I 开源大模型应用指南开源大模型应用指南 1.01.0 （风险治理篇）（风险治理篇）云计算开源产业联盟云计算开源产业联盟 2022024 4年年1 11 1月月 I 版权声明版权声明 本报告本报告版权属于版权属于中国信息通信研究院中国信息通信研究院，并受法律保护，并受法律保护。转载、摘编或利用其它方式使用转载、摘编或利用其它方式使用本报告文字或者观点的，应本报告文字或者观点的，应注明注明“来源：来源：中国信息通信研究院”中国信息通信研究院”。违反上述声明者，本。违反上述声明者，本院院将追究其相关法律责任。将追究其相关法律责任。II 编制说明编制说明 本指南由云计算开源产业联盟可信开源合规计划开源人工智能治理工作组撰写，限于撰写组时间、知识局限以及技术、社会发展迭代等因素，内容恐有疏漏，烦请各位读者不吝指正。在编写过程中得到多家单位的大力支持，在此特别致谢中国信息通信研究院、中兴通讯股份有限公司、中国平安人寿保险股份有限公司、东方证券股份有限公司、中国光大银行股份有限公司、北京抖音信息服务有限公司、百度在线网络技术（北京）有限公司、天翼数字生活科技有限公司、亚信科技(中国)有限公司、深圳开源互联网安全技术有限公司、鼎道智联（北京）科技有限公司、北京大学人工智能研究院 AI 安全与治理中心、北京大学武汉人工智能研究院、OpenSDV汽车软件开源联盟、开源社、重庆中科汽车软件创新中心、上海市锦天城律师事务所等单位的各位专家，感谢各位秉承开源精神，协同共创，最终完成本指南的撰写工作。主要撰稿人：张燕、郭雪、俊哲、孟伟、辜凌云、赵云虎、丁华、陈岱源、王帅、张小丰、陶冶、刘东威、孙珊珊、李梦欢、马红伟、严雪伦、周飞、李炫、张庆、成思敏、柴丹、李晓丽、李响、李欣博、沈杨、洪烨、梁尧。III 前前 言言 近年来，开源模式与人工智能技术加速融合，有力地打破了闭源人工智能技术垄断、加速人工智能大模型技术持续创新、拓展大模型应用路径、重塑人工智能产业生态，同时开源大模型的创新发展和应用还为个人、企业和国家的发展提供更为广阔的发展天地。然而，大模型技术在给人类带来生活方式转变和生产方式革新的同时，也引入了安全、合规等多方面风险挑战，甚至可能对人类社会的可持续发展带来负面影响。大模型开源增加了人工智能系统风险暴露和被恶意利用的可能性，开源许可模式的应用也使得人工智能技术利用的合规风险更加复杂，开源大模型的可得性亦可能加剧开源大模型滥用风险。为保障开源大模型技术健康有序发展，充分释放人工智能技术效能，相关政策或法规纷纷出台，除人工智能治理宏观监管要求外，越来越多的国家政府开始关注开源大模型的针对性、包容性监管。在具体风险治理层面，企业也开始探索构建开源大模型综合性治理体系，并建立开源大模型风险防控机制，以最大化开源大模型应用实效。本指南结合中国信通院开源研究工作，分析总结开源大模型发展态势，重点围绕开源大模型应用风险及治理动态、治理措施展开研究，为企业安全、合规、高效应用开源大模型提供参考。IV 目目 录录 版权声明.I 一、开源大模型发展态势.1（一）从软件到大模型，开源的 变”与 不变”.1（二）从垄断到开放，开源重塑 AI 生态.3（三）从个人到国家，开源释放 AI 效能.6 二、开源大模型创新趋势.8（一）开源语言大模型开启百家争鸣新纪元.8（二）开源多模态大模型注入 AI 生态新活力.11（三）开源 AGENT 引领人工智能发展新方向.14 三、开源大模型风险挑战.16（一）开源大模型应用或导致安全风险升级.17（二）开源大模型应用或面临多重规制要求.20（三）开源模式或加剧大模型技术滥用风险.28 四、开源大模型治理全球动态.29（一）国际组织高度重视开源大模型发展，积极探索全球人工智能治理方案.30（二）欧盟立法谋求人工智能监管主导权，开源大模型得有条件义务豁免.31（三）美国人工智能监管增强化趋势明显，国防领域率先探索开源大模型影响 .33（四）中国人工智能治理规则由 软”及 硬”，开源大模型或得包容性监管 .34 五、企业应用开源大模型风险治理实操要点.46（一）开源大模型治理体系构建.47（二）开源大模型风险防控建议.49 六、国内开源大模型应用生态完善方向.77 V 图图 目目 录录 图 1 大模型的开放访问等级.3 图 2 人工智能大模型许可协议合规流程.53 图 3 Hugging Face Model 格式 Markdown 截图.71 图 4 Hugging Face LLaMA-3.1 README.md 截图.72 图 5 LLaMA-3.1 CycloneDX 模型组件转换信息截图.73 图 6 CycloneDX LLaMA-3.1 模型卡片信息截图.74 图 7 CycloneDX LLaMA-3.1 数据集信息演示截图.74 图 8 LLaMA-3.1 CycloneDX 文件子组件表示信息截图.76 表表 目目 录录 表 1 经典开源语言大模型解析.9 表 2 经典开源多模态大模型解析.12 表 3 经典开源 Agent 解析.15 表 4 国内外典型大模型许可协议类型表.21 表 5 地方政府开源人工智能相关规范文件.35 表 6 常见人工智能开源许可协议合规要点解读.54 表 7 AI/ML BOM 示例.70 1 一、开源大模型发展态势 开源作为一种开放、无边界的新型协作模式，从开源软件到开源硬件，再到开放数据、开源大模型，开源的应用范畴不断拓展，但开放和可复制的核心原则始终未变。较之于闭源大模型，开源不仅重塑了人工智能产业生态，开源大模型的发展和应用更为个人、企业、国家提供了更为广阔的发展天地。（一）（一）从软件到大模型，开源的“变”与“不变”从软件到大模型，开源的“变”与“不变”开源思想兴起于软件开发领域，软件开源核心在于源代码开放。开源”（Open Source）概念根植于上世纪五十年代以来自由开放的计算机文化，并随着开源软件促进会（Open Source Initiative Association，OSI）经典开源定义的确立，逐渐形成共识。在传统软件行业，源代码凝结了创作者的设计思想、实现方法和具体表达，因此软件开源的核心集中体现在源代码的开放、可获取。历经数十年的发展，开源已成为现代软件产业的主流开发模式。目前，全球 96%的商业代码库中包含开源软件，并且商业代码库中 77%的代码直接源自开源软件。1 开源模式应用场景不断拓展，大模型开源形式多元。随着数字时代的到来和全球互联的加深，开源模式在不同场景的应用过程中逐渐衍生出开放数据、开源大模型等多种概念形态，成为人工智能技术创 1 新思科技：2024 年开源安全和风险分析报告，网络地址：https:/ 年 10 月 11日。2 新、开放、共享、可持续发展的源头活水。不同于传统软件的源代码开源，实践中围绕大模型相关技术，形成了开源模型框架、开源模型代码、开源参数权重、开源工具库以及开源训练数据等多种开源形式，但单一元素的公开和可获取可能并不足以支持使用者复现模型效果，实现开源 授之以渔”的根本目的。开源大模型定义逐渐清晰，开放性和可复制性的基本原则一以贯之。为促进开源思想在人工智能技术领域的贯彻和落实，避免部分开发者假借开源之名，行限制技术共享之实，OSI 组织凝聚各方共识，探索开源 AI 定义，为用户和开发者提供判定 AI 模型是否开源的概念框架。根据当前定义，2开源人工智能系统需满足以下四个条件：一是允许公众出于任何目的使用系统，无需征得许可；二是允许公众研究系统的工作原理并检查其组件；三是允许公众出于任何目的修改系统，包括更改其输出；四是允许公众出于任何目的共享系统供他人使用，无论是否经过修改。与开源软件定义的基本原则一致，该定义明确了开源大模型框架、权重、代码以及训练数据等核心元素的开放性和可复制性，以确保开源大模型能够获得持续更新和改进。开放性是开源大模型获取社区贡献的前提。开源大模型的开放性是指将大模型开发和训练的方法论、进展和技术成果向社会开放，而不对公众的访问、复制、检查加以限制。3开源大模型可开放的内容包括模型原理、参数权重、源代码和具体的训练数据，不同模型开放的 2 The Open Source AI Definition-1.0，网络地址：https:/opensource.org/ai/open-source-ai-definition，最后访问日期：2024 年 11 月 13 日。3 M.A.Peters and P.Roberts,Virtues of openness:Education,science,and scholarship in the digital age.Routledge,2015.3 内容有所差异。依据 OSI 组织的相关定义4，开源大模型须在 OSI 认证的许可协议或条款下向公众公开 适合修改的形式”，包括模型权重和参数，训练和运行 AI 系统的全部源代码，以及有关训练数据的详细信息，而不强制要求开源大模型公开全部的原始训练数据。实践中，不同大模型的开放程度存在较大差异，基于斯坦福大学基础模型研究中心发布的 AI 系统访问等级，从完全封闭到完全开放之间存在多种开放选项（见图 1）。可复制性是开源大模型研究、应用的重要基石。可复制性意味着使用者可在相同或不同的环境和条件下，独立运行大模型并复现开源大模型的技术效果，是对开源大模型进行科学研究、技术验证和创新应用的能力基础。在人工智能大模型领域，实现可复制性的前提在于模型开发者尽可能提供完整的数据集、代码、模型参数等模型开发和训练的相关信息，从而供使用者验证模型性能、应用运行结果，从数据、代码和架构等层面对模型加以改进和创新，最终推动技术的进步和革新。图 1 大模型的开放访问等级5 （二）（二）从从垄断垄断到到开放开放，开源重塑，开源重塑 AI 生态生态 4 The Open Source AI Definition-1.0，网络地址：https:/opensource.org/ai/open-source-ai-definition，最后访问日期：2024 年 11 月 13 日。5 Rishi Bommasani et al.,“Considerations for Governing Open Foundation Models”,网络地址：https:/hai.stanford.edu/issue-brief-considerations-governing-open-foundation-models，最后访问日期：2024 年 4 开源是打破 AI 技术垄断的“破破船”。在传统商业模式中，企业往往倾向于封锁创新技术，以谋求长期的市场竞争优势。开源开放破除了闭源大模型专有技术依赖问题，激发市场创新活力。用户可免费获取开源大模型并根据不同应用场景和个性化需求做自适应定制，有效减少了对于高成本商业技术或单一技术厂商的依赖，避免部分人工智能技术厂商利用先发优势封闭技术、垄断市场。如 Meta 公司推出开源大模型 LLaMA2，有力打破了大语言模型长期被 OpenAI、谷歌等商业巨头垄断的局面。同时开源大模型允许广泛的社区参与和众创协作，大大提升技术迭代速度和创新效率，刺激闭源人工智能技术突破、提升，促进良性市场竞争并增强市场多样性。开源大模型是 AI 应用触达的破加速器。开源开放显著降低了大模型的部署及应用门槛，使得人工智能技术得以广泛应用于金融、医学、教育、能源、法律等领域。如基于开源大模型 LLaMA 的行业模型生态圈已然形成，包括医学领域的 QiZhenGPT、ChatMed、BenTsao，法律领域的 LAWGPT，教育领域的 Taoli 大模型等，均通过人工智能技术赋能相关产业转型升级。此外，大模型开源还有助于促进人工智能技术在欠发达地区的普及和交流，提升资源受限地区和群体的数字发展机会。如基于 Qwen 1.5 训练开发的开源语言模型 Sailor，专注于东南亚地区的多样化语言环境，促进了人工智能技术在小语种地区的落地和应用。开源是 AI 科技创新的破催化剂。围绕成熟的开源大模型项目，8 月 29 日。5 往往会形成活跃的开源社区，社区成员可以通过民主、开放的形式共同进行项目的开发和维护工作，从而形成一个强大的知识网络以优化大模型的产品体验。6开源社区不仅有益于积累技术经验和推进模型迭代，更为大模型技术的发展提供了多样化的技术路线储备，避免大模型技术陷入 局部最优化”陷阱。例如，目前 Transformer 算法在自然语言处理技术领域占据主流地位，但仍有众多开源项目在不断探索 RNN 算法的优化和改进方向，以期在该领域实现技术突破。开源是 AI 商业模式的破孵化器。开源大模型的开放性和灵活性有助于帮助企业快速构建商业生态，推动人工智能技术从实验室走向市场，加速人工智能技术的商业化进程。目前，成熟的人工智能企业基本形成了开源和闭源相结合的商业模式。其中，Meta、百川智能、360等企业倾向于借助开源社区以提升模型质量并快速打造自己的产品和生态。而 OpenAI、百度、华为等具有先发优势的企业虽采取闭源战略发展其核心大模型产品，但也积极参与开源生态的建设，如百度构建飞桨社区、华为开放昇腾资源等。此外，随着使用者定制化需求的增加，开源大模型研发企业逐渐从以 产品”为卖点转向以 服务”为卖点，7帮助企业构筑符合其应用场景的垂类大模型，并针对该模型提供持续维护、优化和迭代升级服务。同时，通过将大模型开源，企业可吸引第三方开发者和企业围绕其开源产品构建应用程序和服务，以提升企业的品牌形象和模型的行业影响力，进而围绕其具有影 6 参见陈光沛，魏江，李拓宇：开源社区：研究脉络、知识框架和研究展望，载外国经济与管理2021 年第 2 期，第 84-102 页。7 参见郭雪，郭晧，赵海玲：开源领域有哪些成熟的商业模式？，网络地址：https:/www.openatom.org/insight/article/3ky83uwLO5JS，最后访问日期：2024 年 8 月 30 日。6 响力的开源模型制定技术标准，并采取发布专属硬件、提供计算服务、出售相关培训等方式拓展盈利渠道。开源是 AI 风险治理的破探照灯。闭源大模型因缺乏透明度，安全合规风险事件时有发生。如 Clearview AI 从互联网上收集了数十亿张图片来训练其闭源 AI 系统，后该公司便因未经同意收集和使用个人数据而招致法律诉讼和道德争议。较之于闭源大模型，开源大模型框架、参数、算法、数据以及其他技术细节都公开可见，因此研究人员和开发者可对代码进行充分审查以识别其潜在安全漏洞和算法瑕疵。合规层面，开源大模型训练数据的公开允许第三方机构和公众检查数据的来源和使用方式，进一步敦促模型训练方更好地理解和遵守数据使用相关法律法规和标准，保障数据权利人的基本权益。伦理层面，开源大模型允许第三方开发者直接查看和理解模型的内部工作原理，极大地提升了模型的可解释性，有助于揭示模型潜在的偏见、歧视或其他伦理问题。此外，较之于商业基础模型的开发团队，开源社区的技术人员具有更为丰富的文化背景，有助于确保模型充分考虑、尊重不同文化群体的需求和价值观。（三）（三）从从个人个人到到国家国家，开源释放开源释放 AI 效能效能 开源引导用户从消费者转变为创造者，为个体提供个性化表达渠道。随着人工智能技术的颠覆性发展，大模型不再只是生产工具，更是个体提升自我、表达自我的重要渠道。8就闭源大模型而言，终端用 8 极客公园：开源大模型领域最重要的玩家们，在关心/担心什么，网络地址：https:/ 年 8 月 30 日。7 户和大模型企业之间是 消费者-生产者”的关系，用户无法了解模型生成内容的原理和具体细节，仅能单向被动接受 算法黑箱”所提供的输出内容，而无法体现其创作风格和表达习惯。开源大模型则允许用户利用自己的日常数据实现模型的定制化，个人用户可以通过开源大模型实现高度个性化的 AI 应用，以作为个人自我表达的延伸。例如，艺术家和设计师可将个人作品作为输入，对开源模型如 Stable Diffusion 进行再训练，以定制具备其个人风格的大模型，并协助其进行新的艺术创作。开源降低 AI 技术研发和应用门槛，为企业提供低成本、高效率解决方案。大模型技术效果的实现高度依赖海量数据和充足的算力资源，中小企业难以从零开始完成模型框架设计、训练数据收集、基础模型预训练等工作。开源大模型通过将已经完成初步训练的基础模型公开，帮助应用企业理解现有模型的工作原理，并支持应用企业在此基础上针对个性场景进行深度定制开发和数据定向训练。此外，开源大模型促进了不同领域之间的交叉融合和创新，各行业企业可以自由对其进行修改和扩展，从而创造出更多具有创新性的应用和产品。开源汇聚人工智能相关知识和资源，为国家前沿科技和智能产业发展提供有力驱动。开源作为一种新型协作模式，有助于实现全球人才、技术、算力、产业链等宝贵资源的有效整合。大模型开放社区可提供从基础设施、软件与数据环境、算法框架到智能模型的全栈 AI技术栈以及强大的算力支持和学习资源，为开发者和爱好者提供平等参与的机会，促进技术普及化，有效激发创新活力。同时，跨学科、8 跨领域的知识融合，为人工智能领域的技术难题攻关提供新的思路和方法，助力人工智能技术实现持续迭代和不断创新。此外，企业的参与为开源大模型技术研发和众创提供必要资金支持和技术贡献，依托开源大模型形成的成熟商业模式也将反哺开源大模型社区和技术的纵深发展，促进创新链和产业链深度融合、技术供给和市场需求互动演进，全面提升国家在前沿科技和智能产业方面的竞争力。二、开源大模型创新趋势 近年来，开源模式在语言大模型领域迎来了爆发式发展，开源语言大模型量质齐升，形成百家争鸣之势。同时，自然语言处理技术的快速进步为多模态大模型以及 Agent 的发展、成熟奠定坚实基础，并且开源模式也在持续推动大模型技术的迭代创新和应用落地。（一）（一）开源开源语言大模型语言大模型开启开启百家争鸣百家争鸣新纪元新纪元 语言大模型作为人工智能技术的重要分支，与开源模式深度融合并得以广泛运用。语言大模型即基于大规模语料库训练的，可执行文本总结、翻译、情感分析等广泛任务的人工智能模型，是专注于自然语言处理的重要人工智能技术领域。语言大模型发展初期，大多数性能强大的语言大模型仅能通过付费 API 访问，而其工作方式和工作原理却鲜为人知。同时，语言大模型的预训练阶段需耗费大量资源和高额成本。为促进模型健壮性的提升，处理偏见等有害生成内容，并推动语言大模型创新，开源模式成为产业界的优选方案。早期的开源语言大模型包括 GPT-NeoX-20B、开源预训练 Transformer“（OPT）语言模型以及 BLOOM 等，这些开源语言大模型在性能上较之于闭源大模9 型仍有较大差距，但 LLaMA 等高质量开源预训练语言大模型的发布则大力推动了开源语言大模型质量的飞跃和数量的激增。目前，国内外开源语言大模型已形成百家争鸣之势，大量性能优越的开源大模型，如 OpenAI 的 GPT、Mistral AI 的 Mixtral、Microsoft 的 Phi、Google的 LaMDA 及 Gemini、DeepMind 的 Gopher、xAI 的 Grok、Meta 的LLaMA 等以及智谱 AI 的 GLM、阿里巴巴的通义千问、科大讯飞的星火、零一万物的 Yi 等得到快速发展和广泛应用。表 1 经典开源语言大模型解析 专栏专栏 1 经典开源语言大模型经典开源语言大模型解析解析 1.通义千问通义千问 Qwen 模型简介 Qwen 是阿里巴巴集团 Qwen 团队基于 QWenLMHeadModel 模型架构研发的大语言模型和大型多模态模型系列，目前已升级至Qwen2.5 版本，无论是语言模型还是多模态模型，均在大规模多语言和多模态数据上进行预训练，并通过高质量数据进行后期微调以贴近人类偏好。关键技术原理 通义千问的模型架构基于增强的 Transformer 结构，采用了旋转位置嵌入（RoPE）和无偏置的 RMSNorm 技术，使用 Flash Attention来加速训练过程，并采用 SwiGLU 激活函数以提高模型的性能。软硬件依赖 软件：Qwen 大模型目前支持主流的 Linux、MacOS、Windows10 操作系统，运行前需安装 transformers(4.40.0 )、Python(3.8 )、PyTorch(2.2 )等组件，也可通过 OLLaMA 等模型部署框架快速在本地安装。硬件：当前通义千问的基础模型已经稳定训练了大规模高质量且多样化的数据，覆盖多语言（当前以中文和英文为主），总量高达3 万亿 token。对于较小规模的模型如 Qwen2-0.5B、Qwen2-1.5B、Qwen2-7B，推荐使用具有至少 16GB 显存的 GPU，如 V100、P100或 T4 等，对于更大规模的模型如 Qwen2-72B，则需要使用具有80GB 显存以上的 A100 GPU。2.LLaMA 模型简介 LLaMA（Large Language Model Meta AI）是 Meta AI 发布的开放且高效的大型基础语言模型，具有 7B、13B、33B、65B（650 亿）四种版本。LLaMA 系列开源大模型的训练数据集皆来源于公开数据集，以确保其开源兼容性和可复现性。目前 LLaMA 已升级至 3.1版本。关键技术原理 LLaMA 3 采用了典型的 Decoder-only 的 Transformer 架构，与LLaMA 2 类似，但进行了一些改进，如使用 RoPE（旋转嵌入）作为位置编码方案，以及分组查询注意力（Grouped Query Attention,GQA）机制来提高推理速度。软硬件依赖 11 软件：LLaMA3 大模型支持主流的 Linux、MacOS、Windows操作系统，用户可通过命令行或 OLLaMA 等模型部署框架快速在本地安装，运行前需安装 transformers(4.40.0 )、Python(3.7 )、PyTorch(2.2 )等必要关联组件。处理器和内存：建议使用具有至少 8 核 CPU 进行高效后端操作和数据预处理。对于模型训练和推理，尤其是 70B 参数模型，推荐使用多个强大的 GPU，最好是支持 CUDA 架构的 Nvidia GPU，如 RTX 3000 系列或更高版本。对于 8B 模型，至少需要 16GB RAM，而 70B 模型则建议 32GB 或更多才能满足基本运行需求。存储：需要足够的存储空间来存储模型和相关数据集，对于像70B 这样的大型模型，建议使用 TB 级的 SSD 存储，以确保快速的数据访问。（二）（二）开源多模态大模型开源多模态大模型注入注入 AI 生态新活力生态新活力 Transformer 开源框架和 BERT 开源模型大力推动多模态模型发展，开源多模态大模型渐成生态。多模态模型，也称作跨模态模型，是指在模型的输入域、输出域涉及一种以上模态数据的人工智能模型，可广泛应用于文本和图像的语义理解、图像描述、视觉定位、对话问答、视觉问答、视频的分类和识别、音频的情感分析和语音识别等场景。不同于单一模态，多模态学习旨在通过不同模态数据的有效整合，实现全面、准确的决策。21 世纪以来，深度学习技术的兴起，尤其是Transformer 开源框架和 BERT 开源模型显著推动了多模态模型的快12 速发展，9极大地促进了 AI 技术的跨领域融合，为人工智能生态注入新活力和新动力。目前主流的多模态大模型多以 Transformer 为基础，该框架通过自注意力机制（Self-Attention Mechanism）、多头注意力（Multi-Head Attention）等技术实现了对于全局信息的高效捕获，显著提高了模型的表达力。此外，BERT 开源模型自 2019 年以来也逐渐被应用至多模态领域，该模型通过预训练学习到的深层次语言表示，可作为多模态模型中文本模态数据的有力特征提取器，以帮助模型更好地理解和处理与图像、视频等其他模态相关的文本信息。同时，BERT 的预训练和迁移学习方法也可应用于多模态模型，以提高模型性能和适用性。在开源基础架构和模型技术的引领下，多模态模型领域也涌现出众多开源项目，包括 CLIP、DALL-E、Flamingo、VLMo、Ernie-ViLG、mPLUG、LLaVA 等，开源多模态大模型生态逐渐构建。表 2 经典开源多模态大模型解析 专栏专栏 2 经典经典开源多模态大模型开源多模态大模型解析解析 1.CLIP(Contrastive Language-Image Pretraining)模型简介 CLIP 是 OpenAI 推出的一款多模态大模型，可理解和关联图像和文本，其核心思想在于通过对比学习，将图像和文本映射到同一个向量空间，从而使得模型可以处理图像分类、图像搜索、文本生成等任务。此外，CLIP 可实现零样本学习，并可通过对比学习，生成高效的图像和文本表示，用于多种下游任务。9 上堵吟：探索多模态大语言模型，网络地址：https:/ 年 10 月 6 日。13 关键技术原理 对比学习:CLIP 采用对比学习策略，同步训练图像和文本编码器，将具有相同语义内容的图像与文本映射到同一向量空间内，并通过增强正确图像-文本配对之间的相似度并降低错误配对之间的相似度，实现了精准的语义匹配。Transformer 架构:CLIP 的文本编码器使用 Transformer 模型，图像编码器使用类似 ResNet 的卷积神经网络，并最终通过线性变换将两者的输出映射至同一空间。软硬件依赖 软件依赖:CLIP 基于 PyTorch 框架，兼容大多数深度学习库和工具。硬件依赖:CLIP 需要 GPU 支持，尤其是在大规模数据集上进行训练时，建议使用高性能 GPU（如 NVIDIA A100）。2.Flamingo 模型简介 Flamingo 是由 DeepMind 发布的多模态模型，能够处理文本、图像和视频等多种模态的数据。该模型擅长多模态内容的生成和推理，并具有强大的视频处理能力。关键技术原理：Transformer 架构:Flamingo 使用多层 Transformer 编码器处理文本和图像模态，视频处理则通过时序卷积或 Transformer 实现。多模态联合学习:Flamingo 通过联合训练不同模态的数据，使14 其在不同模态之间共享表示,进行跨模态推理。软硬件依赖 软件依赖:Flamingo 基于 TensorFlow 或 JAX 框架，要求支持大规模并行计算。硬件依赖:Flamingo 对 GPU 和 TPU 的依赖较大，特别是在视频处理任务中。（三）（三）开源开源 Agent 引领人工智能发展新方向引领人工智能发展新方向 大模型赋能 Agent 能力增效，开源模式加速 Agent 创新应用。Agent“（智能体）是一种能够感知环境、做出决策并采取行动的智能系统，通常具备自主性、适应性、交互性和学习能力四大特征，即能够在无人类干预的情况下独立完成任务、根据周围环境和用户反馈不断调整自身行为、与其他智能体或人类进行沟通和协作，同时还能通过持续学习提升自身性能。Agent 的发展历经符号规则、统计学习、深度学习等阶段，并随着大模型技术的快速发展迎来了基于大模型的突破式解决方案，越来越多的研发人员开始采用大语言模型作为 Agent的认知核心，并借助多模态感知和多元工具应用等方式来拓展其感知和行动空间。通过引入大语言模型深度学习新范式，思维链推理以及先进的自然语言理解技术赋予了 Agent 强大的学习与知识迁移能力，使得开发广泛适用且高效的 Agent 成为现实，推进人类不断接近通用人工智能。10与其他人工智能领域技术相似，开源模式同样在极大程 10 刘瑶：2024 年 AI Agent 行业报告大模型时代的“APP”，探索新一代人机交互及协作范式，网络地址：https:/ 2024 年 10 月 6 日。15 度上促进了 Agent 技术的创新发展和应用触达，LangChain、TaskMatrix.AI、CogView、AutoGPT、Open Assistant 等开源 Agent 相关项目通过代码、框架或工具的公开可获取，有效降低了 Agent 技术的研究和应用门槛，推动其发展和应用。表 3 经典开源 Agent 解析 专栏专栏 3 经典开源经典开源 Agent 解析解析 1LangChain 简介 LangChain 是一个用于构建可编程 Agent 的开源框架，LangChain 的架构设计高度模块化，开发者可以根据需求灵活选择和组合不同组件。此外，LangChain 还支持与多个开源语言模型的集成，使其成为开发大模型 Agent 的理想选择。LangChain 的核心在于将语言模型的生成能力与外部工具结合，以实现复杂任务的自动化。此外，LangChain 开源项目十分活跃，有大量插件和扩展可供使用。关键技术原理 语言模型与工具集成:LangChain 通过结合大型语言模型（如 GPT-3、BERT 等）与外部工具（如搜索引擎、数据库），实现 Agent的多功能化。任务规划与执行:Agent 能够根据用户输入进行任务规划，调用适当的工具完成任务。软硬件依赖 16 软件依赖:LangChain 基于 Python，兼容大多数深度学习框架和工具。硬件依赖:LangChain 对硬件要求不高，常用于轻量级任务的自动化执行。2.TaskMatrix.AI TaskMatrix.AI 是由微软亚洲研究院推出的一个多模态任务Agent，可通过自然语言指令执行复杂的任务，如网页操作、数据处理等。该项目支持复杂任务执行并支持多模态处理，同时针对中文语境进行了优化，适用于国内的应用场景。关键技术原理 多模态融合:TaskMatrix.AI 将语言、图像和操作指令结合起来，使得模型能够在复杂的多模态环境中工作。强化学习:TaskMatrix.AI 通过强化学习，可在多步任务中不断优化决策，提高任务执行的效率和准确性。软硬件依赖 软件依赖:TaskMatrix.AI 基于微软的深度学习框架，集成了多种 API 和工具。硬件依赖:TaskMatrix.AI 需要较高性能的 GPU 支持，特别是在多模态任务中。三、开源大模型风险挑战 大模型技术在给人类带来生活方式转变和生产方式革新的同时，也引入了安全、合规等多方面风险挑战，并对人类社会的可持续发展17 造成威胁。此外，较之于闭源大模型，开源大模型关键元素的公开在一定程度上增加了风险暴露的可能性和被恶意利用的概率，开源许可模式的应用使得人工智能技术利用的合规风险更加复杂，开源大模型的可得性还可能加剧人工智能技术的滥用风险。（一）（一）开源大模型应用或开源大模型应用或导致安全风险升级导致安全风险升级 安全层面，开源大模型应用主要面临传统信息系统安全风险以及算法缺陷所诱发的新型安全风险。1.开源模式或加剧模型攻击风险 开源大模型信息系统安全性面临多重复杂风险。一是大模型开源招致更高入侵风险。较之于闭源大模型，开源大模型代码等信息公开可获取，使得信息系统可能面临更高入侵风险，攻击者可能利用漏洞未经授权访问大模型信息系统，导致敏感数据泄露或被篡改、服务中断、关键基础设施受损等，影响个人、企业、社会甚至国家的安全。然而，闭源大模型信息系统所面临安全风险严重程度不亚于开源大模型，闭源大模型的保密性限制了外部审查，AI 系统安全漏洞难以被及时发现，并可能被广泛应用于企业各信息系统中，一旦漏洞暴露便增加了被攻击者利用的风险，从而可能导致更严重的安全事件。二是开源大模型系统安全问题处理面临兼容性和社区支持等不确定因素。在大模型开源项目中，不同分支和分叉在功能特性和安全性能上的差异可能导致跨系统兼容性问题，从而显著提升开源大模型系统集成和维护的复杂性。此外，开源项目的更新和漏洞修复高度依赖于开源社区参与者的积极贡献。若项目维护活动不够活跃，或者开18 源社区缺乏足够的开发维护人员，开源大模型项目将在较长时间内保持脆弱状态，存在严重安全隐患。三是开源大模型依赖复杂性加剧供应链攻击风险。开源大模型的开发和部署通常依赖于大量第三方软件包和依赖库资源，依赖项中的安全问题将可能通过供应链攻击的方式迅速影响到整体信息系统。如国内 360、腾讯等企业安全团队曾多次发现 TensorFlow、PyTorch 等开源深度学习框架及其依赖库的安全漏洞，攻击者可利用相关漏洞造成任意代码执行、拒绝服务攻击、信息泄露等危害。2.开源模式或升级算法安全风险 开源人工智能算法风险问题显著。一是开源大模型算法依然存在可解释性问题。尽管开源大模型的代码、参数和训练方法公开透明，但由于模型内部多层次的非线性数据处理和海量参数的复杂交互，大模型的决策路径和工作机制仍属黑盒模式11，如此可能导致输出结果难以预测和确切归因，如有异常难以快速修正和溯源追责。二是开源大模型算法鲁棒性弱。鲁棒性是指大模型技术在面对复杂的数据环境时，保持性能稳定和输出结果准确的能力。较之于闭源大模型，开源大模型的应用环境更加的多元和复杂，同时开源大模型通常为通用性模型，因此在复杂场景下或特定用例中，开源大模型可能表现出输出内容不准确、做出错误判断或行为、服务中断或性能下降等问题。根据 FlagEval 大模型评测平台测评结果，在内容扰动鲁棒 11 信息化与数字化：一文读懂“黑盒”大模型的可解释性，网络地址：https:/ 2024 年 10 月 6 日。19 性评测和格式扰动鲁棒性评测中，开源大模型 LLaMA-2-7B 的扰动后总平均准确率不到 40%。三是大模型算法开源易引发对抗性攻击和反向工程。攻击者可通过获取、研究公开算法，设计输入数据以误导模型算法输出错误结果。对于依赖模型进行关键决策系统而言，如身份验证系统、欺诈检测系统、自动驾驶汽车的感知系统等，对抗性攻击尤其危险。同时，若攻击者通过注入恶意数据以影响模型的训练过程，将导致生成存在偏见或不可信结果的模型。相较于闭源大模型对攻击者的黑盒输出，基于开源大模型的应用极易继承白盒对抗性攻击的安全漏洞，从而引发严重的安全风险。此外，开源大模型的公开性也使得攻击者更易通过分析或复制模型算法来盗用知识或进行模型复制。四是开源大模型算法仍然可能存在价值观和意识形态风险。一方面，人工智能大模型训练基于大量数据，然而数据的标注人员文化背景差异巨大，并可能从认知和感知层面无意识地将主观偏好和隐性偏见通过标注方式引入模型。同时，由于算法设计者在模型开发和训练过程中会基于经验和主观判断进行参数选择，并致力于目标函数的最优化以提升对主流趋势的预测精度，而将少数群体数据视为异常值或噪声，可能最终导致该部分群体受到算法的不公平对待12。此外，当前人工智能算法不足以独立识别和抵制偏见数据，因此在与外部环境的互动过程中，用户输入的偏见可能会通过人工智能系统自我加强的 12参见张玉宏，秦志光，肖乐：大数据算法歧视的本质，载自然辩证法研究，2017 年第 33 卷第 5期，第 81-86 页。20 反馈循环被不断复制和放大，进而加剧现有的社会歧视13。根据联合国教科文组织大型语言模型中对妇女和女童的偏见报告分析，开源大模型仍然是性别偏见的重灾区，如在 LLaMA 2 生成的内容中，女性从事家务劳动的频率是男性的 4 倍。另一方面，境外开源大模型与国内环境和内容安全要求并不完全符合，即使经过再训练仍然无法完全去除其原生数据价值倾向，这类模型可能更容易生成违背社会主义核心价值观、危害国家安全和利益、损害国家形象，宣扬恐怖主义、极端主义，宣扬民族仇恨、民族歧视，暴力、淫秽色情，以及虚假有害信息等法律、行政法规禁止的内容。（二）（二）开源大模型应用或面临多重开源大模型应用或面临多重规制要求规制要求 合规层面，开源大模型应用面临多重监管要求和法律规制，本文主要围绕开源许可、训练数据以及大模型生成物三大业界关注重点议题解析开源大模型合规风险。1.开源许可协议适用或面临层层限制 大模型开源许可协议种类繁多，许可协议本身潜藏诸多风险。开源许可协议可谓开源大模型应用、发展的法律基石。目前全球最大开源大模型托管平台 HuggingFace 上汇聚超百万开源大模型项目，涉及七十余个开源许可协议，可大致分为三类：通用型开源软件许可协议、知识共享许可协议、新型人工智能许可协议。1）宽松型开源软件许可协议如 Apache-2.0、MIT 等在开源大模型项目中适用热度最高，该 13 新传硕博芝士站:算法偏见(Algorithmic Bias)，网络地址：https:/ 年 10 月 6 日。21 类许可协议仅为被许可方设定较低限度义务限制，因此广受商业公司欢迎。但该类许可协议的许可对象一般为软件产品（或源代码和二进制代码）及相关文件，对于开源大模型项目中的部分元素，如模型参数、训练数据集等可能难以完全覆盖，因此使用该类开源许可协议下的开源大模型项目可能存在一定风险问题。2）知识共享系列许可协议仅包含版权许可，但当前人工智能领域专利数量激增，开源大模型项目涉及专利方案可能性较大，因此应用知识共享许可协议下的开源大模型或潜藏较高专利风险。3）新型人工智能许可协议主要包括RAIL（Responsible AI Pubs Licenses）系列许可协议及 Meta 的LLAMA2、Stability AI 等许可协议，此类许可协议多超出了 OSI 的经典开源定义范畴，增加了使用范围、规模、用户类型等方面的限制。同时，该类许可协议在一定程度上代表着协议制定方或模型发布方的立场或价值观，部分条款在不同社会条件和文化背景下解释和适用可能略有差异。表 4 国内外典型大模型许可协议类型表 序序号号 名称名称 模型类模型类型型 大大模型模型 许可许可协议协议 备注备注 1 阿里云通义千问 预训练 以Qwen/Qwen2-72B 为代表 Tongyi Qianwen LICENSE AGREEMENT Tongyi Qianwen Release Date:August 3,2023 自定义许可协议，与Meta 的 LLaMA 许可协议有相似之处 2 阿里云通义千问 对话 以Qwen/Qwen2-72B-Instruct为代表 3 零壹万物 预训练 以 01-ai/Yi-1.5-34B-32K为代表 Apache 2.0 Apache 2.0 许可协议是 Apache 基金会制22 序序号号 名称名称 模型类模型类型型 大大模型模型 许可许可协议协议 备注备注 4 零壹万物 对话 以 01-ai/Yi-1.5-34B-Chat为代表 定的被广泛采用的开源许可协议 5 幻方/深度求索 预训练 以 deepseek-ai/deepseek-llm-7b-base为代表 DEEPSEEK LICENSE AGREEMENT Version 1.0,23 October 2023 自定义许可协议，与国外的 Open RAIL 许可协议有相似之处 6 幻方/深度求索 对话 以DeepSeek-V2-Chat 为代表 7 上海 AI实验室/书生浦语 预训练 internlm2_5-20b Apache 2.0 Apache 2.0 许可协议是 Apache 基金会制定的被广泛采用的开源许可协议 8 上海 AI实验室/书生浦语 对话 internlm2_5-20b-chat 9 腾讯 预训练 LLaMA-Pro-8B LLAMA 2 COMMUNITY LICENSE AGREEMENT Meta 的 LLaMA 许可协议 10 腾讯 对话 LLaMA-Pro-8B-Instruct 11 百川 预训练 Baichuan2-13B-Base Baichuan2 模型社区许可协议 自定义许可协议 12 百川 对话 Baichuan2-13B-Chat 13 Meta/LLaMA 预训练 meta-LLaMA/Meta-LLaMA-3-70B META LLAMA 3 COMMUNITY LICENSE AGREEMENT 自定义许可协议。要求遵循贸易管制法律法规 14 Meta/LLaMA 对话 meta-LLaMA/Meta-LLaMA-3-70B-Instruct 23 序序号号 名称名称 模型类模型类型型 大大模型模型 许可许可协议协议 备注备注 15 Mistral AI_ 预训练 mistralai/Mixtral-8x22B-v0.1 Apache 2.0 Apache 2.0 许可协议是 Apache 基金会制定的被广泛采用的开源许可协议 16 谷歌 预训练 google/gemma-2-9b Gemma Terms of Use 未特别定义贸易管制条款 17 谷歌 对话 google/gemma-2-9b-it Gemma Terms of Use 未特别定义贸易管制条款 18 微软 预训练 microsoft/phi-2 MIT 被广泛采用的宽松开源许可协议 19 微软 对话 microsoft/Phi-3-medium-4k-instruct MIT 被广泛采用的宽松开源许可协议 20 Stability 预训练 stabilityai/stablelm-2-12b STABILITY AI COMMUNITY LICENSE AGREEMENT 自定义许可协议。要求遵循贸易管制法律法规 21 Stability 对话 stabilityai/stablelm-2-12b-chat STABILITY AI COMMUNITY LICENSE AGREEMENT 自定义许可协议。要求遵循贸易管制法律法规 22 TII 预训练 tiiuae/falcon-40B Terms and Conditions Falcon 2 11B TII License Version 1.0 基于 Apache 2.0 许可协议的自定义许可协议 23 TII 对话 tiiuae/falcon-40B-instruct 24 OpenAI-Community 预训练 openai-community/gpt2 MIT 被广泛采用的宽松开源许可协议 25 Princeton普林斯顿 预训练 princeton-nlp/Sheared-LLaMA-2.7B Apache2.0 Apache 2.0 许可协议是 Apache 基金会制定的被广泛采用的开源许可协议 24 序序号号 名称名称 模型类模型类型型 大大模型模型 许可许可协议协议 备注备注 26 Facebook 预训练 facebook/opt-30b OPT-175B LICENSE AGREEMENT 自定义许可协议。未对贸易管制法律法规的遵从做出特别规定 27 BigScience 预训练 bigscience/bloom-3b bigscience-bloom-rail-1.0 自定义许可协议。未对贸易管制法律法规的遵从做出特别规定 开源大模型许可协议条款复杂，适用面临多层限制。首先，开源许可协议可谓使用者使用、修改、分发开源大模型项目的权利来源，一旦使用者违反开源软件许可协议相关规定，该授权即告终止，后续任何基于该开源大模型项目的利用行为都可能构成侵权，因此使用者基于开源大模型项目进行复制、修改、运行、分发等操作的合规前提在于忠实遵循开源许可协议的规定，包括遵循归属要求及再分发要求等。其次，不同于软件项目，大模型项目的开发需耗费大量资源，个人往往难以负担，因此当前开源大模型的发布方多为商业公司。该类公司出于商业考量或社会责任，可能在开源许可协议中添加部分特殊条款，如 LLaMA3.1 和通义千问 2 明确活跃用户达到阈值需另行申请商业许可、LLaMA2 许可协议包含用于训练其他大模型的限制、LLaMA3.1 明确了衍生大模型命名的限制、RAIL 系列及 LLaMA3.1包含使用场景的限制等。再次，同一大模型项目可能同时集成多个开源组件，若不同开源组件存在开源许可协议兼容性问题，将最终导致使用者无法同时满足所有开源许可协议的义务要求，因而引发合规问题。最后，不同国家或地区对于开源许可协议条款的法律解释和执行方式也可能存在差异。目前，我国在 罗盒诉风灵案”中突破性地认25 可 GPL-3.0 开源许可协议具有合同性质，并将其作为判断侵权行为的逻辑起点，体现了开源社群规范对法律规范的影响力。14因此，使用者除了应当遵守开源许可协议本身的要求外，还需确保其使用符合所在国家或地区的相关法律规定和要求。同时，许可协议条款也可能会随时间变化，进而使用者应持续跟踪开源许可协议的变动情况并更新对应的使用策略。2.开源大模型数据合规风险问题突出 大模型的训练和优化涉及大量数据，开闭源大模型训练数据合规风险存在众多相似之处。一是数据来源合法性问题。开闭源大模型训练数据主要包括开放数据、自采数据、商业数据、使用者输入的信息、其他模型输入的数据等。无论通过何种途径获取，需首先确保训练数据来源合法。1）对于开放数据集而言，使用开放数据集不仅需遵循其开源许可协议义务要求，还需考察其许可协议的传染性和兼容性，避免导致模型中的其他元素被迫开源或许可协议难以履行。同时开放数据集中还可能包含侵权数据，不加甄别的使用将可能招引法律风险，如曾用于 LLaMA 等开源大模型训练的开放数据集 Books3 中包含大量未授权书籍，在部分国家训练和应用可能引发侵权纠纷。2）自采数据多通过爬虫等技术抓取互联网数据，若不加以人工干预，相关爬虫技术可能违反网络爬虫排除协议“（robot 协议）等声明文件要求，绕过目标网站的防护措施爬取数据，进而导致知识产权侵权、不正当竞 14 参见辜凌云：以许可协议为核心的开源社区治理逻辑，载知识产权2024 年第 6 期，第 57-58页。26 争等法律问题，情节严重者还可能触犯刑法。3）商采数据需谨慎关注数据来源合法性以及数据可交易性，以避免发生合规风险。4）应用使用者输入数据应先通过用户协议等方式获取使用者授权，否则将可能导致对于使用者知识产权、商业秘密以及个人隐私的侵犯。5）使用其他模型输入的数据需遵循相关模型的许可要求，如 LLaMA2 许可协议明确禁止利用生成数据训练其他大模型，违反相关协议规定将可能导致著作权侵权。二是数据及隐私风险。若训练数据中包含个人敏感数据，未得合法授权或未经适当处理、管控，将可能违反数据隐私等法律法规的要求。三是数据偏见和歧视风险。训练数据本身或在收集、处理的过程中可能存在无法准确反映现实或含有系统性偏见的问题，进而导致人工智能输出结果存在歧视和偏见，加剧社会不公，带来法律及伦理上的风险。3.开源或加重大模型生成物侵权风险 知识产权侵权风险问题是开闭源大模型的共同隐忧。生成物在数据输入和内容输出阶段都可能涉及著作权侵权问题。在数据输入阶段，机器学习需将原始数据转码为结构化数据，该过程涉及对原有数据内容的调整，包括格式转换、整理删除和汇总等，可能构成对著作权人翻译权、改编权和汇编权的侵犯。15内容输出阶段主要涉及三方面侵权风险：一是复制权侵权，即生成内容若与受版权保护的作品在基本表达上相同或相似且未经授权，可能构成侵权；二是改编权侵权，生 15 参见张平：人工智能生成内容著作权合法性的制度难题及其解决路径，载法律科学（西北政法大学学报）2024 年第 3 期，第 27 页。27 成物在保留原作品表达的同时产生了实质性差异，可能触及改编权的边界；三是信息网络传播权侵权，若生成物被上传或传播于互联网，将可能侵犯著作权人的信息网络传播权。16此外，大模型生成物还可能涉及商标侵权和专利侵权问题。生成物中包含的图像、文字或标志与他人商标相似或相同，会构成商标侵权。同时，若人工智能生成的创新设计、技术方案或产品形态已被他人申请了专利，未经许可擅自实施将可能会构成专利侵权。大模型生成物还可能构成人格权侵权乃至刑事犯罪。若大模型生成物未经授权使用了他人特定形象、声音或其他个人特征，或擅自使用自然人的形象来创设虚拟人物，可能侵犯该人物的肖像权、姓名权或隐私权等人格权利。如知名影星 Scarlett Johansson 对 OpenAI 提出指控，控诉 OpenAI 语音助手人工智能产品未经授权模仿其声音。此外，人工智能生成物若包含贬损、侮辱或诽谤他人的信息，将可能构成名誉权侵权，情节严重者将可能构成刑事犯罪。开源大模型生成物侵权法律责任归属不明风险突出。闭源大模型的所有权和使用权较为明确，且通常配有完善的生成物归属和侵权归责协议，以确保相关风险发生时，可快速识别责任主体。因此，用户在使用闭源大模型服务时，对于生成物致损或侵权的责任归属，具有较高预见性。如微软创立了版权承诺保护机制，承诺为使用其生成式人工智能编码工具 Copilot 的用户面临的侵权索赔进行赔偿。而开源大模型的贡献方数量众多，此外，开源大模型通常未明确开源大模型 16 参见姚志伟：人工智能生成物著作权侵权的认定及其防范以全球首例生成式 AI 服务侵权判决为中心，载地方立法研究2024 年第 3 期，第 2-5 页。28 生成物侵权责任承担方，因此相关风险发生时，可能面临责任归属不明的情况。（三）（三）开源模式或加剧开源模式或加剧大模型大模型技术滥用风险技术滥用风险 开源模式大大降低了人工智能技术的使用门槛，但另一方面，可得性的增加将可能加剧大模型的不当使用风险，进而对个人以及社会的可持续发展造成影响。1.开源或加剧大模型滥用风险，影响个体发展 开源大模型不当应用或加深信息茧房、固化认知偏见。早在 20世纪初，美国学者凯斯桑斯坦便基于对互联网信息传播的考察提出 信息茧房”概念。随着人工智能的到来，与闭源大模型功能原理相似，开源大模型也可通过与用户的交互对话，分析预测用户的价值观和认知偏好，并基于该分析结果输出与用户价值理念相似的信息和答案，从而强化了用户现有的认知体系，并可能增强其认知偏差。此外，过度依赖大模型提供的信息，将导致用户无法获取在训练数据集中代表性不足的“小众”观点或信息，从而限制个体在多元信息环境中形成全面认知。开源大模型过度应用或导致能力退化、阻碍个人发展。开源模式降低了人工智能应用的技术门槛，但若长期应用和过度依赖则可能减少用户学习和锻炼专业技能的机会，导致用户应对困难与挑战的自主思考和创新能力下降，被动接受模型提供的解决方案还将造成用户信息筛选能力以及决策判断能力的退化。美国智库布鲁金斯学会刊文指出，GPS 导航和智能手机让人类更容易遗忘地址和电话号码，29 ChatGPT 也将可能导致人类记忆和批判能力的下降。同时，对于人工智能技术及服务的过度应用还可能逐渐改变人类的交流方式和情感体验，导致社交技能的退化、情感体验的漠化以及语言表达的钝化。