1、2023 AI机器人产业报告机器人产业报告与非网资深行业分析师张慧娟Agenda1AI机器产业现状2AI驱动下的机器创新3典型代表：形机器4AI机器趋势和展望2基本定义、应用趋势、发展现状核心AI技术、关键部件、主控芯片产业情况、核心技术核心竞争力、通用大模型AI 机器的基本定义AI 机器的主要应AI 机器的发展向AI?3AI 机器人的机器人的基本定义基本定义4AI?AI 机器人的机器人的主要类型主要类型5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、协作型机器、机协作机器和主型机器。根据运动方式和能源供给方式：轮式机器、腿式机器、履带

2、式机器和仿机器。根据智能程度：弱智能机器、强智能机器和超强智能机器。?研?2023?10?19?工业机器人47%家用机器人21%公用服务机器人15%特种机器人6%其他11%AI 机器人的机器人的主要应用主要应用6工业生产：动化产线、业机器等，通过主学习和主决策，提产效率和质量，降低成本和险。家庭助理：家务助、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、智能诊断系统等，通过数据分析和主学习，提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，能够通过动化操作提升效率、提安全性、降低成本。餐饮服务：助点餐、智能配餐等，可提升效率和服务质

3、量、降低成本。金融服务：智能投资顾问、智能险管理系统等，提融服务的效率和准确性。教育培训：智能教育机器、智能学习系统等，通过主学习和主决策，提教育培训的效果和效率，为学提供更好的学习体验。?AI?研?2023?10?19?家庭助理24%医疗服务19%工业生产33%物流搬运8%餐饮服务3%农业植保2%国防军工4%其他7%AI 机器人的机器人的发展方向发展方向7第一阶段：自动化。可动执固定任务，于替代重复劳动，这阶段通常为程序控制机器，从单场景逐步向多种应场景延展。第二阶段：机器智能。配备视觉、声、度等传感器，实现机协作、环境感知、数据采集、机交互的功能。第三阶段：AI自主化。拥有更丰富的传感器和

4、更的智能平，可实现主的感知交互、独决策、我优化。模型技术的发展，将推动通智能的快速发展，进带动AI机器的升级迭代。AI 机器人的机器人的发展方向发展方向8?AI?研?2023?10?19?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

5、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。高精度、高速度25%人机协作29%多样化应用场景19%自适应学习能力21%其他6%核AI技术关键部件AI模型AI?9核心的核心的AI技术技术10?AI?研?2023?10?19?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

6、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。语音识别与处理18%计算机视觉20%自主导航与决策17%人机交互与理解19%多任务处理与优化12%机器人边缘计算11%其他3%11?研?2023?10?19?发展发展AI机器人需要的配套技术机器人需要的配套技术大数据与云平台：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、

7、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

8、适应能力和智能化程度。大数据与云计算平台36%大模型和数据服务18%机器学习与深度学习算法25%人机交互与感知技术15%其他 6%12?AI?研?AI机器人关键模块组成机器人关键模块组成借助网络、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

9、馈，实时调整，同时可利用大模型不断训练和迭代算法。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。感知模块高精地图交互模块运控模块单目摄像头多目摄像头毫米波雷达激光雷达力传感器扭矩传感器力矩传感器超声波雷达卫星定位惯性导航视觉、触觉等任务描述任务分解运动规划路径正解决策规划控制位置控制力控制芯片与算法大脑：决策伺服电机滚柱丝杠无框电机谐波减速器PV减速器棉麻器平衡与运动执行行走步态手部抓取身体：运动控制13AI机器人关键部件机器人关键部件伺服系统是运动控制的核心部

10、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

11、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。14?AI?研?2023?10?19?AI机器人主控芯片使用情况机器人主控芯片使用情况CPU 23%DSP 18%FPGA 20%GPU 11%MCU 17%PLC(可编辑逻辑控制器)7%其他 4%CPU：在

12、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：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：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，P

13、LC可以用于实现运动控制、传感器数据处理等任务。15?AI?研?2023?10?19?国外、国产主控芯片使用情况国外、国产主控芯片使用情况国产芯片33%国外芯片20%国产和国外芯片都有40%不确定7%16?AI?研?2023?10?19?主控芯片国产化的影响主控芯片国产化的影响没有影响没有影响28%有一定影响，但可以接受有一定影响，但可以接受44%有较大影响，需要改进有较大影响，需要改进19%不确定不确定9%AI机器人主控芯片分析机器人主控芯片分析17公司芯片平台介绍英伟达Jetson AGX Orin平台运算能力30 TOPS（万亿次每秒）。包含了alta Tensor核心图形处理单元，八核

