和环境感知四大功能方向升级。

三、智能机器人技术分析

(一) 智能机器人技术体系

目前智能机器人已经步入了新的发展周期，在稳定高效、认知学习、交互协同和环境感知四大共性功能需求牵引下，随着人工智能、多模态传感和数字孪生等领域的先进技术快速引入和更新，使智能机器人的技术框架大规模扩展升级。

图 8 智能机器人技术框架

传感层：传统机器人主要依赖基础的感知技术，而现代智能机器人则深度融合了视觉感知与多模态感知技术，为机器人提供更丰富的环境信息。

执行层：除了传统的执行驱动技术，智能机器人进一步引入了柔性技术和一体化硬件技术，这增强了其执行和操作的灵活性。

通信层：与仅使用光纤、蓝牙和物联网协议的传统机器人不同，智能机器人已经成功地应用了 5G/6G 技术，为其提供了更快速和稳定的通信能力。

操作平台：除了传统的 ROS 框架和硬件抽象技术，智能机器人还采用了云操作平台和开源开放操作系统，增强了其软件基础设施的可扩展性和灵活性。

控制层：除了基础的姿态控制和导航定位，智能机器人引入了生肌电一体控制技术，为其提供了更为精确的控制手段。

智能决策层：传统机器人多依赖优化算法和浅层机器学习，但智能机器人则融合了自然语言处理、生成式 AI、深度学习、强化学习、知识图谱和计算机视觉技术，提升其决策的智能度。

数字孪生层：包含运行支撑层、数孪模型层和应用服务层，涉及边缘计算、云计算、高性能计算、分布式存储、机器学习、实时仿真和大数据分析等多种技术，为机器人提供了全面的数字化支持。

交互层：通过 HMI、VR、AR、MR、XR 等技术，智能机器人实现了更为沉浸和自然的用户交互体验。

能源层：在确保功能安全、数据安全和网络安全的基础上，智能机器人还采用了高密度能量电池和高效能源管理技术，为其提供了持久而稳定的能源支持。

(二) 核心技术分析

1. 传感层

传感层是负责获取来自外部环境的信息以支持机器人的决策和行为，是智能机器人感知能力的数据来源。随着深度视觉和多模态融合技术的快速发展，已经逐步实现了机器人的全息智能感知。

3D 传感技术实现机器人深度感知。深度视觉感知可以模拟人类视觉系统，从图像中进行特征提取、识别与分类，其中最新的 3D 传感技术通过 3D 超声波传感器、3D 激光雷达、stereo 立体照相可以实时获取环境物体三维空间信息，实现机器人深度感知。例如 Toposens开发出基于仿生学原理的 3D 超声波传感器，通过基于声音的三角测量与复杂的噪声过滤软件相结合，精确地检测复杂物体的立体信息。

多传感器、多模态融合实现机器人全息感知。传统的单模态感知中机器人通过单一传感器获取环境信息，而多传感器、多模态融合综合利用不同传感器的信息，可以使机器人更好地理解周围环境并做出相应的反应，提高了物体识别精度和准确性，实现机器人全息感知。

例如 robot flesh 具有先进的光电特性，可以通过可拉伸的光导来编码触觉刺激，包括变形、温度、振动和损伤刺激。可以用于创造具有高度逼真触觉反馈的交互式设备。

2. 执行层

执行层是将决策转化为具体的物理元件的指令，以驱动机器人能够完成特定任务。随着柔性技术和一体化硬件技术的发展，已经逐步实现了机器人的高性能、紧凑化。

柔性技术提升向多任务复杂环境适应性。柔性机器人结合柔性电子、力感知与控制、人工智能技术，获得了力觉、视觉、声音等感知能力，应对多任务的通用性与应对环境变化的自适应性大幅提升，可以提升机器人面对多任务的通用性与应对环境变化的自适应性。例如东南大学开发的软体机器人，通过整合超声波传感器和柔性摩擦电传感器，使其具有远程物体定位和多模态认知能力。

高性能的紧凑型执行器进一步提升机器人性能，降低成本。传统机器人出现伺服电机比机器人尺寸更长时直接影响周边设备动作，将减速器、编码器、力传感器等核心硬件进行一体化设计，不仅使得工作范围更加宽广，也同时提升器件性能，降低成本。例如 Nabtesco开发出 AF 系列紧凑型执行器，使用了 AF 系列紧凑型执行器的机器人相较于传统机器人有以下优势：节省空间 30%，性能提升，无需密封设计。

3. 通信层

通信层是实现机器人设备与控制系统以及智能机器人对外交互的关键部分，当前正在向低时延高带宽的自组织网络发展。无线通信包含 WiFi、5G/6G 等技术，大量应用机器人内部、机器人与云端以及人机交互领域。