2.开源或升级大模型滥用风险，影响社会发展 开源大模型恶意利用或促进黑客攻击民主化。开源加速人工智能技术应用落地，使得万千行业因此受益，但也给了不法分子更多可乘之机。目前，人工智能滥用案例时有发生，开源模式更是进一步降低人工智能技术恶意应用门槛，甚至利用有害语料库对开源大模型加以训练，专门用于网络犯罪、诈骗等非法行为非法大模型也数见不鲜。如基于开源语言大模型构建，并去除安全和道德限制的非法大模型FraudGPT 支持自动化编写欺骗性短信、钓鱼邮件和钓鱼网站代码，并提供高质量诈骗模板和黑客技术学习资源，使得人工智能技术武器化和民主化，据悉，FraudGPT 的用户数在短短数月内便超过了先进的国家网络战部队黑客数量。17 四、开源大模型治理全球动态 为避免人工智能技术发展陷入科林格里奇困境18，平衡风险治理和创新引导，联合国等国际组织以及各国家政府纷纷出台相关政策或法规，以回应该时代命题。目前，随着开源模式优越性的彰显，全球相关组织皆对开源大模型生态构建及创新发展给予高度重视。此外，17FREEBUF：改变网络安全，最火爆的黑客工具：武器化人工智能 FraudGPT ，网络地址：https:/ 2024 年 10 月 6 日。18 注：科林格里奇困境（Collingridges Dilemma）是英国技术哲学家大卫科林格里奇在技术的社会控制（1980）中指出，一项技术如果因为担心不良后果而过早实施控制，那么技术很可能就难以爆发。反之，如果控制过晚，已经成为整个经济和社会结构的一部分，就可能走向失控，再来解决不良问题就会变得昂贵、困难和耗时间，甚至难以或不能改变。这种技术控制的两难困境。30 在风险治理方面，国际组织及国家政府也开始探索人工智能监管措施，除有例外规定外，开源大模型作为人工智能子类，同等适用人工智能相关规制规则。然而，欧盟人工智能法案等法律法规已从开源特殊性角度出发，明确了开源大模型的差异化监管规则，未来针对开源大模型的精细化、包容性监管或成为趋势。（一）（一）国际国际组织高度重视开源大模型发展，积极探索全球组织高度重视开源大模型发展，积极探索全球人工智能治理方案人工智能治理方案 联合国政策助力凝聚开源大模型发展共识。2020 年 6 月，联合国秘书长安东尼斯古特雷斯发布数字合作路线图：执行数字合作高级别小组的建议，明确了开放共享人工智能模型不仅可有效减少能源和人力资源的重复消耗，还能促进优质教育的发展、加深人类对于地球系统及其他生态系统的了解，并提出为提升互联网连接的优势，各行为主体都须推广开放人工智能模型。此外，2023 年底，联合国人工智能高级别顾问委员会发布“以人为本的人工智能治理临时报告也强调开源数据和模型共享是利用人工智能造福人类的重要因素。人工智能风险问题成全球关注焦点。一是联合国强调提升人工智能治理国际协同性。联合国在统一全球人工智能治理共识、提升人工智能治理措施跨国互操作性、消弭全球数字鸿沟等方面发挥着不可替代的作用。如在联合国教科文组织的倡导下，联合国 193 个会员国一致通过首个人工智能伦理全球协议“人工智能伦理问题建议书。该建议书结合人工智能系统全生命周期伦理影响和各会员国发展差异，确立了人工智能发展的价值观、原则和行动指南。此外，2024 年31 9 月，联合国人工智能高级别顾问委员会发布以人为本的人工智能治理 最终报告，提出以全球网络化、敏捷灵活的方式管理人工智能，包括通过成立国际人工智能科学小组、开展人工智能治理政策对话及标准交换等方式建立共同理解、构建协同性治理方法，以应对人工智能在全球范围内带来的挑战和机遇。促进国际社会稳定和公平发展。二是区域间国家组织探索人工智能治理方向。北约积极回应近年来人工智能领域的快速发展。北约于 2024 年 7 月 10 日更新其“人工智能战略，战略明确了四大优先发展领域，包括制定和执行符合国际法规及标准的伦理准则、建立覆盖北约成员国的统一的技术标准和数据交换协议、促进人工智能与量子计算等信息技术的融合发展、构建多元化 AI 生态系统。经合组织呼吁构建负责任人工智能系统。经济合作与发展组织于 2019 年 5 月通过全球首个人工智能主题政府间标准，并于 2024 年 5 月进行了修订。该修订版以创新、可信和人权为主线，呼吁构建负责任的人工智能系统，包括增强人工智能系统的透明度和可解释性等，并建议在国家政策和国际合作中重点关注中小企业的人工智能发展环境。发展中国家关注人工智能技术的可及性。2023 年 9 月，77 国集团和中国发布关于 当前发展挑战：科学、技术和创新的作用”的哈瓦那宣言，呼吁发展开放科学，并为发展中国家提供可负担的可靠连接，确保人工智能可被可靠、公平的开发、接入和使用。（二）（二）欧盟立法谋求人工智能监管主导权，开源欧盟立法谋求人工智能监管主导权，开源大模型大模型得得有条件有条件义务义务豁免豁免 32 欧盟建立全球首部人工智能监管立法，平衡 AI 风险治理和开源创新保护。2024 年 8 月 1 日，欧盟人工智能法案正式生效，世界上第一部人工智能领域的综合性立法由此诞生。该法案以预防人工智能危害为主要原则，覆盖了人工智能产业全生命周期，并且根据人工智能系统的风险等级设立了不同的监管要求，同时采取监管沙盒等创新性、适应性监管措施，以平衡风险监管和技术发展。此外，欧盟人工智能法案还给予开源大模型更多包容，明确了在非高风险环境中免费或用于科学研究和开发目的而投入使用的开源 AI 系统可豁免部分合规义务。19同时，该法案对于开源大模型的定义门槛较低，在要求注明来源并遵循类似分发条款的前提下开放共享模型代码及相关数据即可被视为开源。该系列规定也为开源大模型的繁荣发展营造了良好的政策环境。欧盟产品责任法案与时俱进，充分考虑开源特殊性。为适应数字时代的发展，欧盟委员会修订了产品责任指令，该法案扩大了产品的定义范围，明确将人工智能系统包含在内，同时新指令简化了索赔者的举证责任，允许索赔者基于产品缺陷而非过错来追究产品提供方的责任，从而适应人工智能产品专业性、复杂性、不透明性等特点。同时，该法案明确将在商业活动的过程之外开发或提供的免费且开源的软件排除在产品责任的适用范围之外，因为该类产品并未投放至市 19 注：欧盟人工智能法案在第 2 条“范围”中列明：此规定不适用于以自由和开源许可提供的 AI 组件，除非它们作为高风险 AI 系统或是第二编（编者注：第二编为“禁止的 AI 实践”）或第四编（编者注：第四编为“透明度义务”）的 AI 系统的一部分由提供者投放市场或投入使用。此豁免不适用于第 3 条定义的具有系统性风险的基础模型（编者注：第 3 条定义的“基础模型”指的是一种 AI 系统模型，它在大规模的广泛数据上进行训练，旨在产生广泛的输出，并可以适应各种不同的任务）。33 场，以最大程度保护开源创新与研究。（三）（三）美国美国人工智能人工智能监管监管增强化趋势明显增强化趋势明显，国防领域率先国防领域率先探索探索开源大模型开源大模型影响影响 美国人工智能监管日趋呈渐进化、增强化趋势。早期，奥巴马政府通过 为人工智能的未来做好准备、国家人工智能研发战略计划等文件回应人工智能引发的伦理、安全以及数据隐私等挑战，而未将人工智能作为独立监管领域。2019 年，特朗普政府签发行政令保持美国在人工智能领域的领导地位，以确保美国在 AI 研发及相关领域的全球领先优势。在此期间，美国尚未形成联邦性的监管立法或法规，主要依靠区域性监管和行业自律等方式开展人工智能治理工作布局。202023 年 10 月，拜登政府签署行政令安全、可靠和可信开发和使用人工智能，人工智能治理关注焦点从偏见隐私、研发创新转向更底层的安全可靠等根本原则。同期，人工智能地方性立法频繁。在2024年立法会议上，包括波多黎各、维尔京群岛和华盛顿特区在内的多个地方政府提出人工智能立法法案，并有 31 个地方政府通过相关决议或立法。如 2024 年 8 月，加利福尼亚州通过了前沿人工智能模型安全与创新法案，该法案为开发者设立了一系列创新性的安全要求和义务，旨在维护前沿人工智能模型开发和使用过程中的公共安全。美国国防考量开源大模型潜在影响。美国国防部正在积极推动人工智能技术的广泛应用，并通过商业创新以推进其人工智能战略，但 20 参见邢亚杰、戚凯：论当前美国政府的人工智能监管政策，载国际观察，2024 年第 4 期：第 31-57 页。34 在该过程中，开源大模型的创新潜能和滥用风险成为美国国防工业是否应用开源大模型的重要分歧点。目前，在针对开源大模型风险及治理的广泛讨论中缺乏国防安全层面的考量，因此，未来美国国防部将对开源大模型的影响进行量化评估，包括开闭源大模型用例对比以及开源大模型的应用数据等。（四）（四）中国人工智能治理规则由“软”及“硬”，中国人工智能治理规则由“软”及“硬”，开源大模开源大模型或得包容性监管型或得包容性监管 中国人工智能监管规则框架逐渐确立，开源大模型同等适用。人工智能发展早期，我国便高度强调开源开放发展原则，布局人工智能发展格局。2017 年，国务院印发新一代人工智能发展规划，明确倡导开源共享理念，促进创新资源在全球范围内的优化配置。随着人工智能技术的快速发展，2020 年，国家标准化管理委员会等五部门联合印发国家新一代人工智能标准体系建设指南，提出人工智能标准体系的八大维度，并明确重点开展开源框架安全标准研制，通过标准指导确立了人工智能技术的规制方向。同期，个人信息保护法、数据安全法等法律法规相继发布，为人工智能应用中的数据保护等重点风险提供防治方向。近期，大模型数量实现爆发式增长，人工智能应用风险逐渐暴露，中国开始聚焦人工智能确立相关监管规则。如互联网信息服务算法推荐管理规定建立了事前事中事后的算法推荐服务监管措施，互联网信息服务深度合成管理规定明确了深度合成服务的监督管理职责、服务提供者的责任等内容，生成式人工智能服务管理暂行办法 明确提出对生成式人工智能服务实行包容35 审慎和分类分级监管原则。上述法律法规属于人工智能领域的一般性监管规则，未对开源算法、开源人工智能、开源大模型提出特殊规定，因此开源大模型应当同等适用。各地方政府高度支持开源大模型发展，立法草案充分体现开源创新保护。自 2022 年底至今，各地方政府陆续出台开源与大模型、开源与相关软硬件、开源与算法、开源与训练数据等开源与人工智能相关的规范文件，以鼓励、加强、完善开源人工智能生态构建，促进开源与人工智能的协同发展。此外，2024 年 5 月 10 日，国务院公布2024 年度立法工作计划，明确 预备提请全国人大常委会审议人工智能法草案”，我国开创性人工智能领域综合性立法也将正式开启。目前，业界专家学者已汇聚共识，起草了中华人民共和国人工智能法（学者建议稿）和人工智能示范法 2.0“（专家建议稿），前者明确了关键人工智能监管和特殊应用领域人工智能监管，后者则引入人工智能管理负面清单制度。此外，两个版本的立法草案都高度重视开源大模型的发展和治理，鼓励促进开源生态建设，并明确了开源大模型提供者的责任减免规则。表 5 地方政府开源人工智能相关规范文件 名称名称 地地方方 发布日期发布日期 实施日期实施日期 发布机构发布机构 条款条款 广东省新一代人工智能创新发展行动计划（2022-2025年）广东省 2022.12.22 2022.12.22 广 东 省 科学技术厅,广 东 省 工业 和 信 息化厅 3.加强人工智能操作系统和基础软件研究。围绕智能机器人、智能手机、无人驾驶系统等领域，加快研发具有自主知识产权的通用人工智能操作系统、服务器级人工智能操作系统、智能终端人工智能操作系统和开源基础软件，加强人工智能36 领域开源软件生态建设，夯实人工智能发展的软件基础。开源基础软件。整合全球人工智能创新资源，开发面向人工智能的操作系统、数据库、中间件、开发工具等关键基础软件，支持面向云端训练和终端执行的开发框架、算法库、训练库等研发，支持基础软件开发平台、开放技术网络和开源社区建设，促进人工智能基础软件开发。开源软件生态。研究机器视觉、语音识别、机器翻译、智能交互、知识处理、控制决策等人工智能基础解决方案，支持面向无人驾驶、智能机器人、无人机等人工智能应用领域构建基于开源开放技术的公共数据资源库、标准测试数据库、云服务平台等各类通用开源软件和开放技术平台。智能传感创新平台。重点攻克无人系统核心智能芯片以及毫米波雷达、激光雷达等关键传感器，提升核心器件国产化比例。面向国内产业链上下游企业开放核心算法 IP 以及关键传感器的配套算法和数据接口，推动新型传感器数据集开源共享，建设国产无人系统开源生态。智慧医疗创新平台。建立行业共性平台技术和医疗共享资源库，推动上下游企业、科研院所、行业协会、医疗机构之间的合作，推动核心算法研究，面向上下游企业开放平台和数据接口，推动医疗数据资源和平台37 开源共享。构建资源开放共享格局。支持人工智能优势企业和科研院所建设面向行业共性需求的开放共享平台，推动自主核心软硬件开源开放共享。加强人工智能数据资源开放与保护政策体系和伦理安全标准体系建设，促进重点领域数据信息依法有序流动，引导人工智能产业健康可持续发展。营造开放共享发展氛围。推动人工智能龙头企业基于人工智能操作系统、芯片、传感器等自主核心软硬件提供开源开放共享服务，支持芯片企业、算法企业和产业联盟联合研发基于国产芯片的算子库、开源学习框架、软件栈、模组和开放应用。支持有条件的企业和科研院所面向行业共性需求，自主建设技术开源和开放的共享平台。加强人工智能伦理安全标准体系建设，建立人工智能安全性测试模型及评估模型，形成安全性测试评估的方法、技术、规范和工具集。支持高校、龙头企业、行业协会等加强协同，建设综合测试验证环境。南京国家人工智能创新应用先导区建设实施方案 宁政发(2022)133 号 南京 2022.12.12 2022.12.12 南 京 市 人民政府 18 建设高质量行业数据开放平台。依托集约化建设的自主可控人工智能计算中心、共性技术平台和仿真训练平台，在科研大模型研究、创新应用开发、仿真测试的过程中为人工智能企业提供算力、算法、算据资源。探索制定数据交易和数据治理规则，引导有关龙头企业建设线上数据集交易38 平台，实现数据安全汇聚，逐步形成高质量的行业公共开放数据集。通过算法开源和数据开放，打造创新型开发者社区，汇聚海量算法、模型、产品、应用与服务。北京市通用人工智能产业创新伙伴计划 北京 2023.05.19 2023.05.19 北 京 市 经济 和 信 息化局,北京市 科 学 技术委员会,北 京 市 发展 和 改 革委员会（七）培育软件开发新范式。变革软件领域的开发应用模式，提升软件生产力工具效能，利用生成式 AI 重构企业软件。以开源聚合创新，构建大模型开源社区，吸引科研院所、代码托管平台、开发者及团队在京形成开放、包容、活跃的创新氛围。在基础软件领域引入大模型应用，提升国产操作系统、办公、设计、编程软件性能，丰富信创软件品类。加强工业软件与大模型融合，加快推进智能工业软件开发应用，提升软件质量、丰富应用功能。倡导模型即服务，提升云服务商、集成企业服务水平。鼓励互联网服务迭代升级，推动涌现大模型 互联网新软件新服务。北京市加快建设具有全球影响力的人工智能创新策源地 实 施 方 案（2023-2025年）京 政 发202314 号 北京 2023.05.21 2023.05.21 北 京 市 人民政府 2.引领人工智能关键核心技术创新。支持创新主体重点突破分布式高效深度学习框架、大模型新型基础架构、深度超大规模图计算、超大规模模拟计算等基础平台技术。支持数据与知识深度联合学习、高维空间多模态语义对齐、大规模认知与推理、可控内容生成、高效低成本训练与推理等关键算法研发，着力推动大模型相关技术创新。鼓励相关技术和算法开源开放。5.加强自主开源深度学习39 框架研发攻关。针对分布式计算需求，研发动静统一编程、多维自动并行技术，提升深度学习框架在超大规模模型训练和多端多平台推理部署等方面的核心能力，研发多类型模型开发、训练、压缩、推理全流程工具，支持自主深度学习框架与人工智能芯片开展广泛适配和融合优化，实现人工智能国产软硬件技术的深度协同。8.构建高效协同的大模型技术产业生态。建设大模型算法及工具开源开放平台，构建完整大模型技术创新体系，积极争取成为国家人工智能开放生态技术创新中心。组建全栈国产化人工智能创新联合体，搭建基于国产软硬件的人工智能训练和服务基础设施，研发全栈国产化的生成式大模型，逐步形成自主可控的人工智能技术体系和产业生态。北京市促进通用人工智能创新发展的若干措施 京政办发 2023 15 号 北京 2023.05.23 2023.05.23 北 京 市 人民 政 府 办公厅 围绕模型构建、训练、调优对齐、推理部署等环节，积极探索基础模型架构创新，研究大模型高效并行训练技术和认知推理、指令学习、人类意图对齐等调优方法，研发支持百亿参数模型推理的高效压缩和端侧部署技术，形成完整高效的技术体系，鼓励开源技术生态建设。深圳市加快推动人工智能高质量发展高水平应用行动方 案（20232024 年）深圳 2023.05.31 2023.05.31 中 共 深 圳市 委 员 会办公厅,深圳 市 人 民政 府 办 公厅（四）加强科技研发攻关。聚焦通用大模型、智能算力芯片、智能传感器、智能机器人、智能网联汽车等领域，实施人工智能科技重大专项扶持计划，重点支持打造基于国内外芯片和算法40 的开源通用大模型；支持重点企业持续研发和迭代商用通用大模型；开展通用型具身智能机器人的研发和应用。实施核心技术攻关载体扶持计划，支持科研机构与企业共建 5 家以上人工智能联合实验室，加快组建广东省人形机器人制造业创新中心。杭州市人民政府办公厅关于加快推进人工智能产业创新发展的实施意见 杭政办函202355 号 杭州 2023.07.24 2023.08.25 杭 州 市 人民 政 府 办公厅（二）构建高效协同模型创新生态。推进 MaaS 新模式，支持头部企业开展多模态通用大模型关键技术攻关、中小企业深耕垂直领域做精专用模型，鼓励相关技术和算法开源开放，形成“1 N X”的协同创新、双向赋能产业生态。（二）增强模型创新能力。鼓励头部企业、高校院所开展多模态通用大模型研发并向中小企业开放模型应用，对参数量超过千亿，经权威第三方评测机构评测性能达到国内领先的通用大模型，给予牵头研发单位训练成本补助，补助金额最高不超过 5000 万元。支持企业、高校院所围绕擅长领域开发专用模型，每年评选不超过 10 个性能先进并在杭成功落地的优秀专用模型，按照不超过研发成本30%的标准给予牵头研发单位补助，补助金额最高不超过 500 万元。支持企业、高校院所和第三方机构围绕模型开发搭建开源开放平台（社区），构建基于开源开放技术的软件、硬件、数据、应用协同的产业生态，择优评选一批市级开源开放示范平台，优先享受公41 共数据集支持。促进人工智能创新发展政策措施 宁政办规发 2023 8 号 宁夏 2023.08.13 2023.09.15 宁 夏 回 族自 治 区 人民 政 府 办公厅（七）鼓励模型创新。支持落地企业开展大模型训练，围绕模型构建、训练、调优对齐、推理部署等环节，积极探索基础模型架构创新，研究大模型高效并行训练技术和认知推理、指令学习、人类意图对齐等调优方法，研发支持百亿参数模型推理的高效压缩技术和端侧部署技术，鼓励开源技术生态建设。对于参数量超过百亿、典型应用场景超过 5个的大模型，根据相关政策给予不超过项目总研发投入 30%、最高 1000 万元资金支持。（八）加大平台开放。支持企业、科研院所建设开源开放、协同共享的人工智能数据归集、算法汇聚、算力开放及检验检测的创新服务平台，参考平台软硬件投入、人工智能企业用户数、服务成果等方面，择优给予综合贡献度较高的开放平台最高 500 万元资金奖励。武汉市人民政府办公厅关于印发武汉建设国家人工智能创新应用先导区实施方案（2023-2025年）的通知武政办202385号 武汉 2023.08.30 2023.08.30 武 汉 市 人民政府 2.加强大模型要素支撑。推动头部企业联合多模态人工智能产业联盟组建创新联合体，创建人工智能方向制造业创新中心，开展大模型创新算法开发与开源开放。以武汉人工智能研究院“紫东太初”多模态大模型为核心，围绕多模态理解与生成、高效训练与部署、预训练模型架构设计与优化42 等方面，建设自主可控的跨模态大模型通用人工智能平台。吸引国内大模型头部企业在汉布局垂直领域模型，联合全市电子信息制造业、工业质检、教育、医疗、遥感等行业龙头企业，研发具有影响力的垂直行业模型 10 个以上，培育一批垂直行业模型解决方案服务商，推动智能制造、智能汽车、智慧医疗等领域的人工智能产业实现应用。上海市促进智能机器人产业高质量 创新发展行动方案（2023-2025年）沪经信制2023915 号 上海 2023.10.19 2023.10.19 上 海 市 经济 和 信 息化委员会,上 海 市 发展 和 改 革委员会,上海 市 科 学技 术 委 员会,上海市财政局,上海 市 统 计局 4、重点攻关具身智能等先进技术。通过模仿学习和强化学习训练构建机器人运动控制大模型，实现小脑能力。以通用多模态大模型为基础，构建多模态感知规划大模型，实现大脑能力。搭建包含机器人动作库、物体知识库和数据采集平台的具身数据中心，建立模拟机器人运行环境与机器人感知、运动信息的验证仿真中心和具身算力中心。通过合作开发、开源共享的方式，训练多模态大模型，打造具身智能开源开放平台。开发通用人形机器人原型机，实现人形机器人面向场景应用的优化迭代，促进类脑智能等前沿技术与机器人融合创新，进一步提高智能水平。上海市推动人工智能大模型创新发展若干措施（2023-2025 年）沪经信智 2023 608号 上海 2023.10.20 2023.10.20 上 海 市 经济 和 信 息化委员会,上 海 市 发展 和 改 革委员会,上海 市 科 学技 术 委 员会,中共上9.推进大模型应用生态建设。打造开源大模型行业应用创新生态空间，支持大模型开源社区和协作平台建设，引进培育大模型相关初创团队，加强行业大模型在垂直领域的深度应用，构建开放协同产业生态。43 海 市 委 网络 安 全 和信 息 化 委员 会 办 公室,上海市财政局 推动区块链、大模型技术赋能生产性互联网服务平台发展实施方案 沪经信生2023936 号 上海 2023.10.25 2023.10.25 上 海 市 经济 和 信 息化委员会,上 海 市 商务委员会 结合支持生产性互联网服务平台高质量发展、浦江数链城市数字基础设施体系工程、开源大模型行业应用创新生态空间等重点工作，推动区块链、大模型赋能各类平台发展。3.夯实通用大模型基础能力。支持本市创新主体打造具有国际竞争力的通用大模型。实施智能算力加速计划，加快大模型算力基础设施建设。推动大模型语料数据联盟持续开源高质量数据集，赋能大模型企业加速模型迭代。建设大模型测试评估与协同创新中心，推动大模型产业健康发展。（三）强化政策保障。通过市促进产业高质量发展、商务高质量发展等专项资金，对标杆性企业、应用场景进行支持或奖励。建设开源大模型行业应用创新生态空间，对入驻的企业和团队给予相应支持。将生产性互联网服务平台领域的大模型相关应用及解决方案纳入人工智能示范应用清单。对符合条件的专业人才予以政策支持。鼓励各区出台配套支持政策。浙江省人民政府办公厅关于加快人工智能产业发展的浙江省 2023.12.07 2023.12.07 浙江省人民政府办公厅（二）推动大模型技术开源与开放。推动人工智能大模型领域自主可控开源社区和开放创新平台建设，打造44 指导意见 浙政办发202365号 模型即服务（MaaS）新范式。支持自主开源深度学习框架研发攻关和代码托管镜像平台建设。制定推广开源领域相关标准和协议，推进人工智能领域开源软件的国际规则互认。研发多类型模型开发、训练、压缩、推理全流程工具，培育开发者群体，繁荣开源生态。重庆市 AI 及服务机器人产业集群高质量发展行动计划（20232027年）渝经信通信 2023 10 号 重庆 2023.12.15 2023.12.15 重庆市经济和信息化委员会 人形机器人。支持企业和科研院所前瞻布局人形机器人通用原型机研发、AI 通用大模型技术开发、关键零部件攻关和标准制定。聚焦灵巧臂手建模和控制技术、复杂运动控制技术、仿生感知认知技术、生机电融合技术、人工智能技术、视深导航技术等领域，推动人形机器人技能提升和智能发育，加快关键技术攻关与工程化。强化机器人 AI 大模型能力支撑，构建开源开放的机器人 AI 大模型评测体系和生态，加快 AI 和人形机器人融合发展。中国（上海）自由贸易试验区临港新片区集聚发展人工智能产业若干措施 沪自贸临管委202420号 上海 2024.03.04 2024.09.01 中国（上海）自由贸易试验区临港新片区管理委员会 2支持建设人工智能开源平台 鼓励构建高效协同的大模型技术产业生态，支持企业打造开源通用大模型、商用通用大模型、垂直领域行业大模型，集聚发展大模型和生成式人工智能产业，重点支持分布式高效深度学习框架、深度超大规模图计算等技术，开发搭建自主可控的人工智能开源平台。对千亿参数以上且落地三个及以上实际应用场景的深度学习平台的企业，按照平台研发费用的 10%-30%比例45 给予支持，支持金额不超过3000 万元；按照年度运营费用的 10%比例给予支持，年度支持金额不超过 100万元，资助周期不超过 3年。宁夏回族自治区工业和信息化厅 宁夏回族自治区财政厅 关 于 征 集2024 年大数据产业试点示范项目的通知 宁夏 2024.03.04 2024.03.04 宁 夏 回 族自 治 区 工业 和 信 息化厅,宁夏回 族 自 治区财政厅 2.人工智能方向。支持人工智能通用大模型和行业应用大模型产品的开发、训练和推理，推进人工智能技术在各场景融合应用。支持建设人工智能大模型领域自主可控开源社区和创新平台。鼓励信息技术服务企业积极提供算力支持、研发部署、语料数据等大模型服务。石景山区促进人工智能大模型产业发展行动计划（20242025年）石政办发20244 号 北京 2024.03.26 2024.03.26 北 京 市 石景 山 区 人民 政 府 办公室 7.整合资源协同发展。发挥科研院所等技术资源优势，联合头部企业开展大模型研发应用，鼓励相关技术和算法开源开放，提升大模型产品研发水平和行业赋能能力。建设人工智能大模型产业标杆型孵化器，梯次培育一批人工智能大模型垂直行业代表企业。北京经济技术开发区关于加快打造 AI 原生产业创新高地的若干政策京技管发202410 号 北京 2024.03.28 2024.03.28 北 京 经 济技 术 开 发区 管 理 委员会 13.打造人工智能公共服务平台。建设国家人工智能软硬件协同创新与适配验证中心，面向工业、能源、交通、金融等行业搭建人工智能软硬件行业解决方案测试床，推动国产人工智能大模型在关键行业落地应用。建设人工智能开源开放平台，鼓励大模型领域自主可控开源社区发展，支持自主开源深度学习框架研发攻关和代码托管镜像平台建设。根据开源社区注册用户活跃度、托管大模型及代码数量，经评审后给予平台企业最高 500 万元补贴。46 广东省人民政府办公厅印发广东省关于人工智能赋能千行百业若干措施的通知 粤办函202488号 广东省 2024.05.26 2024.05.26 广 东 省 人民 政 府 办公厅 7.建设大模型开源社区。建设原创性基础大模型资源池，鼓励组建大模型开源社区，支持大模型及其衍生品的自由开放访问、参数调整、应用开发。优化大模型发展环境，降低非技术因素阻碍。面向社区成员开展培训、知识普及等活动，培育大模型开发人才。到 2027年，基本建成一站式研究、开发、协作、部署和落地展示人工智能的开源服务体系。北京市推动“人工智能 ”行动计划（2024-2025年）京 发 改2024 1081 号 北京 2024.07.18 2024.07.18 北 京 市 发展 和 改 革委员会,北京 市 经 济和 信 息 化局,北京市科 学 技 术委员会,中关 村 科 技园 区 管 理委员会 建设运营北京算力互联互通和运行服务平台，为企业大模型训练、用户单位大模型部署，提供便捷泛在的算力支持。依托北京数据基础制度先行区，打造安全可信数据空间，引导企事业单位开放并汇聚高价值行业数据。建设数据训练基地，为大模型训练提供算力、数据、开发工具和开源社区等资源。推动数据分类分级管控和“监管沙盒”机制。支持基础大模型在各行业领域推广应用，鼓励以自主可控的基础大模型为底座加速训练细分行业垂类大模型，完善大模型应用工具链。鼓励开源高参数自主可控基础大模型，支持搭建模型和数据集托管云服务平台，促进开发者分享和协作。五、企业应用开源大模型风险治理实操要点 开源大模型的应用风险不仅影响广泛，还体现出高度的复杂关联性和生成渐进性，因此，企业需构建统一的开源大模型治理体系，以47 统筹开展开源大模型风险防控工作。（一）（一）开源大模型治理体系构建开源大模型治理体系构建 1.构建开源大模型治理组织 开源大模型治理需要企业构建专门的治理组织，该类组织通常是一个跨部门、多角色的协作体系，旨在确保企业使用开源大模型时的合规性、安全性、高效性和创新性。以下是企业开源大模型治理组织可能包含的主要角色和职责分工。一是开源大模型治理委员会。治理委员会负责制定开源大模型的使用策略、合规标准、风险管理政策等，并监控相关政策实施情况，进行定期修订。治理委员会一般由企业高管、法务专家、技术专家等关键角色组成，以确保决策的全面性和权威性。二是技术部门。研发团队主要负责开源大模型的引入、定制开发、性能优化等工作，该团队相关人员需具备深厚的技术背景和创新能力，以确保开源大模型应用满足企业的业务需求。运维团队主要负责开源大模型的部署、监控、故障排查和性能调优，该团队人员需要具备丰富的运维经验和快速响应能力，以确保模型稳定运行。三是安全和合规部门。安全团队主要负责对开源大模型进行安全评估、漏洞扫描和应急响应，保障模型的安全性，此外还需密切关注安全动态，以及时应对潜在的安全威胁。合规团队负责审查开源许可协议条款，确保企业使用开源大模型符合相关法律法规和内部合规要求。合规团队人员还需关注开源社区的动态和法律法规的变化，及时调整企业的合规策略。48 四是社区与协作部门。社区与协作团队负责推动与开源社区的联系和合作，组织参与社区活动，贡献代码或改进建议，提升企业在开源社区中的影响力。此外，该团队一般还负责与其他企业或研究机构的合作洽谈，以推动开源大模型的技术创新和应用落地。五是支撑部门。培训与发展团队主要负责为员工提供相关技术培训和合规培训，提高员工使用和维护开源大模型的能力。该团队需关注员工的发展需求，以制定个性化的培训计划。项目管理团队负责开源大模型相关项目的整体规划、进度控制和质量管理，该类团队需要与各相关部门紧密合作，以确保项目的顺利进行和高质量完成。六是其他相关部门。根据企业的具体情况和实际需求，开源治理组织还可能包括数据科学家、产品经理、市场营销人员等相关角色，相关角色将在各自的领域内为开源大模型的治理和应用提供支持。2.建立开源大模型治理机制 企业面向开源大模型的治理机制明确了开源大模型治理的规则和原则，旨在确保企业高效、合规、安全的使用开源大模型。以下是开源大模型治理机制的主要组成部分。一是制定开源大模型治理政策与合规框架。企业应制定明确的开源大模型使用政策，明确开源大模型的选用标准、使用范围、贡献流程、风险评估及合规要求等。同时企业应明确开源大模型的合规性审核流程，确保企业使用的开源大模型符合其开源许可协议的义务要求，且不违反相关法律法规和企业内部规定。二是构建风险管理机制。在安全风险管理方面，企业需对开源大49 模型进行定期的安全风险评估，识别并修复潜在的安全漏洞。在供应链风险管理方面，企业需审查开源大模型依赖的第三方组件和库，确保其安全性和稳定性。在应急响应方面，企业应制定针对开源大模型安全事件的应急响应计划，确保相关紧急安全事件时能够迅速应对。三是开展技术治理与运维。首先，企业应使用版本控制系统管理开源大模型的版本更新，确保代码的可追溯性和可管理性。其次，企业应实施 CI/CD 流程，自动化构建、测试和部署过程，提高开发效率和代码质量。此外，企业还需对开源大模型的运行性能进行实时监控，并根据实际情况进行优化调整。四是参与社区活动与贡献。企业应构建开源社区贡献机制，鼓励员工积极参与开源社区，与开发者交流、分享经验，共同推动开源大模型的发展，并在符合开源许可协议要求的前提下，向开源项目贡献代码或改进建议，提升企业在开源社区的影响力。五是加强知识产权管理。在使用开源大模型时，应进行必要的专利检索和审查，以避免侵犯他人的专利权。此外，在对外贡献时，企业应确保对开源大模型的修改和分发符合版权法规，维护企业的合法权益。六是建立健全培训与文化建设。企业应提供开源大模型主题技术培训和风险防控培训，提高员工使用、维护开源大模型的能力及风险防控意识。此外，在内部积极倡导、推广开源文化，鼓励员工积极参与开源项目，形成开放、协作的工作氛围。（二）（二）开源大模型风险防控建议开源大模型风险防控建议 50 1.项目生态选型建议 目前开源大模型项目不胜枚举，质量也层次不齐，因此企业在选用开源大模型项目时，需首先对社区及项目的稳定性、成熟度、活跃度等进行评估，以确保拟采用开源大模型项目可长期稳定运行，从而降低相关技术应用风险及运维风险。其一，企业宜进行项目代码质量和文档完整性评估。开源大模型的代码质量和文档完整性是开源大模型项目评估的基础，如果质量较低或文档不完整，会直接影响项目的可用性和可维护性。因此开源大模型使用企业应评估代码的规范性，注释的详细程度以及文档包括部署指南的全面性等。高质量的代码和详尽的文档意味着项目的成熟度较高，可以帮助开源大模型使用企业快速上手并减少潜在的错误。其二，企业宜进行项目更新频率和活跃度评估。开源大模型项目的更新频率和社区活跃度是评估其生命力和持续发展能力的重要指标，较低频次的更新和低活跃度的社区可能意味着项目无法得到及时的漏洞修复和新功能的引入。开源大模型应用企业可以通过查看项目的提交历史、发布日志和社区讨论来评估其活跃度，以评估项目的稳定性。其三，企业宜进行项目贡献者评估。开源大模型项目的成功很大程度上依赖于社区的贡献者质量和数量，丰富且高质量的贡献者群体可以确保项目的持续发展和有效管理。开源大模型使用企业应关注项目的贡献者数量、质量以及活跃度，如是否有明确的领导者、是否有足够的贡献者等以评估开源大模型项目是否可得到持续、有力的支持。51 其四，企业宜进行社区治理结构评估。治理结构是指社区内部成员之间权利与责任的分配方式，以及决策流程和协调机制的集合。开源大模型使用企业应深入了解开源社区的治理结构和决策流程，包括项目的领导者和核心贡献者以及其他成员之间的权责分配、决策的集中度等。如在一个高度去中心化的社区中个别成员的离开可能不会对整体造成太大影响，而在一个中心化程度较高的社区中关键人物的缺失可能导致项目陷入困境。因此，治理结构的评估有助于使用企业理解项目的构成、方向和决策过程。2.安全风险防控建议 企业可从开源大模型应用全生命周期进行开源大模型安全风险防控。模型引入阶段：企业在开源大模型引入阶段应做好安全准备工作，包括制定开源大模型安全指导政策、组建开源大模型安全团队以及采购或开发开源大模型安全检测工具或平台等。此外，在进行开源大模型选型时，企业应评估项目是否存在已知的安全隐患和漏洞，并了解项目在数据保护、隐私安全和系统稳定性方面的表现。同时，针对算法安全风险，企业可基于模型公开的测评数据或自主进行模型鲁棒性测评、模型 幻觉”测评以及模型偏见性测评等模型内生安全测评，以评估大模型的算法安全性是否满足公司相关政策。模型部署/优化阶段：若企业采用新数据进行模型优化，宜在数据收集和处理阶段采取必要安全措施，包括数据分类与保护、数据脱敏、数据源审核、差分隐私和同态加密等，并针对数据集开展违法52 不良数据检测、数据投毒污染检测、数据隐私检测以及数据多样性检测等。此外，为降低开源大模型产生不真实、有偏见、违法不良信息，企业可构建安全对齐数据集，包括构建正样本数据，以帮助模型更好学习人类价值观；构建恶意样本数据，以帮助开发人员进行模型测评；构建外部对齐数据，为模型输出建立法律和道德约束。21在算法优化方面，企业可通过提示词语义增强和结构增强、调整算法模型结构、扩充多样化的训练数据集等方式增强大模型的鲁棒性，提升算法抵抗诱导攻击的能力。此外，为避免大模型被窃取、纂改，企业还可构建大模型后门检测能力，以及时发现异常行为。模型再发布/对外提供服务阶段：企业在利用开源大模型提供服务阶段应通过安全检测手段，如在大模型应用过程中持续检测是否存在提示注入攻击、对抗攻击和隐私攻击，以及时预警和处理。同时，针对模型生成内容，可通过自动化或人工方式进行安全合规审核，以防止模型生成违法不良信息。此外，企业还应通过水印技术标识人工智能合成内容，以降低大模型生成虚假信息或误导性信息的有害性。企业若计划对外开源优化后的大模型，还应进行充分的代码审查和安全测试以确保模型的安全性。3.合规风险防控建议（1）许可协议应用合规流程 在许可协议合规方面，企业使用开源大模型的合规流程一般包含 21 大模型安全研究报告 2024，https:/ 2024年 10 月 6 日。53 以下环节。图 2 人工智能大模型许可协议合规流程 模型引入阶段：企业应先做好合规准备工作，包括制定开源大模型合规管理指导政策、组建合规专业团队、开发或采购开源大模型代码检测及合规管理工具与平台、开展开源大模型合规培训等。其次，在进行开源大模型选型时，企业首先应确保开源大模型来源合法合规、权威可控。再次，企业还应仔细审查开源大模型许可协议内容，结合未来使用方式和使用场景判断拟引入开源大模型是否满足公司合规政策。同时，企业应对开源大模型的知识产权情况进行审慎审查，包括进行相关专利的检索等，以避免发生法律纠纷。最后，企业应结合开源大模型的安全性、可用性等因素综合评估是否引入该开源大模型，并留存相关审批记录。模型部署/优化阶段：企业开放人员应在专业合规人员的协助下，明确开源大模型与其他开源模块或开放数据之间的许可协议兼容性，解决可能存在的许可协议条款冲突问题。此外，基于确切的使用方式和使用场景综合确定待履行义务，并准备义务履行材料。模型再发布/对外提供服务阶段：企业应根据许可协议要求履行对应声明义务和/或衍生作品再开源义务，并进行义务符合性审查，以确保完全符合大模型许可协议的相关要求。54 表 6 常见人工智能开源许可协议合规要点解读 专栏专栏 4 常见人工智能许可协议合规要点解读常见人工智能许可协议合规要点解读 1.AI PUBS RAIL 系列系列许可协议许可协议合规要点合规要点 AI PUBS RAIL LICENSES 系列许可协议的制定参考了开源Apache 许可协议版本 2.0 的内容，二者存在类似条款，因此参照Apache 许可协议合规实务，可提出如下开源大模型 AI PUBS RAIL LICENSES 系列许可协议合规要点：明确大模型适用的明确大模型适用的 AI PUBS RAIL LICENSES 许可协议许可协议具具体版本体版本 大模型许可协议合规项目工作的第一步是判断大模型适用许可协议种类和版本。具体为分清大模型参数文件（即模型）所适用的许可协议和大模型代码文件（即源代码）所适用的许可协议，进而根据相应的许可协议内容确定大模型许可协议合规工作的具体依据。评估大模型的应用风险评估大模型的应用风险 AI PUBS RAIL LICENSES 系列许可协议附有明确的免责声明和责任限制条款，此类条款对于保护大模型的开源贡献者至关重要，但也同时意味着后续使用者虽可根据许可协议使用开源大模型的参数文件和代码文件，但是依然存在着侵犯他方版权或者专利的风险。因此建议企业在使用开源大模型的参数文件和代码文件时，尽可能选用知名公司发布的或业内广泛使用的开源大模型的参数文件和代码文件，此类开源代码由于具有知名企业背书或经过长期55 市场检验，侵权风险较小。而冷门、小众的开源大模型的参数文件和代码文件相对较大，需审慎评估后决定是否使用。对适用对适用 AI PUBS RAIL LICENSES 系列系列许可协议许可协议大模型后大模型后续应用和开发的开源续应用和开发的开源/闭源选择闭源选择 对于 AIPubs Open RAIL-M 和 AIPubs OpenRAIL-S 两个“公开Open”性质的许可协议类似于 Apache 许可协议版本 2.0，属于宽松型开源许可协议，这两款许可协议并不要求后续使用者开源其基于开源大模型的衍生作品，因此此类衍生作品的开发者有权决定是否继续开放其衍生作品。对于 AIPubs Research-Use RAIL-M 和 AIPubs Research-Use RAIL-S 两个研究用途许可协议，许可协议内容中删除了下游和其他用户可以自由访问该被许可的模型/源代码的条款，考虑到其只能用于研究和学术用途，原则上应仅在研究范围内允许访问和使用。根据根据 AI PUBS RAIL LICENSES 系列系列许可协议许可协议的具体版本，的具体版本，严格履行严格履行许可协议许可协议项下规定的义务项下规定的义务 根据大模型的具体使用情形，例如：为第三方远程访问服务（例如软件即服务），通过任何媒体复制和分发模型/源代码，按照 AI PUBS RAIL LICENSES 系列许可协议规定履行相关许可协议义务。许可协议义务主要包括两方面：第一方面类似开源软件许可协议 Apache2.0 的义务，向模型或模型衍生作品的任何第三方接收者提供一份许可协议的副本、使任何修改的文件带有显著的通知，声明修改了该文件、保留所有版权、56 专利、商标和归属声明。第二方面是 AI PUBS RAIL LICENSES 系列许可协议特有的用途限制的义务，主要按照 AI PUBS RAIL LICENSES 系列许可协议附件 A 严格对使用大模型的用途进行限制。必须将 AI PUBS RAIL LICENSES 系列许可协议第 5 条及附件 A 限制作为可执行的条款包含在管辖模型/源代码的使用和/或分发的任何类型的法律协议中，还应通知分发给的后续用户，模型或模型的衍生作品受第 5 条的约束。对于 AIPubs Research-Use RAIL-M 和 AIPubs Research-Use RAIL-S 两个研究用途许可协议，还要求源代码的任何第三方接收者必须遵守仅被允许的学术和研究用途，不得商用。2.BigScience Open RAIL-M License 许可协议许可协议或或 BigScience RAIL License v1.0 许可协议许可协议合规要点合规要点 商业公司在合规使用和分发适用 BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 许可协议的大模型时应当关注如下问题：BigScience Open RAIL-M License 许可协议许可协议和和 BigScience RAIL License v1.0 许可协议许可协议的的专利和版权专利和版权授权授权范围包括模范围包括模型、模型衍生作品和补充材料（即代码文件及其型、模型衍生作品和补充材料（即代码文件及其文档文档）商业公司在部署、使用和分发适用 BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 许可协议的大模型时，应清楚 BigScience Open RAIL-M License、BigScience RAIL 57 License v1.0 许可协议的版权和专利的许可范围包括模型、模型衍生作品和补充材料（即代码文件及其文档）。在此基础上商业公司还应当注意，虽然模型参数文件和补充材料（即代码文件及其文档）相关的版权和专利根据 BigScience Open RAIL-M License 许可协议和 BigScience RAIL License v1.0 许可协议第 2、3 条进行许可，但BigScience Open RAIL-M License 许可协议和 BigScience RAIL License v1.0 许可协议第 4 条规定的被许可人需要满足的对应条件仅为复制、分发和提供远程访问“模型和模型衍生作品”时需要满足的条件，而不包括“补充材料”，并且第 5 条及附件 A 的使用限制仅适用于“模型及其衍生作品”，同样并不适用于“补充材料”。模型权利人根据模型权利人根据 BigScience Open RAIL-M License 许可协许可协议议和和 BigScience RAIL License v1.0 许可协议许可协议对被许可人的对被许可人的授权范围包括版权和专利权，但不包括商标和商号权授权范围包括版权和专利权，但不包括商标和商号权 BigScience Open RAIL-M License 和 BigScience RAIL License v1.0 许可协议第 2 条明确授予被许可人永久的、全球性的、非排他性的、不收费的、免版税的、不可撤销的版权许可，用于再制造、准备、公开展示、公开执行、可分许可和分发补充材料、模型和模型的衍生作品。BigScience Open RAIL-M License 许可协议和 BigScience RAIL License v1.0 许可协议第 3 条明确授予被许可人永久的、全球性的、非排他性的、不收费的、免版税的、不可撤销的（许可协议另有规定除外）的专利许可，用于制造、委托制造、使用、许诺销售、销58 售、进口和以其他方式转移模型和补充材料。BigScience Open RAIL-M License 许可协议和 BigScience RAIL License v1.0 许可协议第 8 条规定，不允许被许可人使用许可人的商标、商号、标识或以其他方式错误陈述双方之间的关系。特别关注特别关注 BigScience Open RAIL-M License 许可协议许可协议和和BigScience RAIL License v1.0 许可协议许可协议第第 7 条规定的“被许条规定的“被许可人还可人还应尽合理努力使用最新版本的模型应尽合理努力使用最新版本的模型”的要求”的要求 商业公司在合规使用和分发适用 BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 许可协议的大模型时，应当特别关注适用 BigScience Open RAIL-M License 许可协议和 BigScience RAIL License v1.0 许可协议的大模型第 7 条规定的“被许可人还应尽合理努力使用最新版本的模型”的要求。该要求被公众诟病，因为若商业公司在适用 BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 许可协议的大模型基础上已经进一步投入数据和算力对模型进行了微调，并将微调后的模型用于商业服务。此后该大模型的后续版本发布，前述商业公司是否应当放弃之前投入成本微调后的模型，而采用新的后续模型，并再次投入成本对后续模型进行微调存在争议。被许可人对适用被许可人对适用 BigScience Open RAIL-M License 许可协许可协议议或或 BigScience RAIL License v1.0 许可协议许可协议的大模型修改的大模型修改形成的形成的衍生衍生作品无强制开源义务作品无强制开源义务 BigScience Open RAIL-M License 和 BigScience RAIL License 59 v1.0 许可协议第三节：使用、分发和再分发的条件第 4、5、6 条规定，被许可人为第三方远程访问目的提供托管（例如软件即服务），在任何媒体上再制造和分发模型或模型的衍生作品的副本，无论是否修改，所需要满足的条件中，并不要求后续使用者对基于开源大模型进行修改得到的派生作品继续进行开源/开放，因此被许可人对修改适用 BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 许可协议的开源大模型获得的衍生模型作品，有权决定是否继续开源。被许可人用模型为用户提供远程访问、再制造被许可人用模型为用户提供远程访问、再制造和分发模型或和分发模型或模型的衍生模型的衍生作作品的副本品的副本（无论是否修改）（无论是否修改），需遵守需遵守 BigScience Open RAIL-M License 许可协议许可协议和和 BigScience RAIL License v1.0 第第 5 条及附件条及附件 A 的使用限制的使用限制 被许可人用模型为用户提供远程访问、再制造和分发模型或模型的衍生作品的副本（无论是否修改），需遵守 BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 第 5 条和附件 A 的使用限制。BigScience Open RAIL-M License 许可协议或 BigScience RAIL License v1.0 的附件 A 规定了 13 类使用限制，限制的类别和通用的AI Open RAIL 许可协议的使用限制相似，也可以大致分为违法、伤害和歧视和不符合透明度三类。3.LLaMA 2 及及 LLaMA 3 许可协议许可协议合规合规要点要点 60 商业公司在合规访问、使用和分发大模型 LLaMA 2/3 时应当关注如下问题。LLaMA 2/3 许可协议许可协议许可的内容是许可的内容是 LLaMA 2/3 模型参数文模型参数文件、代码文件及其件、代码文件及其文档文档 LLaMA 2/3 许可协议许可的内容是“LLaMA 材料”，而“LLaMA 材料包括 Meta 拥有的 LLaMA 2/3 和其文档。“LLaMA 2/3”是指基础大语言模型及软件和算法，包括机器学习模型代码、训练过的模型权重、可推理代码、可训练代码、可微调代码以及 Meta 分发上述材料的其他部分。“文档”是指由 Meta 分发的 LLaMA 2/3 随附的规格、手册和文档。