14、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RB5 AMR平台70-200TOPS，INT8，可通过扩展卡支持3GPP Release 15、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AI SDK、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。AMDKria SOM平台基于Zynq UltraScale+MPSoC的

15、架构，有一个四核的ARM A53处理器，4GB DDR4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Arria 10 GX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Arm Cortex-A72与数据包处理加速、高速外设相集成。LS1046A具备32000 CoreMarks的高性能，可以与10Gb以

16、太网、第三代PCIe、SATA 3.0、USB 3.0和QSPI接口配对，可适配多轴控制。MicrochipSAM系列的高性能MCUSAM S70和E70使用了300MHz的Arm Cortex-M7内核。S70具备64 KB紧耦合内核内存，可以快速驱动FOC控制。S70采用了一对2Msps双采样12bit ADC引擎。再加上模拟外设、16 bit PWM与16 bit Timers，S70可以实现多轴控制与双电机控制。ADICM4xx混合信号控制处理器系列采用ARM-Cortex M4处理器内核，集成高精度ADC、数字加速器和滤波器、SRAM和闪存以及丰富外设，适配要求高性能实时控制和模拟转

17、换的机器人多轴控制应用。例如CM407F-A，集成双通道高精度16 bit ADC和一个240MHz M4处理器内核，集成了384KB SRAM存储器、2MB闪存、光伏（PV）逆变器控制、电机控制和其他嵌入式控制应用而优化的加速器和外设。英飞凌XMC4000系列采用内置DSP指令的 Arm Cortex-M4内核。各型号在主频、应用方向上有不同，不过单精度浮点单元、DMA以及MPU都具备，部分型号集成EtherCAT。内核性能加上增强型的通信能力、以及较低成本，是该系列特点。TIC2000和AM64X系列C2000 DSP系列在行业畅销多年。AM6442是Sitara新增的工业级异构Arm处理

18、器产品系列，针对需要将实时通信与应用处理结合的电机驱动器而构建。AM6442将两个支持时间敏感TSN技术的Sitara千兆位PRU-ICSSG与最多两个Arm Cortex-A53内核、最多四个Cortex-R5F MCU和一个Cortex-M4F MCU合并到一起，可实现对工业机器人的多轴控制。?AI?研?AI机器人主控芯片分析机器人主控芯片分析18公司芯片平台介绍瑞萨RX72M系列RX72M产品组内核是RX第三代CPU内核RXv3 core。主频最高240MHz，1396 CoreMark，片上双精度FPU，4MB存储、1MB SRAM。这种设计方案考虑到总线通信功能，将从控制器集成到了M

19、CU上，实现了在单个芯片上使用专用控制器的系统配置，有助于减少零件数量并节省空间。兆易创新GD32系列整个系列包括基于M3、M4、M23以及RISC-V内核。GD32F4系列属于增强系列，168MHz高主频，3MB闪存与192KB SRAM。GD32F4系列内核包含一个浮点运算器（FPU），用于提高单精度浮点运算速度。此内核可执行全套DSP指令并支持所有ARM单精度指令和数据类型，还配备了MPU和强大的跟踪能力满足高级调试的要求。外设接口包括SPI、I2C、USART、USB 2.0 OTG FS和CAN。航顺HK32F39A系列使用ARM Cortex-M3内核，主频最高为120 MHz，内

20、置航顺自主研发的协处理器，可实现ARM Cortex-M4内核支持的算术指令中的绝大部分，其中包括32位单精度浮点运算。与一些M4系列芯片相比，在同一软件同一主频下，相同的CoreMark测试跑分表现较好。在高性能应用端，HK32F39A系列搭配协处理器用于工业机器人。峰岹科技FU6832系列FU6832系列采用双核芯片架构，使用8051内核加ME（电机控制引擎）。完全自主知识产权的电机驱动专用IP内核，双核架构可以独立运行控制算法，算力提高。ME集成诸多硬件模块，可通过硬件自动完成电机FOC/BLDC运算控制；8051内核则用于参数配置和日常事务处理，双核并行工作实现各种高性能控制。芯旺微K