低时延高带宽通信提升机器人性能与效率。传统通信方式传输效率低，难以实现无缝的远程交互和数字孪生系统的参数同步，新兴无线通信方式为大带宽、低延迟和高吞吐量的数据传输基础提供了可能，实现机器人内部数据的传输和对外数据共享，促进了机器人与人类和其他机器的互动与协作，有效提升数据传输效率，提升机器人性能与效率。例如 Halma 公司以约 4,700 万美元现金收购了水下机器人开发商 Deep Trekker，其 Bridge 技术可提供几乎零延迟的水下无线通信。沃达丰与韩国现代机器人公司合作开发 5G 服务机器人，将在医院、酒店、餐馆和护理机构应用。

自组织网络保证机器人高效协同控制。无线通信包含 WiFi、5G/6G 等技术，通过自组网技术可实现多机之间的信息的快速传递共享，同时自组网能够及时感知网络变化，自动配置或重构网络，保证数据链路的实时连通，保证机器人高效协同控制，具有高度的自治性和自适应能力。例如大疆 RoboMaster TT 编队飞行套装机身内置高性能 Wi-Fi 模块，通过针对性设计的通信网络，无需路由器和额外设备即可实现无人机自行智能组网。

4. 操作平台

在操作平台，机器人本机及集群控制，能够让机器人系统所有资源最大限度地发挥作用，当前正在向标准化和智能上云的方向发展。生机电一体化技术可实现更优的人机交互性，以及人体与机器人更好的相容性，已经应用到仿生机器人、医疗康复机器人等制造领域。

机器人操作系统走向统一化标准化开发。不同行业应用对于机器人操作系统存在共性及差异性需求。中间件处于应用和操作系统之间，提供标准接口、协议、数据与服务管理等机器人基础通用功能模块。由于机器人产业的增长，对底层服务能力的需求已趋于统一化与标准化。例如 ROS-2 在 ROS（机器人操作系统）的基础上发展而来，增加了稳定性、生命周期管理、多机协同及加密等功能。AMD推出专为机器人设计的 Kria KR260，支持本机 ROS 2，便于机器人功能开发。

智慧上云降低了机器人集群部署成本。完成复杂功能所需的算力成为了智慧机器人大量部署的瓶颈，通过将算力集中到云平台可降低成本，促进知识融合和智能发展。例如亚马逊 RobotMaker 将机器人需要的资源密集型计算流程转移到云端，从而释放本地计算资源，降低智能机器人大量部署的成本。

5. 控制层

在控制层，管理和执行机器人的各种动作和行为，包括运动逻辑和序列的生成，是智能机器人指令执行的重要中间环节。随着生机电一体化控制技术的大幅提高，机器人控制效率与精度也得以提升。

传感-智能-驱动闭环实现机器人灵敏运动。具有单一功能的类生命机器人难以和人类、环境交互，在具有传感-智能-驱动闭环生命系统中，智能单元的神经细胞将在生理上连接传感单元和驱动单元，闭环实现机器人灵敏运动，生机电一体化技术可实现更优的人机交互性，以及人体与机器人更好的相容性。例如 Optimus 机器人通过神经网络获得机器人周围环境良好的体积深度渲染；机器人进行了重新训练，使其满足人形机器人对维持平衡、步态规划与控制等特有的需求。

运动意图识别和神经反馈提升使用便捷性。基于生机电融合技术制造的康复机器人可感知人体的脑电、肌电、力位等信息，从而判断人体的运动意图，能够更加智能化的帮助残疾患者、术后康复患者、年老体弱患者实现康复，提升使用便捷性。基于神经反馈的康复机器人。例如 MIT 研发的 MIT-MANUS 可以辅助或阻碍手臂的平面运动，精确测量手臂的平面运动参数，并通过计算机界面为使用者提供视觉反馈。

6. 智能决策层

智能决策层是智能机器人的大脑，使机器人能够适应和理解复杂的环境进行自主决策，并与人类和其他机器进行交互，完成复杂任务需求。通用人工智能作为远景目标和生成式 AI 处于萌芽期，在行业的具体应用处于初步实现期，智能机器人正在快速走向认知智能。

生成式 AI 辅助精准规划决策。传统 AI 难以实现内容的创新，生成式 AI 生成合成数据，用于训练用于路径规划的机器学习模型，以快速学习和适应新的环境和情况，辅助精准规划决策。例如微软将ChatGPT 植入机器人，通过语言直观地控制机器人手臂、无人机和家庭助理机器人等多个平台。

通用人工智能提升机器人任务泛化性。通用人工智能具有跨领域的通用性和综合思维能力，体现了人工智能算法的广度，是具备与人类智能相当水平和通用性质的智能系统，提升机器人任务泛用性。例如 DeepMind 新发表 RT-2 是一种视觉-语言-行动模型，使机器人辨识视觉和语言，解释指令并推断哪些物体最符合要求。