LLaMA 2/3 的模型权重参数文件和开源代码文件统一适用的模型权重参数文件和开源代码文件统一适用LLaMA 2/3 许可协议许可协议 Meta 并没有将 LLaMA 2/3 的模型权重参数文件和开源代码文件进行区分，没有分别适用模型许可协议和开源软件许可协议，而是统一适用其定制的 LLaMA 2/3 社区许可协议（LLAMA 2/3 Community License）和 LLaMA 2/3 可接受使用政策（LLaMA 2/3 Acceptable Use Policy）。Meta 对被许可人授予的使用关于对被许可人授予的使用关于 LLaMA 2/3 的知识产权范的知识产权范围应当包括版权和专利权，但不包括商标和商号权围应当包括版权和专利权，但不包括商标和商号权 LLaMA 2/3 许可协议议未授予任何商标许可，并且因 LLaMA 材料关联，无论 Meta 还是被许可方均不得使用对方或其任何关联公司拥有或与之相关的任何名称或标记，除非为了描述和再分发61 LLaMA 材料而合理和惯常使用。不得使用不得使用 LLaMA2/3 及其输出用于改进其他大语言模型及其输出用于改进其他大语言模型 LLaMA 2/3 许可协议规定，被许可人不得使用 LLaMA 材料或任何输出或 LLaMA 材料的结果来改进任何其他大型语言模型（不包括 LLaMA 2/3 或其派生作品）。开源软件许可协议一般没有此类限制，因此需要 LLaMA2/3 的使用者特别关注。如果被许可人及其关联公司提供的产品或服务的月访问用如果被许可人及其关联公司提供的产品或服务的月访问用户超过户超过 7 亿，需要另行申请单独的商业许可亿，需要另行申请单独的商业许可 LLaMA 2/3 社区许可协议（LLAMA 2/3 Community License）根据 LLaMA 官网的介绍就是一个定制的商业许可，被许可人可将LLaMA 用于商业或非商业用途。但 LLaMA 2/3 社区许可协议（LLAMA 2/3 Community License）同时规定，如果在 LLaMA 2/3 版本发布之日，被许可方或被许可方的关联公司提供的产品或服务的每月活跃用户数在上一个日历月中超过 7 亿，则必须向 Meta 申请单独的商业许可协议。Meta 可以自行决定是否授予该权利。开源软件许可协议一般没有此类规定，该规定事实上要求大型互联网公司单独申请商业许可，排除在LLaMA 2/3 社区许可协议（LLAMA 2/3 Community License）适用的被许可人范围之外。被许可人拥有被许可人拥有 LLaMA2/3 所做的修改形成的派生作品，且所做的修改形成的派生作品，且无强制开源义务无强制开源义务 LLaMA 2/3 许可协议规定，根据 Meta 对其制作的 LLaMA 材62 料及其衍生品的所有权，对于被许可人做出的对 LLaMA 材料的任何修改和派生作品，在被许可人和 Meta 之间，被许可人现在和将来都是此类派生作品和修改的拥有者。LLaMA 2/3 许可协议规定也类似于 Apache 许可协议版本 2.0属于宽松型开源协议，除履行保留许可协议内容、声明等开源许可协议义务外，其并不要求后续使用者对基于大模型进行修改得到的衍生作品继续进行开源/开放，因此被许可人对修改 LLaMA2/3 获得的衍生作品，有权决定是否继续开源。被许可人需遵守被许可人需遵守 LLaMA 2/3 可接受使用政策可接受使用政策（LLaMA 2/3 Acceptable Use Policy），不得违反使用限制），不得违反使用限制 被许可人在使用、分发和修改 LLaMA 2/3 时，不得违反 LLaMA 2/3 可接受使用政策（LLaMA 2 Acceptable Use Policy），将 LLaMA2/3用于四类禁止用途：第 1 类违反法律或侵犯他人权利的方式利用LLaMA 2/3；第 2 类参与、促进、煽动、便利或协助计划或开展对个人造成死亡或身体伤害风险的活动；第3 类故意欺骗或误导他人；第4 类是未能适当地向最终用户披露人工智能系统的任何已知危险的情况。其中前 3 类使用限制和通用的 AI Open RAIL 许可协议相似，第 4 类是 LLaMA 2/3 许可协议另外增加的限制。LLaMA 3 特殊要求特殊要求 如果被许可者分发或提供 LLaMA 材料（或其任何衍生作品）或使用了 LLaMA3 中任何材料的产品或服务（包括其他 AI 模型），被许可者除应随任何此类 LLaMA 材料提供本协议的副本外，还应63 当在相关网站、用户界面、博客文章、关于页面或产品文档上突出显示“Built with Meta LLaMA 3”。如果被许可者使用 LLaMA 材料来创建、训练、微调或以其他方式改进一个 AI 模型，并进行分发或使其可用，被许可者还应在任何此类 AI 模型名称的开头加入“LLaMA 3”字样。Meta 仅在此种情况下授予被许可者使用“LLaMA 3”标记的许可，被许可者需要遵守 Meta 发布在其官网上的品牌指南，且被许可者因使用“LLaMA 3”而产生的所有商誉都将归属 Meta。4.通 义 千 问通 义 千 问 许 可 协 议许 可 协 议（Tongyi Qianwen LICENSE AGREEMENT）合规要点合规要点 商业公司在合规使用和分发适用通义千问许可协议的开源大模型时应当关注如下问题：通义千问通义千问许可协议许可协议授予被许可人对材料（即模型、代码和文授予被许可人对材料（即模型、代码和文档）的使用、分发和修改的许可档）的使用、分发和修改的许可 通义千问许可协议授予许可的材料主要包括模型、代码和文档。因此商业公司在部署、使用和分发通义千问人工智能开源大模型时，应清楚通义千问许可协议许可的知识产权（主要为版权和专利）范围为材料（即模型、代码和文档）。通义千问通义千问许可协议许可协议未授予商标和商号权未授予商标和商号权 通义千问许可协议第 2 条规定，基于阿里云的知识产权或阿里云拥有的在材料中体现的其他权利，授予被许可人对材料非独占64 的、全球性、不可转让且免版税的有限许可，使用、再制造、分发、复制、创建衍生作品及对材料进行修改。通义千问许可协议第 6 条规定，除通义千问许可协议要求的履行通知要求或为描述和再分发材料而合理和通常使用外，未授予使用阿里云的商号、商标、服务标志或产品名称的商标许可。特别关注通义千问特别关注通义千问许可协议许可协议对模型商业使用的限制条件对模型商业使用的限制条件 商业公司在合规使用和分发通义千问人工智能开源大模型时时应当特别关注通义千问许可协议第 4 条规定“如果被许可人商业性地使用材料，并且被许可人的产品或服务拥有超过 1 亿的月活跃用户，则应当向阿里云申请许可协议。未经阿里云的明确授权，不得行使通义千问许可协议下的权利”的商业使用限制，如果非商业使用则没有被许可人的产品或服务拥有不超过 1 亿的月活跃用户的限制。被许可人对适用通义千问被许可人对适用通义千问许可协议许可协议的人工智能开源大模型的人工智能开源大模型修改形成的衍生作品无强制开源义务修改形成的衍生作品无强制开源义务 通义千问许可协议第 3 条规定，被许可人可以任何媒介再制造和分发材料或其衍生作品的副本，无论是否进行了修改，以源码或目标码形式。因此被许可人（即后续的模型使用分发者）对基于开源大模型修改得到的衍生作品是否继续开源有决定权。使用、分发、修改通义千问开源大模型通义千问的使用用途使用、分发、修改通义千问开源大模型通义千问的使用用途限制限制 通义千问许可协议第 5 条规定了两点使用规则：（1）材料（模65 型、代码和文档）可能受到中国、美国或其他国家和地区出口管制或限制的影响。被许可人在使用材料时应遵守适用的法律和法规。（2）不得使用材料或其任何输出来改进任何其他大型语言模型（不包括通义千问或其衍生作品）。由此可见通义千问许可协议概括性的要求使用通义千问模型代码和文档时应遵守适用的法律和法规，并不得使用通义千问模型或其任何输出来改进任何其他大型语言模型 使用、分发、修改人工智能开源大模型通义千问产生的争议使用、分发、修改人工智能开源大模型通义千问产生的争议适用中国法律，杭州法院具司法管辖权适用中国法律，杭州法院具司法管辖权 通义千问许可协议第 9 条规定了适用法律和司法管辖权，协议及由此产生或与之相关的任何争议将受中国法律管辖，不考虑冲突法原则，并且联合国国际货物销售合同公约不适用于协议。对于协议引起的任何争议，位于杭州市的人民法院具有排他的司法管辖权。5.千问许可协议（千问许可协议（Qwen LICENSE AGREEMENT）合规要点合规要点 千问许可协议（Qwen LICENSE AGREEMENT）在通义千问许可协议（Tongyi Qianwen LICENSE AGREEMENT）基础上进行了微调。除简单的字词调整外，重点变化在第三条“再分发”和第五条“使用规则”。对第三条“再分发”的修订主要为：通义千问许可协议（Tongyi Qianwen LICENSE AGREEMENT）规定，再制造和分发材料或其衍生作品的副本，无论是否进行了修改，以源码或目标码形式，需要66 满足第三条第二款规定中的 abcd 四个条件。千问许可协议（Qwen LICENSE AGREEMENT）再分发条款则调整为，复制和分发材料或其衍生作品的副本，或使其作为包含于任何媒介的产品或服务的一部分可获得，无论是否进行修改，以源码或目标码形式，需要满足第三条第二款规定中的 abcd 四个条件。对第五条“使用规则”的修订主要为：通义千问许可协议（Tongyi Qianwen LICENSE AGREEMENT）规定，不得使用材料或其任何输出来改进任何其他大型语言模型（不包括通义千问或其衍生作品）;千问许可协议（Qwen LICENSE AGREEMENT）则调整为，用户可以使用“材料”或任何输出或结果来创建、训练、微调或改进已发布或可用的 AI 模型，但需要在相关产品文档中应当突出显示“使用Qwen 构建”或“使用 Qwen 改进”的内容。（2）训练数据应用合规要求 根据国内现行法律法规的规定，人工智能服务提供企业应在应用或二次开发开源大模型时，严格按照个人信息保护法等法律法规及标准中的个人信息保护要求，对已知的可能存在的个人信息进行保护，在收集使用者输入信息用于训练前应征得用户同意，并提供投诉举报渠道以及处理机制，对于用户提出的可能侵犯个人信息的情形，及时予以处理。此外，由于部分开源大模型训练数据的黑盒特性，开源大模型的应用者在履行上述数据合规义务之外，还应制定合适的评估方法，以防止从基础模型中引入数据合规风险。就具体应用场景而言，企业应根据各场景下开源大模型应用特点67 采取相应措施，以确保训练数据的合规应用。微调（Fine-tuning）：大模型微调是指在预训练大规模模型的基础上，引入新的数据集进行进一步的训练，以适应特定任务需求或特定应用场景。因此，大模型的微调方在关注前述数据合规的一般要求外，还应关注新引入的数据集的合规要求。企业可采取系列措施确保微调数据集的安全，包括构建语料来源黑名单，对各来源语料进行安全评估；提高语料来源多样性；确保语料来源的可追溯性，使用开源语料时，应确保语料来源有合法的开源授权协议或相关授权文件，使用自采语料时，应当有采集记录，并确保不采集他人已明确声明不可采集的语料；使用商业语料时，应当签署具备效力的合同协议等，并核查提供方的合法性证明材料；对于我国法律要求阻断的信息，不得作为训练语料；建立训练语料不良内容过滤机制，包括关键词过滤、分类模型、人工抽检等。量化（Quantization）：大模型量化是指将大型深度学习模型的参数从高精度（通常是 32 位浮点数，即 FP32）转换为低精度（如16 位浮点数 FP16、8 位整数 INT8 等）表示的过程。量化的目的是在尽量减少模型精度损失的情况下，显著降低模型的存储空间和计算资源需求，从而提高模型的推理速度和能效。量化过程通常不涉及新数据的引入，但可能会导致模型的精度损失，进而导致此前采取的部分数据合规和内容安全措施失效。因此，对于拟发布量化版本大模型的企业来说，应将每个量化版本的大模型当作独立模型对待，即针对每个量化版本均履行全部评估程序，以确保其合规性。68 蒸馏（Distillation）：大模型蒸馏是指通过训练一个较小的模型（称为“学生模型”）来逼近和模仿一个较大且复杂的模型（称为“教师模型”）的输出。蒸馏的目的是在保持性能的同时，减少模型的大小、计算复杂度和推理时间，使得模型更易于部署和使用，特别是在资源受限的环境中，如移动设备或嵌入式系统。大模型蒸馏需引入教师模型，该教师模型本身便是一个独立的大模型，因此应用者除应关注拟发布的模型数据合规外，还需关注教师模型的数据合规性。检索增强生成（RAG,Retrieval-Augmented Generation）：检索增强生成技术的核心思想在于将预训练大规模生成模型与检索模块（如 BM25、Dense Retriever 等）结合使用。检索模块可从大型文档库中找到与输入查询（如问题或上下文）相关性最高的文档或信息片段，并将该信息作为条件输入到生成模型中，以生成更准确和更丰富的回答或内容。检索模块虽不直接参与模型训练以影响模型参数，但会影响到模型运行时的上下文环境并影响模型的最终输出结果。若检索模块的知识库中包含了不合规信息，同样可能导致大模型输出不合规信息。因此在使用检索增强生成技术的大模型应用开发完成后，企业应评估由模型、检索器和外部文档库构成的整体应用的安全性，确保经过检索增强后的大模型仍然满足相关数据合规要求。4.物料清单构建建议 人工智能/机器学习物料清单（Artificial Intelligence/Machine Learning Bill of Materials），AI/ML BOM），即用于记录和管理人工智能和机器学习项目中所涉及的各种组件和资源的清单，包括数据集、69 算法、模型和相关元数据。AI/ML BOM 使 AI/ML 开发过程透明化，开源大模型应用企业可借助 AI/ML BOM 更好地了解开源大模型系统组件及其来源，对于评估和管理 AI/ML 系统中的安全风险、合规风险等至关重要。不同于软件物料清单（Software Bill of Materials，SBOM），AI/ML BOM 侧重于梳理展示人工智能和机器学习项目特有的组件，包括数据集、算法、模型等，其中数据起着至关重要的作用，是主要元素之一，数据的质量和特征会对人工智能/机器学习模型的性能产生重大影响。AI/ML BOM 主要包含：数据集。数据集相关内容中应涵盖：数据集来源：明确数据集的来源，例如公开数据集、企业内部数据、第三方数据提供商等。规模和特征：包括数据的数量、类型（如文本、图像、音频等）、质量指标等。例如，一个图像分类项目的数据集可能包含数万张不同类别的图片，具有高分辨率和准确的标注。预处理步骤：记录对数据集进行的清洗、归一化、增强等操作，这些步骤对于提高模型的性能和泛化能力至关重要。算法。算法相关内容应涵盖：选择的机器学习算法或深度学习架构，如决策树、支持向量机、卷积神经网络等。算法的参数设置和优化方法，例如学习率、正则化参数等。70 算法的性能评估指标，如准确率、召回率、F1 值等，用于衡量算法在特定任务上的表现。模型。模型相关内容应涵盖：模型的结构和参数：描述模型的层数、节点数、连接方式等结构信息，以及模型在训练过程中得到的权重和偏差等参数。训练过程：包括训练数据的使用情况、训练的轮数、使用的硬件资源等。评估和验证：记录模型在验证集和测试集上的表现，以及进行的交叉验证等评估方法。相关元数据。相关内容应涵盖：项目的创建时间、更新时间、供应商等基本信息。数据和模型的许可协议信息，确保合规使用。与安全和隐私相关的信息，如数据加密方式、模型的访问控制等。表 7 AI/ML BOM 示例示例 专栏专栏 5 AI/ML BOM 示例示例 目前业界对于人工智能/机器学习物料清单（AI/ML BOM）的需求尚未完全明确，行业实践仍处于初级阶段。现存 AI 模型库的表达方式和行业标准各不相同，反映了这一领域的多样性与不确定性。本文以 LLaMA-3.1 为应用示例，基于模型卡信息，并通过行业标准格式转换，以构建 AI/ML BOM。一、一、模型卡模型卡 71 模型卡（Model Cards）作为模型附随的重要文件，为模型提供了关键的上下文信息。此类信息有助于用户理解模型的功能、用途、限制和性能。模型卡通常以 Markdown 格式编写，包含在README.md 文件中，对于提升模型的透明性和可访问性至关重要。模型卡通常包含模型信息；期望适用场景和潜在限制信息，包括偏见和道德考虑；训练参数和实验信息，包括 GPU 数量和碳排放信息等；训练的数据集信息；以及模型的性能评估信息等。全球最大模型库 Hugging Face Model Hub 还提供了模型卡编制的模版文件以供参考，模型的创建者可根据自身需求修改模型卡结构，因此不同模型的模型卡信息格式可能各不相同。下图是 Hugging Face Model Hub 提供的模型卡模板摘录截图。22 图 3 Hugging Face Model 格式 Markdown 截图 以广泛使用的 LLaMA-3.1 模型为例，模型创建者需要在提交的模型资源根目录创建 README.md 文件，23该文件便详细列明了 22 https:/ 2024 年 10 月 6 日。23 https:/huggingface.co/meta-llama/Meta-Llama-3.1-8B/resolve/main/README.md，最后访问日期 2024 年10 月 6 日。72 LLaMA-3.1 的模型卡信息，包括模型信息、应用信息、训练信息、测评信息以及责任与安全、道德考虑与限制等。图 4 Hugging Face LLaMA-3.1 README.md 截图 二、二、行业标准格式转换行业标准格式转换 在 AI 模型不断发展的情况下，行业标准对于 AI/ML BOM 的支持也是应运而生。在 SBOM 领域广泛使用的标准 SPDX 和CycloneDX，也支持了 AI/ML BOM 表达。以 CycloneDX 为例，CycloneDX 是由全球性开源组织 OWASP主导，并经 Ecma International 认可发布的国际标准。24 CycloneDX对模型卡信息进行了标准化，其中模型和数据集清单可以单独使用，也可以与 HBOMs、SBOMs 以及 SaaSBOMs 中定义的软件和硬件组件或服务清单结合使用。CycloneDX 抽象出了 AI/ML BOM 的高级对象模型，以下便参考 CycloneDX 定义的 AI/ML BOM 格式规范25对 LLaMA-3.1 模型卡信息进行格式转换。24 https:/cyclonedx.org/capabilities/mlbom/，最后访问日期 2024 年 10 月 6 日。25 https:/cyclonedx.org/docs/1.6/json/，最后访问日期 2024 年 10 月 6 日。73 模型基本信息 组件（components）维度描述了大模型基本信息：图 5 LLaMA-3.1 CycloneDX 模型组件转换信息截图 模型卡信息 CycloneDX 标准格式在组件（components）维度还新增了模型卡片（Model Cards）的属性值，用于表达模型信息。在 CycloneDX标准格式下，LLaMA-3.1 模型卡信息可以细化为：74 图 6 CycloneDX LLaMA-3.1 模型卡片信息截图 数据集信息 由于 LLaMA-3.1 并未公开其数据集，以下提供一个仅供演示使用的数据集信息。图 7 CycloneDX LLaMA-3.1 数据集信息演示截图 75 76 此 外，CycloneDX 支 持 子组 件 层 次结 构 的 文 档。由于 HuggingFace 作为 AI 包管理器将 AI 模型和数据集表示为 git-repos，因此可将 AI 模型/数据集的文件记录为机器学习模型组件的子组件。转换后的文件子组件如下图所示：图 8 LLaMA-3.1 CycloneDX 文件子组件表示信息截图 77 六、国内开源大模型应用生态完善方向 近年来，开源模式在加速人工智能大模型技术持续创新、拓展大模型应用路径，释放大模型产能潜力，推动形成新质生产力等方面的作用逐渐突显，开源大模型正在成为产业发展的重要驱动力。然而，随着开源大模型的深入应用，相关风险陆续暴露。目前，全球各相关主体也在持续关注开源大模型的应用治理，多国际组织及国家政府开始探索开源大模型风险治理和创新引导的平衡之道，越来越多的企业由点及面逐步构建开源大模型风险防范和治理体系。未来，我国各方主体可从以下方向完善开源大模型应用生态，以促进开源大模型安全、合规、高效、可持续的应用和发展。一是构建高质量中文数据集。数据是提升开源大应用效能的重要基础资源。目前，由于国内数据挖掘不足及数据流程渠道不畅，可用于大模型训练的高质量中文数据集十分有限，并呈现碎片化分散状态。为促进优质中文数据集的构建，我国可加快推动数据要素市场化配置改革，丰富完善数据基础制度体系、促进数据流通交易和开发利用、推动数据基础设施建设、推进数据领域核心技术攻关、强化数据安全治理。同时，加强政产学研用多方协作，分类整合存量公共数据，建立健全公共数据开放授权机制，促进数据资源的流通和共享。78 二是探索建构训练数据合理使用制度。训练数据资源能否以合法、低成本、高效的方式获取，对于人工智能技术的发展和竞争具有决定性作用。目前，网络爬取是开源大模型训练数据的重要获取方式，同时也是著作权侵权风险的 高发区”。横向比较来看，美国、英国、韩国、日本等国家皆在法律制度上为训练数据的合理使用留下合法性空间，为国内人工智能产业的发展和繁荣提供良好制度环境。同时，从社会演进的角度而言，为适应数字社会发展，传统语境下强调个体权利保护的制度思路应适度向数字语境中促进数据要素利用的制度思路转变。26因此，我国亟需针对现存制度体系下的训练数据合法性困境进行进一步的回应及探索。三是推动建立开源大模型标准化评估框架。目前，开源大模型的安全评估框架明显缺乏，27为提高开源大模型的安全性和可靠性，我国亟需建立健全开源大模型标准化评估框架，全面覆盖安全性、准确性、可靠性、公平性等测评维度，并开发推广开源大模型自动化测评工具，以促进评估框架的利用和推广。此外，我国还可加强与国际标准组织的交流与合作，以推动开源大模型评估框架中国方案的国际化应用。四是建立推广本土化开源大模型许可协议。国内开源大模型发布者在发布开源大模型时需要寻找一款合适的许可协议作为约束开发者的法律文件。而现有的开源大模型许可协议基本上来自于国外，用 26 参见黄绍坤：人工智能训练数据收集的合法性困境与制度建构，网络地址：https:/ 年 10 月 6 日。27 Yuxia Wang et al.,“Do-Not-Answer:A Dataset for Evaluating Safeguards in LLMs”,2023-08-25,https:/arxiv.org/abs/2308.13387.79 英文写就，没有官方的中文版本，如果套用境外的大模型许可协议可能出现与中国法律的衔接问题，既不利于中国本土开发者的阅读与理解，也不利于开源大模型的推广。此外，目前国内由各商业公司发布的定制化开源大模型往往不满足经典开源定义，为企业使用开源大模型设置了多重限制。因此，为促进国内开源大模型生态的可持续及全球化发展，我国亟需建立并推广统一且权威的本土化开源许可协议，以利于中国开发者阅读理解，与中国的法律实践相适应，并契合全球开源大模型的发展趋势和发展要求。
2024-11-21
85页
5星级
2024 年协作机器人产业发展蓝皮书（第八版）1/123 2024 年协作机器人产业发展蓝皮书（第八版）2/123 版权声明版权声明 本蓝皮书版权为高工咨询（GGII）所有，相关咨询服务由高工咨询（GGII）提供。高工咨询（GGII）和所有参编企业对本报告拥有共同著作权。报告有偿提供给限定企业，应限于企业内部使用，仅供企业在分析研究过程中参考。如企业引用报告内容进行对外使用，所产生的误解和诉讼由企业自行负责，本公司不承担责任。如将来用作商业或其他用途，未经本公司同意，不得以任何异于本报告原样之装订或包装形式将本报告出借、转售、出租或在网上发布。凡使用本报告者均受本条款及本报告一切有关版权之条款约束。2024 年协作机器人产业发展蓝皮书（第八版）3/123 序言序言 2023 年，全球宏观经济延续疲软态势，3C 电子行业整体需求依旧承压，新能源汽车增速有所放缓、锂电行业处于库存消化周期，金属制品进入下行周期，食品和医药等均呈现下滑的趋势，仅光伏行业延续高增长态势，对工业机器人行业增长的支撑作用有限，市场增速放缓明显。协作机器人作为工业机器人的分支，仍保持较强的韧性。相比传统工业机器人，协作机器人更多地追求柔性、快速部署及安全协作性，在应用于工业场景中时，打破了传统工业场景的局限。近几年，新能源行业的高景气度延续，厂商在大负载产品争相发力，同时得益于力控技术和机器视觉技术的显著进步，极大地扩展了协作机器人在各种复杂和精细作业场景中的应用能力。随着比亚迪、宁德时代等新能源行业厂商开始批量导入协作机器人，协作机器人在工业领域的需求持续释放，中大负载协作机器人的需求开始逐渐提升，特别是在拆码垛、搬运、焊接等场景中。另一方面，协作机器人的在非工业领域的应用亦不断拓展，国产厂商不断推动产品新应用、新方案的开发落地，协作机器人在医疗健康、教育、新零售等非工业场景的需求增长显著。此外，新兴厂商的入局，带动协作机器人价格进一步下降，协作机器人的价格优势得以凸显，尤其是在中小型企业转型升级的需求下，经济型协作机器人的市场需求持续增长。受益于核心行业大客户需求的拉动及非工业应用场景的拓展，协作机器人行业景气度有所回升。GGII 统计数据显示，2023 年中国协作机器人(含四轴)销量为 3.14 万台，同比增长26.10%。GGII 预计，2024 年中国协作机器人(含四轴)销量将达到 4.08 万台，同比增长 29.78%。随着 3C 复苏预期的不断强化以及非工业领域的应用拓展，中国协作机器人行业将保持高速增长。预计至 2028 年，中国协作机器人销量将达到 12.4 万台，市场规模将超过 70 亿元。2023 年，协作机器人占工业机器人的比重约 10%，当前的协作机器人市场基数依然偏小，在场景探索与落地应用方面仍处于早期阶段，市场和下游开发等方面仍有较大想象空间。过去人们的认知里依然认为协作机器人只适合单工位的简单替代，而当前的应用现状往往会成为我们对未来想象的阻碍，尤其是在商业服务上的应用，很显然是被低估的，同时在众多的工业场景中，协作机器人的高柔性尚未真正发挥价值。非工业领域对于协作机器人的需求空间仍有巨大潜力，当前全球范围内鲜有成熟运营管理的商业场景运营商，协作机器人企业更多是作为产品提供方或解决方案提供商的角色，在 2024 年协作机器人产业发展蓝皮书（第八版）4/123 商业运营方面仍欠缺经验。GGII 认为，商用场景市场前景广阔，场景可复制性强，如果在满足用户需求的前提下，协作机器人方案能够实现现金流的正向流入，这将为协作机器人带来爆发性的增长需求。预计未来几年，随着技术的进步和产品价格的下行，协作机器人的接受度将获进一步提升，协作机器人销量及市场规模将进一步扩大。本蓝皮书以协作机器人为核心，重点阐述了重点核心零部件的发展态势，其中包含减速器、无框力矩电机、关节模组、力传感器、电动夹爪等，结合协作机器人产业链各环节的技术特点，剖析协作机器人市场和技术脉络，同时对协作机器人的应用行业、应用场景和应用趋势进行分析，旨在厘清协作机器人的发展脉络，帮助协作机器人产业链相关企业及投资机构了解当前协作机器人行业的最新态势，把握市场机会，做出正确经营决策。特别说明：特别说明：本报告中的大量市场及技术资料，仅供企业经营参考用，望企业不要用于其他商业用途，由此产生的一切后果高工咨询（GGII）将不予承担！宏观外部环境的不确定性和复杂性加剧，高工咨询（GGII）和所有参编企业真诚地祝福每一家志向远大的企业都能制定出高质量经营决策，不断获得新的成长和成功！感谢以下联合参编单位（排名不分先后）：感谢以下联合参编单位（排名不分先后）：中科新松有限公司中科新松有限公司 深圳市华盛控科技有限公司深圳市华盛控科技有限公司 遨博（北京）智能科技股份有限公司遨博（北京）智能科技股份有限公司 坤维（北京）科技有限公司坤维（北京）科技有限公司 深圳市鑫精诚传感技术有限公司深圳市鑫精诚传感技术有限公司 上海步科自动化股份有限公司上海步科自动化股份有限公司 2024 年协作机器人产业发展蓝皮书（第八版）5/123 目录目录 版权声明版权声明 .2 2 序言序言 .3 3 第一章第一章 协作机器人市场概述协作机器人市场概述 .9 9 第一节 定义及分类.9 第二节 协作机器人特点.13 第二章第二章 协作机器人产业链分析协作机器人产业链分析 .1616 第一节 上游零部件.17 第二节 中游本体.22 第三节 下游集成应用.25 第四节 周边配套产品.28 第三章第三章 协作机器人市场概况分析协作机器人市场概况分析 .3333 第一节 全球协作机器人市场发展分析.33 第二节 全球协作机器人竞争分析.36 第三节 中国协作机器人市场发展分析.37 第四节 中国协作机器人竞争分析.39 第五节 不同负载协作机器人发展分析.40 第四章第四章 协作机器人技术发展分析协作机器人技术发展分析 .4242 第一节 协作机器人技术发展现状分析.42 第二节 协作机器人核心技术分析.46 第三节 协作机器人产品技术趋势与方向.49 第五章第五章 协作机器人行业投融资概况分析协作机器人行业投融资概况分析 .5151 第六章第六章 协作机器人下游应用分析协作机器人下游应用分析 .5353 第一节 协作机器人应用场景分析.53 第二节 协作机器人应用行业分析.55 第七章第七章 中国协作机器人发展前景与展望中国协作机器人发展前景与展望 .5656 第一节 “机器人 应用”为协作机器人与各行业深度融合注入新的活力.56 第二节 多传感器融合技术赋能协作机器人在多场景渗透率持续提升.57 第三节 人工智能与大模型的发展赋予协作机器人更多智能性.59 2024 年协作机器人产业发展蓝皮书（第八版）6/123 第八章第八章 参编企业介绍参编企业介绍 .6161 第一节 中科新松国内协作机器人先行者.61 第二节 华盛控协作码垛机器人领导者.73 第三节 遨博智能协作机器人国家标准制定者.77 第四节 坤维科技国产力传感器明星厂商.85 第五节 鑫精诚传感器国产力传感器黑马.90 第六节 步科股份国产领先无框电机厂商.92 第九章第九章 协作机器人应用案例协作机器人应用案例 .9797 第一节 汽车行业.97 第二节 半导体行业.101 第三节 食品行业.104 第四节 新零售行业.106 第十章第十章 力传感器应用案例力传感器应用案例 .107107 第十一章第十一章 无框电机应用案例无框电机应用案例 .114114 附录附录 1 1 中国协作机器人市场代表企业中国协作机器人市场代表企业 .115115 附录附录 2 2 协作机器人产业链及周边配套厂商协作机器人产业链及周边配套厂商 .118118 2024 年协作机器人产业发展蓝皮书（第八版）7/123 图表目录图表目录 图表 1 主要协作机器人厂商产品负载范围对比.10 图表 2 协作机器人按轴数分类.11 图表 3 协作机器人主要厂商产品轴数范围对比.12 图表 4 协作机器人与传统工业机器人产品特点对比.14 图表 5 协作机器人产业链概览.16 图表 6 上游零部件主要代表企业.17 图表 7 谐波减速器产品结构.18 图表 8 2016-2028 年中国六轴及以上协作机器人减速器需求量及预测(单位:万台，%).18 图表 9 无框电机产品.19 图表 10 2016-2028 年中国无框电机市场规模及预测(单位:亿元，%).20 图表 11 2016-2028 年中国一体化关节模组市场规模及预测(单位:亿元，%).22 图表 12 协作机器人本体代表厂商.23 图表 13 协作机器人成本结构（单位：万元，%）.23 图表 14 2016-2024 年中国六轴及以上协作机器人均价及预测（单位：万元）.24 图表 15 2022-2024 年中国工业机器人应用细分领域需求变化及预测.26 图表 16 2015-2023 年工业机器人应用领域分布（单位：%）.27 图表 17 协作机器人周边配套产品列表.28 图表 18 2017-2028 年中国机器人关节扭矩传感器市场销量及预测(单位:万套，%)30 图表 19 2017-2028 年中国六维力/力矩传感器市场销量及预测(单位:万套，%).31 图表 20 不同形态夹爪产品示意图.32 图表 21 2016-2028 年中国电动夹爪市场销量及预测（单位：万台，%）.32 图表 22 2016-2028 年全球协作机器人市场销量及预测（单位：万台，%）.33 图表 23 2016-2028 年全球协作机器人市场规模及预测（单位：亿元，%）.34 图表 24 2016-2028 年全球六轴及以上协作机器人销量及预测（单位：万台，%）.35 图表 25 2016-2028 年全球六轴及以上协作机器人市场规模及预测（单位：亿元，%）.35 图表 26 2022-2023 年全球六轴及以上协作机器人市场份额（按销量口径，%）.36 2024 年协作机器人产业发展蓝皮书（第八版）8/123 图表 27 2016-2028 年中国协作机器人市场销量及预测（单位：万台，%）.38 图表 28 2016-2028 年中国协作机器人市场规模及预测（单位：亿元，%）.38 图表 29 2022-2023 年中国六轴及以上协作机器人内外资市场份额（以销量计，%）.39 图表 30 不同负载协作机器人应用场景对比.40 图表 31 协作机器人主要代表厂商及最大负载产品.40 图表 32 2022-2023 年中国不同负载协作机器人占比变化（按销量）.41 图表 33 2016-2023 年中国协作机器人相关专利申请情况（单位：件，%）.42 图表 34 2015-2024H1 中国协作机器人市场融资增长情况.51 图表 35 2023-2024H1 中国协作机器人主要投融资事件.51 图表 36 2022-2023 年协作机器人应用场景分布（以销量计，单位：%）.53 图表 37 入局协作焊接机器人的代表厂商.54 图表 38 2022-2023 年中国协作机器人下游行业分布（以销量计，%）.55 2024 年协作机器人产业发展蓝皮书（第八版）9/123 第一章第一章 协作机器人协作机器人市场概述市场概述 第一节第一节 定义及分类定义及分类 一、一、协作机器人定义协作机器人定义 协作机器人，英文名为 Cobots（Collaborative Robots），是一种设计用于与人类在共同工作空间中安全地进行直接交互或合作的机器人。协作机器人是工业机器人领域新的分支，与传统的工业机器人相比，协作机器人更强调安全性、易用性和灵活性，它们能够适应各种工作场景，通常价格更低，体积更小，对人类来说更安全。协作机器人具有安全、易用、灵活的特征，主要表现为：安全性安全性：协作机器人配备有先进的传感器技术和控制算法，如力矩传感器、视觉系统等，使其能够实时感知环境变化和与人体接触，并根据接触情况做出相应的安全响应，以防止对人类造成伤害。易用性易用性：协作机器人往往具有直观的用户界面和编程方式，使得非专业的操作员也能方便快捷地对其进行设置和操作，降低了使用门槛。灵活性灵活性：相比于传统固定在某个工作站上的工业机器人，协作机器人通常更轻便且布局更为灵活，可以快速重新部署于不同的生产任务中，适应小批量、多品种的柔性化生产需求。基于以上特征，协作机器人极大地促进了人机之间的交互和合作，不仅提升了生产线效率，还能在诸多应用场合中替代或辅助人类执行重复性、精确度要求高或者对人体有害的工作。随着我国产业智能化升级不断深入，协作机器人已广泛应用于汽车零部件、3C 电子、精密加工、新能源等工业领域，并不断向商业零售、医疗、教育、农业等领域拓展。二、二、协作机器人协作机器人分类分类 近年来，随着下游应用的不断拓展以及技术的不断突破，协作机器人产品类型也开始向多元化发展。根据机器人负载、轴数以及结构的不同，可以将协作机器人分为以下类型：（1 1）根据负载划分）根据负载划分 根据负载不同，通常能将协作机器人分为轻负载（负载7kg）、中负载（7kgL12kg）、大负载（12kgL20kg）、超大负载（L20kg）。从应用来看，目前轻负载协作机器人凭借较高的性价比以及在 3C 电子、教育科研、商业零售等行业中较高的适用性占据主要市场地位。中大负载协作机器人则多用于装配、螺丝锁付、包装、搬运、物流、消防救援等场景中。超大负载主要应用于物料搬运、码垛、机器 2024 年协作机器人产业发展蓝皮书（第八版）10/123 看护、大扭矩螺丝拧紧，机床上下料、包装、焊接等场景。近年来，锂电、光伏、仓储物流等行业的快速扩张，超大负载协作机器人的需求开始日益提升。随着超大负载协作机器人入局者的增加，应用场景的不断拓展，基于成本优势，将在部分场景对多关节机器人形成替代。图表图表 1 1 主要协作机器人厂商产品负载范围对比主要协作机器人厂商产品负载范围对比 企业名称企业名称 产品负载范围产品负载范围 轻负载轻负载 （L L7 7kgkg）中负载中负载 （7 7L L1212kgkg）大负载大负载 （1212L L2020kgkg）超大负载超大负载 （L L2020kgkg）负载范围负载范围 中科新松中科新松 3 3-3030kgkg 遨博智能遨博智能 3 3-3535kgkg 华盛控华盛控 /1212-5 50 0kgkg 艾利特机器人艾利特机器人 3 3-3030kgkg 珞石机器人珞石机器人 3 3-2 25 5kgkg 大族机器人大族机器人 3 3-3 35 5kgkg 慧灵科技慧灵科技 1 1-2020kgkg 节卡机器人节卡机器人 1 1-2020kgkg 达明机器人达明机器人 4 4-3030kgkg 越疆机器人越疆机器人 0.50.5-2020kgkg 非夕机器人非夕机器人 /4 4kgkg、1 10 0kgkg 思灵机器人思灵机器人 /3 3-1212kgkg 睿尔曼睿尔曼 /2 2-5 5kgkg 法奥法奥机器人机器人 3 3-3 30 0kgkg URUR 3 3-3030kgkg ABBABB /0 0.5.5-1212kgkg FANUCFANUC 4 4-3535kgkg YASKAWAYASKAWA /5 5-3030kgkg KUKAKUKA /3 3-1515kgkg 注：的数量代表该区间内的产品负载种类数量，同一负载的系列产品不重复计算 数据来源：各公司官网，高工机器人产业研究所（GGII）整理 2024 年协作机器人产业发展蓝皮书（第八版）11/123（2 2）根据轴数划分）根据轴数划分 根据轴数划分，协作机器人可以分为四轴协作机器人、六轴协作机器人以及七轴协作机器人。图表图表 2 2 协作机器人按轴数分类协作机器人按轴数分类 类别类别 图示图示 四轴协作机器人四轴协作机器人 四轴协作 SCARA 机器人 四轴桌面协作机器人 六轴及以上协作机器人六轴及以上协作机器人 六轴协作机器人 七轴协作机器人 资料来源：公开信息，高工机器人产业研究所（GGII）整理 四轴协作机器人的形态主要有协作 SCARA 机器人和桌面四轴协作机器人两种，四轴协作机器人在具备协作机器人高精度、轻便、安全可靠、操作简便等优点的同时，还具有一定成本优势，被广泛应用与轻量级工业制造的生产环节以及科研教育、医学检测、化学分析、样品处理等场景。六轴协作机器人最为常用，其运动方式类似于人类手臂的运动，被广泛应用于各个行业中。机器人的自由度与其轴数相关，六轴协作机器人已经具备完整的自由度，能够到达空间中的任意点，具有较好的通用性。这种高灵活性使得六轴机器人被广泛应用与打磨、装配、螺丝锁付、检测、分拣、医疗手术等环节中。相对于六轴协作机器人而言，七轴协作机器人增加了“腕关节”，能够允许机器人避开 2024 年协作机器人产业发展蓝皮书（第八版）12/123 某些特定的目标，同时能够改变末端执行器的位置，使末端执行器能够更稳定地到达特定位置，从而提高协作机器人的整体灵活性。大部分厂商以 6 轴协作产品为主，7 轴协作产品主要以珞石机器人、大族机器人、中科新松、非夕机器人、思灵机器人、睿尔曼等厂商为代表。布局四轴产品的厂商较少，越疆机器人、慧灵科技系其中主要代表。图表图表 3 3 协作机器人主要厂商产品轴数范围对比协作机器人主要厂商产品轴数范围对比 企业名称企业名称 产品轴数范围产品轴数范围 4 4 轴轴 6 6 轴轴 7 7 轴轴 中科新松中科新松 /艾利特机器人艾利特机器人 /珞石机器人珞石机器人 /大族机器人大族机器人 /慧灵科技慧灵科技 /遨博智能遨博智能 /节卡机器人节卡机器人 /达明机器人达明机器人 /越疆机器人越疆机器人 /非夕机器人非夕机器人 /思灵机器人思灵机器人 /睿尔曼睿尔曼 /法奥法奥机器人机器人 /华盛控华盛控 /URUR /ABBABB /FANUCFANUC /YASKAWAYASKAWA /KUKAKUKA /注：的数量代表该区间内的产品种类数量，同一负载系列产品不重复计算 数据来源：各公司官网，高工机器人产业研究所（GGII）整理 2024 年协作机器人产业发展蓝皮书（第八版）13/123（3 3）根据结构划分）根据结构划分 根据结构划分，协作机器人可以分为单臂协作机器人和双臂协作机器人。单臂协作机器人是最常见的形式，这种设计具有布局灵活、控制相对简单的特点，适用于各种需要与人类进行互动的轻型作业任务，例如装配、拾取和放置、质量检测等。双臂协作机器人拥有两个相互独立或协同工作的机械臂，能提供更高的灵活性和功能性。它们通常用于更复杂的任务，比如需要双手协调操作的应用场景，能够模拟人类双手的工作模式，实现更高程度的自主性和适应性。双臂设计允许在有限空间内完成多自由度的动作，并具备处理更大范围工作空间的能力。（单臂协作机器人）（双臂协作机器人）第二节第二节 协作机器人特点协作机器人特点 一、一、产品特点产品特点 协作机器人与传统工业机器人具有不同的设计理念和产品定位，区别于传统工业机器人追求“高速度、高精度、高负载”的特点，协作机器人更多地追求轻量化、柔性、快速部署及安全协作性，在工业场景中展现了巨大的潜力，不仅提高了生产效率和安全性，还促进了产业升级和工作环境的改善。协作机器人在设计上强调安全性，通常配备有先进的传感器、力控技术以及紧急停止机制，能够感知周围环境和人类工作者的存在，从而在发生接触时立即减速或停止，减少伤害风险。这一点使得它们可以直接在无防护栏的生产环境中与人并肩工作。协作机器人由于其轻量化设计和紧凑的结构，不仅便于搬运和安装，还能在有限的空间内高效运作，这对于需要灵活调整产线布局或经常变换生产任务的现代工厂尤为重要。它们能够快速适应生产线的变动，减少因设备重新配置导致的停工时间。协作机器人通过其轻便性、灵活性以及快速部署的能力，不仅优化了生产流程，增强了 2024 年协作机器人产业发展蓝皮书（第八版）14/123 生产的适应性，也为实现更加智能化、个性化的制造模式提供了强有力的支持，是现代智能制造体系中不可或缺的一环。在当前市场需求日益多样化、产品生命周期缩短的背景下，柔性化生产成为企业竞争力的关键。协作机器人以其高度的灵活性和可编程性，完美匹配了这种生产模式。无论是多品种、小批量的生产，还是快速的产品迭代，协作机器人都能有效支持，帮助制造商快速响应市场，降低库存成本，提高整体运营效率。图表图表 4 4 协作机器人与传统工业机器人产品特点对比协作机器人与传统工业机器人产品特点对比 协作机器人协作机器人 传统工业机器人传统工业机器人 目标市场目标市场 大企业、中小企业(SMEs)、商业领域 大规模生产企业 生产模式生产模式 任务形式灵活多变，适合小批量多品种柔性生产 重复性任务为主，标准化生产 作业环境作业环境 人机共存的非结构化环境 人机隔离的结构化环境 结构特点结构特点 一体化关节，结构简单，自重较小 零部件多，体积大，自重较大 负载范围负载范围 较小，通常在 2-35kg 覆盖广泛，涵盖 2-2300kg 产品特性产品特性 轻量、低或可变的刚度 较大的自重和刚度 辅助设施辅助设施 传感器种类多样 外接传感器少 投资回报投资回报 价格低、易集成、投资回收快 集成复杂、投资回收周期长 作业方式作业方式 人机协同作业 耐疲劳、连续作业 操作环境操作环境 快速编程、操作简单、可拖动示教 操作复杂、专家编程、专员维护 常用领域常用领域 精密装配、检测、包装、上下料、抛光打磨、医疗辅助、教学培训等 搬运、码垛、焊接、喷涂等 数据来源：高工机器人产业研究所（GGII）整理 二、技术特点二、技术特点 1 1、安全性设计、安全性设计 协作机器人在设计上强调与人类并肩工作的安全性，通过集成传感器（如力传感器、触觉传感器）和先进的算法监控交互过程中的力量和动作，确保在与人接触时能迅速减速或停止，防止意外伤害。为保证人机协作安全性，协作机器人对感知、控制和力矩限制要求较高，企业实现协作机器人安全性的技术途径主要有以下方式：（1）“力矩传感器 视觉”，如节卡的小助协作机器人具备碰撞检测的功能，并搭载视觉 2024 年协作机器人产业发展蓝皮书（第八版）15/123 传感器，因而具备人机协作必须的安全性；（2）搭载“力传感器”，如优傲机器人 URe 系列产品，作为“力传感器 协作机器人”的创新性解决方案，更可对停止的速度和距离进行设置，进一步强化了协作机器人的安全性；（3）“非接触式安全皮肤”，如越疆协作机器人产品，采用非接触式安全皮肤覆盖在机器人本体，从而实现碰撞前感知并主动避障，具有覆盖面积大、感知距离远（15cm）、响应速度快（10ms 响应、100ms 内实现急停）、抗干扰性强、人机协同速度高等优势。2 2、易用性编程、易用性编程 为保证人机协作操作方式便捷、简易，协作机器人企业正引导其编程方式可视图形化，并可支持无线实时、离线式编程。用户可以通过可视化图形界面、手动拖动或通过手势操作等途径来控制协作机器人，在降低了机器人操作难度的同时，也可节省人力成本并一定程度上提升工作效率。3 3、协作机器人协作机器人凭借其独特技术特点，在非工业领域的广泛应用和发展前景展现出了凭借其独特技术特点，在非工业领域的广泛应用和发展前景展现出了巨大潜力。主要包括以下几个方面：巨大潜力。主要包括以下几个方面：体积小巧，适应性强体积小巧，适应性强：相比传统工业机器人，协作机器人往往体积更小、重量更轻，占用空间小，易于在狭小或特定的环境中部署，比如餐厅厨房或医院手术室。人机交互界面人机交互界面：拥有直观的人机交互界面，便于操作员监控状态、调整参数或直接指导机器人行为，加强了人与机器之间的沟通效率。可拓展性和模块化设计可拓展性和模块化设计：协作机器人支持各种传感器、工具端和软件的集成，可根据具体应用场景进行定制化扩展，满足多样化任务需求。这一特性促进了它们在非工业领域的广泛应用和创新。成本效益成本效益：随着技术进步和规模化生产，协作机器人的成本逐渐降低，投资回报周期缩短，使得更多商业和服务机构能够负担得起，进一步推动了其市场普及。在商业领域，协作机器人可以承担重复性高、劳动强度大的工作，如餐饮业中的食物准备、送餐服务，零售业的商品盘点、顾客服务等，显著提高效率并优化顾客体验。在医疗领域，除了辅助手术，它们还能用于物理治疗、药品配送、消毒清洁等，减轻医护人员负担，提升医疗服务质量。在教育领域，则能作为教学辅助工具，提供个性化学习支持，或用于 STEM（科学、技术、工程和数学）教育中的实践操作教学。随着技术的不断成熟、应用场景的持续挖掘以及用户认知度的提升，协作机器人在非工业领域的渗透率将持续增长，成为推动社会各领域智能化转型的重要力量。2024 年协作机器人产业发展蓝皮书（第八版）16/123 第二章第二章 协作机器人产业链分析协作机器人产业链分析 协作机器人作为工业机器人的分支，其产业链上游主要为电机、伺服驱动、减速器、编码器、传感器等零部件。随着对于安全性、灵活性、柔性化的要求逐渐提升，同时复杂的下游场景不断对协作机器人提出新的应用要求，促使协作机器人在提升性能的同时，还需要提高产品兼容性，与示教器、视觉相机、操作摇杆、移动底盘、末端执行器等周边配套产品搭配使用，以实现下游场景所需要的各种功能。在此过程中，协作机器人产业链上下游也在向多元化的方向发展。经过数年的发展，协作机器人产业链日趋完善，尤其是中国市场，从减速器、电机到控制系统，国产厂商的参与度逐年提升。同时，受益于国产协作机器人的进步，国产核心零部件的进口替代进程加快。图表图表 5 5 协作机器人产业链概览协作机器人产业链概览 资料来源：高工机器人产业研究所（GGII）整理 2024 年协作机器人产业发展蓝皮书（第八版）17/123 第一节第一节 上游零部件上游零部件 图表图表 6 6 上游零部件主要代表企业上游零部件主要代表企业 资料来源：公开资料，高工机器人产业研究所（GGII）整理 一、减速器一、减速器 减速器是连接动力源和执行机构的中间机构，具有匹配转速和传递转矩的作用。按照控制精度划分，减速器可分为一般传动减速器和精密减速器。一般传动减速器控制精度低，可满足机械设备基本的动力传动需求。精密减速器回程间隙小、精度较高、使用寿命长，更加可靠稳定，应用于机器人、数控机床等高端领域。精密减速器种类较多，主流的包括谐波减速器、RV 减速器等。协作机器人使用的减速器通常为谐波减速器，相较于 RV 减速器，谐波减速器单级传动比大、体积小、质量小。