21、unFu系列32位混合指令集的自主IP内核系列，从48MHz到120MHz都能应用到工业机器人上。最高主频的KF32L530有基于16位/32位混合指令的高效指令集，最高拥有带ECC校验的512KB FLASH和128KB的RAM（支持RUN in RAM）。针对电机控制进行了优化，包括无感FOC、为低主频的芯片加入硬件加速单元，主要用于机器人主控。极海半导体APM32F系列APM32工业级芯片的高ESD等级和高温度覆盖范围是其特长，8KV的抗干扰能力能够提高电机系统的静电防护能力。APM32应用在机器人关节伺服系统最多的是APM32F407系列。APM32F407系列基于ARM Cortex

22、-M4内核可以支持单精度FPU和增强型DSP处理指令。主频最高168MHz，拥有1MB的FLASH和192的SRAM，同样支持外部存储器拓展。基于APM32F407系列给出的机器人伺服方案可以将电机、驱动器和减速机进行一体化设计，这样功率密度会比分离式更高；APM32F407系列除了内核拥有DSP和FPU高性能处理能力，还给出了支持SDRAM等多种外设接口，对于工业机器人丰富的外设完成覆盖。国民技术N32G455系列采用32位ARM Cortex-M4内核，主频144MHz，支持浮点运算和DSP指令，拥有 512KB片内FLASH和144KB的SRAM，包括17个高性能模拟器件、18个数字通讯

23、接口，内置了10余种密码算法硬件加速引擎，支持存储加密、用户分区保护、安全启动等多种安全特性，安全的高集成性是N32G455系列的特色。还配置了2个6.9ns控制精度的16位高级定时器用于互补PWM输出，3.3V下待机状态3uA，正常工况下90uA/MHz功耗。灵动微MM32系列MM32SPIN系列的MM32SPIN222C在工业机器人小型关节上应用较广。ArmCortex-M0为内核的32位微控制器，最高工作频率可达72MHz，内置高速存储器，丰富的I/O端口和多种外设。包含12位的ADC，采样速度1MHz；5个通用定时器、1个针对电机控制的PWM高级定时器；1个I2C接口、2个SPI接口和

24、2个UART接口。针对电机应用内置1个比较器，集成6个MOSFET，支持3V-16V供电，最大驱动电流为1.5A。地平线旭日机器人开发平台基于自研的AI专用计算架构BPU（Brain Processing Unit），旭日系列芯片已经迭代到旭日3芯片。旭日3采用台积电16nm工艺，具有高性能、低功耗的特点。基于旭日3芯片地平线还推出了旭日X3派开发板，算力能够达到5Tops，可与TogetherROS操作系统适配。瑞芯微AI芯片系列主要有RK3399、RV1108、RK3326及RK3308四款“AI人工智能扫地机器人”芯片级解决方案；同时基于瑞芯微RK PX3SE处理器为合作伙伴推出了多款老

25、人陪伴机器人、家庭服务机器人等。炬芯ATS3X03系列最早做智能早教机器人，曾推出ATS3X03系列芯片。代表产品中，采用炬芯ATS3505主控芯片的腾讯小Q智能机器人就是其中之一。后摩智能存算一体AI芯片通过存储单元和计算单元的深度融合，实现了高性能和低功耗，样片算力达20TOPS，可扩展至200TOPS，计算单元能效比达20TOPS/W，可支持大规模视觉计算模型。?AI?研?19?AI?研?2023?10?19?AI大模型的驱动作用大模型的驱动作用提升感知与认知精度：模型具备更强的泛化能，可以更好地适应各种场景，使得AI机器能够更智能化地理解和执任务。提高决策与推理速度：模型具有更强的学习

26、能，可以让AI机器通过我学习和迭代，不断提升身的智能化平和应能。扩大应用场景与范围：模型可以覆盖更多的应场景，使得AI机器能够在更多的领域中得到应，如智能客服、智能家居、动驾驶等。提高机器人的动作与执行效率：模型搭配更强大的计算能力，处理速度会显著提高，从而提高机器人的动作与执行效率。提高机器人的感知与认知精度36%提高机器人的决策与推理速度29%提高机器人的动作与执行效率14%扩大机器人的应用场景与范围15%其他6%20?AI?研?2023?10?19?AI对机器人发展的影响对机器人发展的影响提升计算和存储性能 27%促进硬件创新与设计18%处理大模型数据的软件框架和算法升级20%自动化的部

27、署工具和智能维护系统12%可扩展的模型架构5%自动化、多样化的数据处理和算法能力11%其他7%AI对机器人发展的影响对机器人发展的影响21?AI?研?2023?10?19?影响影响AI大模型性能的积极因素大模型性能的积极因素分布式计算23%高性能存储系统25%模型压缩与剪枝15%数据自适应处理与标注技术19%软件优化与算法改进14%其他4%软硬件技术 核技术?2223人形机器人的产业地位人形机器人的产业地位人形机器人的通用性打破工业及服务机器人的限制，近年是资本市场的关注点之一。人形机器人最基本的特征是具有人类的外形特征和行动能力。人形机器人相比普通机器人拥有更高级的感知交互系统，包括传感模块