专用人工智能提升机器人任务专业性。专用人工智能专注于解决特殊复杂任务的能力，体现了人工智能算法的深度，提供了“机器人+场景”模式的技术基础，提升机器人任务专业性。例如谷歌研究利用机器学习提升机器人穿越复杂越野环境的能力，根据感知的语义决定运动技能，包括机器人的速度和步态。

7. 数字孪生层

数字孪生层基于高保真智能机器人的数字孪生体实现智能机器人的无痛设计，离线编程与高效部署，实现机器人的高效部署和全生命周期精准映射，实现全生命周期的多维属性，实现监控、仿真、预测、优化等实际功能和应用需求。数字孪生层包括边缘计算、云计算在内的海量实时数据汇聚、分析和处理技术，基于知识和数据驱动的多类型，多尺度模型搭建与深度集成技术，和应用服务与运行管理中的基于实时仿真和虚拟测试等技术。

基于数字孪生实现机器人的高效部署和快速应用。传统机器人部署需进行大量调试装配，通过数字孪生技术创造一个数字化的反馈循环，实时模拟和优化其操作，加速了机器人的部署和应用过程，还确保其在复杂环境中具备更高的适应性和准确性，实现机器人的高效部署和快速应用。例如 ABB 的新款五轴机器人 IRB 365 通过使用数字孪生技术，可以在几小时内集成到包装生产线中。英伟达发布Isaac Sim 机器人平台，训练机器人可以通过数字孪生完成，将数据上传到实体机器人，再进行全面训练。

基于数字孪生实现机器人全生命周期精准映射与高效管理。基于高保真模型和实时数据同步，机器人的数字孪生体提供了一个全面、实时、动态的视图，可以在机器人设计到退役的整个生命周期中，对机器人物理本体进行高精度数字化映射，实现全生命周期精准映射与高效管理。例如 PTC 公司推出 ThingWorx 智能数字孪生平台，可自动学习机器人运行状态并自主生成预测结果。Fanuc 推出全生命周期的数字孪生功能，包括数字化设计、加工和运维，提升设计、生产、维护效率等。

8. 交互层

交互层负责实现机器人与人类用户、其他机器人或外部系统之间的有效互动和通信，使机器人协同增强，以及更具社交性。随着虚拟现实交互，脑机接口技术的发展，正在逐步实现人机的多样化交互。

多模态、多样化交互技术提升人机交互灵活性和自然性。传统图形界面/触摸屏操作繁琐复杂，多模态、多样化交互技术更加开放自由、更接近人们日常生活的交流方式，提升人机交互灵活性和自然性。

例如 Microchip 开发基于电场感应的 3D 手势识别技术，当手部在空间中运动时会使电场发生畸变，电极接收器会感应到变化，机器人识别手势并作出反应。

混合模式脑机接口使人机深度融合。传统的脑机接口通过脑电信号控制外部设备，不能关联解释人的大脑信号与表情动作，脑机接口技术可用于神经康复、深化对大脑的理解，脑电信号、肌电信号、眼电信号的混合接口模式可以提高机器人的选择正确率，使人机深度融合。例如美国麻省理工学院利用脑电信号和肌电信号来实时监督纠正机器人的动作，可以使得机器人的目标选择正确率达到70%～97%。

9. 能源层

能源层是智能机器人运行和执行任务的基础，新能源技术进步以及智能能源管理系统提升智能机器人执行任务效率，提升智能机器人能源效率和可持续性。智能机器人能源领域技术进展集中在电池技术创新和智能能源管理系统。

高密度能量电池容量提升增强机器人行动能力。新材料提供更大的存储能量，三元锂电池和磷酸铁锂电池是行业主流，更高容量的电池支持智能机器人搭载更多耗能负载，扩展机器人功能和应用场景，提升增强机器人行动能力。例如宁德时代采用三元锂电池技术，麒麟电池系统能量密度可达 255Wh/kg，电池搭载到特斯拉电动车上。比亚迪主要采用磷酸铁锂电池技术，并优化结构实现更高的安全性。

智能能源管理系统优化能源消耗。智能能源管理系统可减少不必要的浪费和能源损失，优化能源消耗。通过精确监控和控制能源使用，提高效益延长能源消耗时间，提升智能机器人执行任务的时长。结合机器学习算法，提供自动化控制和能源的动态输出，降低人为干预。例如特斯拉 Model S 使用了 18650 电芯，其能源管理系统采用主从架构，分别负责状态检测和温度检测。宁德时代的智管理技术提供实时监控和参数优化，进行残值评估。优化能源消耗，延长使用时间。