2024 年协作机器人产业发展蓝皮书（第八版）18/123 图表图表 7 7 谐波减速器产品结构谐波减速器产品结构 资料来源：公开资料，高工机器人产业研究所（GGII）整理 目前，协作机器人本体负载范围一般在 2-35kg 左右，其采用的减速器多为谐波减速器，根据其市场销量来看，市面上以 6 轴协作机器人为主，少量是 7 轴协作机器人。GGII 数据显示，2023 年中国六轴及以上协作机器人减速器需求量为 15.77 万台，预计到 2028 年需求量将超过 66 万台。随着协作机器人负载的持续扩大，已有部分厂商开始导入 RV 减速器，总体来看，谐波减速器依然占据主要份额。图表图表 8 8 2012016 6-2022028 8 年中国六轴及以上协作机器人年中国六轴及以上协作机器人减速器减速器需求量及预测需求量及预测(单位单位:万台，万台，%)%)数据来源：高工机器人产业研究所（GGII）1.70 2.56 3.81 4.92 5.96 11.17 11.71 15.77 20.90 66.1350.41H.86).17!.15.62%4.774.692.53%0 0Pp00203040506070201620172018201920202021202220232024E2028F减速器需求量（万台）同比增长（%）CAGRCAGR3333 24 年协作机器人产业发展蓝皮书（第八版）19/123 二、无框电机二、无框电机 无框电机是一种新型力矩电机，专为需求体积小、质量轻、惯量低、结构紧凑、功率高的应用场合而设计，其适配性强，在机器人关节、医疗机器人、传感器万向节、无人机推进和制导系统以及其他应用领域具有广阔的应用前景。图表图表 9 9 无框电机产品无框电机产品 资料来源：公开资料，高工机器人产业研究所（GGII）整理 目前无框电机的代表性产品有美国科尔摩根的 TBM 无框力矩电机、Parker 公司的 K 系列无框伺服电机、Aerotech 公司 S-series 高性能无框力矩电机、德国的 TQ Robodrive 的无框电机以及 Alliedmotion 公司的无框力矩电机等。国内无框电机代表公司主要有步科股份、大族电机、富兴机电、伟创电气、昊志机电、杭州三相、易尔泰、常州运控、合泰电机、三瑞智能等。来福谐波、绿的谐波、同川精密等减速器厂商亦开始自研无框电机，旨在打造一体化关节模组产品。随着人形机器人的兴起，入局无框电机领域的厂商持续增加，其中不乏人形机器人主机厂商，如小米、宇树、智元科技等。GGII 数据显示，2023 年中国无框力矩电机市场规模 1.80 亿元，同比增长 19.73%，其中协作机器人市场需求占比约为 70%，预计 2024 年中国无框力矩电机市场规模有望超过 2亿元，到 2028 年市场规模将有望超过 5.6 亿元（未将人形机器人市场计算在内）。2024 年协作机器人产业发展蓝皮书（第八版）20/123 图表图表 1010 2012016 6-2022028 8 年中国无框电机市场规模及预测年中国无框电机市场规模及预测(单位单位:亿元，亿元，%)%)数据来源：高工机器人产业研究所（GGII）三、编码器三、编码器 协作机器人中的编码器是一种重要的传感器组件，主要用于检测和反馈机器人关节或运动部件的位置、速度、加速度等信息。编码器的性能直接影响到机器人运动的精度、稳定性和响应速度。在协作机器人技术中，编码器主要分为两大类：绝对编码器和增量编码器。绝对编码器能够在机器人启动时立即确定每个关节或运动部件的绝对位置，无需进行原点校准。这意味着即使断电重启，机器人也能记住其最后的位置状态。因其高精度和可靠性，绝对编码器常用于需要高精度定位和快速启动的应用场景，比如精密装配、医疗手术机器人等。增量编码器通过计数旋转圈数和角度来确定位置变化，每次开机都需要进行参考点校准（回零操作）。它能够提供关于位置变化的连续反馈，但无法直接提供当前位置的绝对值。增量编码器成本相对较低，适用于对位置精度要求不是特别高，或者可以接受开机时进行定位校准的场合，例如在一些物料搬运、简单的装配线任务中。在人机协作场景中，编码器提供的精确位置、速度信息反馈有助于确保机器人动作的可预测性，增强安全性，避免误伤操作人员。通过实时反馈，编码器帮助机器人快速调整动作，减少错误和停顿，提高工作效率。随着技术的发展，更高精度、更快响应速度、更强环境适应性的编码器不断被研发出来，以满足协作机器人日益增长的性能需求。编码器领域目前仍然很大程度上由外资厂商主导。这些外资品牌凭借其技术积累，产品0.30 0.44 0.63 0.77 0.89 1.52 1.51 1.80 2.09 5.6744.39B.66#.55.65i.75%-0.74.73.96%-10%0 0Pp23456201620172018201920202021202220232024E2028F市场规模（亿元）同比增长（%）CAGRCAGR25% 24 年协作机器人产业发展蓝皮书（第八版）21/123 以高精度、高可靠性、长寿命和广泛的应用兼容性著称，在市场上享有较高的份额和影响力。目前，编码器的代表性外资厂商有海德汉、多摩川精机、发格自动化、RLS、西克、保盟、邦纳、倍加福等。国内编码器代表公司主要有禹衡光学、禾川科技、大族电机、汇川技术、步科股份、锐鹰传感、零差云控、精谷智能、弓望科技等。四、一体化关节模组四、一体化关节模组 随着机器人技术的发展，机器人用关节朝着智能化、系统化、微型化与模块化的方向发展。协作机器人一体化关节模组将伺服驱动器、无框力矩电机、谐波减速器、编码器等关键部件集成在一个模块中，易于安装和维护，满足不同应用场景的需求。通过优化关节模组的设计，可以提升协作机器人的精度、速度、负载能力和安全性，增加了生产标准化程度，更有利于实现规模效应，降低单位固定成本，并可提升产品易用性及灵活性，进一步拓宽其在工业和非工业领域的应用范围，一体化关节模组已逐渐成为零部件企业未来发力方向。目前中国市场目前中国市场一体化关节一体化关节模组模组厂商可归为三类厂商可归为三类：第一类是协作机器人厂商，代表企业包括遨博智能、大族机器人、睿尔曼等通过外购部分核心零部件，结合自主研发、设计和集成模块化关节应用于自己的协作机器人本体中。第二类是谐波减速器厂商，凭借其自身在谐波减速器的研发技术和经验积累，将自家的谐波减速器与外购的伺服系统、编码器等零部件进行模块化集成，也相继推出了机电一体化关节模组产品。第三类是专业关节模组和电机厂商，代表厂商有零差云控、泰科智能、钛虎机器人、科尔摩根等，这些厂商更倾向于提供标准化与定制化并重的产品，以适应更广泛的客户需求。随着人工智能、机器学习技术的发展，力觉传感器、视觉传感器等技术的不断进步，一体化关节将集成更先进的传感器和计算单元，使机器人能够进行更复杂的决策和执行任务，提高自主性。其次，人形机器人的兴起也为上游核心零部件带来新的机遇，其中的旋转关节模组与协作机器人用关节模组重叠度较高，差异点在于对于各部件的技术细节要求不一样，前期对于定制化开发的能力要求较高，截至目前已经有部分厂商开始切入人形机器人产业链。GGII 数据显示，2023 年中国一体化关节模组市场规模 6.76 亿元，同比增长 28.28%，其中协作机器人市场需求占比约为 70%，预计 2024 年中国一体化关节模组市场规模有望超过 8.5 亿元，到 2028 年市场规模将有望超过 22 亿元（未将人形机器人市场计算在内）。2024 年协作机器人产业发展蓝皮书（第八版）22/123 图表图表 1111 2012016 6-2022028 8 年中国一体化关节模组市场规模及预测年中国一体化关节模组市场规模及预测(单位单位:亿元，亿元，%)%)数据来源：高工机器人产业研究所（GGII）第二节第二节 中游本体中游本体 作为协作机器人产业链的核心环节，协作机器人本体集各项软硬件技术于一身，可谓产业链的中心，向上承接和倒逼各类核心零部件技术的持续进步，向下不断在细分领域拓展应用场景，扩大应用的边界。同时，还在易用性、安全性、高柔性层面持续迭代优化，以满足更多复杂场景的需求，协作机器人本体技术的提升已经有目共睹。从协作机器人本体厂商属性来看，国产厂商持续巩固在中国市场的主导地位，2023 年国产厂商在国内协作机器人的市场份额达到 89.04%，同比 2022 年上升 4.52 个百分点。同时，专业协作机器人厂商已成为市场的中坚力量，这与传统工业机器人领域形成较大的反差。出口方面，越来越多的协作机器人厂商布局海外市场，寻求新的业务增长点。国内协作机器人厂商在各细分行业全面开花，横跨工业与商业服务领域，下游细分行业渗透率持续上升，以 3C、汽车零部件为代表的工业领域竞争日趋激烈；同时，以智慧零售、理疗按摩、医疗为代表的商业服务领域，入局者持续增加，已进入快速起量的成长通道。0.91 1.33 1.93 2.42 2.85 5.19 5.27 6.76 8.51 22.2046.40D.78%.53.64.02%1.55(.28%.90%0 0Pp10152025201620172018201920202021202220232024E2028F市场规模（亿元）同比增长（%）CAGRCAGR26& 24 年协作机器人产业发展蓝皮书（第八版）23/123 图表图表 1212 协作机器人本体代表厂商协作机器人本体代表厂商 资料来源：公开资料，高工机器人产业研究所（GGII）整理 图表图表 1313 协作机器人成本结构（单位：万元，协作机器人成本结构（单位：万元，%）数据来源：高工机器人产业研究所（GGII）国内协作机器人本体均价逐年下降。GGII 数据显示，2023 年中国市场六轴及以上协作机器人产品均价为 9.73 万元，同比下降 11.87%。GGII 认为，协作机器人领域竞争日趋激烈，同时，国内协作机器人产业链日趋完善，上游零部件的国产化率不断提高，在很大程度上推动了机器人成本的降低。内卷化加剧将最先反映在机器人产品价格上，一方面是供应链成本的持续优化，另一方面是市场竞争的加剧，未来几年协作机器人均价或将加速下行。36!%3%9%9%减速器伺服系统控制器编码器壳体其他 2024 年协作机器人产业发展蓝皮书（第八版）24/123 图表图表 1414 20162016-20242024 年中国年中国六轴及以上六轴及以上协作机器人均价及预测（单位：万元）协作机器人均价及预测（单位：万元）（注*上述数据不包含四轴协作机器人）数据来源：高工机器人产业研究所（GGII）15.6514.9014.2113.0511.6210.9511.049.738.890.003.006.009.0012.0015.0018.00201620172018201920202021202220232024E 2024 年协作机器人产业发展蓝皮书（第八版）25/123 第三节第三节 下游集成应用下游集成应用 协作机器人作为工业机器人的分支，其下游系统集成与传统工业机器人下游系统集成之间存在一些显著的区别，同时也有一些共通之处。协作机器人需要在动态变化的环境中与人类协同工作，其系统集成可能涉及更多的传感器、视觉系统和人工智能算法，以实现精准的人机交互。工业机器人的集成更多的是围绕提高自动化程度和生产效率进行。协作机器人的下游集成应用，按领域可以分为工业和服务业两大类。在工业领域，协作机器人系统集成企业与传统工业机器人系统集成商重叠度越来越高，面向的群体均为各个制造业的细分领域。通常根据特定领域客户的个性化需求，利用机械、电子电气、自动化控制、工业软件、工业传感、机器视觉等技术，将机器人、设备单元、工装组件、软件系统等进行集成，形成能够实现分拣、装配、搬运、焊接、包装等特定功能的自动化设备组合或自动化生产线。协作机器人与工业机器人的下游系统集成虽在具体应用、安全要求、灵活性设计上有所区别，但它们都属于工业自动化的重要组成部分，共同推动着制造业及其他行业向智能制造转型。随着技术的不断进步，两者之间的界限也在逐渐模糊，彼此借鉴优势，向更加安全、灵活、易用和智能的方向发展。除了在工业领域能够应用于各类人力密集型的制造工序，在商业、服务业领域亦表现出良好的可拓展性。集成商通过将协作机器人整机、末端执行装置、传感器、作业设备、移动装置等有效整合，集成具有特定独立作业能力的设备，包括复合机器人及协作机器人工作站，为服务业客户提供高度定制化、灵活高效的自动化解决方案。在服务领域，因为其面向的客户群体与工业领域差异较大，相对来说，服务领域的应用更加强调安全性的范畴，同时也会更多的应用人工智能技术，如通过引导式编程，可以完成泡茶、泡咖啡、制作奶茶、调制鸡尾酒等任务，还能进行医疗辅助、辅助按摩等操作。由于协作机器人行业尚属于新兴行业，下游应用场景的拓展还有赖于协作机器人本体厂商和下游集成商的持续挖掘。从当前协作机器人下游应用分布看，工业领域占比在 70%左右，可以说短期内工业领域依然是协作机器人的主要战场。按工艺应用领域来看，中国工业机器人主要应用在焊接、喷涂、装配、包装、搬运上下料、抛光打磨等领域。2024 年协作机器人产业发展蓝皮书（第八版）26/123 图表图表 1515 20202222-20242024 年年中国工业机器人中国工业机器人应用应用细分领域细分领域需求需求变化变化及预测及预测 应用工艺应用工艺 细分工艺细分工艺 20222022 年机器人年机器人需求升降情况需求升降情况 20232023 年机器人年机器人需求升降情况需求升降情况 2022024 4 年机器人需年机器人需求升降情况求升降情况预测预测 搬运搬运/上下料上下料 金属铸件搬运 注塑搬运 冲压/锻造/弯曲处理 机床上下料 机床其他工序操作 测量/检查/测试处理 拆码垛 包装/拣选/放置搬运 物料搬运 焊接焊接 弧焊 点焊 激光焊 锡焊 其他焊接 喷涂喷涂 喷漆和搪瓷 涂胶 其他喷涂 加工加工/处理处理 激光切割 水射流切割 抛光打磨/去毛刺 其他 装配装配/拆卸拆卸 固定/压装 组装/插拔 拆卸 其他装配 其他其他 FPD 洁净室 2024 年协作机器人产业发展蓝皮书（第八版）27/123 半导体洁净室 其他洁净室 数据来源：高工机器人产业研究所（GGII）GGII 数据显示，2023 年中国工业机器人应用场景中，用于搬运/上下料、焊接、喷涂、装配及抛光打磨等操作的机器人占比将近 95%左右，其中搬运/上下料机器人的占比最高，占据 60%以上的份额。图表图表 1616 2012015 5-2022023 3 年工业机器人应用领域分布（单位：年工业机器人应用领域分布（单位：%）数据来源：高工机器人产业研究所（GGII）0 0 1520162017201820192020202120222023焊接搬运/上下料喷涂抛光打磨装配其他 2024 年协作机器人产业发展蓝皮书（第八版）28/123 第四节第四节 周边配套产品周边配套产品 随着应用场景的日益复杂化，对协作机器人的要求也在不断提高，这对整个行业提出了新的挑战，同时也催生了技术的不断进步与创新。协作机器人的周边配套产品是支撑协作机器人高效、灵活应用的关键组成部分，它旨在通过整合多种技术和产品，为用户提供一站式解决方案，提升协作机器人的应用范围和效能，在硬件、软件、算法、系统等方面构建起灵活、易用、安全的协作机器人生态体系。主要包括：末端执行工具末端执行工具：如柔性夹具、电动夹爪、吸盘、专用工具头等，这些设备可以轻松更换，以适应不同的作业任务，如抓取、放置、拧紧螺丝等。视觉系统视觉系统：包括 2D 和 3D 相机、深度传感器等，提供物体识别、定位、尺寸测量等功能，增强机器人对工作环境的理解和适应能力。力传感器力传感器：嵌入在机器人关节或末端执行器中，用于感知接触力和力矩，是实现力控技术的基础，对于实现精确装配、柔顺操作至关重要。周边辅助设备周边辅助设备：如 AGV/AMR（自动导引车/自主移动机器人）、传送带、工作台、鼠标与摇杆等，与协作机器人集成，实现物料的自动搬运和生产线的无缝对接，进一步提升协作机器人的操作效率和灵活性，满足多样化的工作需求。导航与定位系统导航与定位系统：如激光雷达、视觉 SLAM（即时定位与地图构建），为移动协作机器人提供自主导航能力，使其能在复杂环境中自主移动并避开障碍。图表图表 1717 协作机器人周边配套产品列表协作机器人周边配套产品列表 资料来源：公开资料，高工机器人产业研究所（GGII）整理 2024 年协作机器人产业发展蓝皮书（第八版）29/123 一、力传感器一、力传感器 力传感器（Force sensor）是将力的量值转换为相关电信号的器件。力是引起物质运动变化的直接原因。力传感器能检测张力、拉力、压力、重量、扭矩、内应力和应变等力学量，在动力设备、工程机械、各类工作母机和工业自动化系统中，是不可缺少的核心部件。随着机器人技术的快速发展，机器人越来越多地参与到需要高度感知和适应环境变化的交互场景中。在这些场景中，机器人不仅要具备精确的动作控制能力，还需要拥有触觉感知、力控制以及灵活的适应性。力传感器在机器人领域的应用愈发重要，它们为机器人提供了触觉感知，使得机器人实现力控操作、柔顺交互、碰撞检测、动态平衡控制等功能。目前，机器人行业使用最多的力传感器主要包括关节扭矩传感器和六维力传感器，通常被安装在机器人关节或末端执行器上，实时监测和控制机器人与环境或工作对象之间的力交互。1 1、扭矩传感器、扭矩传感器 关节扭矩传感器，也称为力矩传感器、扭力传感器，能够实时监测机器人各关节在运行时承受的力矩，及时感应到任何超出预设阈值的力或扭矩变化，这在人机交互时尤为重要。一旦检测到异常高的力或扭矩，机器人控制系统将立即采取措施，如减速或停止运动，防止对操作人员造成伤害。关节扭矩传感器在高端协作机器人中被广泛采用，它们是实现机器人柔顺控制、力反馈和安全交互的基础。这些传感器使机器人能够感知并适应外部作用力，从而在人机协作场景下提供安全保障，同时在高精度制造和装配任务中展现出优越的性能。GGII 数据显示，2023 年中国机器人关节扭矩传感器市场销量 3.26 万套，同比增长41.79%。预计 2024 年将有望超过 4.8 万套，到 2028 年销量将有望超过 18 万台（未将人形机器人市场计算在内）。2024 年协作机器人产业发展蓝皮书（第八版）30/123 图表图表 1818 20172017-2022028 8 年中国年中国机器人关节扭机器人关节扭矩传感器矩传感器市场市场销量销量及预测及预测(单位单位:万万套套，%)%)数据来源：高工机器人产业研究所（GGII）2 2、六维力传感器、六维力传感器 六维力传感器也被称为六轴力/力矩传感器、F/T 传感器，用于精确测量 X、Y、Z 三个方向的力信息和 Mx、My、Mz 三个维度的力矩信息，目前主要应用于汽车行业的碰撞测试、轮毂、座椅等零部件测试以及航空航天、生物力学、医疗领域、科研实验、机器人与自动化等领域。高工机器人产业研究所（GGII）数据显示，2023 年中国六维力传感器市场销量约 1.1 万套，同比增长 32.60%，其中用于机器人行业销量 0.65 万套，同比增长 35.33%。GGII 预计，2024 年中国六维力/力矩传感器市场销量有望突破 1.5 万套，同比增速超 35%，其中用于机器人行业的销量约为 0.92 万套，同比增长超 40%。到 2028 年销量将有望超过 13.5 万套，其中用于机器人行业的销量约为 7 万套（未将人形机器人市场计算在内）。0.170.270.380.651.332.303.264.8118.6559.70B.94p.174.49r.05A.79G.67%0 0046810121416182020172018201920202021202220232024E2028F销量（万套）同比增长（%）CAGRCAGR4040 24 年协作机器人产业发展蓝皮书（第八版）31/123 图表图表 1919 20172017-2022028 8 年中国六维力年中国六维力/力矩传感器力矩传感器市场市场销量销量及预测及预测(单位单位:万万套套，%)%)数据来源：GGII2024 年中国六维力/力矩传感器市场调研报告 2023 年 10 月，工信部发布了人形机器人创新发展指导意见，人形机器人发展正进入加速期。随着人形机器人的技术迭代加速，量产及商业化进程的推进，叠加下游细分市场认知的逐年提升，六维力/力矩传感器有望借着人形机器人的“东风”，进入爆发成长期。GGII 预计，到 2030 年全球人形机器人领域力传感器市场规模将达 328.06 亿元，其中人形机器人领域六维力传感器市场规模将达 138.40 亿元。期间将伴随多技术路线、产品矩阵的完善、量产的规模效应、产品成本的下降以及国产化率的提升。二、电动夹爪二、电动夹爪 夹爪，又称夹持器，是机器人末端执行器的一种产品类型。常见的末端执行器可以分为夹爪和作业工具两类。其中，作业工具主要是针对特定工作场景下机械臂需要搭载的作业设备，例如：喷漆枪、焊接工具等；而夹爪则是根据模仿人手功能研制出的新式设备，主要应用于夹持、运输、放置工件以及操纵物体等场景。工业机器人的运用主要基于模仿人类的运动方式，机械臂模仿人类手臂运动，而夹爪模仿的则是人类手指的运动。从形态上看，夹爪是拥有类似于人手结构的设备，例如：三指夹爪、四指夹爪等，也有平行二指这类偏机械性的结构。在实际应用中，夹爪一般通过末端的连接装置与机械臂末端关节的连接面板相结合，前端夹片或钳口在气压、液压、电驱等动力的驱使下，会对物体施加一定夹持力，使物体能够被机械臂控制，进而实现抓取、放置、拧0.050.070.090.150.300.480.660.927.000.030.040.070.120.230.350.450.596.620 004681012141620172018201920202021202220232024E2028F机器人行业（万套）非机器人行业（万套）同比增长（%）2024 年协作机器人产业发展蓝皮书（第八版）32/123 紧等操作。随着夹爪的各类应用不断深入，各个行业的场景定制化开发，以及应用缺陷上的持续迭代和优化，夹爪种类逐渐向多样化的方向发展。从产品形态上来看，根据夹爪指数以及夹爪机械结构的不同，可以将夹爪分为平行二指夹爪、三指夹爪、四指夹爪、五指灵巧手、六指夹爪、软体夹爪等不同类型。图表图表 2020 不同形态夹爪产品示意图不同形态夹爪产品示意图 （从左到右分别为：平行二指夹爪、三指夹爪、四指夹爪、五指灵巧手、六指夹爪、软体夹爪）资料来源：公开资料，高工机器人产业研究所（GGII）GGII 数据显示，2023 年中国电动夹爪市场销量约为 6.82 万台，同比增长 32.68%。对于电动夹爪销量，GGII 认为，未来 4 年中国电动夹爪整体销量年均复合增速将超过 45%，预计到 2028 年，国内电动夹爪销量将突破 45 万台。图表图表 2121 20162016-2022028 8 年中国电动夹爪市场销量及预测（单位：万台，年中国电动夹爪市场销量及预测（单位：万台，%）数据来源：高工机器人产业研究所（GGII）0.340.580.791.151.753.105.146.829.2545.570.596.21E.57R.17w.14e.812.685.63%0 0Pp101520253035404550201620172018201920202021202220232024E2028F销量（万台）同比增长（%）CAGRCAGR4545 24 年协作机器人产业发展蓝皮书（第八版）33/123 第三章第三章 协作机器人市场概况分析协作机器人市场概况分析 第一节第一节 全球协作机器人市场全球协作机器人市场发展发展分析分析 随着工业自动化技术不断走向成熟，对于生产自动化以及人机协同作业的需求逐渐提升，同时，对于机器人安全性、易部署、轻量化、稳定性等方面的要求也逐渐提升，越来越多制造企业开始采用协作机器人系统来满足生产过程中对于柔性化的高度需求。GGII 数据显示，2023 年全球协作机器人（含四轴）销量 9.99 万台，同比增长 27.26%，市场规模 75.95 亿元，同比增长 21.93%。2016 年到 2023 年期间，全球协作机器人销量年均复合增速为 37.15%。随着协作机器人价格的下降，以及协作机器人安全性、灵活性与适应性不断提高，从工业级到消费级的拓展有望释放规模化潜在市场空间。GGII 预计，2024 年全球协作机器人销量有望达到 13.32 万台，同比增长超 30%，市场规模有望突破 100 亿元。到 2028 年，全球协作机器人销量将超过 41 万台，市场规模接近320 亿元。图表图表 2222 20162016-20282028 年全球协作机器人年全球协作机器人市场市场销量及预测（单位：万台，销量及预测（单位：万台，%）（注*上述销量数据包含四轴、六轴、七轴协作机器人）数据来源：高工机器人产业研究所（GGII）1.091.842.813.834.446.707.859.9913.3241.1067.92R.976.16.94P.94.22.263.38%0 0Pp1015202530354045201620172018201920202021202220232024E2028F全球协作机器人销量（万台）同比增长（%）2024 年协作机器人产业发展蓝皮书（第八版）34/123 图表图表 2323 20162016-20282028 年全球协作机器人市场规模及预测（单位：亿元，年全球协作机器人市场规模及预测（单位：亿元，%）（注*上述规模数据包含四轴、六轴、七轴协作机器人）数据来源：高工机器人产业研究所（GGII）目前，全球协作机器人中，六轴协作机器人仍占据大部分市场份额。六轴协作机器人相对于四轴而言具有更高的负载能力以及自由度，被广泛应用于汽车及零部件、3C 电子、机械加工、五金卫浴、新能源、半导体等工业场景，以及生命科学、保健理疗、新零售等非工业场景中。此外，六轴与七轴协作机器人还能够与移动底盘（AGV/AMR）结合，应用于 CNC 上下料、物料分拣搬运、巡检以及部分商用场景中。GGII 数据显示，2023 年全球六轴及以上协作机器人销量 6.08 万台，同比增长 30.75%，市场规模 68.17 亿元，同比增长 22.74%。预计到 2028 年，全球六轴及以上协作机器人销量将超过 28 万台，市场规模有望突破 300 亿元。17.5726.7434.4039.1336.0751.5962.2975.95101.07319.2552.19(.65.75%-7.82C.03 .74!.933.07%-20%-10%0 0P0100150200250300350201620172018201920202021202220232024E2028F全球协作机器人市场规模（亿元）同比增长（%）2024 年协作机器人产业发展蓝皮书（第八版）35/123 图表图表 2424 20162016-20282028 年全球年全球六轴及以上六轴及以上协作机器人销量及预测（单位：万台，协作机器人销量及预测（单位：万台，%）（注*上述销量数据不包含四轴协作机器人）数据来源：高工机器人产业研究所（GGII）图表图表 2525 20162016-20282028 年全球年全球六轴及以上六轴及以上协作机器人协作机器人市场规模市场规模及预测（单位：及预测（单位：亿元亿元，%）（注*上述规模数据不包含四轴协作机器人）数据来源：高工机器人产业研究所（GGII）1.051.652.152.552.413.654.656.088.4528.74 57.140.30.60%-5.49Q.45.400.758.98%-20%0 8121620242832201620172018201920202021202220232024E2028F全球六轴及以上协作机器人销量（万台）同比（%）17.4526.1932.6135.7530.9844.6755.5468.1791.5301.0550.09$.50%9.61%-13.33D.18$.33.744.19%-20%-10%0 0P0100150200250300350201620172018201920202021202220232024E2028F全球六轴及以上协作机器人市场规模（亿元）同比（%）2024 年协作机器人产业发展蓝皮书（第八版）36/123 第二节第二节 全球协作机器人竞争分析全球协作机器人竞争分析 根据 GGII 的不完全统计，截至 2023 年末，全球协作机器人厂商数量约 150 家左右，随着市场竞争的不断深入，新进厂商明显减少。同时，行业洗牌也在加速进行中。总体来看，GGII 认为协作机器人行业已经进入到一个新的发展阶段，行业开始从无序逐渐走向有序，对于新进厂商的门槛有所提高，预计未来几年协作机器人厂商数量增幅将持续放缓，总体保持一个动态平衡的状态。从六轴及以上协作机器人全球市场份额来看，优傲机器人仍占据榜首位置，市场份额约为 22.3%；其次为遨博智能，随后是节卡机器人、发那科、法奥机器人等。随着中国在协作机器人领域自主研发能力的提升，国产协作机器人品牌崛起，中国协作机器人企业开始在全球市场崭露头角。通过提供性价比较高的产品，在一定程度上降低了平均价格。图表图表 2626 20222022-20232023 年年全球六轴及以上全球六轴及以上协作机器人市场份额（按协作机器人市场份额（按销销量口径，量口径，%）（注*上述销量数据不包含四轴协作机器人）数据来源：高工机器人产业研究所（GGII）20222022优傲机器人遨博智能节卡机器人发那科Franka EmikaABB库卡其他20232023优傲机器人遨博智能节卡机器人发那科法奥机器人达明机器人斗山机器人其他 2024 年协作机器人产业发展蓝皮书（第八版）37/123 第三节第三节 中国协作机器人市场发展分析中国协作机器人市场发展分析 GGII 统计数据显示，受益于核心行业大客户需求的拉动及非工业应用场景的拓展，协作机器人行业景气度有所回升。2023 年中国协作机器人（含四轴）市场销量为 3.14 万台，同比增长 26.10%。GGII 预计，2024 年中国协作机器人（含四轴）市场销量将超过 4 万台，同比增速超 25%。随着 3C 复苏预期的不断强化以及非工业领域的应用拓展，中国协作机器人行业将延续增长态势。预计至 2028 年，中国协作机器人销量将达到 12.4 万台，市场规模将超过 70 亿元。分产品轴数来看，六轴协作机器人仍是协作机器人行业中的核心产品，销量占比超八成以上。GGII 统计数据显示，2023 年中国六轴及以上协作机器人市场销量为 2.63 万台，同比增长 34.87%。从市场规模来看，2023 年中国六轴及以上协作机器人市场规模为 25.59 亿元，同比增长 18.86%。GGII 预计，2024 年中国六轴及以上协作机器人市场销量将超过 3.4 万台，市场规模超过 30 亿元；到 2028 年销量有望超过 11 万台，市场规模将超过 70 亿元。从四轴协作机器人市场来看，目前中国仅有少数几家主营业务涉及四轴协作机器人设计、研发、生产以及销售的企业，相比于六轴协作机器人，四轴协作机器人目前仍是一个新兴市场。从产品结构来看，目前国产四轴协作机器人已衍生出类 SCARA 协作机器人以及桌面型轻载协作机器人，且负载主要集中在 7kg 以下，多用于 3C 电子、科研教育以及生命科学等领域。GGII 统计数据显示，2023 年，中国四轴协作机器人市场销量为 0.51 万台，同比下滑5.81%，市场规模 0.93 亿元，同比下滑 15.45%。GGII 预计，2024 年，随着 3C 电子行业复苏预期不断强化，叠加 AI、算力、MR 头显等需求催化，中国四轴协作机器人市场销量有望迎来增长，预计销量将达到 0.60 万台，同比增速超 17%。预计至 2028 年，中国四轴协作机器人出货量将接近 1.3 万台。2024 年协作机器人产业发展蓝皮书（第八版）38/123 图表图表 2727 20162016-20282028 年中国协作机器人年中国协作机器人市场市场销量及预测销量及预测（单位：（单位：万万台，台，%）（注*上述销量数据包含四轴、六轴、七轴协作机器人）数据来源：高工机器人产业研究所（GGII）图表图表 2828 20162016-20282028 年中国协作机器人市场规模及预测（单位：亿元，年中国协作机器人市场规模及预测（单位：亿元，%）（注*上述规模数据包含四轴、六轴、七轴协作机器人）数据来源：高工机器人产业研究所（GGII）2.63 3.48 11.10 0.51 0.60 1.29 116.24.934.48).76.80%-9.78&.10).78%-20%0 000468101214201620172018201920202021202220232024E2028F六轴及以上协作机器人四轴协作机器人同比（%）25.5930.9170.150.931.001.4880.82E.30 .75.28t.78%1.39.19 .32%0 0Pp020304050607080201620172018201920202021202220232024E2028F六轴及以上协作机器人四轴协作机器人同比（%）2024 年协作机器人产业发展蓝皮书（第八版）39/123 第四节第四节 中国协作机器人竞争分析中国协作机器人竞争分析 从中国市场的整体竞争格局来看，2023 年国产厂商市场占比逐年提升，以优傲为代表的外资厂商份额连续收缩。具体来看，2023 年优傲机器人、发那科、达明相继推出 20kg 及以上负载的新品，在大负载产品市场占有率有所提升，其他传统的工业机器人巨头重心更多仍聚焦在多关节工业机器人领域，协作机器人产品线份额占比较小。近年来，国产协作机器人厂商在国内市场上取得了显著的进步，并逐渐开始转向海外。相比外资品牌，内资厂商通常能提供更具价格竞争力的产品，这得益于本土化供应链优势、较低的劳动力成本以及研发人才的红利。其次，内资厂商通常能提供更加灵活和个性化的客户服务，更贴近本土市场，能够快速理解客户需求，提供定制化解决方案。这有助于企业更快地适应市场变化，推出符合行业特定需求的产品和服务。GGII 数据显示，国产六轴及以上协作机器人本体销量市场份额由 2022 年的 84.52%上升至 2023 年的 89.04%，较 2022 年同比上升 4.52 个百分点。从整体来看，外资协作机器人厂商市场份额正在不断缩小，进一步反映出本土品牌正处于不断崛起的过程中。近年来，国产协作机器人逐渐从中低端市场向高端市场进军，可以看见，不论是汽车零部件、3C 电子、机械加工等传统工业领域，还是按摩理疗、建筑业、生命科学等非工业领域，其头部厂商的应用场景中，已经出现越来越多国产协作机器人品牌。随着下游市场的持续开拓，GGII 认为，本土化优势将在应用场景理解、方案落地速度以及售后服务方面进一步扩大，2024 年协作机器人领域国产化率有望达到 90%以上。图表图表 2929 20202222-20202323 年中国六轴及以上协作机器人内外资市场份额（以销量计，年中国六轴及以上协作机器人内外资市场份额（以销量计，%）数据来源：高工机器人产业研究所（GGII）国产厂商,84.52%外资厂商,15.48 222022国产厂商,89.04%外资厂商,10.96 232023 2024 年协作机器人产业发展蓝皮书（第八版）40/123 第五节第五节 不同负载不同负载协作机器人协作机器人发展发展分析分析 图表图表 3030 不同负载协作机器人应用场景对比不同负载协作机器人应用场景对比 负载范围负载范围 应用场景应用场景 轻负载（轻负载（L L7 7kgkg）电子组装、零售与服务、教育与科研、医疗等 中负载（中负载（7L7L1212kgkg）精密加工辅助、包装与装配、汽车零部件组装等 大负载（大负载（12L12L2 20 0kgkg）装配、上下料、物料搬运、物流配送、消防救援、拆码垛、焊接等 超大负载（超大负载（L20L20kgkg）物料搬运、拆码垛、机器看护、螺丝拧紧、机床上下料、包装、焊接等 资料来源：公开资料整理，高工机器人产业研究所（GGII）早期市场上，协作机器人以负载能力在 3-7kg 级别为主，这类机器人能够满足大多数轻工制造、电子产品装配、科研实验等领域的基本需求。但随着技术的演进和下游市场应用的拓宽，协作机器人行业正沿着负载能力多样化、应用场景细分化的方向快速发展。2022 年，新能源汽车、锂电和光伏行业的高速增长，对自动化产线及柔性化生产提出了更高的要求，各厂商持续推出大负载产品，进一步带动了大负载及超大负载协作机器人需求的提升。GGII 数据显示，2023 年中国市场受新进厂商的增加以及商用、教育领域需求复苏的影响，对小负载协作机器人的需求有所恢复，3C 电子行业整体需求依旧承压，新能源汽车增速有所放缓、锂电行业处于库存消化周期，仅光伏行业延续高增长态势，对协作机器人行业增长的支撑作用相对有限。自 2022 年开始，超大负载协作机器人开始兴起，在众多下游细分行业加速渗透，如食品包装、物流仓储、新能源等，超大负载协作机器人相比传统工业机器人在负载能力、安全性、人机交互、易用性和灵活性方面，具有更强的竞争力。随着入局者的持续增加，叠加下游细分场景需求的释放，超大负载协作机器人已进入快速放量的节奏。根据 GGII 调研，截至目前，在超大负载协作码垛领域，华盛控累计销量位居行业第一，尤其在食品包装领域，其规模优势正在持续扩大。图表图表 3131 协作机器人主要代表厂商及最大负载产品协作机器人主要代表厂商及最大负载产品 企业名称企业名称 最大负载最大负载 华盛控华盛控 50kg 遨博智能遨博智能 35kg 大族机器人大族机器人 35kg 2024 年协作机器人产业发展蓝皮书（第八版）41/123 中科新松中科新松 30kg 达明机器人达明机器人 30kg 艾利特机器人艾利特机器人 30kg 法奥法奥机器人机器人 30kg 珞石机器人珞石机器人 25kg 节卡机器人节卡机器人 20kg 越疆机器人越疆机器人 20kg FANUCFANUC 35kg URUR 30kg YASKAWAYASKAWA 30kg 数据来源：高工机器人产业研究所（GGII）GGII 认为，超大负载协作机器人代表了工业自动化的一个新方向，它们结合了传统工业机器人的高效性和协作机器人的灵活性与安全性，为企业提供了新的生产效率提升和成本节约的可能性，未来随着成本的进一步下降，超大负载协作机器人有望在部分应用场景替代传统工业机器人，如搬运、码垛等细分场景。随着技术的不断成熟和市场需求的持续增长，不同负载级别的协作机器人将更加紧密地融入各行各业，助力企业提高生产效率、降低成本，并推动智能制造的深化发展。图表图表 3232 20222022-20232023 年中国年中国不同负载不同负载协作机器人占比变化协作机器人占比变化（按销量）（按销量）数据来源：高工机器人产业研究所（GGII）66.99.14.18%2.69 222022轻负载（L7kg）中负载（7L12kg）大负载（12L20kg）超大负载（L20kg）55.96.84.58%5.63 232023轻负载（L7kg）中负载（7L12kg）大负载（12L20kg）超大负载（L20kg）2024 年协作机器人产业发展蓝皮书（第八版）42/123 第四章第四章 协作机器人技术发展分析协作机器人技术发展分析 第一节第一节 协作机器人技术协作机器人技术发展现状发展现状分析分析 截至 2023 年底，协作机器人相关的专利申请量为 1770 件。从 2016 年至 2022 年，我国协作机器人专利申请趋势呈逐年增长的态势，2023年申请数量降为292件，同比下降18.44%。图表图表 3333 20162016-20232023 年中国协作机器人相关专利申请情况（单位：件，年中国协作机器人相关专利申请情况（单位：件，%）（注*最新数据同步有一定滞后性）数据来源：RainPat，高工机器人产业研究所（GGII）整理 协作机器人的技术特点主要为安全性、易用性、灵活性、共融性等。安全问题是人机协作系统的基础，协同工作必须以保证操作人员的安全为前提；易用性和灵活性是人机协作系统的重点，能够快速适应柔性的、复杂的生产方式是协作机器人的优势；共融性则是协作机器人全面深入市场、多方位超越工人的核心。一、安全性方面一、安全性方面 安全性是协作机器人最显著的特点之一，协作机器人通过装备先进的传感器（如力矩传感器和碰撞检测系统），能够在与人类工作者互动时立即检测到接触并限制力量输出，从而防止意外伤害，无需额外的安全围栏。协作机器人在安全性方面的技术发展现状集中体现在以下几个方面：自然交互与人机安全自然交互与人机安全：协作机器人设计强调与人类操作员的自然交互能力，通过集成先进的传感器技术如视觉识别以及基于人工智能的决策系统，使得机器人能够理解周围环境，包括人的存在与动作，从而确保安全互动。例如，使用激光雷达、摄像头等传感器实时33631342523153233582920.00.912.70.06%.00%2.54.84%-18.44%-40%-20%0 00010015020025030035040020162017201820192020202120222023专利申请数量（件）同比增长（%）2024 年协作机器人产业发展蓝皮书（第八版）43/123 监测工作区域，通过图像处理技术识别障碍物和潜在的碰撞风险，进而提前采取规避措施，预防潜在危险。碰撞检测与避障碰撞检测与避障：这一领域发展迅速，包括无传感碰撞检测和基于力矩反馈的碰撞检测。如 Universal Robots(UR)的机器人采用无传感方法，ABB 的 YuMi 机器人则利用电流环式碰撞检测技术，能在机器人遇到阻力或碰撞时立即作出反应，减少伤害风险。一些研究和应用探索了电子皮肤技术，使机器人能够直接感知接触并评估安全状况。如越疆协作机器人通过搭载安全皮肤，能够实时感知机械臂周围 15cm 的工作区域。安全皮肤采用碰撞中段检测技术，在保证高生产效率的同时，为协作机器人提供非接触式的接近感知与碰撞预防等人机协作安全性解决方案。协作机器人安全性技术的发展聚焦于提高感知能力、增强智能决策、实现灵活的避障机制以及遵循严格的安全标准，这些进步共同推动了协作机器人在各行业应用中的普及与信任度提升。二、易用性方面二、易用性方面 协作机器人在易用性方面的技术发展集中于降低机器人部署和使用门槛，提升操作便捷性和提高用户的接受度。在易用性方面的技术进步和趋势主要体现在：拖拽示教（拖拽示教（TeachTeach-byby-DemonstrationDemonstration）：这一技术允许用户通过手动引导机器人手臂完成一系列动作，机器人随后自动记录这些动作并转化为可重复的程序。这种方式极大地简化了编程过程，即便是没有编程经验的操作员也能快速上手。在焊接等对精度和路径规划有较高要求的应用场景中，现代协作机器人通过采用直观的拖拽示教技术，不仅简化了协作机器人在焊接等复杂任务中的示教流程，还提高了工作的灵活性和效率，降低了实施自动化改造的难度和成本，极大改善了用户体验。可视化编程界面可视化编程界面：现代协作机器人通常配备直观的图形用户界面(GUI)，用户可以通过拖放图标、设置参数等方式编写机器人程序，类似于搭建积木，降低了编程的复杂度。同时还融合了无线通讯技术，使用平板、手机等移动终端替代传统示教器，显著提升了编程的便捷性和灵活性。模块化与即插即用设计模块化与即插即用设计：模块化设计允许用户快速更换机器人末端执行器或增加传感器，适应不同的应用场景，而即插即用功能简化了硬件的配置过程，缩短了部署时间。自然语言处理和语音命令自然语言处理和语音命令：部分协作机器人开始整合自然语言处理技术，允许用户通过语音指令控制机器人，进一步简化操作流程，提高人机交互的自然度。这些技术进步共同推动了协作机器人的易用性，使之更加贴近实际工作场景的需求，不 2024 年协作机器人产业发展蓝皮书（第八版）44/123 仅提升了生产效率，也降低了企业采用自动化技术的门槛，促进了协作机器人在更多行业和中小企业的广泛应用。三、灵活性方面三、灵活性方面 与传统工业机器人相比，协作机器人强调适应性和灵活性。协作机器人在灵活性方面的技术发展主要集中在以下几个核心领域，这些进步使得机器人能够更好地适应多样化的应用场景，与人类更加紧密、安全地协作：轻量化设计轻量化设计：轻量化设计降低了机器人对操作人员的潜在伤害风险，使得协作机器人在商用和家庭等非工业场景中更加易于部署、操作和维护，减少了对工作环境的改造需求，降低了总体成本，促进了协作机器人技术在更广泛领域的商业化应用。模块化和集成化设计模块化和集成化设计：现代协作机器人采用了高度模块化设计，将机器人分解成多个独立的轻量化模块，允许用户根据不同的任务需求快速更换末端执行器、传感器和其他组件，方便更换和升级。这种设计提高了机器人的多功能性和适应性，使得同一台机器人能够胜任装配、搬运、检验等多种任务。集成化设计则将传感器、控制器等部件尽量集成在一起，减少外部连线，既减轻了重量，又简化了安装和维护。力控与柔顺控制技术力控与柔顺控制技术：通过集成高精度的力矩传感器和先进的控制算法，协作机器人能够实现力控操作，即在与物体或人类接触时，根据接触力的大小和方向调整动作，实现柔顺的交互。这不仅提高了安全性，也使得机器人在执行需要精细力控的任务（如精密装配）时更加灵活。云平台与远程管理云平台与远程管理：借助云计算技术，协作机器人可以远程接收指令、上传数据、进行软件更新和故障诊断，减少了现场维护的需求，增强了系统的灵活性和响应速度。这些技术进步不仅增强了协作机器人的灵活性和适应性，也促进了其在各种工业和非工业环境中的广泛应用，从制造业到医疗、服务业、科研等多个领域，都展现了协作机器人的巨大潜力。四、共融性方面四、共融性方面 协作机器人在共融性方面的技术发展主要集中在以下几个方面，旨在促进机器人与人类、其他机器人以及工作环境的和谐、高效互动：情境感知与理解情境感知与理解：集成多种传感器（如视觉、声音、触觉）和人工智能算法，使机器人能够感知环境状态、识别工作对象、理解人类意图和情绪，从而做出合适的反应，增强协作的有效性。人机交互界面的优化人机交互界面的优化：通过更直观的图形用户界面、语音识别、手势控制等手段，简化 2024 年协作机器人产业发展蓝皮书（第八版）45/123 人机交流过程，使得非专业人士也能轻松指导和与机器人协作，提高了共融性。学习与自适应能力学习与自适应能力：利用机器学习和深度学习技术，协作机器人能够学习人类的作业习惯、改进操作技巧，甚至预测人类合作伙伴的行为，增强协作的默契度和效率。标准化与互操作性标准化与互操作性：制定统一的通信协议和接口标准，如ROS（Robot Operating System）等，增强不同品牌和型号的机器人之间以及机器人与其他自动化设备的兼容性，促进共融工作环境的构建。伦理与法律框架伦理与法律框架：随着机器人技术的发展，相关伦理和法律规范也在逐步建立和完善，确保机器人在共融环境中遵循社会伦理标准，保障人类权益和社会秩序。现阶段协作机器人在共融性方面已经有了较大提升，并仍在不断进步中，能够与机器视觉系统、移动操作技术、AI 技术平台、各类工艺包等进行共融互通，实现各类延展性应用。2024 年协作机器人产业发展蓝皮书（第八版）46/123 第二节第二节 协作机器人核心技术协作机器人核心技术分析分析 一、一体化关节一、一体化关节 一体化关节指在机器人每个关节内完成伺服驱动器的装置以及底层电气设备的连接，使每个关节成为一个控制单元，以简化整机走线，降低配套设备重量。为了满足对于安全性和灵活性的需求，协作机器人的走线和执行机构的穿气管都在内部，因此要求电机、减速器、驱动器等都要放在一个大中空的结构里，编码器、驱动器、减速器、电机、制动器等都需采用集成式设计。一体化关节设计与协作机器人有较高的契合度。协作机器人在设计之初往往会考虑轻量化、安全性等需求，采用一体化关节设计能够有效地降低协作机器人本体重量；同时，中空走线的设计也在一定程度上避免了因线路故障引起漏电导致人员伤亡的情况。尽管一体化关节设计十分契合协作机器人的设计需求，但是目前在实际研发设计过程中仍有一定困难。协作机器人一体化关节内部结构十分复杂，除电机、减速器、驱动器、编码器等零部件外，通常还内置力矩传感器及机械制动器等。同时，由于这些零部件往往来自于不同上游厂商，结构设计多样化，不利于机器人或关节模组厂商集成设计，使本体集成设计成为协作机器人前期研发的难点之一。此外，零部件选型成本高、适配性不明确、市场非标定制化程度较高，也为一体化关节应用的发展道路埋下一道道坎。二、轨迹规划技术二、轨迹规划技术 路径规划是指在某一作业场景下，根据作业内容的需要，结合路径约束与障碍物约束找到一系列要经过的路径点（空间中的位置或关节角度），并得到一系列末端的运动路径点数据。机器人路径规划主要是为了使机器人在作业过程中的运动路径与障碍物保持一定距离，同时整体路径能够保持最短，以实现安全、高效的自动化作业。轨迹规划是在路径规划的基础上加入了时间序列信息，对机械臂在运动过程中的速度和加速度进行规划，可以在机器人关节空间运动中使机器人运行时间尽量短或能量消耗尽量小。三、碰撞检测技术三、碰撞检测技术 碰撞检测是保障协作机器人安全性的关键性技术之一，能够实时监测机器人与工作人员或其他设备之间是否存在碰撞，并对碰撞进行及时的反馈，通过策略控制保证碰撞发生时不会对工作人员造成伤害。协作机器人碰撞检测技术主要有两类：碰撞后检测安全技术与碰撞前检测安全技术。碰撞后检测安全技术主要是靠优化机械结构设计、碰撞力抑制算法和搭载关节力矩传感器、电 2024 年协作机器人产业发展蓝皮书（第八版）47/123 流环、触觉力觉传感器等方法检测碰撞是否发生，及时反馈碰撞信息并快速作出应对方案，从而降低碰撞发生后造成的伤害；碰撞前检测安全技术是在机器人上使用非接触式的传感器（视觉系统、安全皮肤、激光传感器等），对周围环境及人的行为进行预测，并采取相应的安全避障措施，因此可以从根本上避免碰撞的发生，极大地提高了人机交互的安全性。