28、和软件方面(导航技术、智能决策等)。与普通机器人相比更需要保持平衡，比如普通服务机器人有底盘，用轮式驱动，不存在摔倒问题；人形机器人靠双足行走，并需要适应不同的地面，每个关节受力更加复杂，对减速器负载和电机响应速要求更高。更高。常，代表了机器的未来41%较，只在特定领域有重要作35%般，看不到太的实际应价值 16%不确定8%?研?2023?10?19?24人形机器人对软硬件发展的要求人形机器人对软硬件发展的要求?研?2023?10?19?对操作系统和软件算法的要求提高 24%对硬件配置和制造工艺的要求高 21%对安全技术要求提高20%人机交互能力要求提高18%促进软件硬件技术深度融合13%其他

29、 4%25人形机器人核心技术突破，产业有望加速人形机器人核心技术突破，产业有望加速多模态语言大模型的问世意味着人形机器人“大脑”核心技术取得一定突破。人形机器人硬件层主要包括“感知”与“执行”。感知层类似于人类的感观，可为机器人提供触觉、听觉、视觉甚至嗅觉等物理量、化学量的反馈，而各类感知的实现均存在不同的技术路径，如力学感知有伺服电流环、力/力矩传感器、电子皮肤等方案;执行层主要为机器人肢体、关节，是运动控制、任务执行的载体，受限于人形空间，通常需要一体化电机模组。?26人形机器人核心技术突破，产业有望加速人形机器人核心技术突破，产业有望加速IMU(惯性测量单元)通过测量物体加速度和角速度的

30、变化来推算出物体在三维空间中的位置和姿态。目前高精度MEMS IMU主要应用场景包括高精度自动驾驶以及人形机器人。作为自主导航机器人，人形机器人必须实时知晓自己的位置。而IMU是测量 物体三轴姿态角(或角速率)以及加速度的设备，在机器人导航中有着很重要的应用。早期机器人通常在躯干位置放置IMU，随着惯导系统在人形机器人中的应用逐渐成熟，头部也将放置IMU，和立体视觉相机等组合进行定位及导航。?IMU?务?27人形机器人核心技术突破，产业有望加速人形机器人核心技术突破，产业有望加速IMU(惯性测量单元)主要由多组惯性传感器组成。其中惯性传感器通过惯性技术实现物体运动姿态和运动轨迹的感知，主要包括

31、陀螺仪和加速度计：陀螺仪用于感知物体运动的角速率；加速度计用于感知物体 运动的线加速度。二者辅以时间维度进行运算后可得出物体相对于初始位置的偏离，进而获得物体的运动状态，包括当前位置、方向和速度。随着半导体产业的快速发展，MEMS 工艺由于其体积小、高集成、抗高过载、成本低等优势，MEMS陀螺仪和 MEMS加速计已经在基础应用领域完成了对其他技术路线的替代，并随着精度提升进一步向更高端领域渗透。?MEMS?Yole 核竞争 通模型AI?2829竞争力：软件平台将越来越重要竞争力：软件平台将越来越重要ROS 平台可以有效提升开发效率ROS（Robot Operating System）机器人操作

32、系统包含了很多开源功能包，便于开发者大幅提升开发效率。机器人的仿真训练平台是研发和测试的必需环节仿真训练为机器人提供了安全的训练环境，能够模 拟真实世界中的各种场景和情况，并允许机器人进行大规模的试错和学习。30大数据+强算法+大算力，强化基础能力。更高级别的智能水平：通过与通用大模型的结合，AI机器人将具备更高级别的智能化水平，包括更精准的感知、更灵活的运动控制、更自然的交互表现等。有望重塑AI机器人决策执行机制，无需工程师编程，只需用户提供指令，AI机器人就能自行生成完成指令的代码，智能化程度更高。更好地泛化到多种场景：通用大模型通过大量数据的预训练，可以更好地泛化到各种场景中，提升机器人在不同环境下的适应性和鲁棒性。通用大模型通用大模型+AI机器人的趋势机器人的趋势31AI?/?,?17%?/?,?20%?研务?,?9%?,?8%?,?22%?,?4%?/?,?11%AI?,?1%?,?8%本次调研用户行业分布情况本次调研用户行业分布情况