(三) 总体趋势

智能机器人技术正迅速向深度智能驱动、高效以虚驭实、泛在敏捷操作及多元感知交互方向演进。

图 9 智能机器人技术趋势

1. 趋势一：深度智能驱动

趋势一是深度智能驱动。随着新一代人工智能技术的快速发展，智能机器人在复杂环境中的自适应、自学习和协同化能力得到显著的增强。深度智能驱动使机器人具备更高智能水平，能够自主适应更加复杂场景和高难度任务。深度智能驱动包括可以实现单体智能提升的新一代深度学习技术，和可以实现集群智能协同的的智能协同算法。

新一代深度学习和强化学习架构实现机器人性能飞跃。基于深度学习和强化学习架构，智能机器人的单体智能得以大大提升。迪士尼公司利用新一代深度学习流程，大幅高了双足智能机器人的对于情感的感知和表达能力；清华大学通过采用新一代深度学习架构，大幅提升了四足仿生机器人的爬坡能力；腾讯 Robotics X 实验室引入深度学习等前沿算法，提升机器人的灵巧操作能力和解决复杂问题的能力。

群体智能推动集群机器人向自治自组织的协同化发展。基于智能协同算法，智能机器人可以实现集群智能协同。谷歌 DeepMind 团队及其他 33 个研究机构共同发起的项目，能够实现与不同类型的物理机器人协同运作，成功执行多种任务。浙江大学构建机器人蜂群，在非结构化环境中进行独立思考和自主导航飞行。哈工程基于“人工智能+海洋无人系统” 实现海洋机器人集群智能协同。通过挖掘和扩展人工智能算法在智能机器人领域应用的广度和深度，使智能机器人具备先进智能决策功能，实现机器人自主学习以及逻辑推理。研究开发适应不同复杂任务和情景的人工智能算法是当前的研究热点。

2. 趋势二：高效以虚驭实

趋势二是高效以虚驭实。高保真孪生体在虚拟空间内通过深入的分析优化、大规模的虚拟训练，将全面、快速增强智能机器人本体的性能。高效以虚驭实将大幅提升智能机器人训练效果与泛化能力。高效以虚驭实包括可以实现性能提升、能力泛化的大规模虚拟训练，和可以实现高效部署与管理的数字孪生。

大规模虚拟测试极大提升机器人实体性能与泛化能力。基于AIGC 大规模虚拟仿真和真实数据的校准补充，使机器人开发和训练效果大幅提升。典型代表有如特斯拉，实现 3500 万的自由度支持机器人控制逻辑的训练；北京大学包含 133 类 5355 个物体的 132 万抓取数据；谷歌自行创建 10,000 个衍生数据库；DeepMind 模拟机器人臂的数百万条轨迹；Inter 通过 ART-TEP 将仿真训练/测试和现场训练/测试有机地结合在一起。

数字孪生实现高效部署和全生命周期管理。基于高保真数字孪生体实现机器人无痛设计，离线编程与高效部署，实现全生命周期监控、仿真、预测、优化等。例如 ABB 的新款五轴机器人 IRB 365 通过使用数字孪生技术，可以在几小时内集成到包装生产线中。Fanuc推出全生命周期的数字孪生功能，包括数字化设计、加工和运维，提升设计、生产、维护效率等。英伟达、PTC 和达索等纷纷推出数字孪生系统平台帮助机器人自动学习运行状态并自主生成预测和诊断结果。

利用数字孪生构建智能机器人的虚拟对象，通过网络通信连接物理和虚拟世界，实现智能机器人在开发和训练阶段的虚实融合功能，能够高效低成本高可靠的方式推动智能机器人技术迭代。

3. 趋势三：泛在敏捷操作

趋势三是泛在敏捷操作。机器人操作系统迈向模块化和平台化，并逐步与云端整合，泛在敏捷操作将进一步拓展智能机器人的应用领域，催生开放性、标准化和模块化的机器人操作平台，支持定制化便捷开发。泛在敏捷操作包括可以实现开放互联操作的云端操作平台，和可以实现便捷开发定制的模块化定制化系统。

开放式泛在操作平台：全球主要机器人企业的持续发力集成感知、互联、模块化和开放性于一体的机器人操作与计算环境，云端操作系统成为泛在操作系统参考模式。例如四大家族中 Fanuc 和 KUKA，科技企业巨头微软、亚马逊及英伟达，软银，优傲等均推出机器人开放式开发平台。达闼机器人云端操作系统海睿 OS 作为泛在操作系统UOS 参考实现之一，已与国内上百家机器人公司合作，为整个智能机器人行业提供了自主可控开放平台、统一接口标准环境。科大讯飞发布的 AIBOT 机器人超脑平台，如今已有多个领域的 372 家企业的开发者在使用。