常用碰撞检测方法如下：常用碰撞检测方法如下：力矩传感器力矩传感器：最常用的碰撞检测方式之一，通过添加关节力矩传感器或底座力矩传感器来检测外力，可以有效避免摩擦力误差，碰撞检测精度较高。电流环式电流环式：采用电机的电流或反馈的力矩来检测碰撞是否发生，无需额外添加传感器，并且能够完整覆盖机器人整个表面，是成本最低的碰撞检测法。从另一方面来看，电流环碰撞检测法容易受摩擦力影响，对建模和辨识带来一定困难，且减速器越大，摩擦力误差也会随之增大。因此，电流环式碰撞检测法的检测精度有一定局限性，多用于小型协作机器人上。触觉电子皮肤触觉电子皮肤：一种碰撞后检测方法，通过在机器人表面安置压力传感器来检测外力，检测灵敏度高，检测精度较高，但是由于单个机器人对于压力传感器的需求量较多，导致装配较复杂，布线难度较大，成本过高。安全皮肤安全皮肤：安全皮肤是一种电磁感知技术，属于碰撞前检测方法。安全皮肤具有较高的灵活性，可以被加工为各种形状，能够检测机器人周围 15cm 范围内的工作区域，且检测灵敏度较高，在机器人高速运行状态下，可以有效检测出障碍物的存在并及时停止机器人作业。视觉系统视觉系统：一种碰撞前检测方法，通过搭载 3D 视觉相机或广角摄像头来监测机器人工作范围内是否存在障碍物，已实现机器人与障碍物接触前可以及时作出应对措施。此外，搭载视觉相机还有利于定位分拣、上下料、产品检测等场景中协作机器人的自动化、智能化应用。其他其他：包括在机器人周边设置电子围栏、压力垫、激光传感器等装置，通过对机器人周边一定范围内的障碍物进行监测反馈，从而降低工人或其他设备突然出现导致碰撞的可能 2024 年协作机器人产业发展蓝皮书（第八版）48/123 性。四、力控技术四、力控技术 传统工业机器人往往被设计在结构化的工作场景中进行重复性的位置作业，然而到了非结构化且需要进行接触作业的工作场景中，这种重复性的、单纯依靠位置控制的作业模式就会遇到困难。为了解决接触作业中对作用力柔性的高要求和位置控制准确性及系统高刚性之间存在着矛盾，协作机器人柔顺控制这一概念被引入。机器人的柔顺性可以分为被动柔顺与主动柔顺。被动柔顺主要是通过弹簧机构、阻尼器、气动柔顺装置来实现机器人的末端柔性操作。被动柔顺机构的柔顺中心一旦被固定，就很难调整，主要适应刚度固定的作业要求。主动柔顺，是指机器人利用力的反馈信息采用一定的控制策略去主动控制作用力。这里采用的力反馈信息通过机器人末端六维力传感器或关节扭矩传感器获取，随着国内力传感器技术上的突破，传感器设备的性能也将逐渐标准化，成本也会逐步降低，未来协作机器人的力控性能差异还是会落在机器人控制器的力控算法和策略上。根据控制策略，主动柔顺可以分为：直接力控制策略、阻抗/导纳控制策略、力/位混合控制策略和自适应/智能控制策略。目前，多数协作机器人企业都是从力/位混合控制往自适应/智能控制策略跃进。五、振动抑制技术五、振动抑制技术 协作机器人关节传动系统中含有谐波减速器、力矩传感器等柔性元件，使其具有关节柔性；同时，轻量化以及内部中空的结构设计使协作机器人具有连杆柔性，导致在运动、定位以及末端负载较大时会造成协作机器人的振动。协作机器人振动形式主要为过程振动和残余振动，其中，过程振动是指协作机器人在作业中受到外部干扰或内部建模参数不确定而产生的震颤；残余振动是指协作机器人在完成周期作业后由于位置与速度的误差导致在终止点发生的自由振荡。协作机器人在运行中产生的振动对于其在准确度、稳定性、工作效率都有一定程度影响，甚至可能导致协作机器人结构疲劳和损伤，缩短机器人使用寿命。因此，为保证协作机器人的高效、稳定作业，须采取振动抑制技术。2024 年协作机器人产业发展蓝皮书（第八版）49/123 第三节第三节 协作机器人协作机器人产品产品技术趋势与方向技术趋势与方向 一、大负载一、大负载产品产品占有率逐渐提升占有率逐渐提升 近年来，协作机器人的性能在不断向工业方向靠拢，稳定性不断提高；从最早的 3kg、5kg、10kg 的负载，到现在 20kg、30kg、35kg、50kg 的负载，大负载产品市场占有率逐渐提升；从开始的 1m/s 的速度，到现在可达 3m/s，速度不断变快；精度也达到了工业级别的0.02mm。从性能上而言，协作机器人不断冲击原来由于技术限制所形成的协作机器人与工业机器人之间泾渭分明的界限；从应用上来看，协作机器人在工业领域有了越来越多的应用，甚至在部分领域已经替代了传统意义的工业机器人。然而，对于这些大负载、高速度的协作机器人，安全性则是对性能的一种桎梏，为了保证人机协作的安全，它们都只能被设定在很低的速度下运行。为此，ABB 设计生产了 CRB 1100协作机器人，是一款跨界探索产品，本体与工业机器人无异，但增加了安全激光扫描仪，配合 ABB 的 SafeMove2 功能，通过感知人体与机器人的距离来调整工作状态，相当于增加了一个隐形的围栏来保障了安全性，相对协作机器人人机协同的共享工作空间，存在安全区域的人机隔离。二、核心零部件性能优化二、核心零部件性能优化 电机：电机：协作机器人电机后续发展必然是向高扭矩、大中空、高功率密度等方向发展。核心零部件重量轻，功率密度高将成为主要特点，使得协作机器人关节更加轻量化，负载力更高。伺服驱动：伺服驱动：机器人伺服驱动偏向集成化，小体积化，要求具备高动态响应，高精度，力控制及抖动抑制，整体向智能化发展。编码器：编码器：机器人编码器是伺服控制的核心部件，目前在成本上，可制造性，精度等还有一定的局限。后续发展方向主要是围绕高精度、高集成度、高可靠性发展。伺服控制性能提高，必然要求编码器技术的提高，高精度编码器尤为重要。由于需要关节输入输出两侧位置、速度等，编码器需要采集两端信息，高集成度的编码器同时采集两端信息，减少体积和走线尤为重要。另外编码器必然需要更高的可靠性，抗干扰，在强辐射、高低温等特殊场合依然保持可靠性。三、感知化三、感知化 智能传感器的发展方向后续主要围绕视觉、力传感器、电子皮肤、人机交互及安全方面。首先机器人必须要有力感知，具备力感知的机器人能够更好地实现智能柔顺抓取，也可以更 2024 年协作机器人产业发展蓝皮书（第八版）50/123 好的与人进行安全交互。其次机器人要围绕视觉感知发展，让机器人可以看见周围环境，其包智能相机技术、3D 视觉传感技术、3D 激光雷达技术等。“眼睛”对于机器人执行新任务（例如在仓库中挑选和移动产品）不可或缺。传统机器人（或没有视觉系统的机器人）只能完成简单的重复性任务，而具有机器视觉的机器人可以解决更多问题，例如来料位置不一致，来料具有公差等。除此之外，视觉系统可以赋予机器人读取颜色或纹理的能力，使机器人能够完成检测类应用，例如：条形码检测。而配备 3D 视觉系统的机器人功能更加强大，可以抓取或检测立体的物体，实现无序抓取等应用。除了对光信号的感知外，具备对外界力的感知能力也将极大拓宽机器人的应用场景，例如打磨、装配、按摩、康复以及手术等。未来机器人将不可避免的与人共同工作或为人直接提供服务。具备力的感知能力可以保证机器人与人接触过程中的安全，避免异常情况对人的伤害。同时，具备力的感知能力将便于机器人的使用，人可以通过直接拖动的方式给机器人安排工作，无需学习复杂的编程语言，协作效率也得以提升。在按摩等场景中，机器人与人直接接触，灵敏的力感知可以让机器人模拟人的按摩动作，达到与人相同的治疗效果。四、智能化四、智能化 机器人作为一直以来作为机电执行机构，只能替代简单体力劳动。对于复杂非结构化的场景，则无法发挥太大作用。近年来，随着人工智能技术的发展，越来越多的新式应用涌现出来，例如无序抓取，智能检测等。随着工业数据的积累和计算机算力的提升，机器人可以通过学习的方式处理复杂问题，优化动作流程。AI 应用是未来协作机器人技术的发展趋势，未来只有具备人工智能，自制学习判断的协作机器人才可以成为真正的协作机器人。机器人除了安全和人机交互外，必然需要深度学习，可以通过自主学习训练使得机器人更加具备智能化，也是人机交互的重点。未来机器人控制器或将发展为零编程使用，通过使用多传感器融合后的智能学习判断，与人智能交互后即可实现目标任务的执行。五、模块化五、模块化 底层部件的模块化为机器人整机的开发夯实了基础，提升了新产品的开发速度，增强了新产品的可靠性。不同规格的关节经过组合，配上相应的连杆，即可组成一款新的机器人，无需从底层模块开发。同时，不同机器人共用相同的关节，关节的使用数量会有大幅提升，更有利于关节的成熟。此外，关节的批量使用也使企业的采购成本降低，进而降低了机器人整机的成本，从而大幅提升机器人的性价比和竞争力。2024 年协作机器人产业发展蓝皮书（第八版）51/123 第五章第五章 协作机器人行业投融资概况分析协作机器人行业投融资概况分析 据 GGII 不完全统计，2015-2023 年国内协作机器人市场共计 77 例融资案例，合计融资规模超 113 亿元。2021 年，协作机器人融资规模突破 50 亿元达到顶峰，平均单笔融资金额突破 3.87 亿元，远超历史年份数据。2022 年后，协作机器人企业融资逐渐收紧，融资总额及融资数量均呈现下滑态势。2023 年，中国协作机器人领域融资金额下滑态势愈加明显，全年共有 7 例融资案例，融资总额约 3.6 亿元，同比下降 87.68%。2024 年上半年，中国协作机器人领域仅有一例融资案例，融资总额约 5 亿元。图表图表 3434 20152015-2022024 4H H1 1 中国协作机器人中国协作机器人市场市场融资融资增长增长情况情况 数据来源：公开资料，高工机器人产业研究所（GGII）整理 从具体融资事件来看，2023 年主要融资方包括中科新松、长广溪、睿尔曼和敬科机器人等协作机器人本体厂商，2024 年上半年仅有珞石机器人获得融资。一级市场融资金额下滑明显，叠加 IPO 阶段性收紧，资金将集中流向具备技术领先性的细分赛道的头部厂商。图表图表 3535 20232023-2024H12024H1 中国协作机器人主要投融资事件中国协作机器人主要投融资事件 融资时间融资时间 公司名称公司名称 融资轮次融资轮次 融资金额融资金额 投资方投资方 202305 睿尔曼智能 A 轮 未披露 科沃斯、元和资本、元科创投、云启资本、和诺资本 202305 中科新松 战略融资 1.5 亿人民币 海望资本、海通开元、海通证券、上海自贸区基金 0.791.282.935.325.6314.5550.2829.213.65.048714771310710.001.002.003.004.005.006.0001020304050602015201620172018201920202021202220232024H1融资总规模（亿元）融资案例数量（例）平均单笔融资额（亿元）2024 年协作机器人产业发展蓝皮书（第八版）52/123 202305 敬科机器人 股权投资 未披露 玖兆投资 202307 珞石机器人 股权投资 未披露 新业股权 202307 长广溪智造 股权投资 未披露 东海投资 202309 长广溪智造 A 轮 1 亿人民币 未披露 202310 睿尔曼智能 股权投资 未披露 招商局创投 202404 珞石机器人 战略融资 超 5 亿人民币 国家制造业转型升级基金、新业资本 数据来源：公开资料，高工机器人产业研究所（GGII）整理 2024 年协作机器人产业发展蓝皮书（第八版）53/123 第六章第六章 协作机器人协作机器人下游下游应用分析应用分析 第一节第一节 协作机器人应用协作机器人应用场景分析场景分析 作为工业机器人领域的新分支，2023 年协作机器人销量占工业机器人销量的比重为 10%，市场基数依然偏小，在场景探索与落地应用方面仍处于早期阶段，市场拓展和下游开发等方面仍有较大空间。近几年，新能源行业的高景气度延续，厂商在大负载产品争相发力。结合力控和机器视觉的技术进步，极大地扩展了协作机器人在各种复杂和精细作业场景中的应用能力，比亚迪、宁德时代等厂商开始批量导入协作机器人，协作机器人在工业领域的需求持续释放，中大负载协作机器人的需求开始逐渐提升，特别是在码垛、搬运、焊接等场景中。另一方面，协作机器人的在非工业领域的应用亦不断拓展，国产厂商不断推动产品新应用、新方案的开发落地，协作机器人在医疗健康、教育、餐饮、新零售等非工业场景的需求增长显著。此外，新兴厂商的入局，带动协作机器人价格进一步下探，协作机器人的性价比优势得以凸显，尤其是在中小型企业转型升级的需求下，经济型协作机器人的市场需求持续增长。GGII 数据显示，2023 年，协作机器人在搬运/上下料、装配以及螺丝锁付等场景的应用占比超过 50%。中大负载协作机器人占比提升明显，主要用于搬运上下料、码垛等应用场景，此外，协作机器人焊接应用亦开始起量，入局者持续增加。图表图表 3636 20222022-20232023 年协作机器人应用场景分布（以销量计，单位：年协作机器人应用场景分布（以销量计，单位：%）（注*上述数据包含四轴、六轴、七轴协作机器人）数据来源：高工机器人产业研究所（GGII）22.73.34.22%7.55%4.33%3.21%3.14%2.16&.32 222022搬运/上下料装配螺丝锁付抛光打磨点胶/涂胶焊接拆码垛喷涂其他24.75.03.47%7.68%6.12%4.01%3.80%2.01#.13 232023搬运/上下料装配螺丝锁付抛光打磨拆码垛点胶/涂胶焊接喷涂其他 2024 年协作机器人产业发展蓝皮书（第八版）54/123 图表图表 3737 入局协作焊接机器人的代表厂商入局协作焊接机器人的代表厂商 代表厂商代表厂商 主要应用领域主要应用领域 遨博智能遨博智能 汽车及零部件、五金家电、机械装备等 中科新松中科新松 汽车零部件、金属加工等 艾利特机器人艾利特机器人 汽车及零部件、钢构、金属加工等 大族机器人大族机器人 汽车及零部件、3C 电子、船舶、农机、钢构、煤矿机械等 节卡机器人节卡机器人 汽车及零部件、钢构、轨道交通、重工机械等 越疆机器人越疆机器人 汽车及零部件、金属加工等 珞石机器人珞石机器人 轨道交通、金属加工等 法奥法奥机器人机器人 汽车及零部件、钢构等 长广溪智造长广溪智造 汽车及零部件、五金机械等 达明机器人达明机器人 机械加工 URUR 汽车及零部件、金属加工、3C 电子、家具设备等 资料来源：公开资料，高工机器人产业研究所（GGII）整理 2024 年协作机器人产业发展蓝皮书（第八版）55/123 第二节第二节 协作协作机器人应用行业分析机器人应用行业分析 在工业领域，国内协作机器人主要应用于汽车及零部件、3C 电子、机械加工、五金卫浴、新能源行业、半导体及仓储物流等行业。得益于柔性、安全协作及易部署等特征，协作机器人亦不断被应用于商业、医疗、教育、新零售及农业等非工业领域。2023 年，3C 电子行业整体复苏动能偏弱，订单需求下滑明显。汽车整车及零部件制造持续回暖，汽车制造业固定资产投资增长 19.4%，工业增加值累计增长 13.0%，汽车及零部件行业依然是协作机器人的主要流向，新能源行业持续保持高景气，协作机器人可以自动完成上下料、螺丝锁付、组装、焊接、封装、质量检测、搬运、清扫等工作，市场对大负载协作机器人需求有所增长，其他行业领域渗透率持续提升，如科研教育等细分市场均同比増长。GGII 数据显示，2023 年协作机器人在汽车及零部件、3C 电子、机械加工、五金卫浴等工业细分领域合计占比约 61%。随着协作机器人不断向下游应用拓展，在非工业领域，包含科研教育、新零售、农业、建筑和零售等新兴行业应用也逐渐出现在大众视野。GGII 认为，未来几年，协作机器人在各行业的渗透率将持续提升，整体需求将会延续增长态势。图表图表 3838 20222022-20232023 年中国协作机器人下游行业分布（以销量计，年中国协作机器人下游行业分布（以销量计，%）（注*上述销量数据包含四轴、六轴、七轴协作机器人）数据来源：高工机器人产业研究所（GGII）22.3.2.2.3%9.8%5.4%4.2%2.4.3 222022汽车及零部件3C电子科研教育医疗保健机械加工五金卫浴半导体食品包装其他24.6.5.8.1%9.6%5.0%4.1%3.8%3.5.1 232023汽车及零部件3C电子科研教育医疗保健机械加工五金卫浴新能源半导体食品包装其他 2024 年协作机器人产业发展蓝皮书（第八版）56/123 第七章第七章 中国协作机器人发展中国协作机器人发展前景前景与展望与展望 第一节第一节 “机器人“机器人 应用应用”为协作机器人与各行业深度融合注入新的活力为协作机器人与各行业深度融合注入新的活力 “机器人 ”应用行动实施方案 的发布对协作机器人行业的发展具有显著的推动作用，主要体现在以下几个方面：政策支持与导向：政策支持与导向：方案中明确提出了加快机器人应用拓展和产业升级的目标，包括服务机器人、特种机器人以及制造业机器人的广泛应用。其中，协作机器人作为能够与人类安全共事、灵活适应多种工作场景的新型智能装备，将在这一政策引导下获得更多发展机会。市场需求提振：市场需求提振：方案提出到 2025 年，制造业机器人密度实现翻番，意味着对机器人的需求将大幅增加。协作机器人作为能够与人安全共事、灵活部署的一类机器人，在实现这一目标中扮演关键角色，市场需求随之扩大。应用领域拓宽：应用领域拓宽：方案强调了机器人在服务、特种以及更多行业领域的深入应用，鼓励“机器人 ”的创新模式，这为协作机器人开拓了更广阔的应用场景，比如医疗健康、教育科研、物流配送、智能家居等，有望促进行业的多元化发展。标准体系构建：标准体系构建：随着方案实施，相关的机器人行业标准和规范也将逐步完善，这对于协作机器人行业的规范化、标准化发展至关重要，有助于提升产品质量与安全性能，增强国际竞争力。人才培养与产业生态建设：人才培养与产业生态建设：方案强调了机器人产业人才队伍建设的重要性，这意味着未来会有一系列教育培训项目和产学研合作计划出台，以培养更多的机器人专业人才，并且促进整个产业链上下游的协同发展。“机器人 ”应用行动实施方案 对于协作机器人行业来说是强有力的政策利好，它不仅能加速行业发展速度，优化产业结构，还将有力地推动中国协作机器人技术和产业向更高水平迈进。2024 年协作机器人产业发展蓝皮书（第八版）57/123 第二节第二节 多传感器融合技术赋能协作机器人在多传感器融合技术赋能协作机器人在多多场景渗透率持续场景渗透率持续提提升升 近年来，协作机器人的技术不断成熟，包括力控技术、视觉识别、人工智能算法等，使得机器人更加智能、灵活且安全，能够更好地适应各种工作环境和任务需求。技术创新降低了使用门槛，提升了下游行业的接纳度。多传感器融合技术在协作机器人领域扮演着至关重要的角色，它极大地提升了机器人的感知能力、决策质量和作业灵活性。在工业场景的应用，通过融合不同传感器技术，协作机器人可以实现：精密装配：精密装配：在电子、汽车零部件制造等精密装配环节，协作机器人通过视觉传感器精确定位零件，力控传感器确保装配时的力度适宜，避免损坏。多传感器融合使得机器人能够模仿熟练工人的手感，完成如螺钉拧紧、精密对接等复杂任务。质量检测与表面瑕疵识别：质量检测与表面瑕疵识别：融合高分辨率视觉传感器、红外传感器和 3D 扫描技术，机器人可以进行快速、准确的产品质量检查，识别微小划痕、颜色差异等表面缺陷，提高检测效率和准确性。搬运与码垛：搬运与码垛：在物流和仓储领域，机器人通过融合激光雷达、视觉传感器和力控传感器，能够自主导航、避障，准确抓取、搬运各类形状和重量的物料，进行高效的拆码垛作业，大大提升物流自动化水平。焊接与切割：焊接与切割：在焊接和切割工艺中，协作机器人通过视觉传感器进行精确的焊缝追踪，力控传感器控制焊接头的压力，确保焊接质量稳定。同时，融合热成像传感器监测焊接过程中的温度分布，预防过热导致的材料损伤。喷涂与涂胶：喷涂与涂胶：在汽车制造和其他喷涂应用中，机器人利用视觉传感器进行工件轮廓识别，力控传感器控制喷枪与工件表面的距离和角度，确保涂层均匀、节省材料。结合环境传感器监测空气质量，保障作业安全。危险环境作业：危险环境作业：在核工业、化工等危险环境下，协作机器人集成多种环境监测传感器（如气体检测、辐射监测）与视觉系统，能够在人员无法直接接触的区域执行检查、清理或维修任务，保障人员安全。同样，多传感器融合技术在商用场景应用中，极大地扩展了机器人在服务、零售、医疗健康、物流、教育等多个行业的应用范围，提高了工作效率和用户体验。主要表现在：零售与客户服务：零售与客户服务：在商场和专卖店，多传感器融合的协作机器人能够提供导航服务、产品信息查询、顾客互动等功能。通过视觉传感器识别顾客，力控传感器确保安全互动，同时结合语音识别技术进行交流，提升购物体验。2024 年协作机器人产业发展蓝皮书（第八版）58/123 医疗健康：医疗健康：康复机器人通过力控传感器感知患者肌肉反应，视觉传感器监控动作姿态，提供个性化的康复训练方案，同时确保动作的柔和与精确。在手术辅助中，机器人利用高清成像、力控和运动传感器融合，帮助医生进行精准操作，减少手术风险。餐饮服务：餐饮服务：餐厅服务机器人利用视觉传感器识别顾客，力控传感器确保安全上菜，语音识别进行点餐服务，提高服务质量和效率。厨房中的协作机器人通过温度、重量传感器以及视觉识别，精确控制食材加工和烹饪过程。教育与培训：教育与培训：教育机器人通过视觉和语音识别与学生互动，力控传感器确保操作安全，提供个性化学习辅导和实验辅助。在技能培训中，力控协作机器人模拟真实操作环境，如外科手术训练，提供接近实战的练习体验。农业应用：农业应用：农业机器人通过融合视觉传感器进行作物识别与病虫害监测，力控和位置传感器确保精准作业，如精准施肥、除草和采摘，提升农业生产效率。多传感器融合技术使得协作机器人在工、商业场景的应用中更加智能、灵活和可靠，不仅提高了工作效率，还能够适应复杂多变的工商业环境，为用户提供更加个性化、便捷的服务体验。随着技术的不断进步，多传感器融合协作机器人的应用领域还将继续拓展。GGII 认为，协作机器人相较于传统工业机器人具有更广的应用面，涵盖工业与商业服务领域，从应用的角度看，协作机器人在两类场景中所带来的核心价值有所差异，工业领域主要是以替代人、降本增效为主要目的；商业服务领域则更多的强调机器人带来额外价值，替代人并非首要目的，更重要的是打造创新型的服务业态。GGII 判断，随着下游行业认知的逐年提升，叠加协作机器人的性价比优势持续凸显，协作机器人未来几年销量的增长有赖于下游行业渗透率的上升与部分核心行业的深耕。2024 年协作机器人产业发展蓝皮书（第八版）59/123 第三节第三节 人工智能与大模型的发展赋予协作机器人更多智能性人工智能与大模型的发展赋予协作机器人更多智能性 对于协作机器人来说，以往作业时需要根据具体的需求，由专业人员设定好机器人的行动轨迹进行作业，如果更换作业任务时，则需重新调整机械臂的作业线路。人工智能与大模型技术的发展，让机器人“感知”、“思考”、“适应”、“交互”和“判断”成为可能，当协作机器人被成功赋予高级人工智能，机器人将获得与类人般的“常识”，从而实现人机智能协同作业，同时减少用户参与决断的机率，使得机器人变得更“聪明”。目前一些企业已经开始在利用机器学习的方法，采集不同任务情况下产生的人、环境与机器的交互数据并分析，目的是打造一个更加智能化作业的闭环；同时，为了降低使用门槛，一些厂商也使用了自然语言识别类人工智能公司的开放技术，让协作机器人具备基本的语音控制和交互能力。AIAI 在协作机器人领域的发展趋势展现出以下几个关键方向：在协作机器人领域的发展趋势展现出以下几个关键方向：增强智能决策与自主学习能力：增强智能决策与自主学习能力：AI 技术，特别是深度学习和强化学习，正被用来提升协作机器人的智能水平，使其能够自主学习工作环境、优化路径规划、执行复杂的任务，并根据经验进行自我改进。这种能力让机器人在面对不确定性和变化时，能够做出更合理的决策，减少人工干预。高级机器视觉与物体识别：高级机器视觉与物体识别：结合 AI 的机器视觉技术使协作机器人能够更精准地识别、定位和处理各种物体，包括形状、颜色、材质等复杂特征的辨识，这对于装配、质量检查、货物分拣等应用场景至关重要。自然语言理解和语音控制：自然语言理解和语音控制：AI 支持的自然语言处理技术让机器人能够理解人类语言指令，通过语音交互进行任务接收、状态查询或异常报告，极大地增强了人机交互的便捷性和直观性。预测维护与健康管理：预测维护与健康管理：AI 分析传感器收集的大量数据，实现对机器人系统的健康状况监控，提前预测潜在故障并安排维护，降低了停机时间和维护成本，提高了整体效率和寿命。灵活的人机协作模式：灵活的人机协作模式：AI 技术使协作机器人能够更好地理解人类同事的行为意图，通过姿态识别、情绪感知等技术，实现更加安全、顺畅的人机协作。这包括通过非接触式交互（如手势控制、眼动追踪）和穿戴设备（如 AR 眼镜、脑机接口）进行指令传达。多机器人协同工作：多机器人协同工作：AI 算法促进多个机器人之间的有效通信与协作，优化任务分配、路径规划，实现大规模自动化生产线的高效协同作业，特别是在物流仓储、大型装配线等场景中。个性化与定制化服务：个性化与定制化服务：通过 AI 算法对用户行为、偏好进行学习，协作机器人能够提供 2024 年协作机器人产业发展蓝皮书（第八版）60/123 更加个性化的服务，比如在医疗护理、教育培训、客户服务等领域的定制化解决方案。AI 正深刻改变着协作机器人的核心能力，从提升智能水平到优化人机交互，再到实现复杂环境下的自主作业，不断推动着协作机器人向更加智能化、灵活化、高效化的方向发展。2024 年协作机器人产业发展蓝皮书（第八版）61/123 第第八八章章 参编企业介绍参编企业介绍 第一节第一节 中科新松中科新松国内协作机器人先行者国内协作机器人先行者 一、企业简介一、企业简介 成立时间：成立时间：20142014 年；总部：上海年；总部：上海 中科新松作为国内协作机器人较早的先行者，可以说是协作机器人系列最丰富的厂商之一。传承自沈阳新松机器人集团，承载着新松的技术和经验，2014 年中科新松正式成立。成立以来，公司共计创新研发了包括多可协作机器人、多可防爆机器人、多可码垛工作站、多可焊接工作站、多可移动协作机器人、多可传输系统在内的 30 余种产品；拥有海内外客户 1500 余家，主要包括奔驰、一汽大众、中国中车、中国商飞、碧桂园、博马科技、马瑞利、美光半导体、西部数据、意法半导体等；共计完成项目应用数千个，产品主要应用于包括汽车、能源、半导体、3C、食品药品、建筑、电力、教育科研、印刷、航空航天、铁路、服务等在内的数十个个行业。二、二、企业核心技术企业核心技术 1 1、机电控高度集成的一体化关节设计机电控高度集成的一体化关节设计 在满足功能设计的基础上，还要满足散热、电磁干扰、防护等级、振动、装配工艺、可维护性等性能指标。在关节伺服系统控制方面，采用全闭环的系统结构和控制方式，同时针对谐波减速机刚度低引入的关节柔性，进而引起负载端的振动，降低系统的轨迹跟踪精度、稳定性等问题，在关节驱动底层增加振动抑制算法，以提高关节的动态性能。基于 3C、半导体等典型应用场景的需求，以系统工程理论、方法和过程模型为指导，结合对多可机器人的安全性、协作性、灵巧操作以及易维护等要求，研究机器人机构优化方案以及整体集成方案。为实现多可机器人的轻量化以及集成化，解决了高功率密度的机电控一体化关节高度集成的技术难题。一体化关节的集成包含机构综合、电子电气综合、机电控综合、通讯设计以及热设计等关键技术，建立了电机矢量控制模型、全闭环控制模型、电磁仿真模型、关节动力学模型以及热力学动态模型等，实现 200-3000W 驱动功率，最终关节控制精度达到 5 角秒。2024 年协作机器人产业发展蓝皮书（第八版）62/123 2 2、力感知及高精度力控作业力感知及高精度力控作业 基于高精度机器人动力学模型实现关节输出力矩的精准估计，以及末端力矩传感器实现末端作业力的精准感知，建立机器人末端精准力控制框架，实现末端导纳控制和关节力矩前馈相结合，既保证的末端作业力的精准控制，又提高了系统的动态响应性能。末端作业力控制采用导纳控制算法，将末端力矩传感器检测到的力/力矩信息转换成位置偏移量，叠加到参考目标位置。经过柔性机械臂逆运动学，以及含摩擦模型的柔性机械臂动力学，生成关节指令。3 3、人体协作安全控制及响应技术人体协作安全控制及响应技术 多可机器人本身虽然具有轻量化、惯量小等特点，为保证协作安全，仍然需要设计完备的协作安全机制，充分保证人员协作时的安全。从安全硬件的角度，设计安全控制器，采用双安全 CPU 的策略，同时所有的安全控制通道均采用双通道冗余控制，满足 PLd 的安全等级要求。从安全功能的角度，设计包含安全位置监控、安全速度监控、安全力矩监控、碰撞检测等在内的安全控制功能。碰撞检测功能采用伺服级的碰撞检测策略，满足响应的实时性。基于精准动力学模型，以及基于广义动量法的外力观测器，实现外力的实时精准估计；分析不同碰撞情况下各个关节输出力矩和电机电流的变化特性，构建碰撞信号在不同工况下的传递模型；根据作业情况，建立机器人全身碰撞检测方案与响应策略，如停止、回退、零力等。开发协作机器人碰撞检测与多重的安全保障机制，确保人-机、机-环境的作业安全。三、企业核心产品三、企业核心产品 1 1、多可协作机器人、多可协作机器人 GCRGCR 系列系列 产品名称产品名称 GCR25GCR25-18001800 产品简要概述产品简要概述 作为国内首款25公斤级协作机器人，填补国内25kg协作机器人市场空白。GCR25-1800作为DUCO多可协作机器人G系列中的负载较大的一员，有效工作半径1800mm，在发布之初就受到很多媒体和客户的关注。采用高集成度模块化设计，在降低研发和制造成本的同时，尽可能地减少本体重量，自重只有61kg，比30kg产品自重轻近10%；1800mm长臂展，完美适用于重型物料的搬运、码垛等应用；配套了全新的控制柜，体积相比原控制柜控降低50%，使得GCR25具有极高的灵活性，更适合狭窄空间使用。工作节拍方面，相比30kg协作机器人提升20%，重复定位精度可以达到0.05mm。2024 年协作机器人产业发展蓝皮书（第八版）63/123 产品优势产品优势 1、国内首台 25kg 大负载协作机器人，业内领先。2、在本体重量控制在 61kg 的基础上，实现 25kg 负载能力，1800mm 超长工作半径和0.05 mm 重复定位精度。3、全面提升用户的生产效率，机器人末端最大速度达到 2.5m/s,终端用户的生产节拍相比以往可提升 20%。4、采用全新的 DUCOCORE 操作系统，其配置针对码垛场景的 BoxPallet 码垛工艺包，实现码垛程序固定流程式配置，简单参数选择和填写，指定点位的设置，可快速部署实施；降低传统方式的机器人程序配置难度，降低对使用者的专业技能要求，同时提升程序配置的率，解决了用户小批量、多品种柔性生产的快速切线难题。5、基于 GCR25-1800 优良的性能，码垛场景能够适用于大部分国标、欧标、美标栈板，最大栈板尺寸可达 1200mm1100mm。据用户实际使用测算，首次部署仅用 1 小时左右，纸箱/托盘/垛型的配置仅需 10 分钟，平均能够实现 8 件/分钟的工作量，其投资回报周期不到 6 个月。产品应用领域产品应用领域 广泛应用于汽车、能源、半导体、3C、食品药品、教育科研等多个行业，适用于码垛、上下料、拧紧锁附、质量检测、装配组装、搬运、涂胶涂油、操作、焊接等应用场景。产品参数表产品参数表 最大负载最大负载 Max PayloadMax Payload 25kg 末端最大速度末端最大速度 Max TCP SpeedMax TCP Speed 2.5m/s 有效工作半径有效工作半径 ReachReach 1800mm 重复定位精度重复定位精度 RepeatabilityRepeatability 0.05mm 产品图片产品图片 2024 年协作机器人产业发展蓝皮书（第八版）64/123 产品名称产品名称 GCRGCR1616-20002000 产品简要概述产品简要概述 60公斤自重，2000mm超长臂展，16公斤负载，0.05mm的定位精度.在业内目前屈指可数，特别是特别是2000mm2000mm的超长臂长，在协作机器人领域更的超长臂长，在协作机器人领域更是无人能及。是无人能及。除了基本的安全、灵活、易用、易维护等基本特点外，GCR16-2000采用新一代的控制柜设计，尺寸减小50%，深度集成2D/3D相机、以及焊接应用包，此外还可以进行云端数据监控，远程OTA升级等。产品优势产品优势 1、安全加持16 项 TUV 安全认证，人机协作更安全；2、运维便捷拖拽示教式编程，降低使用门槛，易操控；3、智轻致巧采用新一代机器人控制柜，体积减少 50%，重量减轻 30%4、绿色环保功耗低至 600W，无需更换润滑油；5、智能非凡多种场景软件包加持（焊接、码垛等），多种外接接口支持（DI、DO、AI/O 等），支持云端机器人数据监控、远程 OTA 升级；2024 年协作机器人产业发展蓝皮书（第八版）65/123 支持多台设备一键式部署和数据远程备份；6、应用升级2D3D 视觉深度兼容；力控等生态配套完善，支持多应用开发。产品应用领域产品应用领域 目前 DUCO 多可 GCR16-2000 可轻松实现智能拣选、抛光打磨、上下料、装配、拧钉、质量检验、搬运、码垛、涂胶涂油等功能。产品参数表产品参数表 最大负载最大负载 Max PayloadMax Payload 16kg 末端最大速度末端最大速度 Max TCP SpeedMax TCP Speed 3.5m/s 有效工作半径有效工作半径 ReachReach 2000mm 重复定位精度重复定位精度 RepeatabilityRepeatability 0.05mm 产品图片产品图片 2024 年协作机器人产业发展蓝皮书（第八版）66/123 2 2、多可协作机器人防爆系列多可协作机器人防爆系列 产品名称产品名称 多可协作机器人防爆系列多可协作机器人防爆系列 防爆等級防爆等級 机械臂：Ex db eb p xb IIC T4 Gb/Ex pxb tb IIIC T130 Db 产品简要概述产品简要概述 此系列包含GCR25-1800-Ex、GCR20-1400-Ex，GCR16-2000-Ex、GCR10-1300-Ex等防爆协作机器人产品，可代替一线高危作业人员在各类易燃易爆、有毒有害、高温高压等石油、天然气、化工环境中工作。产品优势产品优势 1、智能非凡可配置各类智能感知设备，对现场环境数据进行实时采集与智能分析，全面提升企业数字化运维能力；2、运维便捷拖拽示教式编程，降低使用门槛，易操控；3、智轻致巧轻量化设计，可快速部署并适应产线，更高效；4、代替高危作业可代替一线高危作业人员在各类易燃易爆、有毒、有害、高温高压等石油、天然气、化工环境中工作；5、多重防爆多重防爆设计，可在 50的环境温度下正常工作。产品应用领域产品应用领域 可代替一线高危作业人员在各类易燃易爆、有毒有害、高温高压等石油、天然气、化工环境中工作。产品图片产品图片 （示教器）2024 年协作机器人产业发展蓝皮书（第八版）67/123 （防爆柜）2024 年协作机器人产业发展蓝皮书（第八版）68/123 （机器人本体）2024 年协作机器人产业发展蓝皮书（第八版）69/123 3 3、多可码垛工作站、多可码垛工作站 产品名称产品名称 多可码垛工作站多可码垛工作站 产品介绍产品介绍 多可协作机器人深耕码垛应用，提供的交钥匙模式的站级产品。通过长期大负载协作机器人技术探索，国内首发 GCR25-1800 协作机器人，满足码垛场景负载/臂展的工况需求。基于行业终端用户部署痛点，开发出码垛专用软件 PalletStudio，实现终端客户部署、调试、换型、移位等全阶段的免编程。产品特点产品特点/优势优势 1、极简操作交互：UI 交互简洁，全周期实现免编程配置部署；2、极快应用部署：整站式设计，不需要现场调试，实现交钥匙产品模式；3、全方位安全策略：激光雷达两级安全策略和协作力控安全守护，实现作业现场的全方位安全保障。产品图片产品图片 所涉产品所涉产品 多可多可 GCR25GCR25-18001800 协作机器人协作机器人 2024 年协作机器人产业发展蓝皮书（第八版）70/123 产品主要性能产品主要性能 最大负载：25kg 有效工作半径：1800mm 重复定位精度：0.05mm 末端最大速度：2.5m/s 功耗：典型工况约 600W 4 4、多可焊接工作站、多可焊接工作站 产品名称产品名称 多可焊接工作站多可焊接工作站 产品介绍产品介绍 展示多可协作机器人轻巧便捷的特点及柔性化部署的优势。基于图形化交互和牵引示教两大核心功能，配置焊接工艺包后，可支持用户快速实现点焊、角焊、摆焊、往复焊、堆焊、多层多道焊等各种焊接作业任务，为汽车零部件、新能源、金属加工、船舶制造、工程机械、航空航天等领域的焊接自动化生产降本增效。产品特点产品特点/优势优势 1、强大的扩展功能：多可协作机器人，支持结构光相机技术、激光寻位、激光跟踪、触碰寻位、电弧跟踪、多层多道等焊接应用所需的全系列功能。2、深度开发的弧焊专用工艺包：区别于传统的焊接工艺包，多可 Weld Pro 工艺包只需要通过机器人示教器即可实现对焊接工艺参数的全部设定，帮助客户应对更为复杂的焊接工艺需求。3、TUV 南德认证：获得 TUV 南德认证表示多可协作机器人已经通过了严格的测试和质量审核，符合更高标准的安全、质量和性能方面要求。产品产品图片图片 2024 年协作机器人产业发展蓝皮书（第八版）71/123 所涉产品名称所涉产品名称 多可多可 GCR10GCR10-13001300 协作机器人协作机器人 产品主要性能产品主要性能 最大负载：10kg 有效工作半径：1300mm 重复定位精度：0.03mm 末端最大速度：3.8m/s 功耗：典型工况约 400W 5 5、多可移动协作系列产品、多可移动协作系列产品 多可多可移动协作机器人移动协作机器人 机械臂末端最大负载机械臂末端最大负载 移动速度移动速度 导航方式导航方式 电池运行时间电池运行时间 停车精度停车精度 标准型标准型 B B 型型 HCHC-X2X2-B B 5kg/10kg/16kg/20kg/30kg 1m/s SLAM/QR CODE 约 8 小时 5mm 位置精度，1角度精度 HCHC-X3X3-B B 5kg/10kg/16kg/20kg 1m/s 约 8 小时 HCHC-X4X4-B B 5kg/10kg 0.8m/s 约 8 小时 2024 年协作机器人产业发展蓝皮书（第八版）72/123 HCHC-X6X6-B B 5kg/10kg/20kg/30kg 0.8m/s 约 8 小时 L L 型型 5kg/10kg/16kg/20kg/30kg 1m/s 约 5.5 小时 T T 型型 10kg/16kg/20kg/30kg 1m/s 约 8 小时 产品简要概述产品简要概述 多可移动协作机器人集成自主研发的移动平台和协作机器人，可搭载自主研发的视觉和夹具等执行单元，实现对物料的搬运、装配、检测和精密加工等功能应用。多可移动协作机器人拥有全方位的安全防护、多种交互和通讯方式且能很好的对接客户系统。更可提供定制化解决方案、定制化调度系统、现场指导及其完善的售后服务等，保证客户体验。多可移动协作机器人作为标准化产品，具有非标设备所不具备的一致性、可靠性及其稳定性。2024 年协作机器人产业发展蓝皮书（第八版）73/123 第二节第二节 华盛控华盛控协作码垛机器人领导者协作码垛机器人领导者 一、企业简介一、企业简介 成立时间：成立时间：2012011 1 年，总部：年，总部：深圳深圳 华盛控科技自 2011 年成立以来，始终专注于机器人领域研究开发，成功研制协作码垛机器人工作站、三、四轴并联（DELTA）机器人、SCARA 机器人、六轴关节机器人等多款智能工业机器人及机器人控制系统和软件。华盛控产品广泛应用于医药、食品、日化、3C、汽车、五金家电、厨卫洁具、医疗健康、科研教育、餐饮、新零售、物流等多个行业领域。华盛控协作码垛机器人系列 2023-2024 年累计出货超 3000 台，协作大臂展、大负载机器人市场份额排名第一；同时是协作码垛、协作开箱、装箱细分市场中落地场景最多的企业之一。二、二、企业核心技术企业核心技术 1 1、软件平台、软件平台 （1 1）智能智能 AIAI 显控一体机显控一体机 协作机器人搭载了自主研发的智能 AI 显控系统，具备智能故障管理系统的功能，能够进行实时监测和故障统计。同时，该系统也融合了数字孪生技术，使得工作站能够智能显示同步动作，方便远程维护和远程监控。此外，该系统还增加了 AI 配方风险评估系统，能在设置配方时自动评估碰撞风险，保障生产的安全性。在显控技术方面，有四个主要发展趋势：在显控技术方面，有四个主要发展趋势：首先，显控正在往高端化发展并与边缘计算相结合，通过工业一体机和工控主板，为设备制造商提供即插即用的显示、人机界面和边缘计算能力。其次，显控技术正在向智能家居和家电等消费领域发展，出现了超级 MCU 芯片，将显示、控制和 AI 集成在一起。第三，从低碳市场需求看，一些单功能的智能方案也将受到市场追捧，例如通过雷达传感器来探测人的移动或存在，从而实现设备的节能和提升用户体验。最后，智慧 AI 技术的发展不仅拓宽了显控行业在可视化大市场中的总需求，同时也正在改变“视听显控”产品自身的成长轨迹。2024 年协作机器人产业发展蓝皮书（第八版）74/123（2 2）机器人核心算法机器人核心算法 协作机器人应用最新的自适应力控算法，碰撞功能自学习，反应更灵敏，更智能，安全性更高。数字化是另一大特点。协作码垛机搭载了数据库存储管理系统，升级至数字化统一储存模式，这意味着配方不会丢失，且存储容量更大。工作站还支持拓展外接模式，可以轻松与 ERP、MES、WMS 等系统连接，也可实现实时数据的反馈，对于每个轴进行数据监控，包含了扭矩、电压、负载等关键信息。关于机器人算法，主要关于机器人算法，主要趋势趋势如下如下：1 1）智能化与自适应性的提升智能化与自适应性的提升 增强的自适应能力：自适应力控算法将更加注重对外部环境变化的实时感知和快速响应能力。通过集成更先进的传感器技术和数据分析方法，算法能够更准确地识别外部环境的变化，并自动调整控制策略，以适应不同的工作场景和任务需求。智能决策与优化：结合人工智能和机器学习技术，自适应力控算法将具备更强的智能决策能力。通过对大量历史数据的分析和学习，算法能够不断优化控制参数和策略，提高控制系统的稳定性和精度。2 2）安全与可靠性保障安全与可靠性保障 安全控制：在机器人操作过程中，安全始终是最重要的考虑因素之一。自适应力控算法将更加注重安全控制策略的研究和应用，确保机器人在各种工作环境中都能安全运行。可靠性提升：通过优化算法结构和控制策略，提高控制系统的可靠性和稳定性。同时，加强对算法性能和稳定性的测试和验证，确保算法在实际应用中稳定运行并满足任务需求。2 2、硬件技术、硬件技术 WSCWSC-ASAS 电子感应安全皮肤电子感应安全皮肤：随着人工智能 AI 的发展，未来人与机器将共同工作、生活在一起，机器安全越来越重要。华盛控作为 AI 机器人研发生产企业，基于对使用者核心诉求的调研，如对市场需求、产业法规和安全生产等方面的要求，以及灵活、弹性、更经济安全的解决方案，华盛控最新研发的安全皮肤 AS 正好可以解决以上难题！技术技术趋势趋势如下如下：高精度与多模态感知：未来的电子皮肤将致力于提高感知精度和分辨率，以实现对微小力、温度、湿度等多种环境参数的精确感知。同时，电子皮肤将发展多模态感知能力，如同时感知压力、振动、温度等，以提供更全面的触觉信息。2024 年协作机器人产业发展蓝皮书（第八版）75/123 智能算法与数据处理：先进的算法和数据处理技术将应用于电子皮肤的数据处理和分析中，提高感知信息的准确性和实时性。同时，通过机器学习等人工智能技术，使电子皮肤具备学习和适应能力。三、企业核心产品三、企业核心产品 产品产品 1 1：协作码垛工作站：协作码垛工作站 协作码垛工作站安全稳定可靠，多重安全功能保障。可实现灵活部署、柔性生产，可视化编程简单高效，普通员工即可轻松操控机器人。广泛应用于食品、医药、3C、日化、电商等行业领域。产品产品 2 2：协作开装一体机协作开装一体机 广泛应用于快销食品、肉制品等软袋及盒装产品进行自动识别、整理、分拣、搬运及装箱工作。整机结构设计精密、紧凑，零配件少，容易保养及维修，维护成本费用低。占地空间小，可设在狭小的空间内工作，提高了场地使用效率。2024 年协作机器人产业发展蓝皮书（第八版）76/123 产品产品 3 3：协作装箱机协作装箱机 协作装箱机主要是完成取料放箱的动作。该设备具有占地面积小，工作效率高，兼容性等特点。具有碰撞检测、人机协作、断电姿态保持等安全功能。部署灵活、易用性强。该款装箱机可配套分道器、链板线 推料机构 平台、双伺服 AB 带 推料机构 平台等机构进行使用。末端执行器可根据物料情况进行定制。产品产品 4 4：协作开箱机协作开箱机 设备采用运动控制 显示屏控制，操作便捷，易于配方存储。可同时开多种不同规格纸箱，可实现不停机补充纸箱，省时方便。人性化设计，耐用，结构设计严密，性能稳定，实用性很强。2024 年协作机器人产业发展蓝皮书（第八版）77/123 第三节第三节 遨博智能遨博智能协作机器人国家标准制定者协作机器人国家标准制定者 一、企业简介一、企业简介 成立时间：成立时间：20152015 年，总部：年，总部：北京北京 遨博（北京）智能科技股份有限公司创立于 2015 年，是一家专注于协作机器人研发、生产和销售的国家高新技术企业。作为全球领先的协作机器人提供商，遨博开发了具有全部知识产权的协作机器人产品，实现核心部件全部国产化，打破了国外长期垄断。自成立以来，遨博推出 iS 系列、iH 系列、C 系列、E 系列协作机器人以及海纳系列复合机器人，产品负载范围覆盖 3kg-25kg，丰富的负载和工作半径选择，满足大部分应用场景的同时，为客户提供更多产品选型和更精准的成本控制，实现效益最大化。截止目前，遨博智能理疗机器人行业内销量排名第一，理疗机器人累计出货量已超过7000 台。遨博智能新推出的焊接机器人出货量较去年增长 200%，市场份额在协作机器人焊接行业处于领先地位，遨博智能焊接工作站能满足客户的多元化焊接需求，安装便捷，深受焊接行业客户的喜爱。遨博智能 i 系列协作机器人，性能优越，多年来销量始终遥遥领先，深受不同行业客户的青睐。二、企业核心技术二、企业核心技术 1 1、企业核心技术、企业核心技术 1 1-机器人一体化关节机器人一体化关节 机器人一体化关节作为机器人的核心部件，其各项性能直接决定机器人的静、动态性能。通过建立一体化关节以电机和谐波减速机为热源的散热模型、关节具有时变刚度和时变阻尼力的动力学模型和关节机械结构与电机电磁参数耦合的机电耦合模型，形成了关节多物理模型分析技术，融合关节散热模型、动力学模型和机电耦合模型建立了以动态响应性能提升为导向、以机械谐振频率、电机电气频率和关节重量为优化对象的一体化关节多目标优化设计方法，已成功用于遨博智能系列一体化关节的设计。遨博智能研制和量产了完全基于自主知识产权的无框中空力矩电机、谐波减速器、伺服驱动器、高性能编码器、力传感器等一体化关节核心部件，构建出机器人关节模块库，开发了工业通用、工业柔性、工业高性能、轻型服务和人形机器人五大类共 25 种一体化关节，并实现了大批量应用，构建了国内一体化关节种类和型号最全的产品体系。公司牵头完成了国家智能机器人重点专项项目“协作机器人一体化关节研发及集成验证”；牵头制定了面 2024 年协作机器人产业发展蓝皮书（第八版）78/123 向人机协作的工业机器人设计规范、工业机器人的通用驱动模块接口、机器人多维力/力矩传感器检测规范和机器人一体化关节及试验方法机器人一体化关节相关的国家标准，在机器人一体化关节领域形成了强大的技术实力和深厚的技术积累。（工业通用一体化关节）（工业高性能一体化关节）（轻型服务一体化关节）2024 年协作机器人产业发展蓝皮书（第八版）79/123 2 2、企业核心技术企业核心技术 2 2-遨博智能机器人操作系统遨博智能机器人操作系统 ARCS(Aubo Robot Control System)是新一代的遨博智能机器人操作系统，为机器人、复合机器人、数控机床等提供了统一的设计验证、控制、应用开发、离线编程及仿真平台。主要包括硬件驱动层、控制层、扩展层和应用层，在每个层次都为用户提供了丰富的二次开发接口。机器人操作系统突破的关键技术：机器人操作系统突破的关键技术：（1 1）先进的操作系统开放式框架）先进的操作系统开放式框架 ARCS 从整体架构设计之初，通过对机器人操作系统中的工作进行了模块化划分，让整个链条上的厂商和开发者能够深度参与到系统软件的开发和贡献中来。（2 2）快速适配新的机器人或者类机器人产品型号）快速适配新的机器人或者类机器人产品型号 ARCS 提出了算法抽象层和硬件抽象层的概念，在导入新的机器人型号时，只需要根据标准的流程规范，提供相应的数据和资料（如机械臂型号编码规则、机器人渲染模型等），控制器软件系统就可以直接适配到这款新的机器人产品。（3 3）机器人操作系统功能和应用的可扩展性）机器人操作系统功能和应用的可扩展性 ARCS 开创性的提出了定制包的概念，在标软件包的基础之上，额外附加上定制包，用于控制软件系统对外展示的功能、交互界面，而定制包本体体积很小，维护成本很低，且开发门槛大幅降低。（4 4）在不同平台和底层操作系统下的编译部署支持）在不同平台和底层操作系统下的编译部署支持 ARCS 机器人操作系统基于 C 17 标准完成开发，对第三方库的依赖完全采用源码的形式，对底层系统的接口调用依赖 posix 接口规范，目前 ARCS 已经完成了对 ARM 和 x86 平台的迁移，并投入量产。