模块化系统功能设计：各个功能组件可以独立进行升级、更换或扩展，从而提高机器人的灵活性和可定制性。AMD 推出专为机器人和多种工业应用设计的 Kria KR260，支持本机 ROS 2，便于机器人专家和软件开发人员进行开发。据 ROS 统计，其在线库中已经有超过 2000 个可重用的模块和包，为开发者提供了丰富的资源。泛在操作系统(UOS)基于泛在计算思想，是传统操作系统的扩展。

它为泛在化资源管理和应用开发而设计，不仅具备感知、互联、轻量化计算与认知、自然交互等特征，还突出了模块化设计，使得功能可以灵活组合和拓展。

4. 趋势四：多元感知交互

趋势四是多元感知交互。基于多模态、多样化的感知和交互技术，智能机器人将完成从传感层到交互层的自主贯通，实现多元化的感知交互。多元感知交互打通了从传感层到交互层的智能机器人完整数据架构，实现了广泛的感知与多样的交互。多元感知交互包括可以实现全息感知、全面理解的多模态感知融合技术，和可以实现高效沟通、自然交互的多样化交互技术。

融合多维环境数据，实现从对环境的“感知”到“理解”的变化。特斯拉 FSD 视觉感知神经网络实现空间内的未知障碍物识别，UCLA实现多目立体视觉和复杂环境多视角分析，商汤基于 UniAD 通用大模型实现感知、跟踪和建图、轨迹预测深度整合，腾讯将触觉传感融入机器人，通过感受外界的接触信息感知和识别物体，Stretch 通过多维环境数据感知，实现多物体的智能辨识和分析。中国科学技术大学发布首个高空作业机器人多模态感知 USTC FLICAR 数据集。

人机友好交互结合智能机器人感知现实世界实现个性化服务。OpenAI 支持的 Neo 机器人支持用户通过 VR 方式与其交互，Microchip 开发基于电场感应的 3D 手势识别技术，MIT 提出了基于脑电信号和肌电信号（脑机接口）的人机交互方案利用脑电信号和肌电信号来实时监督纠正机器人的动作。通过融合自然语言大模型与多模态感知技术，智能机器人对外界实现了全面且深入的理解，从而增强了感知能力和人机交互体验。

四、人形机器人

1. 发展历程

人形机器人，也称为仿人机器人，是一种旨在模仿人类外观和行为的机器人，具有类人的外观、感知、决策、行为和交互能力。它们通常具有与人类相似的身体结构和功能，例如可以行走、说话、感知环境、做出决策和与人类交互等。人形机器人的研究和开发已经进行了半个世纪，其发展阶段如图 20 所示。

图 20 人形机器人的发展阶段

从早期的 WABOT 到现在的特斯拉 Optimus，人形机器人的发展已经从技术验证期过渡到了商业试水期。在最早期的人形机器人萌芽期（1970-2000 年），研究重点聚焦于在机械外形设计和初步的控制算法上实现仿人。WABOT-1 是世界上第一个仿人机器人，由早稻田大学的四个实验室在 1970 年开始研发，于 1973 年完成。

WABOT-1 由四肢控制系统、视觉系统和对话系统组成。WABOT-1 能够用日语与人交流，并通过外部感受器、人造耳朵和眼睛以及人造嘴来测量物体的距离和方向。WABOT-1 用下肢行走，能够用装有触觉传感器的手抓住和运输物体。据估计，WABOT-1 具有一岁半儿童的智力。

2000-2018 年是人形机器人的探索期，此时的人形机器人开始具备更复杂的功能，如跑步、跳跃和与人互动。

波士顿动力公司在这一时期公布了初代 Atlas 机器人。该机器人是是基于波士顿动力公司早期的PETMAN人形机器人，它有四个液压驱动的四肢，专为各种搜索及拯救任务而设计的，并在2013 年 7 月 11 日向公众亮相。Atlas 机器人最让人惊叹的是擅长在崎岖的地形行走、攀爬，包括不平整的碎石地、雪地等，它能够保持平衡、快速行走、搬箱子，甚至在被踢倒后自己爬起来，而且它学习走路的动作和形态与人类惊人的类似。

2018-2022 年是人形机器人的发展期，在此阶段的研究重点是利用更先进的 AI 技术，使机器人能够进行复杂的决策和任务处理，开始应用于实际场景。例如，CENTAURO 机器人是一种集成混合运动与大功率柔性操作的半人马救灾机器人。它是由欧盟 Horizon 2020 项目中的 CENTAURO 项目组开发的，旨在为救援行动提供支持。

CENTAURO 机器人采用了下身四足腿轮混合和上身仿人形双臂的设计理念，身高约 5 英尺（1.5 米），重达 93 公斤。CENTAURO 机器人的硬件平台搭建包括多圈式的全向轮设计、基于两款不同机械手的末端执行器、传感器的硬件配置、电池和 WIFI模块、机载计算机模组/计算机、关节驱动模块等。它还具有远程遥控和半自治功能，在通信中断或延迟的情况下，机载电脑可以自行预测该如何移动。

CENTAURO 机器人既可以用作研究工具，也可以在现实世界中发挥作用。它的双臂轻型且可以举起大约 11 公斤的重物，与成年人的操控强度和灵活性相当。CENTAURO 机器人的研究和开发已经进行了多年，目前已经进入商业试水期。

在 2022 年开始，人形机器人的发展引来了爆发期。大模型等 AI赋能技术使人形机器人不仅在外形和行为上与人类相似，更具有强大智能、思维和类人的语言能力。

2022 年 10 月 1 日，在特斯拉 AIDay 上，马斯克正式介绍了特斯拉首款人形机器人“Optimus”。Optimus 机器人是由特斯拉公司开发的一种人形机器人，特斯拉将在汽车领域电池组、冷却系统等成熟技术运用到了 Optimus 上，还使用与汽车测试类似的技术来进行擎天柱的运动和对外部碰撞模拟。

该款人形机器人结合了特斯拉的 AI 技术，即基于视觉神经网络神经系统预测能力的自动驾驶技术。在 AI Day 上，Optimus 展示了其在汽车工厂执行搬运、浇水植物、移动金属棒等任务的视频。

2. 当前趋势

由于人口老龄化、劳动力人口下降和人力成本上升等问题，推动机器换人的需求增加。人形是最适合人类社会所有场景的形态，无需改变场景来适应机器。同时，人形机器人能够发挥类人能力，用类人的感知、决策、运动和执行能力来帮助人们面对生活中的各种问题。

随着通用人工智能、感知和动力系统等方面取得了巨大进步，人形机器人性能得到极大提升，成本逐渐下降，部署步伐加快，相关应用场景也不断扩展，从最初的制造业到医疗、救援、服务业等各个领域。Markets and Markets 预计，2023-2028 年人形机器人市场规模将从 18 亿美元增长到 138 亿美元，年复合增长率（CAGR）为 50.2%，如图 21 所示。

图 21 人形机器人市场规模预测

高盛预计未来 10 至 15 年内，人形机器人市场规模将增至 60 亿美元以上规模。乐观估计，2035 年市场规模可能达到 1540 亿美元。

随着资本的驱动，人形机器人产业正掀起一股投资并购的热潮。

科技巨头们纷纷加入这个新兴的领域，争相布局人形机器人赛道，以抢占先机。

亚马逊投资 Digit 人形机器人；英伟达领投美国 MachinaLabs；OpenAI 领投 1X Technologies；PVC 领投初创公司 Figure；三星电子投资韩国 Rainbow Robotics。

在这场激烈的竞争中，企业间的合作与竞争也日益加剧，推动了人形机器人技术的快速发展。

3. 国内外产业对比分析

随着人形机器人产业的快速发展，大量的新进入者开始涌入这个领域，使该产业发展呈现出百花齐放的态势。欧美等发达国家的人形机器人产业主体凭借其技术实力和资金优势，得以在竞争中占据领先地位。这些企业通过不断的技术创新和产品升级，不断提升自己在市场上的竞争力。

科技巨头积极布局新市场新赛道，AI 创新的领跑者均切入人形机器人赛道，扩大技术迁移效应。而中国在这个领域中的发展也十分迅速，一些中国企业通过引进国外先进技术或者与国外企业合作，得以在短时间内快速提升自己的技术水平和市场竞争力。国内外人形机器人企业技术渗透如图22 所示。

图 22 国内外人形机器人企业技术环节渗透示意图

在软件和信息与通信技术领域，随着通用人工智能技术的持续突破，智能算法、控制和操作系统软件等关键领域正在形成一系列新的赛道。

这些新赛道不仅推动了产业的发展，也吸引了来自不同背景和角色的多方主体参与其中。多方主体的涌入，使得这些新赛道充满了竞争和创新。不仅有传统的软件和 ICT 企业，还有许多新兴的初创企业、研究机构和高校等参与其中。他们的加入不仅带来了新的技术和思路，也使得整个产业的竞争格局更加多元化和激烈。

4. 我国人形机器人发展态势

庞大的市场需求催动多类主体竞相入局赛道，我国人形机器人市场规模持续扩增活力逐渐显现。据中商产业研究院测算，2023—2030 年，我国人形机器人市场规模增速将达到 30%，预计突破 8700亿元。在人形机器人组成部件中，我国传统机器人厂商遨博加快攻关人形机器人所需电机、驱动器等核心零部件，推动国产化进程。