3 3、企业核心技术企业核心技术 3 3-协作机器人安全碰撞检测关键技术协作机器人安全碰撞检测关键技术 针对协作机器人对安全碰撞检测精度要求高，响应快等的要求，采用基于电流和全动力学模型的碰撞检测以及基于碰撞力估计和变阻抗控制的碰撞安全回退方法，突破了高精度、低延迟、极低误报率碰撞检测和高可靠性碰撞后安全处理关键技术，并开展了批量应用。（1 1）关节摩擦力建模和参数辨识技术）关节摩擦力建模和参数辨识技术 在辨识机器人关节摩擦力时，解耦摩擦力与角速度、温度的关系；考虑转子惯量引起的电流变化，在匀速过程实现摩擦力辨识；以及考虑关节所承受负载对摩擦力的影响，从而提高摩擦力辨识准确度。摩擦力辨识的激励轨迹和摩擦力对温度和速度的拟合结果如下图所示：2024 年协作机器人产业发展蓝皮书（第八版）80/123 图 1：摩擦力辨识激励轨迹 图 2：摩擦力-温度-速度拟合结果（2 2）基于广义动量和有限时间观测的碰撞力估计技术）基于广义动量和有限时间观测的碰撞力估计技术 通过结合 GMO 和 HOFTO，并设计模糊变参数规则，提升机器人对于时变外力的观测速度和观测结果的稳定性。基于 GMO 对广义动量进行观测的思想，将 HOFTO 中观测目标由速度变为广义动量，形成改进的有限时间观测器。同时，将改进的有限时间观测器中的常分数幂指数项替换为模糊模型输出。为了平滑准确地获得输出控制量，使用质心法进行去模糊化，得到模糊模型的数值输出和观测器的幂参 2024 年协作机器人产业发展蓝皮书（第八版）81/123 数变化规则。由此，实现有限时间观测的自适应调节，即为机械臂关节所受外力的估计。（3 3）基于变阻抗控制的碰撞后安全回退技术）基于变阻抗控制的碰撞后安全回退技术 为了提升协作机器人与人或环境发生碰撞后的安全性，减小碰撞造成的伤害，采用一种协作机器人碰撞后安全控制方法：实时记录并存储碰撞发生过程中机器人关节的实际运动轨迹；当机器人控制器检测到碰撞后，机器人切换到柔顺控制模式，控制机器人原轨迹回退至碰撞发生前的某个位姿，并在回退过程中表现柔性。降低二次碰撞的风险，从而提升人机安全。三、企业核心产品三、企业核心产品 产品产品 1 1 遨博智能遨博智能 iS35iS35 协作机器人协作机器人 产品概述产品概述 AUBO-iS35协作机器人可实现35kg超重负载，关节可实现360旋转，最大工作半径可达2100mm，重复定位精度可达0.05mm，可覆盖各种大负载应用场景。其具有以下特性优点：其具有以下特性优点：（1）模块化，易于更换。采用一体化模块化设计，共有8种规格的标准模块，可实现快速更换，维修保养更便捷。（2）性能提升，高精高速。相比于iH系列，重复定位精度、绝对精度、轨迹精度都有全面提升，机械臂运行速度更快。（3）全新设计，防护更强。负载自重比最高可达1:3.2，核心零部件优化，搭载新控制算法；全封闭式结构，防护等级最高可达IP68。（4）轻巧灵活，应用广泛。全新示教器重量仅有1kg，全新控制柜占地面积减少50%；全系标配多功能工具端，应用范围更广。产品图片产品图片 2024 年协作机器人产业发展蓝皮书（第八版）82/123 产品产品 2 2 码垛工作站码垛工作站 产品概述产品概述 遨博智能在上下料领域积累了近 10 年的丰富应用经验，基于市场发展与客户需求，我们推出码垛工作站为客户提供完整的码垛解决方案。搭配全新的码垛工艺包，打造简单易用的码垛使用方式，不仅操作方便，而且融入了智能化的功能设计，能够自动适应客户需求，可广泛应用于各行业码垛场景。产品优势：产品优势：（1）化繁为简，操作简单。码垛工作站具备一键启动功能，可一键生成垛型，操作简单，零基础员工即刻上手。（2）方案可控，部署灵活。遨博智能自主研发的码垛工作站是高集成产品，可根据不同行业特性进行专业定制，整体方案可控；2 小时可完成部署，节省运营成本，性价比高。（3）码垛工艺包，极致易用。每个遨博智能码垛工作站都标配码垛工艺包，软硬件协同，包容性强，工艺包适用于遨博智能各型号协作机器人，满足客户多种需求。（4）全方位监控，安全可靠。具备安全视觉监控及安全 IO 接口，具有碰撞停止功能，全方位监测，更安全可靠。（5）柔性生产，经济高效。更换产品更换产线，切换自如；最高可满足 2.5m 垛高需求，场景覆盖面广；码垛节拍快，可达 9 箱/min，可替代 3-4 人工作量，回本较快。产品图片产品图片 产品产品 3 3 焊接工作站焊接工作站 2024 年协作机器人产业发展蓝皮书（第八版）83/123 产品概述产品概述 遨博智能焊接工作站可完成各行业的焊接工作，毫秒级系统响应速度，可确保定位精度，适用于小批量、多品种焊接场景的快速切换，可满足钢构行业、船舶焊接、重型机械焊接、桥梁焊接、煤机行业、航空航天等场景的应用需求。产品优势：产品优势：（1）布局简单，移动灵活。区别于传统焊接机器人，遨博智能焊接机器人体积小，移动方便，可与磁力底座、龙门架、桁架等搭配组合，10-15 分钟即可完成部署。（2）焊接软件，简单易用。将焊接工艺和实践经验相结合，参数简单化，设置数字化，普通工人通过参数设置界面也能完成不同轨迹、不同材质、不同工艺要求的焊接工作，可满足绝大多数的焊接场景。（3）自带 6D 鼠标，拖动高效柔顺。搭配自研 6D 鼠标，专利设计，操作简单，控制程度高，大大提高了协作机器人拖动示教精度；可选配一体化视觉功能，集成化设计，实现免拖拽视觉引导示教。（4）产品可靠，安全稳定。支持 10 级碰撞检测和传感器安全检测，末端掉电不下坠，产品安全稳定。产品图片产品图片 产品名称产品名称 螺丝锁付机器人螺丝锁付机器人 产品概述产品概述 螺丝锁付机器人是由遨博智能开发设计的一款创新产品，通过将协作机器人与传统锁付工具完美结合，达到硬件与软件的高度融合，从而能够更好的匹配锁付应用场景。产品优势：产品优势：（1）部署灵活。锁付机器人安装到机台上即可以进行螺丝锁付应用，无需再配置电动螺丝刀。2024 年协作机器人产业发展蓝皮书（第八版）84/123（2）编程简易。专门针对螺丝锁付机器人开发的用户界面及工程文件模板，可实现快速完成设置。（3）高投资回报率。自带锁紧模块，用户无需单独购买电动螺丝刀及控制器。产品图片产品图片 2024 年协作机器人产业发展蓝皮书（第八版）85/123 第第四四节节 坤维科技坤维科技国产力传感器明星厂商国产力传感器明星厂商 一、企业简介一、企业简介 成立时间：成立时间：20182018 年，总部：年，总部：北京北京 常州坤维传感科技有限公司成立于 2018 年，是一家致力于提供高精度力觉传感器（六维力传感器）及力控解决方案的高新技术企业。公司主营智能力觉传感器的研发、制造、销售、及技术推广，开发面向机器人及其他智能装备行业的力觉传感器产品，为机器人及其它智能装备、工业过程监控、产品质量检测、科研测试测量等领域提供力觉测量解决方案及相关产品。坤维创始团队全部来自于国家航天科研机构，具备 20 余年研发、生产高精准度六维力传感器的经验，掌握力觉测量核心技术，具备相关产品的自主知识产权。二、企业核心技术二、企业核心技术 1 1、结构解耦、结构解耦 把空间中任意方向的力和力矩通过传感器弹性体结构实现正交解耦，即某个结构测量单元只对它要测的分量敏感，对其它方向的载荷不敏感。结构解耦只能解决一部分的信号耦合问题，剩余耦合需要特殊算法来解耦。坤维基于多学科优化平台的结构优化技术，可以把解耦结构优化到极致。结构解耦需要考虑弹性体加工成本。解耦效果和结构的复杂性成正相关关系，但结构越复杂，加工成本越高。2 2、算法解耦、算法解耦 算法解耦可以解决结构解耦无法应对的耦合问题，它直接决定了传感器的串扰性能（Crosstalk）。串扰是指，其它方向载荷在目标测量方向上产生的干扰误差。串扰是决定绝对准度（Absolute Accuracy，即测量值偏离被测真值程度的衡量指标）的最重要影响因素。坤维采用基于现代试验设计理论、响应面理论和机器学习原理构建了解耦算法，其在军用领域经过了充分的验证，解耦效果十分理想，准度（含串扰）可以达到 0.3%FS以内的水平（国军标要求）。如果将六维力传感器产品依然采用线性拟合叠加的方式进行解耦（把六个维度分别当作六个一维力传感器处理，不考虑六个维度间的非线性干扰），解耦效果不好，串扰指标一般在 2%FS5.0%FS。2024 年协作机器人产业发展蓝皮书（第八版）86/123 3 3、六维联合加载标校及检测、六维联合加载标校及检测 六维力传感器解构算法的数学模型及模型参数通过六维联合加载标定的方式获得。六维联合加载标校是指可以按任意大小比例同时对传感器施加正交三方向力和三方向力矩，也可以任意选择若干个方向按任意比例施加载荷。六维联合加载设备的外形可参考下图，下图分别为 NASA、日本宇航中心、德国宇航中心的六维联合加载标校设备。加载过程中，通过激光位移传感器监测因传感器受力变形导致的加载坐标系实时误差，修正载荷真值，从而提高标校准度。国内尚无厂商具备成熟的六维联合加载技术和相应的自动化标校设备。坤维的核心技术团队在航天军工领域有 15 年相关技术积累，目前在常州已自研自建了 5 套全自动的六维联合加载标定检验设备，可以保证每月 1500 台的产能。采用六维联合加载标定及检测的方式，确保了六维力传感器在受到任何方向、任何作用点的载荷时都能对其精确测量，不用在客户现场标定，提高了安装调试效率和可维护性。（NASA 的六维联合加载标定设备）2024 年协作机器人产业发展蓝皮书（第八版）87/123 （日本宇航中心的六维联合加载标定设备）（德国宇航中心的六维联合加载标定设备）4 4、MEMSMEMS 应变计技术应变计技术 坤维基于 6 寸晶圆采用 MEMS 技术设计并生产半导体应变计。半导体应变计的灵敏度是普通金属箔式应变计的 20 倍以上，有助于提高传感器的综合性能。坤维采用无机物粉末烧结技术封装半导体应变计，避免了有机粘接剂的长期稳定性不佳问题，提高了传感器的使用寿命。基于 MEMS 应变技术，生产过程的 80%实现了自动化，有效降低了制造成本，提高了生产效率。2024 年协作机器人产业发展蓝皮书（第八版）88/123 三、企业核心产品三、企业核心产品 产品名称产品名称 产品图片产品图片 产品介绍产品介绍 产品特点产品特点 KWR46KWR46 KWR36系列六轴力传感器是一款微型高精度力觉传感器，可实时测量正交三方向的力和力矩。传感器基于应变电测原理设计，采用六轴联合标定技术提升精准度。产品可适配坤维多款信号采集模块，常被应用于医疗手术、科学研究、工业自动化等领域。六轴联合标定，充分抑制串扰 微型高精度六轴力觉传感器 采用航空合金，高过载，兼具高刚性和高灵敏度 KWR63KWR63 采用航空合金，高过载，兼具高刚性和高灵敏度 KWR46 系列六轴力传感器是一款小型高精度力觉传感器，可实时测量正交三方向的力和力矩。传感器基于应变电测原理设计，采用六轴联合标定技术提升精准度。可与坤维多款信号采集模块均可无缝衔接，实现 RS422、RS485、CAN、USB 和工业以太网等通信方式，广泛应用于医疗测试、小型工业机器人、自动化测量、航空航天测试等领域。六轴联合标定，充分抑制串扰 小型高精度六轴力觉传感器 KWR75KWR75 采用航空合金，高过载，兼具高刚性和高灵敏度 KWR63 系列六轴力传感器是一款小型化高精度力觉传感器，可实时测量正交三方向的力和力矩。传感器基于应变电测原理设计，采用六轴联合标定技术提升精准度。可通过连接不同信号采集模块来实现 RS422、RS485、CAN、USB 和工业以太网等通信方式，与多数协作机器人末端外径尺寸接近，现已应用于科学研究、自动化检测、航空航天测试等领域。六轴联合标定，充分抑制串扰 小型化高精度六轴力觉传感器 2024 年协作机器人产业发展蓝皮书（第八版）89/123 KWR61N66KWR61N66 KWR61N66系列是一款外型扁平，结构紧凑的高精度扭矩传感器。采用航空级不锈钢材料，具有高过载、高刚性和高灵敏度等特点，且具有一定程度的耐腐蚀性。该传感器基于应变电测原理，并内置信号采集模块，实现力矩载荷的实时测量和转换。结构采用拓扑优化设计，提高传感器在非额定载荷方向的强度和刚度，提高了传感器在不同场景和领域的适用性，广泛应用于科学研究、工业机器人、协作机器人和航空航天测试等领域。使用寿命 1500 万次 结构紧凑 RS485 通信数字信号输出 稳定可靠 KWR85N207KWR85N207 KWR85N207 系列是一款外型扁平，结构紧凑的高精度扭矩传感器。采用航空级不锈钢材料，具有高过载、高刚性和高灵敏度等特点，且具有一定程度的耐腐蚀性。该传感器基于应变电测原理，并内置信号采集模块，实现力矩载荷的实时测量和转换，广泛应用于科学研究、工业机器人、协作机器人和航空航天测试等领域。2024 年协作机器人产业发展蓝皮书（第八版）90/123 第第五五节节 鑫精诚传感器鑫精诚传感器国产力传感器黑马国产力传感器黑马 一、企业简介一、企业简介 成立时间：成立时间：20092009 年，总部：深圳年，总部：深圳 “鑫精诚传感器”以自主研发、生产、销售、服务为一体的技术企业。拥有从事智能传感器与控制仪表行业多年的专业研发设计经验团队 30 余人，每年技术研发投入超过 1000 万元。严格管理执行 ISO9001、14001 等国际体系认证；产品已取得 CE/ROSH/UL 等国际认证。公司作为国内最早一批进入六维力传感器研发和应用的非研究型企业，经过 10 多年的产品研发及技术应用积累，产品的各项精度指标均处于行业领先水平。依托于强大的研发和交付实力，可以快速的为客户定制各种应用场景的六维力传感器。另外独特开发的纯结构解耦的结构，可以大大的节省标定和制造时间和成本。近年来传感器在销量上增长速度飞快，仅仅在 3C 智能装配行业，六维力传感器的年销售量已经超过 2000 只。二、企业核心技术二、企业核心技术-传感器结构解耦技术传感器结构解耦技术 结构解耦的六维力传感器有 6 个通道输出，分别为三个力（Fx,Fy,Fz）和三个力矩（Mx,My,Mz），各个通道之间相互独立，在其中一个通道工作时，只有该通道有信号输出，其他通道不会有信号输出。结构解耦优点（和纯软件解耦相比）：结构解耦优点（和纯软件解耦相比）：长期耦合误差小，信号长期稳定。对不同安装面的尺寸公差和位置公差的耦合数据一致性好。反复安装对耦合误差影响小。对各种机械臂的安装适应性好。耦合误差不受传感器零点漂移量的影响。耦合误差不受标定值变化的影响。若六维力传感器一个通道损坏，其余 5 个通道可以正常使用。六维力传感器安装替换简单，替换后无需重新进行解耦标定。非标定制各种结构和尺寸，定制简单方便。有专业研发团队，实现快速交付。鑫精诚六维力传感器独特的存结构解耦技术，可以极大节省标定和制造时间和成本，满足高校、实验室、工厂等客户定制的各种场景并快速交付。三、企业核心产品三、企业核心产品 鑫精诚六维力传感器产品直径跨度从 9.5mm 到 300mm，力量程跨度从 5N 到 50KN，力矩量程跨度从 0.1N.m 到 1000N.m，可覆盖大部分应用领域；该产品结构包括中空式、法兰式、2024 年协作机器人产业发展蓝皮书（第八版）91/123 IP68 深水、微型式、自带紧固螺钉式等，几乎覆盖了常规六维力传感器的所有结构。2024 年协作机器人产业发展蓝皮书（第八版）92/123 第第六六节节 步科股份步科股份国产领先无框电机厂商国产领先无框电机厂商 一、企业简介一、企业简介 成立时间：成立时间：19961996 年，总部：年，总部：上海上海 步科成立于 1996 年，2020 年成功在上交所登陆科创板上市（简称：步科股份，股票代码 688160），是一家高度重视自主研发和创新的高新技术企业、专精特新企业，主要从事工业自动化及机器人核心部件与数字化工厂软硬件的研发、生产、销售以及相关技术服务，是中国自动化控制、机器人动力、数字化工厂解决方案领军供应商。步科直流低压伺服累计出货超 120 万台，服务 AGV/AMR 超 40 万台，位居移动机器人行业 TOP1。无框电机累计出货超 5 万台，服务头部协作机器人超万台，行业位居国产 TOP2。二、企业核心技术二、企业核心技术 1 1、核心技术一：国际领先的直流伺服技术、核心技术一：国际领先的直流伺服技术 国内较早投入低压伺服研究，五次迭代保持领先，拥有丰富产品线，功率范围 50W-5KW，紧密结合行业需求，极致尺寸，结构紧凑，集成多种安全保护功能。2024 年协作机器人产业发展蓝皮书（第八版）93/123 2 2、核心技术二：国产领先的无框电机技术、核心技术二：国产领先的无框电机技术 国产较早投入无框电机研发与制造，最早量产供货国产厂商之一，至今三次迭代，保持行业领先水平，业内一流的电磁方案对标进口品牌，行业领先铜损下降与温升控制，速度、转矩波动控制在较低水平，完美呈现协作机器人卓越能力。3 3、核心技术三：丰富的伺服电机研发与制造技术、核心技术三：丰富的伺服电机研发与制造技术 国产自主研发设计，采用高性能材料，转矩密度高、过载能力强、温升低、噪音低，对伺服电机、中空电机、丝杆电机、模组电机与各类编码器适配等有着非常丰富经验。较早拥有产百万台电机制造基地，数字化工厂保质护航行业定制能力强，符合国际品质与设计标准，是众多国际品牌伺服电机 ODM 的主要选择。2024 年协作机器人产业发展蓝皮书（第八版）94/123 4 4、核心技术四：创新的移动机器人行业集成化动力解决方案、核心技术四：创新的移动机器人行业集成化动力解决方案 创新定义了各类集成式伺服系统产品，包括不限于电机，驱动器，减速机，机械轮等组合集成，始终“以减少现场安装和用户维护工作量”的价值主张，在移动机器人和物流领域深受用户喜爱，集成式产品出货业内遥遥领先。2024 年协作机器人产业发展蓝皮书（第八版）95/123 三、企业核心产品三、企业核心产品 产品产品 1 1：伺服轮：伺服轮 全集成化设计，轮子、减速机、伺服电机、驱动器(含编码器)四大模块融为一体；优化安装结构，车内空间节省 35%，安装更加快捷，缩短整车安装工时 50%；驱动器双电源设计，满足各类海外与安全认证，系统更加可靠；优化减速机设计，噪音小，温升低；产品系列覆盖 300kg、600kg、1000kg、1500kg 等各类移动机器人负载。产品产品 2 2：无框电机：无框电机 自主研发设计，业内一流的电磁方案对标进口品牌；行业领先铜损下降与温升控制，多槽极，低齿槽力矩，速度、转矩波动控制在较低水平；定子直径 52-132mm 十多种规格，满足各类协作机器人应用；热敏电阻过载保护。2024 年协作机器人产业发展蓝皮书（第八版）96/123 产品产品 3 3：iSMKiSMK 集成式伺服系统集成式伺服系统 集成驱动器、电机、编码器等为一体，极致空间；全身 IP67 防护等级，可定制-40 冷库环境使用；功率范围 100W、200W、400W、750W，三倍过载，满足移动机器人和医疗等各类工业现场；支持 CAN，RS485，Ethercat 等各类总线丰富控制。产品产品 4 4：iSMDiSMD 集成式动力模组集成式动力模组 集驱动器、电机、减速机为一体，整体尺寸缩短 3-4cm，极致尺寸；驱动器双电源设计，断动力电实际位置不丢失，避免重新找原点；驱动器电机内置走线，减速机零件化与电机紧密配合，连接接稳定，传动误差小；集成化产品单一供应商，有利于后期产品维护，降低供应链、售后成本。2024 年协作机器人产业发展蓝皮书（第八版）97/123 第第九九章章 协作机器人协作机器人应用案例应用案例 第一节第一节 汽车行业汽车行业 案例一案例一 案例名称案例名称 汽车车身侧围涂胶应用汽车车身侧围涂胶应用 客户所属行业客户所属行业 汽车行业 企业需求点企业需求点 涂胶是生产制造过程中经常使用的一种工艺应用，几乎在所有具有密封特性的产品中都会使用到，尤其在汽车制造方面的应用越来越广泛，为汽车向轻量化、高速节能、延长寿命和提高性能方面发挥着重要作用。目前人工涂胶的痛点：目前人工涂胶的痛点：1、涂胶精度低：人工涂胶受主观因素影响大，速度不均匀，涂胶质量参差不齐；2、生产节拍长：上件完成后需人工手持胶枪涂件，费时费力；3、人工成本较高：人工涂胶需两名操作工相互配合，以达到节拍要求；企业出于降本增效、提升产品质量的目的，提出自动化改造需求，要求实现机器人自动涂胶，代替人工进行作业。面临挑战面临挑战 1、工位空间狭小，要求机器人体型小巧，灵活；2、涂胶工序直接关系到车身的密封防漏、耐蚀防锈、隔热降噪、外表美观性，因此对涂胶工艺有着严格的要求，要求涂胶均匀、连续、不堆胶、不断胶等。项目应用核心技术点项目应用核心技术点 机器人本体小巧、动作灵活、轨迹流畅、喷涂均匀、末端工装兼容多种功能，拖拽示教方便，编程简单易用。应用工艺环节应用工艺环节 车身上料-机器人自动涂胶-下料 解决方案解决方案 1、该涂胶单工作站由2台协作机器人，2套涂胶系统，定位装置，机器人底座、电气控制系统级周边辅助安全设备和附件组成；2、侧围涂胶因产品尺寸大，产品结构复杂，加上涂胶需要2种胶水，其中1台机器人需要抓取2把涂胶阀，这对整个系统的设计、布局、机器人性能、调试都提出较高的要求，相比平面或简单的曲面涂胶，难度提高了很多。后面经过与客户多次检讨修改变更方案和仿真模拟，最终确定实施方案。指标要求指标要求1 1 替代人工进行作业 指标要求指标要求2 2 满足质量要求和生产节拍要求 2024 年协作机器人产业发展蓝皮书（第八版）98/123 机器人用量机器人用量 16台 项目成效及效益体现项目成效及效益体现 1、单工位节省工人2名，所有工位共节省16名人工，机器人可白晚班连续生产，实际提升产能两倍；2、规避人工作业造成溢胶、缺胶等涂胶不均问题；3、节省材料，保证良品率，成为客户迈向高品质生产的重要工具。案例二案例二 案例名称案例名称 发动机油底壳拧紧应用发动机油底壳拧紧应用 客户所属行业客户所属行业 汽车行业 企业需求点企业需求点 目前汽车发动机组装生产线上的拧紧工位大部分还是由人工进行作业，随着中国步入人口老龄化阶段，劳动力红利逐渐消失，大多数企业都面临着招工困难、用工成本高等难题，越来越多的年轻人不愿意做这种简单、重复性的工作，希望做更有价值的工作。企业出于降本增效、提升产品质量的目的，提出自动化改造需求，要求实现机器人自动拧紧作业，解放人力，使其从事更有价值的岗位。面临挑战面临挑战 1、改造空间小：由于产线规划紧凑，产线两侧空间较小；2、安全性高：由于产线空间限制，需要机器人和工人在同一区域工作，这就需要 2024 年协作机器人产业发展蓝皮书（第八版）99/123 机器人有较高的安全性和碰撞检测功能。项目应用核心技术点项目应用核心技术点 机器人本体小巧、动作灵活、碰撞检测功能，末端工装兼容多种功能，拖拽示教方便，编程简单易用。应用工艺环节应用工艺环节 工件自动输送物料-机器人自动拧紧-工件自动流到下一工位 解决方案解决方案 单工位采用2台多可协作机器人，机器人负载10kg，臂展1300mm的工作半径，可以完美的覆盖拧紧作业的工作区域，机械臂同时具备较高的抗扭矩能力，由于节拍较快，采用两台机器人在两侧同时对油底壳进行拧紧作业，保证工作节拍满足。指标要求指标要求1 1 替代人工进行作业 指标要求指标要求2 2 满足扭矩要求和生产节拍要求 机器人用量机器人用量 20台 项目成效及效益体现项目成效及效益体现 1、节省人工成本：人工成本是企业自动化提升的主要考虑因素，单工位可节省4名工人（两班制）；2、节拍提升：采用2台机器人进行拧紧作业，相比之前人工，节拍有所提升，为整线节拍提升提供了保证；3、安全性：可以看出线上机器人拧紧是没有围栏防护的，完全和人在一个区域作业，多可协作机器人自身带有碰撞检测功能，可保证人的安全。2024 年协作机器人产业发展蓝皮书（第八版）100/123 案例案例三三 案例名称案例名称 汽车总装汽车总装ADASADAS检测检测 客户所属行业客户所属行业 汽车行业 企业需求点企业需求点 通过协作机器人末端搭载视觉设备，提升汽车总装后段检测工艺中的精度，通过此方式，增加检测种类，包括车门、车灯、前盖、车轮毂等部位的检测。面临挑战面临挑战 协作机器人需要搭配移动轴，检测工作和汽车产线中原先的固有工作需同步进行。项目应用核心技术点项目应用核心技术点 视觉检测技术 解决方案解决方案 在汽车总装后段产线上，引入2台遨博智能i10协作机器人，末端搭载视觉设备，对汽车的车门、车灯、前盖、车轮毂等部位进行详细检测，提升检测精度，确保汽车在出厂前各个部位都得到全方位的检测。由协作机器人代替人工完成检测工作，一方面提升了检测的全面性及精确度，另一方面也解放了人力，提升工作效率的同时，降低企业的运营成本，帮助汽车产线完成智能化、柔性化的升级改造。机器人用量机器人用量 2台遨博智能i10协作机器人 项目成效及效益体现项目成效及效益体现 1、协作机器人代替人工完成检测工作，提升了检测的全面性及精确度；2、解放了人力，提升工作效率的同时，降低企业的运营成本；3、帮助汽车产线完成智能化、柔性化的升级改造。2024 年协作机器人产业发展蓝皮书（第八版）101/123 第第二二节节 半导体半导体行业行业 案例案例一一 案例名称案例名称 WBWB工艺自动上下料工艺自动上下料 客户所属行业客户所属行业 半导体行业 企业需求点企业需求点 1、WB工艺即引线键合（Wire Bonding），是一种将金属引线连接到焊盘上的方法，用于将内外部芯片连接起来的技术。引线键合通过金属引线在芯片的焊盘（一次键合）和载体焊盘（二次键合）之间充当桥梁的作用，确保电信号的传输；2、原本WB工艺都是人工上下MGZ料盒，随着人工成本的增加，企业开始考虑使用移动协作机器人进行料盒的搬运，通过系统自动下发任务的方式实现自动化搬运，很好的帮助企业解决了降本增效的问题。面临挑战面临挑战 客户料盒尺寸比较大，车身需满足6储位；振动值要求比较高；外观材质对含氯指标要求高。项目应用核心技术点项目应用核心技术点 机器人应用于洁净车间、本体小巧、动作灵活、轨迹流畅、减震效果好、末端工装适用狭小料口空间。应用工艺环节应用工艺环节 WB工艺自动上下料，也适用DB工艺自动上下料 解决方案解决方案 1、由多可X2-B底盘 GCR10-1300协作臂组合，搭配定制末端夹爪、视觉系统、RFID读头及测距传感器，确保料口空间比较小的情况下稳定抓取；物料信息追溯及取料前检测是否有物料，避免人为放置物料导致的撞料；2、车体进行L型布局设计，确保客户要求的储位数量，提升搬运效率；3、轮系、台板及储位均进行减震设计，确保转运过程中客户物料的安全；4、系统配置RCS软件与调度软件，与客户MES软件进行交互对接，确保自动下发任务、自动解析任务及自动调度小车到目标机台取放料盒；5、对于外观裸露件材质严格把关检测，确保含氯指标满足客户要求；6、关键部件及材质上做好洁净等级把关及ESD防静电指标测试，确保整车满足客户洁净车间及ESD要求。指标要求指标要求1 1 替代人工进行作业 指标要求指标要求2 2 满足生产节拍要求 机器人用量机器人用量 24台 2024 年协作机器人产业发展蓝皮书（第八版）102/123 项目成效及效益体现项目成效及效益体现 1、节省原有工人近百人（每台移动协作机器人节约客户4人），协作臂可以24小时生产，可节省2个班次的工人工时；2、对比原有人工作业手动取放料盒，现在自动取放，可实现黑灯工厂，节省灯光照明的电力使用成本；3、从安全生产的角度考虑，原来工人作业需佩戴口罩、着防护服、车间噪声大，现在移动协作机器人在车间直接就可作业，在防护用品的使用上节省生产成本，同时在工人的健康保护上也有很大收益，员工的健康是企业的最大收益。2024 年协作机器人产业发展蓝皮书（第八版）103/123 案例案例二二 案例名称案例名称 复合机器人半导体搬运复合机器人半导体搬运 客户所属行业客户所属行业 半导体行业 企业需求点企业需求点 该案例应用为某半导体行业用户封测车间物流自动化改造项目，目前业内以人工为主；人工上下料存在震动大、容易造成颗粒污染、作业不连续、上料错误、一致性不高等问题；车间洁净等级高、布局复杂、空间狭小、设备种类繁多、生产过程离散、工艺流程复杂；行业订单需求柔性，无法形成简单有效的流水线式生产模式。面临挑战面临挑战 满足柔性生产需求，形成简单有效的流水线式生产模式。项目应用核心技术点项目应用核心技术点 导航技术、定位抓取技术 解决方案解决方案 通过智能一体化机器人和智能调度物流管控系统，助力工厂实现智能化无人生产车间。智能移动一体化机器人基于激光自然导航的混合定位与自然导航技术，无需环境改造，无尘环境作业达标的同时实现室内5mm的重复定位精度。搭载360扫描的双安全激光雷达，智能识别障碍主动规避，保证安全高速平稳运行；通过AI算法、3D视觉定位、力传感器与协作机器人，精准定位弹夹、托盘等目标位置并准确抓取。机器人用量机器人用量 2台复合机器人 项目成效及效益体现项目成效及效益体现 实现不同固晶在各工艺流程之间的流转，可24小时连续作业，解放劳动力，解决信息流转换问题，实现车间生产可视化，满足对生产过程的运营管控。2024 年协作机器人产业发展蓝皮书（第八版）104/123 第第三三节节 食品食品行业行业 案例案例一一 案例名称案例名称 低温车间冰淇淋自动码垛项目低温车间冰淇淋自动码垛项目 客户所属行业客户所属行业 冷冻食品行业 企业需求点企业需求点 项目整体占地面积小；设备安全系数高；设备能够克服低温带来的影响；设备使用操作简单，普通员工可独立操作；设备日常维护方便；能够满足生产效率。面临挑战面临挑战 设备需克服在零下 25 度的低温环境正常工作；兼容多款产品的码垛要求；一台机器满足较快的码垛速度。项目应用核心技术点项目应用核心技术点 耐低温伺服电机及减速机；恒温控制电箱；耐低温电气元件。解决方案解决方案 根据现场人工码垛的剩余空间，规划三台协作码垛机器人的详细摆放位置，现场通过配套动力输送线来对接前面各线来料的纸箱，线体末端采用推料机构加理料平台实现纸箱的理料，完成码垛的抓取定位。协作码垛机器人根据客户设置的产品参数，启动后抓取产品进行有序的动作码放；码完后发出警示提醒人工更换满垛的垛板，并自动切换的另一侧继续码垛。指标要求指标要求 满足单台码垛速度最快 19 箱/分钟 机器人用量机器人用量 3 台 项目成效及效益体现项目成效及效益体现 协作码垛机器人在现场用较小的占地面积实现了自动码垛，同时减少了人工，提高了生产效率。2024 年协作机器人产业发展蓝皮书（第八版）105/123 2024 年协作机器人产业发展蓝皮书（第八版）106/123 第第四四节节 新零售新零售行业行业 案例案例一一 案例名称案例名称 冰淇淋机器人冰淇淋机器人 客户所属行业客户所属行业 新零售 企业需求点企业需求点 实现无人化运营，由机器人完成冰淇淋的点单及制作过程。面临挑战面临挑战 可自助点单，同时保证冰淇淋的食品安全。项目应用核心技术点项目应用核心技术点 无人化运营 解决方案解决方案 冰淇淋机器人采用全新遨博智能商用S系列协作机器人，结合自研LUBAN操作系统，高精度仿生模拟大师级冰淇淋制作，冰淇淋口感香甜细腻，备受市场欢迎。机器人用量机器人用量 1台遨博智能S系列协作机器人 项目成效及效益体现项目成效及效益体现 1、便捷运维，降低成本。7*24小时连续运营，降低人工成本；远程可视化实时监控，随时进行动态调整。2、安全防护，放心食用。三重食品安全防护，保证无人环境下的食品安全。3、个性化场景定制。支持广告宣传屏幕，增加AIGC属性支持定制化数字人，定制化线下引流。2024 年协作机器人产业发展蓝皮书（第八版）107/123 第十章第十章 力传感器应用案例力传感器应用案例 应用案例应用案例 案例一案例一 移动焊接移动焊接 案例介绍案例介绍 企业需求点：企业需求点：实现焊接过程中的路径拖动示教并检测，实时反馈焊接过程中的接触力，从而实现焊接路径角度等实时调整。面临挑战：面临挑战：传感器的测量精准度、灵敏度及实时性。项目应用核心技术点：项目应用核心技术点：多学科优化设计、非线性力学模型、六维联合加载标定检测、嵌入式智能电路。应用工艺环节：应用工艺环节：焊接拖动示教，焊接路径自适应。指标要求：指标要求：准度优于 0.3%FS，采样频率 1000Hz。产品用量：产品用量：每台机器人用 1 台六维力传感器。案例二案例二 汽车变速箱智能装配汽车变速箱智能装配 案例介绍案例介绍 企业需求点：企业需求点：检测装配过程中的接触力，并提供用于装配力控制的反馈信号。面临挑战：面临挑战：传感器的测量精准度、灵敏度及实时性。项目应用核心技术点：项目应用核心技术点：多学科优化设计、非线性力学模型、六维联合加载标定检测、嵌入式智能电路。应用工艺环节：应用工艺环节：变速箱装配环节。指标要求：指标要求：准度优于 0.3%FS、采样频率 1000Hz。产品用量：产品用量：每台机器人用 1 台六维力传感器。2024 年协作机器人产业发展蓝皮书（第八版）108/123 案例三案例三 发动机气门盖柔性装配发动机气门盖柔性装配 案例介绍案例介绍 企业需求点：企业需求点：检测装配过程中的接触力，并提供用于装配力控制的反馈信号。面临挑战：面临挑战：传感器的测量精准度、灵敏度及实时性。项目应用核心技术点：项目应用核心技术点：多学科优化设计、非线性力学模型、六维联合加载标定检测、嵌入式智能电路。应用工艺环节：应用工艺环节：发动机柔性装配。指标要求：指标要求：准度优于 0.3%FS、采样频率 1000Hz。产品用量：产品用量：每台机器人用 1 台六维力传感器。案例四案例四 新能源自动充电新能源自动充电 案例介绍案例介绍 企业需求点：企业需求点：检测充电过程中的接触力，并提供用于装配力控制的反馈信号。面临挑战：面临挑战：传感器的测量精准度、灵敏度及实时性。2024 年协作机器人产业发展蓝皮书（第八版）109/123 项目应用核心技术点：项目应用核心技术点：多学科优化设计、非线性力学模型、六维联合加载标定检测、嵌入式智能电路。应用工艺环节：应用工艺环节：新能源充电枪插拔环节。指标要求：指标要求：准度优于 0.3%FS、采样频率 1000Hz。产品用量：产品用量：每台机器人用 1 台六维力传感器。案例五案例五 医疗行业医疗行业骨科手术机器人骨科手术机器人 案例介绍案例介绍 企业需求点：骨科手术过程中实现末端力实时反馈，同时需严格按照医疗器械认证要求进行产品结构及外观定制。面临挑战：传感器的测量精准度、灵敏度及实时性。项目应用核心技术点：多学科优化设计、非线性力学模型、六维联合加载标定检测、嵌入式智能电路。应用工艺环节：骨科手术环节。指标要求：准度优于 0.3%FS、采样频率 1000Hz。产品用量：每台机器人用 1 台六维力传感器。2024 年协作机器人产业发展蓝皮书（第八版）110/123 案例六案例六 康复机器人康复机器人 案例介绍案例介绍 企业需求点：康复过程中实现末端力实时反馈，数据回溯。面临挑战：传感器的测量精准度、灵敏度及实时性。项目应用核心技术点：多学科优化设计、非线性力学模型、六维联合加载标定检测、嵌入式智能电路。应用工艺环节：康复训练过程中拖动示教及康复训练环节。指标要求：准度优于 0.3%FS、采样频率 1000Hz。产品用量：每台机器人用 1 台六维力传感器。技术创新分析技术创新分析 1、采用多学科优化平台对力敏结构进行极致优化，确保使灵敏度、过载能力和响应速度满足应用要求；2、采用军品级弹性体材料，确保产品结构的长期稳定性和高过载能力；3、在生产中采用军工级品控，优化每个生产工艺环节，确保温漂、零漂、滞后等指标均能满足可靠性要求；4、基于力敏结构特性采用非线性模型处理串扰问题，准度优于 0.5%FS；2024 年协作机器人产业发展蓝皮书（第八版）111/123 5、采用自研的六维联合加载标定检测技术，大幅提高数学模型的解耦效果和鲁棒性，同时加速了标定检测过程，提高了产能，降低了传感器生产成本；6、内置嵌入式智能电路，将原始模拟信号处理成解耦后的数字化力学特征量再输出，从而提高测量实时性和抗干扰能力。经济效益经济效益/社会效益社会效益 1、末端装配六维力传感器的移动焊接工作站移动焊接工作站，摆脱了传统焊接固定笨重模式，焊接路径和角度可灵活调整，确保焊缝美观、质量稳定。机器人操作简单，可拖动示教，无需编程，极大地降低了使用门槛，焊接更高效、更精准。2、采用六维力传感器的力控机器人替代人工进行发动机的组装发动机的组装，提高了安装质量，降低人工费用支出。3、手术机器人手术机器人末端装配坤维六维力传感器以后，力感知可作为力反馈的依据以提升手术的安全性。当手术机器人拥有力反馈功能，医生就可以精确感知机器人末端工具（或末端执行器）和人体的相互作用力，区分健康组织和病变组织，并进行精准力输出控制，从而避免因用力过大造成缝合处的二次损伤。协助骨科医生进行手术规划，手术期间的精准操作，包括常用的钻孔、切割、磨削甚至复位到未来的内植物自动的置换、植入等能够帮助更精准的操作。坤维已有数十位医疗行业的企业客户，在配合客户使传感器通过安规认证方面积累了丰富的经验，可助力客户快速顺利取得医疗器械许可证。4、目前康复理疗行业对人的依赖较大，且从业人员素质良莠不齐，通常一位康复师要服务多个患者，工作强度大，康复理疗慢，装配坤维六维力传感器的康复机器人康复机器人可以通过拖动示教完成康复动作的训练，患者自己就可以主动参与到康复训练中，在减轻行业压力的同时也增强了患者的康复积极性。2024 年协作机器人产业发展蓝皮书（第八版）112/123 案例一案例一 案例名称案例名称 适用于协助机器人推拽焊接的六维力传感器 客户所属行业客户所属行业 船泊五金加工 企业需求点企业需求点 使用协作机器人焊接产品，需要机器人走到需求点位焊接。面临挑战面临挑战 客户需要使用大负载10kg以上的协助机器人 项目应用核心技术点项目应用核心技术点 使用5kg负载机器人和10KG负载机器人拖拽的效果都一样.解决方案解决方案 1、机器人末端增加一个六维力传感器；2、将六维力传感器的数据信号传递给机器人；3、通力反馈力值大于1N，控制机器人拖拽。指标要求指标要求1 1 精度要求满量程0.5%F.S，串扰精度0.3%F.S 指标要求指标要求2 2 通讯速率传输速率1000HZ 机器人用量机器人用量 10台 项目成效及效益体现项目成效及效益体现 让工人更加轻松拖拽机器人作业 2024 年协作机器人产业发展蓝皮书（第八版）113/123 案例二案例二 案例名称案例名称 协助机器人打磨 客户所属行业客户所属行业 3C产品件打磨 企业需求点企业需求点 1、打磨产品客户需要知道打磨力的大小；2、通过力的大小控制机器人的动作姿态。面临挑战面临挑战 1、客户现场工况较复杂，对于传感器的防护等级要求较高；2、对于传感器性能要求较高，需要高灵敏，高刚性。项目应用核心技术点项目应用核心技术点 1、提供六维力传感器，为客户解决监控其他方向的压力数据；2、需要高速反馈信号，通讯方式使用以太网通讯。解决方案解决方案 1、机器人末端增加一个六维力传感器；2、将六维力传感器的数据信号传递给机器人；3、通力反馈力值大于1N，控制机器人打磨力的大小。指标要求指标要求1 1 传感器过载能力是5倍 指标要求指标要求2 2 高响应1000HZ.机器人用量机器人用量 5台 项目成效及效益体现项目成效及效益体现 保证产品打磨的力度，保证产品的良品率上升。2024 年协作机器人产业发展蓝皮书（第八版）114/123 第十一章第十一章 无框电机无框电机应用案例应用案例 案例案例一一 案例名称案例名称 无框电机应用在协作机器人关节模组无框电机应用在协作机器人关节模组 客户所属行业客户所属行业 协作机器人 企业需求点企业需求点 高精度轻量级无框电机 面临挑战面临挑战 客户主打高端协作机器人应用，要求极高的重复定位精度以及低温升。项目应用核心技术点项目应用核心技术点 高磁密度，低齿槽转矩，低温升，低噪音 解决方案解决方案 步科无框力矩电机提供52到140等各类框径，丰富的产品线可匹配市场主流谐波减速机尺寸，全面覆盖3-25Kg协作机器人应用。在设计方面，迭代三代的电磁设计技术，采用多槽级，更高的转矩密度，更低的齿槽转矩波动，可选配温度传感器确保电机安全。在生产工艺方面定子部分采用铁芯分瓣绕组拼圆焊接再灌胶制成，轻量化设计、更薄机身，确保运动速度更快、更平稳，相同转矩下尺寸更小、温升更低。指标要求指标要求1 1 整机重复定位重复定位精度6角秒，绝对精度30角秒 指标要求指标要求2 2 整机高速运行噪音小于60分贝 机器人用量机器人用量 年用量20000台 关节模组，约配置4000台协作机器人。项目成效及效益体现项目成效及效益体现 性能和可靠性完全对标客户原用的进口标杆品牌，成本下降30%。2024 年协作机器人产业发展蓝皮书（第八版）115/123 附录附录 1 1 中国协作机器人市场代表企业中国协作机器人市场代表企业 企业（内资）企业（内资）所属国家所属国家 首款产品发布时间（年）首款产品发布时间（年）自由度自由度 中科新松中科新松 中国 2015 6/7/14 遨博智能遨博智能 中国 2015 6 华盛控华盛控 中国 2021 6 大族机器人大族机器人 中国 2016 6/7 长广溪智造长广溪智造 中国 2018 6 艾利特机器人艾利特机器人 中国 2017 6 天机智能天机智能 中国 2017 6 节卡机器人节卡机器人 中国 2017 6 珞石机器人珞石机器人 中国 2018 6/7 慧灵科技慧灵科技 中国 2016 4/6 达明机器人达明机器人 中国台湾 2015 6 越疆机器人越疆机器人 中国 2016 4/6 海默机器人海默机器人 中国 2017 6 法奥法奥机器人机器人 中国 2019 6 镁伽机器人镁伽机器人 中国 2017 6 敬科机器人敬科机器人 中国 2018 6 格力格力 中国 2017 6/14 智昌集团智昌集团 中国 2017 7/14 理惠诚理惠诚 中国 2017 6/14 JKJK-TechTech 中国 2017 7/14 大象大象机器人机器人 中国 2017 6 睿尔曼智能睿尔曼智能 中国 2018 6/7 尔智机器人尔智机器人 中国 2018 6 非夕科技非夕科技 中国 2019 7 配天机器人配天机器人 中国 2019 6 溱溱者者智能智能 中国 2019 6 2024 年协作机器人产业发展蓝皮书（第八版）116/123 华数机器人华数机器人 中国 2019 6 图灵智能图灵智能 中国 2018 6 埃夫特埃夫特 中国 2019 6 福德机器人福德机器人 中国 2023 6 酷卓科技酷卓科技 中国 2023 6 思灵机器人思灵机器人 中国 2018 6/7 企业（外资）企业（外资）所属国家所属国家 首款产品发布时间（年）首款产品发布时间（年）自由度自由度 ABBABB 瑞士 2015 6/7/14 KUKAKUKA 德国 2013 6/7 FANUCFANUC 日本 2014 6 BoschBosch 德国 2014/YASKAWAYASKAWA 日本 2015 6 Universal Universal RoboticsRobotics 丹麦 2008 6 川崎重工川崎重工 日本 2015 4 NachiNachi FukujoshiFukujoshi 日本 2016 6 KinovaKinova RoboticsRobotics 加拿大 2016 6/7 ComauComau 意大利 2016 4/6 Bionic roboticsBionic robotics 德国 2016 6 Pi4_RoboticsPi4_Robotics 德国 2016 6 ModbotModbot 美国 2016 6 Miso Miso RoboticsRobotics 美国 2016 6 Franka EFranka Emikamika（思灵收购）（思灵收购）德国 2017 7 F&P RoboticF&P Robotic 瑞士 2017 6 GrabitGrabit 美国 2017 4 三菱三菱 日本 2017 6 Gomtec RobertaGomtec Roberta （ABBABB 收购）收购）德国 2015 6 2024 年协作机器人产业发展蓝皮书（第八版）117/123 D Densoenso 日本 2017 6 川田工业川田工业 日本 2014 14 M Mecademicecademic 加拿大/6 Hanwha TechwinHanwha Techwin 韩国 2017 6 Acutronic Acutronic RoboticsRobotics 西班/瑞士 2017 6 Doosan RoboticsDoosan Robotics 韩国 2017 6 ESIESI 加拿大 2018 6 那智不二越那智不二越 日本 2018 6 史陶比尔史陶比尔 瑞士 2016 6 Kassow RobotsKassow Robots 丹麦 2018 7 Life RoboticsLife Robotics （发那科（发那科收购收购）日本 2016 6 2024 年协作机器人产业发展蓝皮书（第八版）118/123 附录附录 2 2 协作机器人协作机器人产业链及产业链及周边配套厂商周边配套厂商 序号序号 企业名称企业名称 类型类型 国家国家 1 来福谐波 减速器、关节模组 中国 2 绿的谐波 减速器、关节模组 中国 3 同川精密 减速器、关节模组 中国 4 杉川谐波 减速器 中国 5 昊志机电 减速器 中国 6 哈默纳科 减速器、关节模组 日本 7 新宝 减速器 日本 8 福德机器人 减速器 中国 9 步科股份 力矩电机 中国 10 杭州三相 力矩电机 中国 11 易尔泰 力矩电机 中国 12 大族电机 力矩电机 中国 13 合泰电机 力矩电机 中国 14 三瑞智能 力矩电机 中国 15 常州运控 力矩电机 中国 16 科尔摩根 力矩电机、关节模组 美国 17 零差云控 编码器、关节模组 中国 18 泰科伺服 关节模组 中国 19 精谷智能 编码器、关节模组 中国 20 尼康 编码器、关节模组 日本 21 海康机器人 视觉、AMR 中国 22 华睿科技 视觉、AMR 中国 23 库柏特 视觉、软件 中国 24 西克（Sick）视觉、传感器 德国 25 梅卡曼德 视觉 中国 26 康耐视 视觉 美国 2024 年协作机器人产业发展蓝皮书（第八版）119/123 27 基恩士 视觉 日本 28 Pickit 视觉 比利时 29 Aquifi 视觉 美国 30 阿丘科技 视觉 中国 31 如本科技 视觉 中国 32 Mcroscan 视觉 美国 33 Solomon 视觉 中国台湾 34 视觉龙 视觉 中国 35 埃尔森 视觉 中国 36 视比特 视觉 中国 37 星猿哲 视觉 中国 38 LMI 视觉 加拿大 39 Photoneo 视觉 斯洛伐克 40 灵西机器人 视觉 中国 41 图漾科技 视觉 中国 42 BASLER 视觉 德国 43 Intel 视觉 美国 44 ArtiMinds Essentials 软件 德国 45 Robodk 软件 加拿大 46 Energid 软件 美国 47 吉玛泰克（Gimatic）末端执行器 意大利 48 派亚博（Piab）末端执行器 瑞典 49 施迈茨(Schmalz)末端执行器 德国 50 北京软体机器人 末端执行器 中国 51 大寰机器人 末端执行器 中国 52 增广智能 末端执行器 中国 53 费斯托 末端执行器 德国 54 桥田 快换、末端执行器 中国 55 慧灵科技 末端执行器 中国 2024 年协作机器人产业发展蓝皮书（第八版）120/123 56 因时机器人 末端执行器 中国 57 Zimmer Group 末端执行器 德国 58 Righthand Robotics 末端执行器 美国 59 Soft Robotics 末端执行器 美国 60 Grabit 末端执行器 美国 61 IAI 末端执行器 日本 62 Mindman 末端执行器 中国台湾 63 柔触机器人 末端执行器 中国 64 RGK 末端执行器 中国台湾 65 Active8 Robots 末端执行器 英国 66 Chanto Air Hydraulics 末端执行器 中国台湾 67 QB Robotics 末端执行器 意大利 68 Barrett Technology 末端执行器 美国 69 Shadow Hand 末端执行器 英国 70 DLR/HIT Hand 末端执行器 德国/中国 71 钧舵机器人 末端执行器 中国 72 知行机器人 末端执行器 中国 73 霓达 快换 日本 74 雄克 传感器、末端执行器 德国 75 Robotiq 传感器、末端执行器 加拿大 76 Onrobot 传感器、末端执行器 丹麦 77 SMC 传感器、末端执行器 日本 78 ATI 传感器、末端执行器 美国 79 Weiss Robotics 传感器、末端执行器 德国 80 坤维科技 传感器 中国 81 倍加福 传感器 德国 82 蓝点触控 传感器 中国 83 鑫精诚传感器 传感器 中国 84 海伯森 传感器 中国 2024 年协作机器人产业发展蓝皮书（第八版）121/123 85 OptoForce 传感器 匈牙利 86 恩智浦（NXP）传感器 荷兰 87 施耐德 传感器 法国 88 SRI 宇立 传感器 中国 89 神源生智能 传感器 中国 90 斯坦德机器人 AMR 中国 91 优艾智合 AMR 中国 92 快仓智能 AMR 中国 93 Fetch Robotics AMR 美国 94 MiR AMR 丹麦 95 蓝芯科技 AMR 中国 96 仙工智能 AMR 中国 97 Geek AMR 中国 98 迦智科技 AMR 中国 99 Swisslog AMR 瑞士 100 康士达 工控机 中国 101 恒邦新创 工控机 中国 102 源控 工控机 中国 103 莫尔 其他 德国 104 莱尼 其他 德国 105 IGUS 其他 德国 106 璟胜 其他 中国 2024 年协作机器人产业发展蓝皮书（第八版）122/123 关于我们：高工咨询成立于 2006 年，是以新兴产业为研究方向的专业咨询机构。专注于机器人、锂电、储能、氢电、智能汽车、新材料、LED 等国家战略新兴产业领域的产业研究和咨询服务，为企业、金融机构和政府提供全方面的整合服务。高工咨询拥有超过 100 名产业研究人员，每年实地调研超过 3000 家企业，建立了全面的产业研究及咨询数据库。服务过 60 多家世界 500 强公司，100 多家中国上市公司，50 多个地方政府。高工咨询服务矩阵：联系我们：深圳市高工咨询有限公司 地址：深圳市南山区蛇口网谷万海大厦 A 座 401-402 电话：0755-26981898 邮箱： 或 2024 年协作机器人产业发展蓝皮书（第八版）123/123