智能技术领域，科大讯飞从大模型切入，开发人形机器人整机系统。ICT领域，小米发挥人工智能、先进制造等多重优势，发布 Cyberone 机器人扩大智能产品生态圈。

2023 年，我国人形机器人迎来爆发奇点时刻。小鹏的“PX5”融合了汽车自动驾驶技术；理工华汇的人形机器人实现了全球目前最高最远的跳跃；优必选的“Walker X”实现骑平衡车技术并在大运会应用；宇树的“H1”和智元的“远征 A1”仅用半年完成初代产品的研发。

可见国内的人形机器人产品各具特色优势，呈现“百家争鸣”。人形机器人的快速发展和巨大的发展潜力，也得到了国家部委和各地方政府的注意和重视。在国家层面，2023 年 3 月 1 日，工信部长金壮龙表示，工信部将研究制定未来产业发展行动计划，加快布局人形机器人等前沿领域。

2023 年 8 月 18 日，工信部副部长徐晓兰表示：“当前，以人形机器人和通用人工智能为代表的新技术、新产品、新业态蓬勃发展”。2023 年 9 月 13 日，工信部发布《工业和信息化部办公厅关于组织开展 2023 年未来产业创新任务揭榜挂帅工作的通知》列示包括元宇宙、人形机器人、脑机接口、通用人工智能 4个重点方向揭榜挂帅任务。

2023 年 11 月 2 日，工信部发布《人形机器人创新发展指导意见》部署了 5 方面重点任务：关键技术突破、培育重点产品、拓展场景应用、营造产业生态、强化支撑能力。设立了关键技术攻关、重点产品和部组件攻关、拓展场景应用 3 个专栏。

在地方上，2023 年 6 月 16 日，北京市提出对标国际领先人形机器人产品，支持企业和高校院所开展人形机器人整机产品、关键零部件攻关和工程化，加快建设北京市人形机器人产业创新中心。

2023 年5 月 18 日，上海市明确加快人形机器人创新发展。2023 年 5 月 31日，深圳市提出加快组建广东省人形机器人制造业创新中心。

2023 年4 月 29 日，山东省提出加快布局人形机器人等前沿领域。总的来看，我国以“先手棋”战略主动布局，地方迅速响应推进，集中力量扶持人形机器人技术与产业快速发展。

六、促进智能机器人技术产业发展的相关建议

(一) 当前现状

我国智能机器人市场规模庞大，且增长迅速。目前我国已成为智能机器人大国，覆盖产业上下游全环节。中国工业机器人和服务机器人销售额占全球比重分别从 2017 年的 28.2%和 18.2%提高到 2021 年的 42.9%和 28.5%。在需求侧，2021 年机器人全行业营业收入超过1300 亿元，2022 年超过 1700 亿元，增长率超过 30%；在供给侧，2023 年上半年工业机器人产量达 22.2 万套，同比增长 5.4%，服务机器人产量达 353 万套，同比增长 9.6%。

我国智能机器人企业产业集群已初步形成。我国智能机器人企业在产业链上中下游均有分布，并持续强化自身创新能力，向价值链中高端迈进。优质企业重点分布在京津冀、长三角、珠三角等地区，分布于京津冀地区的企业科研实力强，能较好实现产学研合作；分布于长三角地区的企业具有电子信息和制造业基础较好，发展起步早的行业特点；分布于珠三角地区的企业其控制、伺服系统技术领先，金融环境较为灵活。以扫地机器人为例，其供应链 80%位于中国，产业集群化发展形成了较强的国际竞争力。

整机及零部件等传统领域国产化替代稳步前行，产业高端化发展依然不足。一方面，庞大市场需求培育一批机器人整机制造和系统集成国产厂商，各行业国产化比例不断提升，整机产品存在明显的替代差异性。服务、特种机器人领域，国产整机优势显著，如扫地机器人已经基本被国内品牌产品占据；工业机器人仍以国外为主。

对于工业机器人供给主要以四大家族为主，国内奋起直追；个人/家庭服务机器人供给基本实现国产化替代；公共服务机器人供给侧表现出国产品牌优势显著的特点；对于特种机器人的供给国内外平分秋色。根据 MIR 数据显示，2023 年工业机器人国内厂商市场份额突破 40%。

2021 年国内扫地机器人市场前五大品牌分别为科沃斯、小米、石头、云鲸和美的，市场占有率分别为 45%、16%、14%、11%和 2%，合计市场占有率为 88%。另一方面，高端化依然不足，国产企业更多占据价值链中下游，产品附加值相对较低。GGII 数据显示，2021 年国产伺服控制系统在工业机器人的配套市场份额中，占比仍不到 30%，仍然面临着产业基础薄弱，关键零部件质量稳定性、可靠性等还不能满足高性能整机的需求；高速、高精、重载等高性能整机产品供给缺乏等问题。