2024-11-21
123页
5星级
请务必阅读正文之后的免责声明及其项下所有内容20242024年年1111月月2020日日AIAI对巨头业务的赋能和影响：对巨头业务的赋能和影响：云计算、广告、云计算、广告、AI CodingAI Coding变化最明显变化最明显行业研究行业研究 海外市场专题海外市场专题 互联网互联网 互联网互联网投资评级：优于大市（维持）投资评级：优于大市（维持）证券分析师：张伦可联系人：刘子谭0755-S0980521120004证券研究报告证券研究报告|请务必阅读正文之后的免责声明及其项下所有内容摘要摘要本报告主要研究2024年以来，通过跟踪海外科技巨头，我们发现AI主要对巨头的业务存在三方面趋势性的影响：1.1.20242024年全年，海外三家云计算巨头整体呈现供不应求、增长强劲且持续的趋势。年全年，海外三家云计算巨头整体呈现供不应求、增长强劲且持续的趋势。我们认为微软本轮人工智能的产业趋势下，微软的整体策略较激进，意在全面争夺云计算龙头地位，虽然前期Capex投入大、但后期营业利润率天花板高。复盘过去10年的云计算市场投入，亚马逊AWS分别在17年和20年经历快速扩张，同期微软投资较稳健，但23年从OpenAI引发的全球生成式AI浪潮开启后，微软Capex增速和量级显著领先，公司有望在未来云市场抢夺更多份额。2.2.企业加速企业加速AIAI产品在云端的部署，产品在云端的部署，AIAI带动整体带动整体SAASSAAS需求回暖。需求回暖。微软在今年多次业绩会提及，微软自身的企业软件微软在今年多次业绩会提及，微软自身的企业软件S SaaaaS S在在AIAI趋势下实现份趋势下实现份额的增长，包括额的增长，包括ERPERP、数据分析等产品。、数据分析等产品。除巨头以外，我们同时观察到美股SaaS板块24Q3业绩与指引积极，净新增ARR同比增长近三年最高，AI有望提升其收入增速和估值。3.3.AIAI带动数字广告行业需求增长，主要体现在广告推荐系统精准度、和素材制作效率的提升，以及扩充原有搜索场景和功能带动广告位带动数字广告行业需求增长，主要体现在广告推荐系统精准度、和素材制作效率的提升，以及扩充原有搜索场景和功能带动广告位增长：增长：1 1）对被动推荐（兴趣推荐）对被动推荐（兴趣推荐）：如META、抖音、视频号等平台，AI可以有效提升推荐精准度；2 2）对主动推荐（搜索推荐）对主动推荐（搜索推荐）:如谷歌、Bing、百度等平台，AI可扩充搜索功能与使用场景；3 3）对广告主：）对广告主：GenAI工具帮助图片、文案等生成，千人千面展示，可显著提升内容效率和转化；4.4.AI CodingAI Coding提效空间大，提效空间大，CapexCapex或替代人工成本。或替代人工成本。24Q3谷歌业绩会表示超过四分之一的新代码是由人工智能生成的，近一年多各公司收入、利润率随着经济强劲与降本增效重回较高水平，相比人员扩张十分缓慢。根据测算，预期谷歌未来两年硬件设施折摊与租赁费用以每年超过20%的增速增长，而程序员整体薪酬成本每年只有个位数的增长。请务必阅读正文之后的免责声明及其项下所有内容云计算发展历程，云计算发展历程，AIAI或重塑竞争格局或重塑竞争格局0101AI对SAAS行业的拉动和影响0202AI或重新加速数字广告行业增长0303AI Coding或改变巨头成本结构0404目录目录请务必阅读正文之后的免责声明及其项下所有内容过去二十年过去二十年海外云计算发展：群雄逐鹿，互联网云厂最终胜出海外云计算发展：群雄逐鹿，互联网云厂最终胜出2004年，MicrosoftMicrosoft宣布了Virtual Server 2005计划，开启虚拟化方案布局。2006年，GoogleGoogle首次提出“云计算”概念，同年亚马逊推出了AWS核心产品S3、EC2。2006年，RackspaceRackspace推出IaaS云服务（2014年宣布退出，转型为云托管服务商）2007年11月，IBMIBM 发布云计算商业解决方案，推出“Blue Cloud”计划。【IBM在2018年转向混合云】2007年11月，OracleOracle 宣布推出“Oracle VM”，与VMware提供单一的虚拟机方案不同，Oracle VM虚拟化完全集成于整个应用架构中，其提供了一个完整的从应用程序到磁盘栈的解决方案。2008年4月，GoogleGoogle App Engine发布（PaaS服务上线），同年9月，Google推出Google Chrome发布，将浏览器融入了云计算时代。2008年10月，微软微软发布公有云计算平台Azure Platform，帮助开发云服务器、Web和PC上的应用程序。2010年正式发布Azure。2009年，VerizonVerizon 、AT&T(AT&T(均为电信提供商）均为电信提供商）推出了IaaS云服务，2016年关停其公有云业务，只保留了私有云服务。2011年，苹果苹果发布了iCloud，让人们可以随时、随地的存储和共享内容。2012年，惠普惠普 退出公有云服务，2015年宣布转向专注私有云和混合云解决方案。2013年，DockerDocker发布，发布，容器逐步替代虚拟机（Virtual Machine，VM），云计算进入容器时代。2013年，戴尔戴尔 放弃了直接提供公有云服务的计划，转而与其他云提供商合作。2016年，思科思科 宣布关闭其InterCloud服务，转而专注于为其他云提供商提供软件和服务。RackspaceRackspaceIBMIBM、OracleOracleGoogleGoogle、微软、微软VerizonVerizon、AT&TAT&T苹果苹果惠普惠普DockerDocker发布发布戴尔退出戴尔退出RackspaceRackspace退出退出思科思科思科思科、VerizonVerizon、AT&TAT&T退出退出20062008200720092011201220132014惠普退出惠普退出20152016戴尔戴尔2010谷歌发布云计算概念谷歌发布云计算概念AWSAWS发布发布S3S3、EC2EC2微软虚拟化微软虚拟化VSVS2005200520042006图：云计算行业各厂商云业务变化情况图：云计算行业各厂商云业务变化情况资料来源：各公司官网、国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容图：云计算与其他计算技术对比图：云计算与其他计算技术对比 资料来源：CNDS、国信证券经济研究所整理为何海外硬件公司、电信运营商难以竞争云计算市场为何海外硬件公司、电信运营商难以竞争云计算市场?云计算是互联网时代的产物，是对零散资源整合及优化再分配的商业化模型云计算是互联网时代的产物，是对零散资源整合及优化再分配的商业化模型，云计算本质上是一种流量生意，讲求规模效应，具有比较高的准入壁垒，其主要原因是1）对零散资源整合需要有雄厚且持续的资金实力，存在资金壁垒；2）优化再分配及增值服务能力是公司盈利能力的表现，具有一定的技术壁垒。硬件公司、电信运营商失败的主要原因？硬件公司、电信运营商失败的主要原因？1 1）缺少服务思维：）缺少服务思维：公司优势集中在硬件而非软件服务，缺乏互联网重服务思维，导致难以吸引到足够的用户突破规模效应阈值。2 2）大量前期投资但回报周期长：）大量前期投资但回报周期长：向公有云的投资占用公司内部资源与现有业务结合较少，在企业内部博弈中往往缺少话语权。3 3）现金流无法支持：）现金流无法支持：云厂商早期竞争压力大，公司获利空间少，公司自由现金流的状况不足以支撑云计算作为第二增长发展。并行计算分布式计算网格计算云计算图：云计算图：云计算对算力资源的配置效果对算力资源的配置效果资料来源：CNDS、国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容图：各云厂商收入变化及竞争策略图：各云厂商收入变化及竞争策略(百万美元，百万美元，%)%)资料来源：公司业绩会、国信证券经济研究所测算整理0200004000060000800001000001200001400002006200820102011201220132014201520162017201820192020202120222023AWS微软云Azure谷歌云科技巨头云计算竞争格局演绎：科技巨头云计算竞争格局演绎：2014-2020 AWS2014-2020 AWS强势投入抢占强势投入抢占市场市场2003至2006年：谷歌连发四篇文章揭示云计算基础架构，Google CEO Eric首次提出云计算概念。2006年：AWS推出IaaS服务：存储(S3) 计算（EC2）功能，允许用户只为实际使用的容量付费，CEOCEO贝索贝索斯主导斯主导低价策略低价策略 快速扩张快速扩张 优质服务优质服务，因亚马逊适应低利润业态。EC2实例推出仅每小时10美分，08-09年持续降价，且开启闲置算力竞价提高利用率，成立至今成立至今AWSAWS一共降价一共降价5252次。次。2010年：微软Azure上线。核心功能是计算、存储、数据库、网络。Azure和AWS的云服务整体类似，但AzureAzure服务能够与服务能够与B/GB/G客户现有客户现有WindowsWindows环境无缝集成环境无缝集成，对于大量使用Office和Windows系统的企业级客户企业级客户切换灵活。2010年：AWS相继出海亚洲、欧盟、澳洲，完善认证和安全标准，推出PaaS服务。Azure跟随。2011年：谷歌推出IaaS存储计算服务；2012：Azure拥抱开源，平台支持Linux服务，至17年Azure虚拟机中有40%运行着Linux系统。同年，AWS的re:Invent开发者大会首届召开。2015：AWS首次公布财务，Q1净销售额16亿美元，同比 49%，盈利3亿美元。同年，Azure实现三位数收入增长，快速追赶。谷歌投资100亿用于云业务。2016：微软接连斩获政府百亿大订单。16年FED、18年FBI、20年五角大楼。云业务开启：云业务开启：AWSAWS凭借先发优势和凭借先发优势和低价快速拓展市场，各家相继跟随低价快速拓展市场，各家相继跟随开疆拓土开疆拓土：SaaSSaaS与数据上云趋势明确，微软发力与数据上云趋势明确，微软发力大客户，数据中心全球扩张、云业务利润显现大客户，数据中心全球扩张、云业务利润显现2014：Azure凭借其深厚的政企客户根基和混合云解决方案，后来居上、快速渗透。55U%全球财富全球财富500500强企业采用强企业采用AzureAzure，平均每天新增100个客户。微软原云计算负责人Satya Nadella升任新CEO，口号“移动优先，云优先”；同年，同年，AWS AWS 1111月首次披露付费客户超过月首次披露付费客户超过100100万个万个，因其电商业务和低价策略，吸引更多中小互联网和科技公司以及价格敏感客户；2018年：谷歌连续换帅，15年Diane Greene（VMware创立者）负责谷歌云，但被诟病内部关心技术而非客户需求，内部关心技术而非客户需求，专注人工智能。18年谷歌云市场市占率仅7%，Kurian（前Oracle高管）接任，目标是让谷歌云至少成为第二大云，目标是让谷歌云至少成为第二大云，谷歌开启为期5年的200亿美元数据中心预算。2018：AWS在全球18个区域有数据中心，微软Azure 全球50个区域有数据中心。新征程：新征程：AIAI构建第构建第二增长曲线二增长曲线过去十年，全球公有云市场扩展超十倍。近四年，先疫情加速企业云转型，疫情加速企业云转型，后伴随后伴随GenAIGenAI技术热潮，各家云厂技术热潮，各家云厂收入与投入持续高增。收入与投入持续高增。预计全球云市场24年规模将达8000亿美元，三年CAGR超20%。2019：谷歌发布多云平台和AI Platform。2020：谷歌云超越阿里云位居全球第三。请务必阅读正文之后的免责声明及其项下所有内容图：各互联网云厂云收入与图：各互联网云厂云收入与CapexCapex变化情况变化情况 （百万美元、（百万美元、%）资料来源：公司财报、彭博一致性预期、国信证券经济研究所整理科技巨头云计算竞争格局演绎：科技巨头云计算竞争格局演绎：2323年起微软年起微软CAPEXCAPEX投入显著快于其他投入显著快于其他 复盘过去10年的云计算市场投入，亚马逊亚马逊AWSAWS分别在分别在1717年和年和2020年年经历快速经历快速扩张，扩张，同期同期微软微软投资较稳健，但投资较稳健，但2323年从年从OPENAIOPENAI引发的全球生成式引发的全球生成式AIAI浪潮开启后，浪潮开启后，微软微软CapexCapex增速和量级显著领先，增速和量级显著领先，公司希望能在未来云市场抢夺更多份额。-50,000100,000150,000200,00020142015201620172018201920202021202220232024E2025E云收入云收入AWS微软云Azure谷歌云-100%-50%0P00 0%000%-10,00020,00030,00040,00050,00060,00070,00080,00090,00020142015201620172018201920202021202220232024E2025ECapexCapex变化变化AMZNMSFTGOOGAWSAMZN YoYMSFT YoYGOOG YoYAWS YoY*备注：微软云与Azure在口径上的区别，主要在于微软云包含serverlicense（即windows和SQL等）和企业服务业务，不属于公有云的多租户共享，按需付费模式。因此Azure和AWS属于更可比的口径。请务必阅读正文之后的免责声明及其项下所有内容2424年海外巨头云计算演绎趋势：年海外巨头云计算演绎趋势：供不应求、增速强劲且持续供不应求、增速强劲且持续图：微软智能云收入与增速变化图：微软智能云收入与增速变化（百万美元，（百万美元，%）资料来源：公司财报、国信证券经济研究所整理图：图：AWSAWS收入与增速变化收入与增速变化（百万美元，（百万美元，%）资料来源：公司财报、国信证券经济研究所整理图：谷歌云收入与增速变化图：谷歌云收入与增速变化（百万美元，（百万美元，%）资料来源：公司财报、国信证券经济研究所整理80%5 %05,00010,00015,00020,00025,00030,0004FQ221FQ232FQ233FQ234FQ231FQ242FQ243FQ244FQ241FQ25AWS收入YoY0%5 %05EP%0 2,000 4,000 6,000 8,000 10,000 12,000 3FQ20214FQ20211FQ20222FQ20223FQ20224FQ20221FQ20232FQ20233FQ20234FQ20231FQ20242FQ20243FQ2024谷歌云业务谷歌云业务YoY0%5 %0%0 5,000 10,000 15,000 20,000 25,000 22FYQ222FYQ322FYQ423FYQ123FYQ223FYQ323FYQ424FYQ124FYQ224FYQ324FYQ425FYQ1智能云收入YoY业务口径更新微软AI（主要指云）或成为微软历史上微软历史上ARR突破突破100亿美元最快亿美元最快的业务。AI云贡献微软Azure收入占比，预计预计25H1还将加速：还将加速：23Q2：1$Q3：12%亚马逊AWS：AI云预计贡献几十亿美元的年营收，年增速超过年增速超过三位数三位数。谷歌云：AI云结合自研TPU和外采GPU降本；AIAI云拉动客户提升云拉动客户提升300%其他谷歌产品的采购其他谷歌产品的采购。图：微软图：微软AIAI云占比云占比AzureAzure变化变化（百万美元，（百万美元，%）资料来源：公司财报、国信证券经济研究所整理0%2%4%6%8%0 500 1,000 1,500 2,000 2,500 2Q233Q234Q231Q242Q243Q24Azure中AI收入Azure中AI占比请务必阅读正文之后的免责声明及其项下所有内容图：各互联网与云厂图：各互联网与云厂CapexCapex年度投资与增速年度投资与增速变化情况变化情况 （百万美元、（百万美元、%）资料来源：公司财报、彭博一致性预期、国信证券经济研究所整理巨头巨头CapexCapex投入趋势：微软投入趋势：微软2424年年CapexCapex投资高达净利润投资高达净利润75u%9 预估云计算巨头24年Capex投入增长在40%以上，主要用于AI芯片；其中微软Capex 24年预计同比 70%，全年Capex预计占比利润75%。23Q4指引/一致预期和24Q3实际发生情况，各家全年Capex投入的变化：微软：微软：530e vs 700e;530e vs 700e;亚马逊：亚马逊：550e VS 750e550e VS 750e；谷歌：；谷歌：450e VS 515e450e VS 515e；Meta:Meta:300-370e300-370e VS 390e;VS 390e;图：各互联网与云厂图：各互联网与云厂CapexCapex季度投资与季度投资与变化情况变化情况 （百万美元、（百万美元、%）资料来源：公司财报、彭博一致性预期、国信证券经济研究所整理-60%-40%-20%0 0000010000150002000025000300002Q22 3Q22 4Q22 1Q23 2Q233Q23 4Q23 1Q24 2Q24 3Q24 4Q24E微软亚马逊谷歌META微软YoY亚马逊YoY谷歌YoYMETA YoY81p&a9$%-20%0 00%-10,00020,00030,00040,00050,00060,00070,00080,00090,000100,00020172018201920202021202220232024E2025EAWSMSFTGOOGMETAAWS YoYMSFT YoYGOOG YoYMETA YoY请务必阅读正文之后的免责声明及其项下所有内容微软云微软云:SaaS:SaaS收入占比高，但收入占比高，但IaaSIaaS规模和效率低于规模和效率低于AWSAWS10图：各云厂图：各云厂20232023年云业务类型占比年云业务类型占比况况 （%）资料来源：IDC、国信证券经济研究所整理微软 亚马逊 谷歌IaaS22%PaaS30%SaaS48%IaaS66%PaaS19%SaaS15%IaaS23%PaaS28%SaaS49%图：各互联网云业务图：各互联网云业务OPMOPM变化情况变化情况 （%）资料来源：公司财报、国信证券经济研究所整理28&00)567ADCFE%-74%-52%-43%-12%-7%6%-100%-80%-60%-40%-20%0 18201920202021202220232024EAWSMSFT Intelligent Cloud GOOG Cloud请务必阅读正文之后的免责声明及其项下所有内容从云厂从云厂OPMOPM差异看微软云策略：差异看微软云策略：ALL IN AIALL IN AI，长期，长期打开打开OPMOPM天花板天花板11 从业务结构看：从业务结构看：微软云SaaS业务占比超50%，对比亚马逊IaaS为主（占比60%)；微软微软SaaSSaaS毛利更高，毛利更高，但但IaaSIaaS的效率和规模的效率和规模不如不如AWSAWS。短期短期CapexCapex对各家对各家OPMOPM的影响趋势：的影响趋势：微软：微软：微软本轮微软本轮AIAI云云CapexCapex投入策略，全面争夺投入策略，全面争夺IaaSIaaS龙头地位，前期龙头地位，前期CapexCapex投入大，后期投入大，后期OPMOPM天花板高。天花板高。谷歌：谷歌：云具备明显的规模效应，19年谷歌云体量从前两者收入的1/3不到持续加速增长，OPM从-50%连续5年提升至当前的17%。亚马逊：亚马逊：亚马逊作为重资产公司，通过缩减履约开支、24年1月延长服务器折摊周期短期提升OPM 2pcts（而微软从22年7月即微软23财年开始调整服务器折旧摊销周期，谷歌从23年1月开始）。图：谷歌图：谷歌CapexCapex与折旧摊销占比净利润变化的情况与折旧摊销占比净利润变化的情况资料来源：各公司财报、国信证券经济研究所整理图：微软图：微软CapexCapex与折旧摊销占比净利润变化的情况与折旧摊销占比净利润变化的情况资料来源：各公司财报、国信证券经济研究所整理0%5 %05%-2,0004,0006,0008,00010,00012,00014,00016,00018,00020,00022,0002Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24 2Q24 3Q24资本支出折旧摊销折旧摊销占比0%5 %05%-2,0004,0006,0008,00010,00012,00014,0002Q22 3Q22 4Q22 1Q23 2Q23 3Q234Q231Q24 2Q24 3Q24资本支出折旧摊销折旧摊销占比图：亚马逊图：亚马逊CapexCapex与折旧摊销占比净利润变化的情况与折旧摊销占比净利润变化的情况资料来源：各公司财报、国信证券经济研究所整理0P00 0%000500%-2,0004,0006,0008,00010,00012,00014,00016,00018,00020,00022,0001Q23 2Q233Q234Q231Q24 2Q24 3Q24资本支出折旧摊销折旧摊销占比请务必阅读正文之后的免责声明及其项下所有内容微软微软AzureAzure云产品矩阵：云产品矩阵：AIAI带动微软全面提升企业软件客户份额带动微软全面提升企业软件客户份额 Azure作为微软智能云的重要组成部分，业务类型也囊括IaaS（计算、存储等）、PaaS(数据库服务、机器学习平台等)、SaaS(系统管理与集成软件、网络软件、安全软件、分析软件等)。图：图：AzureAzure产品矩阵说明产品矩阵说明资料来源：公司官网、国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容图：微软图：微软Copilot StudioCopilot Studio界面界面资料来源：公司财报，国信证券经济研究所整理微软微软CopilotCopilot嵌入工作流提升效率，带动嵌入工作流提升效率，带动ARPUARPU上升、份额扩张上升、份额扩张图：图：微软微软AIAI相关业务变化相关业务变化资料来源：公司财报，国信证券经济研究所整理微软微软AIAI驱动下表现较好的产品包括驱动下表现较好的产品包括TeamsTeams（会议软件）、（会议软件）、Office CopilotOffice Copilot（办公助手）、（办公助手）、DynamicsDynamics（CRMCRM、ERPERP软件）、软件）、FabricFabric（数据分（数据分析）等。析）等。AI业务有望下个季度实现100亿美元的年化营收，将成为企业历史上最快达到这一营收规模的业务。微软AI产品包括：M365 Copilot/Copilot ProM365 Copilot/Copilot Pro：辅助办公，总结摘要、产出内容或回答用户的问题；Github CopilotGithub Copilot：AI代码辅助工具，自动生成高质量代码片段和上下文信息，分析程序员编写的代码、注释和上下文信息；Microsoft Copilot StudioMicrosoft Copilot Studio：23年底发布，允许用户创建和自定义助手，比如定制GPT和生成性AI插件；Azure fabricAzure fabric：数据分析平台，提供数据工程、实时分析、数据仓库和数据库服务，核心组件包括Power BI、Azure Data Factory等。Power Platform CopilotPower Platform Copilot:低代码/无代码工具，利用Copilot 能够迅速创建应用程序、自动化流程和聊天机器人；DynamicDynamic Agent Agent：一系列自主AI Agent嵌入到Dynamics（CRM、ERP软件）中，帮助企业自动化执行各种业务流程，包括销售、客户服务等；2Q23 3Q23 4Q23 1Q24 2Q24 3Q24 单位：家，OQ23 1FQ24 2FQ24 3FQ24 4FQ24 1FQ25 Azure AI贡献Azure收入占比1%3%6%7%8%Azure AI客户数（家）11,000 18,000 53,000 60,000 QoQ644%Azure Arc客户数（家）18,000 21,000 33,000 36,000 39,000 YoY100%QoQ17%9%8bric客户数（家）8,000 16,000 11000(付费)14000(付费)16000（付费）QoQ100%Copilot M365 Copilot客户数QoQ100%M365 Copilot DAU QoQ60%Copilot Studio客户数（家）10,909 30,000 50,000 100,000 QoQ175g0%GitHub Copilot客户数（家）270,000 370,000 500,000 770,000 1,190,000 QoQ375U%GitHub Copilot付费用户数（万）100 130 180 QoQ308%GitHub Copilot年化收入（mm）2,000 Power Platform Copilot客户数 63,000 126,000 230,000 330,000 480,000 600,000 QoQ100CE%Security Copilot客户数（家）1,200,000 请务必阅读正文之后的免责声明及其项下所有内容云计算发展历程，AI或重塑竞争格局0101AIAI对对SAASSAAS行业的拉动和影响行业的拉动和影响0202AI或重新加速数字广告行业增长0303AICoding或改变巨头成本结构0404目录目录请务必阅读正文之后的免责声明及其项下所有内容图：美股SaaS公司EV/未来十二个月收入（PS）中位数历史变化;EV/未来十二个月收入/收入增速（PSG）中位数历史变化资料来源：ATIMETER，国信证券经济研究所整理美股美股SaaSaaS S板块估值处于历史低位，板块估值处于历史低位，AIAI有望提升有望提升其其收入增速和估值收入增速和估值15请务必阅读正文之后的免责声明及其项下所有内容图：图：SaaSSaaS公司季度公司季度ARRARR新增金额与同比（百万美元，新增金额与同比（百万美元，%）资料来源：ATIMETER、国信证券经济研究所整理图：图：SaaSSaaS公司季度业绩与公司季度业绩与指引超预期指引超预期情况情况资料来源：ATIMETER、彭博一致预期、国信证券经济研究所整理SaaSSaaS板块回暖：业绩与指引积极，净新增板块回暖：业绩与指引积极，净新增ARRARR同比同比增长近三年增长近三年最高最高 从从24Q324Q3业绩与指引看：业绩与指引看：24Q3 SaaS业绩Beat一致预期幅度中值为2.4%，为自2022年底以来最好的季度。且下季度指引有71%的公司Beat一致预期0.3%，而过去两年这个数字基本为0。从从24Q324Q3净净新增新增ARRARR来看来看：24Q3 SaaS公司实现2020年初以来第二大净新增ARR幅度，且季度净新增ARR同比增长相当积极。季度业绩与一致预期比较季度业绩与一致预期比较指引与一致预期比较指引与一致预期比较净新增净新增ARR同比变化同比变化净新增净新增ARR增长增长请务必阅读正文之后的免责声明及其项下所有内容AIAI赋能的赋能的SaaSSaaS行业与行业与AIAI功能说明功能说明表：表：AI赋能的赋能的SaaS行业与行业与AI功能说明功能说明资料来源：各公司官网，国信证券经济研究所整理行业与行业与AI赋能说明赋能说明公司与业务公司与业务AI功能说明功能说明企业服务：企业服务：原有办公产品、CRM、ERP、HR系统产品增加内容生成、智能交互的AI功能，提效提价MicrosoftMicrosoft：办公产品SaaS服务、云业务；CopilotCopilot系列：系列：内容生成总结、编程测试、用户问答；ServiceNowServiceNow：ITSM领域的SaaS服务商；Now AssistNow Assist：智能助手、AI搜索、流程设计；SalesforceSalesforce：CRM软件，服务客户营销、广告业务；Einstein CopilotEinstein Copilot：GenAI对话助理；WorkdayWorkday：企业人力资源与财务服务公司；Manager Insights HubManager Insights Hub:管理者洞察、绩效制定；AtlassianAtlassian（TeamsTeams）：）：项目管理和团队协作工具；Atlassian IntelligenceAtlassian Intelligence：AI搜索、内容生成；图形设计：图形设计：AIGC与编辑功能，提效提价、扩展用户AdobeAdobe：图形设计、图像数码视频和网页制作FireflyFirefly：通过文字创建编辑图像、插图或视频；Acrobat AIAcrobat AI助手助手：PDF内容搜索、问答；数据服务：数据服务：AI背景下数据分析、处理和数据上云、部署、训练需求提升，凭借原有技术优势、客群关系、品牌信任进一步打开市场空间PalantirPalantir：提供大数据监测和分析软件；AIPAIP平台：平台：支持多种开源LLM的数据分析平台；DatadogDatadog：云监控和应用性能管理解决方案；Bits AIBits AI：内容生成、汇总查询；模型和AI应用的实验、部署、发布的管理和监控；SnowflakeSnowflake：云数据存储管理服务；Snowflake CortexSnowflake Cortex：LLM推理的托管服务；CopilotCopilot：内容生成和优化SQL；MongoDBMongoDB：数据库管理系统AtlasAtlas：向量检索功能；教育：教育：口语交互训练功能DuolingoDuolingo：C端在线学习APP；MaxMax：口语对练、错题纠正；数据数据/网络安全：网络安全：数据资产价值提升，安全需求增长CrowdstrikeCrowdstrike：云安全、端点安全、网络安全；Charlotte AICharlotte AI：AI对话、自动化威胁分析与策略；ElasticElastic：数据搜索、数据安全；ESREESRE：AI增强搜索；广告广告/游戏：游戏：AI进行广告数据归因分析、AIGC素材生成ApplovinApplovin：移动应用发行、分析、变现获客平台；AXON2AXON2：增强广告主和目标客户之间的匹配；UnityUnity：实时3D互动内容创作和运营平台Unity MuseUnity Muse：AI辅助内容创建工具；请务必阅读正文之后的免责声明及其项下所有内容云计算发展历程，AI或重塑竞争格局0101AI对SAAS行业的拉动和影响0202AIAI或重新加速数字广告行业增长或重新加速数字广告行业增长0303AICoding或改变巨头成本结构0404目录目录请务必阅读正文之后的免责声明及其项下所有内容图：图：20202020年至今广告平台公司广告收入与增速变化（百万美元，年至今广告平台公司广告收入与增速变化（百万美元，%）资料来源：各公司财报、国信证券经济研究所整理互联网巨头的广告业务增长趋势互联网巨头的广告业务增长趋势 19 根据麦格纳统计，20192019年至年至20232023年全球广告收入年全球广告收入59805980亿美元增长至亿美元增长至84278427亿美元（亿美元（ 40% 40%），其中数字媒体广告份额占比），其中数字媒体广告份额占比从从51Q%提升至提升至75u%。数字广告的强劲表现受益于移动形式的快速普及，以及社交、视频和搜索等领域的快速增长。数字媒体广告平台集中持续提升，谷歌、数字媒体广告平台集中持续提升，谷歌、Meta Meta 和亚马逊和亚马逊三巨头从三巨头从1919年海外广告市场年海外广告市场（不包含中国区）（不包含中国区）占比占比41A%增长到增长到2323年的年的60%，其中社媒凭借短视频增速领先。，其中社媒凭借短视频增速领先。大平台依托着技术、规模效应、流量优势进一步加剧了集中化趋势。图：图：20242024全球各类广告收入增长预测与数字广告分类型收入占比变化全球各类广告收入增长预测与数字广告分类型收入占比变化资料来源：MAGNA、国信证券经济研究所整理33.4%,198.032.8%,210.032.5%,229.230.4%,180.631.5%,201.432.2%,227.219.6%,116.420.1%,128.320.1%,141.712.9%,76.412.2%,78.012.1%,85.13.7%,21.93.4%,22.03.2%,22.80 0 2220232024(f)SearchSocial MediaRetail MediaOnline DisplayOthers-20%0 0%0 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q4Q1Q2Q3Q420202021202220232024metagoogleamazonmeta_yoygoogle_yoyamazon_yoy请务必阅读正文之后的免责声明及其项下所有内容AIAI带动数字广告行业需求、场景、精准度与素材效率提升带动数字广告行业需求、场景、精准度与素材效率提升 数字广告由于其技术与数据积累，受AI赋能显著，主要体现在以下几个方面：对被动推荐（兴趣推荐）：对被动推荐（兴趣推荐）：如META、抖音、视频号等平台，AI可以有效提升推荐精准度；对主动推荐（搜索推荐）对主动推荐（搜索推荐）:如谷歌、Bing、百度等平台，AI可扩充搜索功能与使用场景；对广告主：对广告主：GenAI工具帮助图片、文案等生成，千人千面展示，可显著提升内容效率和转化；多模态提升内容理解：多模态提升内容理解：基本是ID类特征 内容理解或者用一个多模态的特征作为辅助进行模型训练。提升提升RankRank精准度：精准度：排序阶段应用更复杂的大模型结构提升排序准确度。生成式推荐新架：生成式推荐新架：采用GRs范式代替过去的Rank范式。AIAI提升推荐精准度提升推荐精准度类类ChtaGPTChtaGPT聊天助手：聊天助手：在信息获取环节，AI聊天助手直接提供答案，将来自不同来源的信息进行整合和总结。传统搜索的改进：传统搜索的改进：增加AI搜索总结，增加对图片、语音、视频等内容的理解进行对话式/多模态搜索。简化搜索步骤、提高搜索精度、扩充需求场景。AIAI增加新搜索功能增加新搜索功能广告素材生成：广告素材生成：提升图片、视频素材效率，快速生成多个广告素材变体，便于进行A/B测试，优化广告策略。广告展示更加个性化、互动性、场景广告展示更加个性化、互动性、场景化：化：千人千面的广告展示。分析用户产品需求，通过自然语音处理、声纹识别、图像识别等AI技术推送高度配合的营销内容。广告生成与展示广告生成与展示请务必阅读正文之后的免责声明及其项下所有内容AIAI对广告推荐：对广告推荐：提升推荐精准度，预计持续拉动时长及提升推荐精准度，预计持续拉动时长及CPMCPM增长增长META META：在24年初发布基于Transformer改进广告推荐的论文，目前采用多种策略提升用户时长和转化。提升提升AIAI推荐占比推荐占比:即推荐你并未关注的用户内容可有效提升用户时长，24Q3财报会表示AI推荐带动FB 8%、INS 6%的时长增长。大一统推荐：大一统推荐：24Q2财报会扎克伯格提到广告推荐方未来朝着统一的推荐系统迈进。Facebook视频播放器（包含Reels短视频、Live和长视频所有视频内容，默认全竖屏格式）已部署基于LLM的新排序模型架构，新的推荐系统上线后，视频播放器产品观看时长增加10%（因内容推荐更精准）。当前正在引入跨平台数据以及拓展到新功能，目前只适用于美国及加拿大，预计25年初全球化推广。生成推荐模型（生成推荐模型（GRsGRs）：）：Meta最近部署新的建模方法，使Meta的广告系统同时考虑用户看到广告前后的行为序列（大模型可基于过去行为预测下一个兴趣内容），在细分时长测试中转化率有2-4%的提升。图：图：传统推荐系统与基于传统推荐系统与基于LLMLLM的生成式推荐的流程比较的生成式推荐的流程比较资料来源：Lei Li et al.、Large Language Models for Generative Recommendation:A Survey and Visionary Discussions、Information Retrieval、20230903-30%-20%-10%0 0Q20232FQ20233FQ20234FQ20231FQ20242FQ20243FQ2024Worldwide US&CanadaEuropeAsiaRest of World图：图：META META 各地区广告均价（各地区广告均价（ASP/CPMASP/CPM）同比变化）同比变化资料来源：公司财报、国信证券经济研究所整理请务必阅读正文之后的免责声明及其项下所有内容图：图：META AIMETA AI聊天助手嵌入聊天助手嵌入FBFB中中资料来源：Meta官网图：图：Circle to SearchCircle to Search资料来源：公司官网图：图：LensLens产品形态产品形态资料来源：公司官网 AIAI聊天助手：聊天助手：ChatGPT、Gemini、META AI、Claude等聊天助手扩大搜索方式，也可嵌入各个高频场景。如META AI 24年4月推出，并嵌入其Facebook、Ins、WhatsApp和Messenger中，目前META AI MAU超5亿。谷歌对传统搜索功能的改造：谷歌对传统搜索功能的改造：(1)AI Overview(1)AI Overview（AIAI概览）：概览）：24年5月推出，目前MAU超过10亿，搜索使用量增加、用户满意度提高。通过工程技术在18个月内将AI Overview查询的成本降低了90%以上，使用的Gemini模型的大小增加了一倍。(2)Circle to Search(2)Circle to Search（屏幕点选、画圈搜索）：（屏幕点选、画圈搜索）：24年1月上线安卓系统，基于生成式AI搜索技术(SGE)，当前超过1.5亿安卓用户在使用。1/3试用过的用户都会继续使用，提高了用户（尤其是18-24岁）参与度。(3)Lens(3)Lens（图片、视频搜索）：（图片、视频搜索）：17年推出，AI背景下增加语音输入与视频搜索功能，每月的搜索次数超过200亿次。集成到Google Assistant和Google Photos中，可以拍照/视频进行文字、商品、植物、地址搜索。AIAI扩大信息获取方式，显著提升用户搜索的使用频率和时长扩大信息获取方式，显著提升用户搜索的使用频率和时长图：图：谷歌与百度谷歌与百度AIAI搜索概览搜索概览资料来源：Meta官网请务必阅读正文之后的免责声明及其项下所有内容图：图：MetaMeta AdvantageAdvantage产品介绍产品介绍资料来源：Meta官网、国信证券经济研究所整理产品Catalog Ads(动态广告)Audience（自动化受众）Placements（自动化版位）Creative（自动化素材生成）优化目标提高销量与唤醒原有客户扩展目标客户群体投放版位选择生成更多自适应素材产品介绍广告主给定预算，平台根据用户的兴趣、购买意愿和行为动作，自动向对方投递一系列的服务或者产品轮播广告，并提供网页入口和商城入口。基于投放产品和广告主选择性提供的目标客户数据，在预定的现有目标客户群体之上，额外投放部分广告至潜在用户群体，从而实现对目标客户群体的拓展。根据广告主提供的素材和预算等自动化进行全局投放，进而优化出转化率最高的投放组合系统自动对素材进行自动优化，包括但不限于背景修改、调整图片亮度和对比度、增加模版、添加音乐等根据用户兴趣，向用户显示最合适的广告格式，提高个性化广告体验适用客户适合产品种类众多的电商与零售店家希望拓展受众群体、增大触达面的广告主全盘广告投放不熟悉的广告主；从素材制作成本上，对中小型广告主带来更明显的增益图：谷歌图：谷歌 Demand GenDemand Gen目标选择目标选择资料来源：谷歌官网、国信证券经济研究所整理AIAI广告工具：广告工具：广告广告素材生成与广告展示优化素材生成与广告展示优化 META 2022年推出了Advantage 广告优化工具，谷歌2023年10月宣布推出Demand Gen服务，24Q3业绩会两者均表示：METAMETA：广告GenAI工具单月使用超过1500万次，带来了7%的转化率提升。谷歌：谷歌：2023年10月11日，Demand Gen AIGC素材工具，未来几个月逐步推广到展示视频和搜索广告中。例如：DoorDash生成的广告转化率比单纯视频广告提高了15倍，广告费的效率提高了 50%。请务必阅读正文之后的免责声明及其项下所有内容云计算发展历程，AI或重塑竞争格局0101AI对SAAS行业的拉动和影响0202AI或重新加速数字广告行业增长0303AIAICodingCoding或改变巨头成本结构或改变巨头成本结构0404目录目录请务必阅读正文之后的免责声明及其项下所有内容图：图：Amazon QAmazon Q辅助编程辅助编程资料来源：产品官网，国信证券经济研究所整理图：图：Amazon QAmazon Q辅助编程辅助编程资料来源：产品官网，国信证券经济研究所整理AIAI或变更巨头的成本结构：或变更巨头的成本结构：AI CodingAI Coding提效空间大，提效空间大，CapexCapex或替代人工成本或替代人工成本谷歌：谷歌：“我们还在内部使用人工智能来改进我们的编码流程，这提高了生产力和效率。如今，谷歌超过四分之一的新代码是由人工智能谷歌超过四分之一的新代码是由人工智能生成的生成的，然后由工程师审查和确认。这有助于我们的工程师做得更多，行动更快。”亚马逊：亚马逊：Amazon QAmazon Q帮助亚马逊团队在迁移应用程序到帮助亚马逊团队在迁移应用程序到Java JDKJava JDK新版本时节省了新版本时节省了2.62.6亿美元和亿美元和45004500个开发者一年的时间个开发者一年的时间“AI编程工具Q 拥有业内最高的多行代码建议接受率，在过去几个月中添加了各种功能。但是最近分享的一个非常实际的用例是，Q 在将30,000 多个应用程序迁移到 JavaJDK 的新版本时，为亚马逊团队节省了2.60 亿美元和等同于 4500个开发人员一年时间。”微软：微软：下一阶段是AI编程工具将成为Agent贯穿开发流程GitHub Copilot：GitHub Copilot 正在改变世界构建软件的方式，GitHub Copilot EnterpriseGitHub Copilot Enterprise客户季度环比增加客户季度环比增加55U%，其可根据企业自身代码库进行定制代码，帮助开发者提高效率。腾讯：腾讯：集团内部集团内部80%的程序员使用腾讯云的程序员使用腾讯云AIAI代码助手，代码助手，333%代码由代码由AIAI生成生成请务必阅读正文之后的免责声明及其项下所有内容-10%0 0Pp%0 5,000 10,000 15,000 20,000 25,000 30,000 35,000 40,000 45,000 20172018201920202021202220232024E2025E2026E硬件设施折摊与租赁费用程序员整体薪酬成本硬件设施折摊租赁费用yoy程序员整体薪酬yoy图：图：谷歌硬件设施折摊租赁费用与研发员工整体薪酬成本变化（百万美元，谷歌硬件设施折摊租赁费用与研发员工整体薪酬成本变化（百万美元，%）资料来源：公司财报，国信证券经济研究所整理 *假设研发人数占比总人数与研发费占比总费用线性相关，2025与2026年数据采用11月20日彭博一致性预期AI Coding AI Coding 对巨头成本影响的思考对巨头成本影响的思考26 谷歌：谷歌：“我们还在内部使用人工智能来改进我们的编码流程，这提高了生产力和效率。如今，谷歌超过四分之一的新代谷歌超过四分之一的新代码是由人工智能生成的码是由人工智能生成的，然后由工程师审查和确认。这有助于我们的工程师做得更多，行动更快。”谷歌案例：20222022年年：公司收入2828亿美元（9.78%yoy），Capex投入315亿美元（28%yoy），员工总数为190,234人（22%yoy）；20232023年年：公司收入3074亿美元（8.68%yoy），Capex投入323亿美元（22%yoy），员工总数为182,502人（-4%yoy）；20242024年年：假设公司收入2900亿美元（14.4%yoy），Capex投入519亿美元（61%yoy），员工总数180,269人（-1%yoy,截止24Q3）。2025-20262025-2026年年：假设公司收入3443/3819亿美元（17%/11%yoy，参考11月20日彭博谷歌业绩一致预期），Capex分别投入568/613亿美元（9%/8%yoy），预期硬件设施折摊与租赁费用以每年超过20%的增速增长，而程序员整体薪酬成本每年只有个位数的增长。请务必阅读正文之后的免责声明及其项下所有内容0%2%4%6%8%0 50,000 100,000 150,000 200,000 250,000 微软微软YoY-30%-20%-10%0 0%0 10,000 20,000 30,000 40,000 50,000 60,000 70,000 80,000 90,000 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24 2Q24 3Q24METAMETA YoY-10%-5%0%5 %05,000 170,000 175,000 180,000 185,000 190,000 195,000 2Q22 3Q22 4Q22 1Q23 2Q23 3Q23 4Q23 1Q24 2Q24 3Q24谷歌谷歌YoY-15%-10%-5%0%5 %1,400,000 1,420,000 1,440,000 1,460,000 1,480,000 1,500,000 1,520,000 1,540,000 1,560,000 2Q22 3Q22 4Q22 1Q23 2Q233Q234Q231Q24 2Q24 3Q24亚马逊亚马逊YoY0%5 %05%0 5,000 10,000 15,000 20,000 25,000 30,000 22FYQ122FYQ222FYQ322FYQ423FYQ123FYQ223FYQ323FYQ424FYQ124FYQ224FYQ324FYQ425FYQ1净利润净利率0%5 %05%0 2,000 4,000 6,000 8,000 10,000 12,000 14,000 16,000 18,000 20,000 4FQ20211FQ20222FQ20223FQ20224FQ20221FQ20232FQ20233FQ20234FQ20231FQ20242FQ20243FQ2024净利润净利率-4%-2%0%2%4%6%8%(5,000)0 5,000 10,000 15,000 20,000 2022Q12022Q22022Q32022Q42023Q12023Q22023Q32023Q42024Q12024Q22024Q3净利润净利率0%5 %05%0 5,000 10,000 15,000 20,000 25,000 30,000 3FQ20214FQ20211FQ20222FQ20223FQ20224FQ20221FQ20232FQ20233FQ20234FQ20231FQ20242FQ20243FQ2024净利润净利率图：各公司净利润与利润率变化情况（百万美元，图：各公司净利润与利润率变化情况（百万美元，%）资料来源：各公司财报，国信证券经济研究所整理亚马逊亚马逊AIAI提升企业运营效率，预计持续带动人效与企业利润率增长提升企业运营效率，预计持续带动人效与企业利润率增长图：各公司员工人数与变化情况图：各公司员工人数与变化情况（人，（人，%）资料来源：各公司财报，国信证券经济研究所整理 各公司收入、利润率随着经济强劲与降本增效重回较高水平，相比人员扩张十分缓慢。各公司收入、利润率随着经济强劲与降本增效重回较高水平，相比人员扩张十分缓慢。微软微软谷歌谷歌METAMETA请务必阅读正文之后的免责声明及其项下所有内容风险提示风险提示第一，宏观经济波动。若宏观经济波动，公司业务、产业变革及新技术的落地节奏或将受到影响。第二，下游需求不及预期。若下游数字化需求不及预期，相关的数字化投入增长或慢于预期，致使行业增长不及预期。第三，AI伦理风险。AI可能会生产违反道德、常规、法律等内容。第四，核心技术水平升级不及预期的风险。AI大模型研发进度落后，AIGC相关产业技术壁垒较高，核心技术难以突破，影响整体进度。28请务必阅读正文之后的免责声明及其项下所有内容免责声明免责声明分析师承诺分析师承诺作者保证报告所采用的数据均来自合规渠道；分析逻辑基于作者的职业理解，通过合理判断并得出结论，力求独立、客观、公正，结论不受任何第三方的授意或影响；作者在过去、现在或未来未就其研究报告所提供的具体建议或所表述的意见直接或间接收取任何报酬，特此声明。重要声明重要声明本报告由国信证券股份有限公司（已具备中国证监会许可的证券投资咨询业务资格）制作；报告版权归国信证券股份有限公司（以下简称“我公司”）所有。本报告仅供我公司客户使用，本公司不会因接收人收到本报告而视其为客户。未经书面许可，任何机构和个人不得以任何形式使用、复制或传播。任何有关本报告的摘要或节选都不代表本报告正式完整的观点，一切须以我公司向客户发布的本报告完整版本为准。本报告基于已公开的资料或信息撰写，但我公司不保证该资料及信息的完整性、准确性。本报告所载的信息、资料、建议及推测仅反映我公司于本报告公开发布当日的判断，在不同时期，我公司可能撰写并发布与本报告所载资料、建议及推测不一致的报告。我公司不保证本报告所含信息及资料处于最新状态；我公司可能随时补充、更新和修订有关信息及资料，投资者应当自行关注相关更新和修订内容。我公司或关联机构可能会持有本报告中所提到的公司所发行的证券并进行交易，还可能为这些公司提供或争取提供投资银行、财务顾问或金融产品等相关服务。本公司的资产管理部门、自营部门以及其他投资业务部门可能独立做出与本报告中意见或建议不一致的投资决策。本报告仅供参考之用，不构成出售或购买证券或其他投资标的要约或邀请。在任何情况下，本报告中的信息和意见均不构成对任何个人的投资建议。任何形式的分享证券投资收益或者分担证券投资损失的书面或口头承诺均为无效。投资者应结合自己的投资目标和财务状况自行判断是否采用本报告所载内容和信息并自行承担风险，我公司及雇员对投资者使用本报告及其内容而造成的一切后果不承担任何法律责任。证券投资咨询业务的说明证券投资咨询业务的说明本公司具备中国证监会核准的证券投资咨询业务资格。证券投资咨询，是指从事证券投资咨询业务的机构及其投资咨询人员以下列形式为证券投资人或者客户提供证券投资分析、预测或者建议等直接或者间接有偿咨询服务的活动：接受投资人或者客户委托，提供证券投资咨询服务；举办有关证券投资咨询的讲座、报告会、分析会等；在报刊上发表证券投资咨询的文章、评论、报告，以及通过电台、电视台等公众传播媒体提供证券投资咨询服务；通过电话、传真、电脑网络等电信设备系统，提供证券投资咨询服务；中国证监会认定的其他形式。发布证券研究报告是证券投资咨询业务的一种基本形式，指证券公司、证券投资咨询机构对证券及证券相关产品的价值、市场走势或者相关影响因素进行分析，形成证券估值、投资评级等投资分析意见，制作证券研究报告，并向客户发布的行为。国信证券投资评级国信证券投资评级投资评级标准投资评级标准类别类别级别级别说明说明报告中投资建议所涉及的评级（如有）分为股票评级和行业评级（另有说明的除外）。评级标准为报告发布日后6到12个月内的相对市场表现，也即报告发布日后的6到12个月内公司股价（或行业指数）相对同期相关证券市场代表性指数的涨跌幅作为基准。A股市场以沪深300指数（000300.SH）作为基准；新三板市场以三板成指（899001.CSI）为基准；香港市场以恒生指数(HSI.HI)作为基准；美国市场以标普500指数(SPX.GI)或纳斯达克指数（IXIC.GI）为基准。股票投资评级股票投资评级优于大市股价表现优于市场代表性指数10%以上中性股价表现介于市场代表性指数10%之间弱于大市股价表现弱于市场代表性指数10%以上无评级股价与市场代表性指数相比无明确观点行业投资评级行业投资评级优于大市行业指数表现优于市场代表性指数10%以上中性行业指数表现介于市场代表性指数10%之间弱于大市行业指数表现弱于市场代表性指数10%以上请务必阅读正文之后的免责声明及其项下所有内容国信证券经济研究所国信证券经济研究所深圳深圳深圳市福田区福华一路125号国信金融大厦36层邮编：518046 总机：0755-82130833上海上海上海浦东民生路1199弄证大五道口广场1号楼12楼邮编：200135北京北京北京西城区金融大街兴盛街6号国信证券9层邮编：100032