新兴领域企业涌现，企业竞争力不足。新兴领域企业涌现，资本持续押注，凭借优质价廉的优势占据大量市场。国内逐步出现行业领先企业弥补我国机器人软件短板，阿里、埃夫特、达闼等公司在机器人云平台、智能化等领域开展布局。中国机器人行业投融资市场整体呈波动上升趋势发展，在 2021 年，融资规模和事件数量都创造历史新高，2022 年，中国机器人行业仍然是资本关注的重点对象，900 余家企业获得投融资，占机器人企业总数近一半。但与此同时，行业中尚未孵化龙头企业，企业竞争力低于领先水平。

国内企业规模和体量较小，以工业机器人为例，仅 ABB 一家企业市值就超过国内埃斯顿、新松、埃夫特、汇川等头部企业市值之和。从市场范围来看，国内企业以国内市场为主，没有完全走出去参与国际竞争。而 ABB 业务遍及全球 100 多个国家和地区，欧洲、亚洲、中东和美洲等地区是主要市场，埃斯顿汇川等企业的产品主要销售于中国境内，部分销往欧洲、美洲等。

(二) 政策建议

做好“1+1+4”系列重点工作，推动四大重点任务圆满完成。坚持打造自主可控的智能机器人技术产业这“1”条核心主线；系统研究“1”套推动智能机器人技术产业发展的政策工具箱，从财税、金融、市场、人才等方面加大对机器人技术产业发展的支撑；系统布局智能机器人核心技术、产业基础、高端产品、产业生态“4”大重点任务。

政策工具箱中财税方面可以从政府采购、首台（套）重大技术装备保险补偿机制试点工作等举措着手，金融方面可以从推动各类产业基金投入、支持符合条件的企业上市等举措着手，市场方面可以从完善行业规范、支持第三方检测认证机构能力建设等举措着手，人才方面可以从高校和科研院所培养专业和复合型人才、产学合作协同育人等举措着手。

打造自主可控的智能机器人技术产业，聚焦四大重点任务，体系化攻关智能机器人核心技术、夯实智能机器人产业基础、培育高端智能机器人产品、优化智能机器人产业生态。

1. 体系化攻关智能机器人核心技术

核心技术分为共性技术和前沿技术两方面，其中共性技术包括系统开发、云-边-端、多任务规划与智能控制、感知与导航、人机交互与自主编程、操作系统、协同作业、快速标定与精度维护等细分技术；前沿技术包括深度智能驱动、泛在敏捷操作、高效以虚驭实、多元感知交互等趋势领域。

体系化攻关核心技术可从以下几方面着手：通过国家级和省部级科技重大专项和重点研发计划，开展核心技术研发与工程化攻关，实现共性技术和前沿技术短板突破；通过揭榜挂帅方式对公开发布的智能机器人核心技术攻关指南一一突破，打造从遴选发布、揭榜挂帅、绩效评价的研发推进工作闭环，组织研发单位与用户单位联合攻关；支持高校、科研院所、龙头企业、用户等产学研用单位联合打造研发创新及公共服务平台、成立国家级和省部级重点实验室，开展技术研究、技术中试、成果转化等工作；开展核心技术先锋应用案例征集，对入选案例加大支持力度，推动优秀成果规模化应用。

2. 夯实智能机器人产业基础

打造自主完整的产业链结构，在机器人整机、机器人软件、机器人硬件、智能技术、新兴服务业五大方面下功夫，积极引导并推动产业各方在机器人整机上以新技术融入获取更多市场机遇；在机器人软件上重点攻关核心技术，搭建平台生态；在机器人硬件上面向高端零部件、产品研发；在智能技术上跟进人机交互核心技术的研发与应用；在新兴服务业上发挥 5G、云计算等新技术优势。

加强组织协同，适时成立领导小组，强化部门协同、部省联动机制，鼓励各地因地制宜将智能机器人纳入战略性新兴产业政策支持范畴，与“新型工业化”等政策协同推进；强链、稳链、固链，梳理绘制智能机器人产业链图谱，聚焦关键节点，支持重点企业担任产业链链主，以点带链补短板、锻长板。

培育国家智能机器人产业示范基地，建设智能机器人中小企业特色产业集群，打造智能机器人先进制造业集群，提升产业链关键环节配套能力，提高智能机器人的国际竞争力与影响力；面向技术产业发展趋势，培育智能机器人新兴场景，开展智能机器人新兴技术产业试点，总结试点经验，加强成果宣传与推广，开拓产业新赛道。

3. 培育高端智能机器人产品

培育高精度高可靠性的工业机器人、高性能高自主性的特种机器人、高互动高感知的服务机器人。重点布局人形机器人，开发基于人工智能大模型的人形机器人“大脑”和控制人形机器人运动的“小脑”，系统部署“机器肢”关键技术群，突破“肢体”关键技术。