2024-11-21
30页
5星级
前言移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书前 言.3第一章 概述.7第一节 目的和范围.7第二节 激光雷达的定义与分类.8第三节 激光雷达产业发展背景及趋势.10第二章 AGV/AMR 专用激光雷达市场分析.12第一节 AGV/AMR 专用激光雷达应用历程及现状分析.12第二节 AGV/AMR 专用激光雷达应用规模及未来市场空间预测.15第三节 AGV/AMR 专用激光雷达市场格局及竞争态势.19第四节 AGV/AMR 专用激光雷达价格及交货周期分析.22第五节 AGV/AMR 专用激光雷达产业链发展情况.24第三章 AGV/AMR 专用激光雷达技术发展趋势分析.26第一节 AGV/AMR 专用激光雷达关键技术解析.26第二节 AGV/AMR 专用激光雷达性能指标与评估标准.29第三节 AGV/AMR 专用激光雷达技术发展趋势.31第四节 专利申请与知识产权保护现状.32第四章 AGV/AMR 专用激光雷达代表企业及核心产品分析.34第一节 济宁科力光电产业有限责任公司.34第二节 山东富锐光学科技有限公司.36第三节 深圳力策科技有限公司.38第四节 杭州欧镭激光技术有限公司.40第五节 劳易测传感器技术（深圳）有限公司.42第六节 上海星秒光电科技有限公司.44目录07请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询NEW STRATEGY CONSULTING目录第七节 锐驰智光（北京）科技有限公司.46第八节 上海思岚科技有限公司.48第九节 广东西克智能科技有限公司.50第十节 深圳市湾测技术有限公司.52第十一节 广州市杜格科技有限公司.54第五章 行业发展机会与风险提示.560809请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING第第二二节节 激激光光雷雷达达的的定定义义与与分分类类激光雷达（Lidar，Light Detection and Ranging）是一种通过使用激光光束来测量距离、形状、方向和速度的远程感测技术。它通过发射激光脉冲，并测量这些脉冲从发射到被目标反射并返回所需的时间，来计算目标与激光雷达之间的距离。同时，通过控制激光束的方向或使用多个激光束，还可以测量目标的角度信息。图表：激光雷达的工作原理图示激光雷达在多个领域都有广泛的应用，包括自动驾驶、机器人、环境监测、地质勘探、军事应用、气象观测和建筑测绘等。激光雷达的分类方式多种多样，以下是一些主要的分类方法：按按扫扫描描方方式式分分类类：半半固固态态激激光光雷雷达达使用多束激光发射器和一个接收器，通过 MEMS（微机电系统）反射镜或棱镜阵列来改变激光束的方向。速度比机械式激光雷达快，但距离和精度相对较低。固固态态激激光光雷雷达达使用电子扫描方式，通过光学相控阵列（OPA）或闪光激光雷达等技术直接控制激光束的方向。具有小型、轻便和高速扫描的优点，但可能存在成本和精度方面的限制。机机械械式式激激光光雷雷达达使用旋转或摆动的镜子或棱镜来改变激光束的方向，实现不同角度的扫描。具有较长的测量距离和较高的精度，但速度较慢且体积较大，机械部件寿命相对较短。图表：激光雷达的分类（按扫描方式分）1011请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING1213请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING1415请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING1617请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING1819请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING2021请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING激光雷达应用场景广泛，具体到 AGV/AMR 领域，根据新战略移动机器人产业研究所统计，目前，中国市场面向 AGV/AMR 领域提供激光雷达的厂商超过 50 家，包括国内外品牌，这些企业通过技术创新、产品升级和市场拓展来争夺市场份额。企企业业发发展展现现状状西克全球第一家推出工业激光雷达的厂商，自 1993 推出了第一款激光雷达始，在该领域已有 31 年的研发、生产、服务经验。其中 2018 年推出的 LMS1 系列、2010 年推出的 LMS5 系列、2011 年开始推出的 TiM系列产品以及 2003 年开始持续推出的安全系列产品，均成为了服务/特种机器人和 AGV 领域的明星产品，2024 年发布 picoScan150 激光雷达产品，广泛应用于 AMR 和叉车 AGV 的自然轮廓建图定位应用。倍加福成立于 1945 年，工业传感器技术和过程控制防爆领域的先驱，1994 年进入中国市场，目前面向 AGV市场主要是 R2000 2D 导航雷达和 R2300 4 线激光雷达。科力光电前身是山东省科学院激光研究所光电研究室，于 1997 年注册公司。2010 年突破了核心高精度脉冲 TOF激光测距技术，2013 年推出了满足工业要求的 LS 系列避障、导航型激光雷达；2018 年推出了国内首款功能安全型激光雷达（LSPD 型安全激光扫描仪）；2022 年推出了国内首款取得 TUV 全功能安全认证的激光雷达（KLM（s）型安全激光雷达）。富锐光学成立于 2017 年，目前，富锐光学共推出了六个系列激光雷达，集中在导航型、避障型和安全型激光雷达产品上，主要面向对精度与环境适应性要求较高的工业激光雷达市场，形成了覆盖全工业应用场景的、完整的产品生态。依托潍坊光电产业发展基础，自建生产线，激光雷达产能达到年产 10 万台，同时在武汉设立研发中心，北京、上海、深圳等地设立营销中心及办事处。力策科技2013 年成立，团队以开发高性能激光雷达为目标，以实现激光雷达芯片技术为愿景，致力于推动新型激光雷达在不同行业的实用化。公司经营采用 IDM 模式，自建产线与实验室推动激光雷达的规模量产与 OPA 芯片研发，目前在深圳与东莞松山湖均建立了研发基地与工厂。劳易测1963 年成立于德国，全球化的工业传感器制造商和机械安全解决方案专家。数十年物流自动化行业经验，全球众多顶尖企业的选择。2006 年进入中国市场，产品系列不仅限于激光雷达，还涵盖了检测、识别、测量等多种光学传感器，致力于为 AGV/AMR 主机厂商提供全方位的传感器解决方案。星秒成立于 2016 年，专注于激光雷达相关的技术和产品研发，提供全系工业激光雷达产品。在同类产品中，星秒是唯一采用自研“时间测量芯片方案”的厂商，其掌握的时间数字转换（TDC）技术，可实现低至1 皮秒的时间分辨率，并可在单芯片上达到“测控合一”的效果。这项技术使其雷达产品具备很高的测距精度和点云数据处理能力，并在算法集成上更为灵活。欧镭激光是巨星科技的子公司，成立于 2016 年。主要产品包括 1D 高精度激光测距仪、2D 导航和避障型激光雷达、3D 扫描和测绘型激光雷达、4D 镭视融合型激光摄像头、红外热成像等传感器系列产品；为“人-机-环境”共融的工业场景，提供基于三维激光点云的车间动态建模和数字孪生仿真模型以及满足工业自动化安全防护和 AGV/AMR 整机功能安全认证要求的 sil2 激光雷达应用方案。公司在杭州和常州设有自动化的激光雷达生产基地，在北美、日本、荷兰等地设有技术服务中心。锐驰智光成立于 2016 年，针对移动机器人行业，致力于打造高性能 低成本的高精度激光雷达。2018 年 2 月，锐驰智光发布 16 元激光发射芯片，同年 9 月推出 32 线机械式激光雷达初代样机。2019 年 3 月，推出64 线初代样机。2021 年 4 月，成功研制 32 元激光发射芯片，10 月，单线激光雷达量产交付。2023 年4 月，第二代机械式多线激光雷达量产交付。思岚科技成立于 2013 年，领先的机器人自主定位导航及核心传感器解决方案供应商。深耕机器人行业 10 余年，以室内外中远距离激光雷达传感器、机器人开发底盘为基础，为智能机器人产业提供高效可靠的市场解决方案。截至 2023 年底，思岚科技产品累计交付量超 60 万台，业务遍布亚洲、欧洲、北美等全球 40多个国家和地区，服务企业用户超过 3000 家、个人用户累计超过 10 万。湾测成立于 2021 年，提供包含工业安全、精密测量和通用传感在内的全系列传感器产品组合及解决方案，于 2023 年开始避障型激光雷达和导航型激光雷达两种机型的开发。截止目前，湾测已经为富士康、比亚迪、上汽大众等业内头部企业提供激光雷达解决方案，覆盖移动机器人避障&导航、立体仓库防撞、复合机器人防护等多种场景应用。杜格科技成立于 2013 年，专注于智能交通、智能制造及工业自动化领域，致力提供行业整体解决方案。杜格科技研发团队聚焦在激光雷达传感器的核心算法及应用领域，目前已获得多项国家发明专利、实用新型专利和计算机软件著作权。在激光雷达深厚技术的积累下，面向移动机器人领域，杜格科技也推出了针对性的产品 LIDAR270mini，用于移动机器人的避障导航。图表：中国市场 AGV/AMR 专用激光雷达主要供应商（图表排序不代表行业排名）除以上企业外，包括览沃、因泰立、蓝海光电、兴颂、镭神、万集科技等企业，都针对 AGV/AMR应用开发了系列针对性的产品，并已有成熟应用。而随着移动机器人行业的快速发展，尤其是对于移动机器人自主性要求的不断提高，激光雷达在移动机器人领域的应用正在越来越深入，同时也吸引着越来越多的入局者，行业竞争也呈现出新的态势。图表：AGV/AMR 专用激光雷达市场竞争态势可以看到，当前市场的竞争态势呈现出自动驾驶雷达厂商入局、成本控制、复杂特殊场景应用等特点。这些特点不仅推动了市场的繁荣和发展，也为各厂商提供了更多的机遇和挑战。未来，随着技术的不断进步和市场的不断扩大，AGV/AMR 激光雷达市场将迎来更广阔的发展前景。0 01 1随着自动驾驶技术的快速发展，许多原本专注于自动驾驶领域的激光雷达厂商开始将目光投向移动机器人市场。这些厂商凭借在自动驾驶领域积累的技术优势和经验推出相应产品。自自动动驾驾驶驶激激光光雷雷达达厂厂商商入入局局0 02 2移动机器人本体厂商的成本压力正在不断转嫁到零部件厂商，激光雷达企业纷纷采取措施降低激光雷达的生产成本。一方面，通过优化设计和生产工艺，提高生产效率和良品率；另一方面，积极寻求国产化替代方案，降低对进口元器件的依赖。价价格格战战竞竞争争激激烈烈，成成本本控控制制成成关关键键0 03 3移动机器人应用场景的多样性和复杂性对激光雷达提出了更高的要求。一些特殊场景如暗光环境、极端天气、复杂地形等都对激光雷达的探测距离、精度和稳定性提出了严峻挑战。针对复杂场景需要，激光雷达厂商也在不断探索与突破，聚焦相关技术研发。复复杂杂场场景景的的突突破破应应用用2223请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING2425请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING2627请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING2829请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING3031请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING3233请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING3435请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING3637请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING3839请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING4041请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING4243请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING4445请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING4647请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING4849请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING5051请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING5253请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING5455请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING5657请务必阅读正文之后的免责条款部分请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询新 战 略 咨 询NEW STRATEGY CONSULTINGNEW STRATEGY CONSULTING58请务必阅读正文之后的免责条款部分移动机器人（AGV/AMR）专用激光雷达产品发展蓝皮书新 战 略 咨 询NEW STRATEGY CONSULTING
2024-11-20
31页
5星级
海外庭院白皮书By Meet Intelligence01020304目录052庭院生活智能化机会点洞察3庭院机器人割草机器人泳池清洁机器人智能灌溉系统01庭院生活场景产品概览Source：AmazonNote：气泡大小参考美国亚马逊近一年品类规模绘制，已标亮TOP2增长品类娱乐向维修向人力向智能向根据活动类型划分根据智能程度划分户外烹饪园艺/草坪护理害虫防治灌溉设备植物种子户外装饰户外照明装饰品户外电动工具吹叶机手推割草机花园修剪机高压清洗机户外家具户外电源4智能庭院维护者02庭院生活人群按场景划分Source：GWI 24H1美食烹饪者美食烹饪者Cooking72%娱乐向维修向人力向智能向技术早期采用者技术早期采用者3%割草机拥有者割草机拥有者生活休闲热爱者生活休闲热爱者Home&Lifestyle Enthusiasts 87%根据活动类型划分根据智能程度划分庭院装饰者庭院装饰者Garden Furniture14%Source：GWI 24H1,Pool&Hot Tub AllianceNote:以美国庭院兴趣人群作为观察对象进行人群划分园艺爱好者园艺爱好者DIY/home improvements60%智能灌溉/照明用户泳池拥有者泳池拥有者8P3扫地机器人向庭院机器人的演变：形态、概念与技术迁移与创新Source：整理自网络资料扫地机器人6割草机器人泳池清洁机器人可迁移形态App智能连接圆形/方形扁平圆形/方形圆形可迁移概念可迁移技术自动化：草坪修剪自动化：吸尘与拖地自动化：泳池清洁与净化App智能连接App智能连接高性能电池高性能电池高性能电池导航避障：RTK、GPS导航避障：3D视觉识别等导航避障：AI导航特殊设计：防冻防雨装置特殊设计：防水密封移动平台：轮式移动平台：轮式移动平台：履带核心创新技术特殊设计：超薄机身04庭院机器人竞争力提升方向Source：Amazon高核心提升方向：规划导航与避障差异化进阶需求：多场景清洁与智能自动化普遍化重要需求：续航、客服无差异型需求核心痛点有待解决：核心痛点有待解决：不同室内环境，户外庭院场景受不同室内环境，户外庭院场景受天气和多物种影响，水下和草坪环境颇为复杂，因此天气和多物种影响，水下和草坪环境颇为复杂，因此用户需要庭院智能产品通过集成先进传感器和算法，用户需要庭院智能产品通过集成先进传感器和算法，提高在复杂环境中导航避障能力。提高在复杂环境中导航避障能力。海外庭院面积大对续航提出需求海外庭院面积大对续航提出需求：庭院机器人需要更高庭院机器人需要更高效的电池和快充满足长时间工作的需求效的电池和快充满足长时间工作的需求。对于高客单价科技产品对于高客单价科技产品，优质的客户服务是产品竞争力优质的客户服务是产品竞争力的重要组成部分。的重要组成部分。庭院机器人产品研发仍在发展初期，清洁广度有待拓宽：庭院机器人产品研发仍在发展初期，清洁广度有待拓宽：体体现在支持各类场景清洁，如提升针对不同草坪类型、草坪坡现在支持各类场景清洁，如提升针对不同草坪类型、草坪坡度、草种硬度、泳池形状的清洁能力。度、草种硬度、泳池形状的清洁能力。智能自动化水平是区别于传统工具的核心竞争力之一。智能自动化水平是区别于传统工具的核心竞争力之一。兼容性和集成化兼容性和集成化环保与节能环保与节能优先升级方向机会型需求：模块化与可拓展性设计模块化的产品，允许用户根据个人需求进行定制和扩展。设计模块化的产品，允许用户根据个人需求进行定制和扩展。如集割草、扫雪、吹叶于一身的产品。如集割草、扫雪、吹叶于一身的产品。差异化机会低低市场关注度高7割草机器人篇863.45 64.12 68.67 76.51 74.49 75.42 76.69 5.63 5.91 6.60 7.57 7.12 7.50 7.83 2018201920202021202220232024e割草机器人传统割草机全球割草电器设备行业市场规模全球割草电器设备行业市场规模01行业发展现状：未来可期的蓝海市场（单位：亿美元）Source：Euromonitor 5.9% 3.5%8.15%8.44%8.77%9.00%8.73%9.05%9.27 18201920202021202220232024e全球割草全球割草机器人品类机器人品类渗透率渗透率 割草机器人行业发展处于成长期：割草机器人行业发展处于成长期：2024年，割草机器人在割草电器设备行业中的份额不到10%，渗透率相对较低 是待解锁的蓝海市场：是待解锁的蓝海市场：除草的刚性需求（尤其是欧美地区）和传统除草方式尚未解决的痛点问题，配合供给端产品的创新升级，预计品类渗透率不断提升，是增长潜力巨大的蓝海市场（指标：割草机器人渗透率=割草机器人市场规模/割草电气设备市场规模）990%的美国人认为拥有良好的草坪外观很重要90%传统汽油动力割草机因排放污染量大被重视环传统汽油动力割草机因排放污染量大被重视环保的欧美人诟病保的欧美人诟病。草坪护理设备的排放约占空。草坪护理设备的排放约占空气污染总量的气污染总量的5%。割草机一小时排放的污染。割草机一小时排放的污染量相当于汽车行驶量相当于汽车行驶 100 英里的污染量英里的污染量的美国家庭仍使用汽油动力割草机40%的美国人认为维护草坪是想避免的苦差事传统人力操作工作繁重，请人除草则成本更高。传统人力操作工作繁重，请人除草则成本更高。美国人平均每周用美国人平均每周用4小时维护草坪，据估算，小时维护草坪，据估算，家庭年均草坪维护费用要家庭年均草坪维护费用要$9281856。而割。而割草机短回本周期降低用户对于高成本顾虑。以草机短回本周期降低用户对于高成本顾虑。以$1,500的的割草机割草机为例，为例，平均回本周期平均回本周期12年年维护草坪为欧美人刚性需求。草坪文化根深蒂维护草坪为欧美人刚性需求。草坪文化根深蒂固，从中世纪晚期的欧洲流传至今。固，从中世纪晚期的欧洲流传至今。70%的人的人认为拥有草坪是成功的象征认为拥有草坪是成功的象征，70%的人认为拥的人认为拥有草坪可以提高生活质量有草坪可以提高生活质量草坪文化和心理驱动环保驱动经济性驱动技术可实现扫地机器人技术外溢与概念引用促进割草机器人研发02行业发展驱动因素：技术为底层逻辑的解放双手需求Source：Worldmetrics1003产品与技术进化路径：智能化程度的不断加深Source：Worldmetrics手推式骑乘式埋线式无边界人力工作繁重人力工作繁重智能化程度高智能化程度高美亚平均单价：美亚平均单价：$250美亚平均单价：美亚平均单价：$250美亚主流价格：美亚主流价格：$5002000美亚主流价格：美亚主流价格：$6002500代表品牌：代表品牌：代表品牌：代表品牌：代表品牌：代表品牌：兴起时间：兴起时间：1995年年兴起时间：兴起时间：2021年年污染严重污染严重环保环保1103产品与技术进化路径：避障导航、割草效率为核心维度的升级Source：整理自网络资料1995年，Husqvarna发布世界第一台全自动割草机，太阳能供能2003年，Husqvarna发布第二代自动割草机19952009年，Husqvarna发布APP可连接的产品2006201020162020：Husqvarna发布多代产品，以及针对美国市场推出的本土化产品。主要升级点：1）提升倾斜角度，2）提升避障技术，3）适应恶劣天气，装载天气定时器和霜冻传感器201620202013年，Husqvarna发布第三代产品装载GPS导航，标志割草机器人在导航方面进步2011年，中国品牌Worx首次研发出第一代割草机器人并投入市场，仍需埋线2011-20152021-2024无边界产品井喷时期，和高级无边界产品井喷时期，和高级避障导航系统结合，使得割草避障导航系统结合，使得割草机器人能自由穿梭于各种环境机器人能自由穿梭于各种环境Husqvarna独舞时代。首台割草机独舞时代。首台割草机器人问世，开启了自动化园艺工具的器人问世，开启了自动化园艺工具的新纪元新纪元埋线主导时代。产品智埋线主导时代。产品智能性与技术逐步普及，能性与技术逐步普及，但导航避障能力仍较弱但导航避障能力仍较弱1.02.02021年，Navimow发布H系列，无埋线即可实现厘米级精确定位2022年开始，Mammotion成立，开始集中发布割草机器人产品，使用全球卫星 RTK厘米级定位2023年开始，追觅、科沃斯均发布相关产品并对导航避障能力进行升级3.012德国法国英国美国瑞典意大利瑞士波兰西班牙罗马尼亚荷兰加拿巴西澳大利亚泰国(10)1030507090110130150170-10%0 0Pp%Tier1德国、法国首选首选市场市场 市场相对成熟：市场相对成熟：24年，年，德国法国英国德国法国英国合计合计占占接近接近50%的大盘份额的大盘份额，且，且割草机器人使用习割草机器人使用习惯初养成，在割草设备行业渗透率超过惯初养成，在割草设备行业渗透率超过20%驱动因素：驱动因素：当当前续航能力可满足当地较小的前续航能力可满足当地较小的花园面积、环保政策起步早花园面积、环保政策起步早促进品类认知促进品类认知Tier2美国潜力市场潜力市场 市场潜力大：市场潜力大：第四大割草机器人市场，目前第四大割草机器人市场，目前割草机器人渗透率尚低，规模尚未触顶割草机器人渗透率尚低，规模尚未触顶驱动因素：驱动因素：产品的创新解决本土割草痛点从产品的创新解决本土割草痛点从而抢占广阔市场空间，如针对当地草高、草而抢占广阔市场空间，如针对当地草高、草硬、庭院大面积来针对设计大续航割草产品硬、庭院大面积来针对设计大续航割草产品Tier3瑞典、瑞士、意大利等西北欧国家优质市场 市场渐崛起：市场渐崛起：主要增长动力在于使用习惯初养主要增长动力在于使用习惯初养成，易于开展产品渗透成，易于开展产品渗透驱动因素驱动因素：高消费能力如瑞士、瑞典；割草机：高消费能力如瑞士、瑞典；割草机的高智能化程度高的高智能化程度高全全球球渗渗透透率率=9核心市场聚焦：德法等欧洲市场为首选，美国澳洲渐崛起、待拓展Source：EuromonitorX轴2024e割草机器人渗透率=割草机器人市场规模/割草电气设备市场规模Y轴2024e割草机器人市场规模（百万美元）1305头部玩家概览：富世华Worx主导市场；北美竞争最激烈、欧洲其次垄断型：拉美、亚太 头部集中在少数玩家，但集中度减弱，新品牌有进入机会全渠道维度全球西欧东欧北美拉美亚太澳洲格局特点格局特点竞争格局特点较分散较分散较分散群雄割据 Worx领导 富世华领导 群雄割据头部效应变化缓慢加强 缓慢加强 缓慢加强 快速加强稳定快速减弱逐渐减弱品牌份额品牌份额（2023销额份额）销额份额）TOP3品牌份额品牌份额43BIG%Husqvarna18$#%025%Gardena150$%Worx7%41GH%Bosch10%品牌成长性品牌成长性（2123份额变化）份额变化）TOP3品牌份额变化品牌份额变化6%3%3%-8%0%Husqvarna2%2%5%4%0%-4%-2%Gardena4%1%0%-3%Worx0%0%1%-2%-1%Bosch0%0%-2%竞争激烈型：欧洲、北美 头部效应增强且不断有新玩家涌入，是品牌必争之地主导美洲、澳洲主要面临强敌竞争：-富士华21年开始针对北美推出450系列主打更高切割高度和更大坡度解决当地痛 -Gardena收购美国住宅灌溉解决方案提供商，拿到北美市场机会，实现份额拓展主导亚洲、欧洲德国、瑞典、意大利、以色列等欧洲本土传统的老工具品牌加剧行业竞争新兴品牌如中国出海品牌以亚马逊为核心切入点参与竞争Source：Euromonitor14美亚美亚 一强多新：一强多新：Mammotion迅速崛起形成绝对领导地位，另外迅速崛起形成绝对领导地位，另外Navimow、Dreame等中国智能机器人品牌成美国等中国智能机器人品牌成美国亚麻新贵，传统品牌富世华亚麻新贵，传统品牌富世华worx份额被快速蚕食份额被快速蚕食德亚德亚 国牌主导：国牌主导：中国品牌领导市场：从由中国中国品牌领导市场：从由中国worx、德国、德国gardena和和einhell领导的格局，变成由领导的格局，变成由Mammotion、科沃、科沃斯、九号等中国新兴智能机器人品牌领导的竞争格局斯、九号等中国新兴智能机器人品牌领导的竞争格局05头部玩家概览：中国品牌在亚马逊渠道规模与增长优势显著62%1%1%1%1%MammotionHusqvarnaNavimowLawn masterGardenaWorxDreame29%8%8%2ovacsMammotionWorxNavimowGardenaEinhellDreame亚马逊 新兴品牌发力场中国品牌打破割草机器人市场格局：2023年以来，中国出海品牌在美亚德亚马逊跃升TOP32024H1亚马逊渠道割草机器人销额分布亚马逊渠道割草机器人销额分布Vs 202024%-6%1%-8%-4%1%Vs 202020%-40%-7%7%1%Source：Amazon1506用户体验旅程：核心痛点和关注点聚焦割草环节Source：Amazon割草前割草中割草后开箱及安装开箱及安装APPAPP地图绘制地图绘制导航定位导航定位路径规划路径规划灵活避障灵活避障自动割草自动割草维护维修维护维修安全监控安全监控客服答疑客服答疑自动返回充电自动返回充电草屑处理草屑处理防卡顿防卡顿环保节能环保节能差评：应用程序bug差评：客户服务差、无响应差评：割草机经常卡住或被困，特别是地面凹陷处差评：割草机路径规划功能不靠谱差评：割草机经常停止工作差评：割草机牵引力差，难以应对斜坡和不平地形用用户户体体验验旅旅程程使使用用痛痛点点1607功能趋势(1/3)：避障导航脱困成为直击痛点、体验至上的核心功能已有产品解决方案已有产品解决方案算法预防与提升避障力物理防卡顿与减轻伤害APP提醒防堵塞切割片设计：防堵塞切割片设计：YUKA型号的割草机器人拥有防堵塞切割片设计，宽阔的刀盘空间设计可防止草屑堵塞刀盘，减少人工清理的频率，提高割草效率。YUKA的刀盘电机坚固耐用，即使在处理高草、厚草和湿草时，也能提高效率，确保最佳切割性能。物理保险杠：保护机器人在运行过程中避免或减轻因碰撞造成的损害，保护机器人结构，吸收冲击力。垂直障碍通过能力：5080mm异常现象提醒：异常现象提醒：通过智能手机应用进行控制：有助于用户在遇到问题时快速介入，避免卡顿。实现毫米级精准测距实现毫米级精准测距 提升识别力：提升识别力：参照扫地机器人的技术路线，想在复杂户外环境中解决扫地机器人的避障导航问题，需要实现毫米级的精确测距，并不断提高识别与判断的能力，以此来降低发生碰撞和卡顿的可能性。品类对比扫地机器人割草机器人导航避障技术发展周期导航避障技术发展周期主流技术主流技术品牌品牌主流技术主流技术品牌品牌随机碰撞（1990s-2000s）随机碰撞伊莱克斯基础导航（2000s-2010s）陀螺仪定位低端品牌超声波避障早期品牌激光雷达（2010s2015）激光导航LDS SLAMNeato、石头科技激光雷达富士华、Worx视觉导航（2015-2020）VSLAM视觉导航技术iRobot、科沃斯RTK载波相位差分Navimow智能避障与自动化时代（2020之后）AI物体识别、dToF传感器搭配3D结构光避障技术科沃斯1.RTK定位：navimow、mammotion2.3D激光雷达定位：追觅1.AI视觉避障：navimow2.3D全向避障：追觅3.三重避障（3D 超声波 物理）：mammotion17Source：Amazon07功能趋势(2/3)：多地形处理能力与割草效率持续提升品牌品牌切割面积范围切割面积范围切割高度切割高度mm爬坡能力爬坡能力%出海品牌11000100002410280%（36）海外品牌260016000106040P%（1823）出海品牌350020007030%（13.5）出海品牌42000307045%（20）出海品牌56001600306045%（20）出海品牌6i:500800i:2060i：30%（13.5）H：5003000H：306045%（20）海外品牌72502000205035%（16）切割高度、范围、爬坡能力的边界逐步拓宽切割高度、范围、爬坡能力的边界逐步拓宽草种差异草种差异美国美国德国德国澳大利亚澳大利亚气候类型气候类型9种2种6种；草多长于地中海、亚热带湿润气候草种类型草种类型地区差异明显，整体草高更高、更硬如亚寒带以肯塔基兰草等耐寒草种为主，草软；温带以百慕大为主，硬度高、厚实；亚热带以圣奥古斯丁为主，生长迅速草偏软以温带草种为主，黑麦草、细羊茅草为主：整体偏软、偏薄，除草难度低于美国百慕大草以能适应温暖气候和耐旱的草种为主，如水牛草、结缕草等，低维护庭院特点庭院特点草坪面积大（1000=32mx32m）、分前后庭院、坡度高精致小巧（250=16mx16m）、坡度低、障碍物多（多植物和雕像喷泉等），障碍物间通道狭窄90600不等大草坪除草难度：北美除草难度：北美 欧洲欧洲 澳洲澳洲18Source：Amazon07功能趋势(3/3)：产品模块化，实现割草、吹叶、吹雪等多功能合一割草机器人高热度地区：受气候、草坪文化、环保政策和经济水割草机器人高热度地区：受气候、草坪文化、环保政策和经济水平等因素影响，平等因素影响，美国中部、东南地区对割草机器人美国中部、东南地区对割草机器人需求较高需求较高而而纽约、伊利诺斯州、宾夕法尼亚、俄亥俄州和密歇根等下雪纽约、伊利诺斯州、宾夕法尼亚、俄亥俄州和密歇根等下雪较多的东北地区对除雪机器人较多的东北地区对除雪机器人存潜在需求存潜在需求市场需求市场需求已有产品解决方案已有产品解决方案汉阳科技：场景：场景：推出了模块化庭院机器人，可实现吹雪、割草和吹叶三合一功能，全季节覆盖价格：价格：本机$3499，机身与多模块合计$6299实现路径：实现路径：1 N，1本体 数种功能板块；-45极端天气使用；可清除550深度2.5cm积雪；可除草10000Mammotion：场景：场景：草坪护理，从割草到清扫落叶，除冬季场景，可满足10002000除草价格：价格：$14991699实现路径：实现路径：1）清扫落叶：快速连接的草坪清扫器套件，可以处理碎叶、碎屑、草屑、杂草以及最大1.37英寸的树枝；2）自动清空：通过应用程序最多可自定义100个点位，YUKA会导航到最近的地点，处理叶篮倾倒，并恢复任务，实现不间断的护理19Source：Amazon08割草机器人核心竞争力矩阵总结Source：Amazon核心提升方向：防卡顿与避障差异化进阶需求：割草、智能化、模块化普遍化重要需求：客服、续航无差异型需求防卡顿能力（尤其是凹陷处）防卡顿能力（尤其是凹陷处）定位导航定位导航 避障技术（迷路和错误规划）避障技术（迷路和错误规划）客户服务客户服务自动返航充电功能与续航自动返航充电功能与续航应用程序体验（丢地图数据，有应用程序体验（丢地图数据，有bug）多地形处理能力：牵引与爬坡能力差多地形处理能力：牵引与爬坡能力差边界线切割处理问题、自动返回边界线切割处理问题、自动返回降噪降噪雨水传感器雨水传感器智能家居智能家居防冻防冻装置装置优先升级方向高差异化机会低低市场关注度高20Source：Euromonitor泳池清洁机器人2101行业发展：技术和资本催生行业的快速演变Source：Lawnstarter1983年，第一台泳池清洁机器人诞生，随机路径规划、清洁效率低198320182019年：元鼎科技、望圆科技相继发布无线款泳池机器人，并产生销量2021年：品类迎来了难得的发展机遇期。随着无线智能泳池机器人的问世，恰逢海外智能家居和户外园艺市场正处于迅猛发展的关键时期。借助这种“天时”之利，无线泳池机器人成为了亚马逊上一个新的消费热点品类2019-20212022-2024创业潮与融资潮创业潮与融资潮推高行业热度推高行业热度有线时代有线时代无线时代开启无线时代开启行业迎来风口期行业迎来风口期1.02.0产品仍在发展初期阶段：几百美元的产品功能仍旧相对简单，无法满足续航与彻底清洁需求市场热度高涨：自2022年开始，国内领先扫地机器人品牌如追觅的创始人，这些本身具备扎实产品研发背景的企业家们，通过敏锐捕捉市场中的关键需求，选择以创业者身份重新入局，推动了一股专注于泳池机器人领域的创业风潮中国品牌销量突破：22年，中国品牌销售额跻身亚马逊平台TOP5，为行业创造了突破性的增长3.022社交娱乐费力高成本过去清洁泳池基本依赖手工清洁工具或传统泳池过去清洁泳池基本依赖手工清洁工具或传统泳池吸污机，泳池难清理、人工成本过高、且现有清吸污机，泳池难清理、人工成本过高、且现有清洁方式不够便利，费时费力高成本。据估算，北洁方式不够便利，费时费力高成本。据估算，北美泳池人工清洁费用美泳池人工清洁费用平均每次平均每次$300，业主，业主每年维护泳池花费达到每年维护泳池花费达到$1500欧美泳池派对文化盛行，主要是由于泳池具有欧美泳池派对文化盛行，主要是由于泳池具有社交和度假属性社交和度假属性，无论是各类爆火剧，无论是各类爆火剧，泳池场景都会频繁出现。且泳池场景都会频繁出现。且90年代生活方式变年代生活方式变更，叠加千禧年后诸多网红和富豪的生活方式更，叠加千禧年后诸多网红和富豪的生活方式曝光，让美国私人泳池迎来全面爆发曝光，让美国私人泳池迎来全面爆发泳池文化和心理驱动经济性驱动技术可实现扫地机器人概念引用促进泳池清洁机器人研发02行业发展驱动因素：技术带来的降本增效Source：Lawnstarter2303核心市场聚焦：优先美国，拓展西欧和澳洲美国美国,36%法国法国,11%德国德国,7%澳大利亚澳大利亚,4%西班牙西班牙,4%意大利意大利,1%其他其他,38 24e全球私家泳池数3000万个 根据GMI数据，2023年泳池机器人规模为9.5亿美元，20242032年的复合增速预计为19%。类比扫地机器人赛道，一旦产品突破智能化和易用性瓶颈，产品渗透率将得到快速提升Source：GMITier1美国首选市场首选市场 美国有将近美国有将近1100万个私人万个私人泳池，占比全球泳池，占比全球36%，且消费水平较高、，且消费水平较高、对于智能高科技产品接受度高，新品类教对于智能高科技产品接受度高，新品类教育成本低育成本低Tier2德国、澳大利亚优质市场优质市场 2023年，德国有年，德国有220万个、万个、澳大利亚有澳大利亚有120万个私人泳池，叠加高消万个私人泳池，叠加高消费力，有更多泳池机器人拓展机会费力，有更多泳池机器人拓展机会Tier3法国、西班牙、意大利拓展市场拓展市场 临地中海的地理位置让南临地中海的地理位置让南欧国家拥有游泳热情欧国家拥有游泳热情，结合消费水平，更容，结合消费水平，更容易推广中低端泳池机器人产品易推广中低端泳池机器人产品2404头部玩家概览：传统欧美品牌定位高端，出海品牌丰富产品选择Source：Euromonitor 昔日巨头地位不保、中国新锐品牌表现抢眼：昔日巨头地位不保、中国新锐品牌表现抢眼：泳池清洁领域巨头Dophin已逐渐丧失领导地位，2年内份额直降30%；中国品牌Aiper抢夺其大部分份额，另外望圆科技Wybot和星脉科技Beatbot分别定位中端、高端，中国品牌提供丰富的价格带让用户拥有更多选择中端$300600中低端$300高端$6002000主要品牌技术提升点 传统老品牌 新锐品牌定位高端 Dolphin、Hayward、Polaris、Beatbot、Aiper少数型号 Aiper（中）Betta Wybot（中）Wybot（中）全全自动化：自动化：一键自动清扫、洗刷、过滤高级避障与自定路径规划高级避障与自定路径规划清洁范围拓宽、清洁力增强：清洁范围拓宽、清洁力增强：能够清洁任何形状或大小的泳池，包括圆形、椭圆形等；也可清洁放水口和墙面等支持基础基础APP连接连接与远程操控支持个性化清洁模式支持个性化清洁模式效率提升：效率提升：智能自适应路径规划、水线清洁功能、续航提升 基础无线清洁 有线清洁37&%6%6%DolphinAIPERBettaWYBOTBeatbot价格带区隔价格带区隔2024H1美亚泳池美亚泳池机器人分布机器人分布VS 2020-27#%6%6%价格带价格带$50015001507003005009050010002200按销售额计按销售额计2505用户体验旅程：基础的清洁效果和客服响应诉求未被满足清洁前清洁中清洁后开箱及安装开箱及安装APP环境扫描环境扫描清洁模式选择清洁模式选择路径规划路径规划全面清洁全面清洁吸水过滤吸水过滤维护维修维护维修安全监控安全监控客服答疑客服答疑水质净化水质净化出水出水App控制控制自动返回自动返回差评：应用程序不可靠差评：客户服务差、无响应差评：清洁模式随机且无效差评：产品无法有效清洁整个泳池差评：产品质量差差评：电池寿命短、续航差用用户户体体验验旅旅程程使使用用痛痛点点Source：Amazon2606功能趋势(1/3)：解决水下导航与路径规划问题以满足清洁深度Source：Amazon导航力产品型号产品型号Beatbot Aqua pro美亚折后价美亚折后价$1800App智能控制智能控制可可app定制模式与路线定制模式与路线避障导航避障导航20个智能传感器提升避障识别力个智能传感器提升避障识别力双陀螺仪和双超声波双陀螺仪和双超声波AICleverNav 智能导航系统，用智能导航系统，用于优化路径规划于优化路径规划实现效果实现效果可实现高效清洁、排除信号干扰可实现高效清洁、排除信号干扰环境因素影响传感器数据质量：环境因素影响传感器数据质量：由于水下环境中光线的折射、水体的浑浊程度以及水流等因素的影响，水下地图构建的难度远远超过了地面，其复杂性提升数倍技术应用受限：技术应用受限：视觉技术、导航定位技术在水下可能不太适用；而且容易出现信号丢失的问题水水下下导导航航难难点点用用户户痛痛点点清洁不彻底：清洁不彻底：由于导航定位技术的局限性，泳池机器人可能会漏掉泳池的某些区域，导致清洁不彻底；尤其是墙角等死角区域，给用户带来不便清洁模式随机且无效清洁模式随机且无效产品无法有效清洁整个泳池产品无法有效清洁整个泳池2706功能趋势(2/3)：拓宽各类泳池类型和清洁场景以实现清洁广度Source：Amazon清洁力产品型号产品型号Aiper SEAiper E1Aiper S1Dophin CCAiper S1 proBeatbot AquaBeatbot Aqua pro美亚折后价美亚折后价$12030052570096012101800支持清洁范围支持清洁范围底部底部底部底部底部底部水线清洁水线清洁放水口放水口底部底部水线清洁水线清洁底部底部水线清洁水线清洁放水口放水口楼梯楼梯底部地板底部地板水线清洁水线清洁墙面墙面底部地板底部地板水线清洁水线清洁墙面墙面水表面水表面支持泳池类型支持泳池类型地面上泳池地面上泳池地面下泳池地面下泳池地面上泳池地面上泳池地面下泳池地面下泳池长方形、圆形、椭圆长方形、圆形、椭圆形、随机形、乙烯基、形、随机形、乙烯基、混凝土、瓷砖、玻璃混凝土、瓷砖、玻璃长方形，圆形长方形，圆形长方形、圆形、椭圆长方形、圆形、椭圆形、随机形、乙烯基、形、随机形、乙烯基、混凝土、瓷砖、玻璃混凝土、瓷砖、玻璃长方形、圆形、椭圆长方形、圆形、椭圆形、随机形、乙烯基、形、随机形、乙烯基、混凝土、瓷砖、玻璃混凝土、瓷砖、玻璃2806功能趋势(3/3)：作为提升用户体验的关键，续航力待提升Source：Amazon续航力产品型号产品型号Aiper SEAiper E1Aiper S1Dophin CCAiper S1 proBeatbot AquaBeatbot Aqua pro美亚折后价美亚折后价$12030052570096012101800单次清洁面积单次清洁面积单次续航单次续航min充满电时间充满电时间h3h3h34h4h3.5h90 100 150 120 180 180 570 小型泳池面积小型泳池面积 680 100 150 100 200 210 300 中型泳池面积中型泳池面积 50肾型泳池面积肾型泳池面积 60$600以下的产品的单次清洁面积仅可保证满足平均面积大小的泳池完成1次泳池底部清洁，很难同时完成水线、出水口等更多区域的清洁工作，且充电时间长2907庭院清洁机器人核心竞争力矩阵总结核心提升方向：规划导航与清洁力差异化进阶需求：续航、客服、app等普遍化重要需求：品控无差异型需求使用稳定性（突然停止操作）使用稳定性（突然停止操作）规划导航规划导航 清洁力（无法有效清洁）清洁力（无法有效清洁）可支持清洁范围与泳池类型可支持清洁范围与泳池类型产品质量产品质量续航时间短、单次清洁面积少续航时间短、单次清洁面积少客户服务、客户服务、APP经常无法使用经常无法使用自动泊车自动泊车保修保修快速放水快速放水双重过滤双重过滤优先升级方向Source：Amazon高差异化机会低低市场关注度高30庭院生活人群洞察317000 50% 2023年，美国1.3亿个家庭有7000万 个私人庭院，私人花园渗透为50% 8%美国私人花园数（万个）参与园艺的美国家庭比例拥有泳池的美国家庭比例01庭院生活人群渗透率Source：Statista,RubyHome,GardenPals 2023年，美国1.3亿个家庭有1040万个私人泳池，泳池渗透率为8 23年，据RubyHome估计，美国私人庭院数有7000万 个32智能庭院维护者02庭院生活人群划分Source：GWI 24H1美食烹饪者美食烹饪者Cooking72%娱乐向维修向人力向智能向技术早期采用者技术早期采用者3%割草机割草机拥有者拥有者生活休闲热爱者生活休闲热爱者Home&Lifestyle Enthusiasts 87%根据活动类型划分根据智能程度划分庭院装饰者庭院装饰者Garden Furniture14%Source：Statista 24Q3，Pool&Hot Tub AllianceNote:以美国庭院兴趣人群作为观察对象进行人群划分园艺爱好者园艺爱好者DIY/home improvements60%智能灌溉/照明用户泳池拥有者泳池拥有者8303智能庭院人群画像Source：Statista 24Q3Note:选择割草机和扫地机人群作为庭院人群代表人物多为中高收入群体，住在别墅养狗，有较大户外空间需要维护科技尝新者效率与智能导向多元化的别墅居民2544岁高收入为主岁高收入为主对新科技接受度最高，多为对新科技接受度最高，多为【早期技术采用者早期技术采用者】和和【早期大众早期大众】愿意尝试新品，包容早期技术缺陷；愿意为产品做大量免费宣传愿意尝试新品，包容早期技术缺陷；愿意为产品做大量免费宣传和主动推广，可以帮助产品在市场上快速获得认可和普及和主动推广，可以帮助产品在市场上快速获得认可和普及3554岁高收入人群为主，高收入和对效率的追求使得他们更倾岁高收入人群为主，高收入和对效率的追求使得他们更倾向于使用自动化设备来节省时间和劳力向于使用自动化设备来节省时间和劳力多为多为【早期大众早期大众】，科技普及度高，意味着他们对割草机器人和，科技普及度高，意味着他们对割草机器人和泳池清洁机器人的技术接受更为容易泳池清洁机器人的技术接受更为容易2534岁住在别墅的家庭为主，有维护草坪和泳池的需求岁住在别墅的家庭为主，有维护草坪和泳池的需求以养狗为核心的多样化养宠结构，可能增加对自动化清洁设备的以养狗为核心的多样化养宠结构，可能增加对自动化清洁设备的需求，以保持户外空间的清洁需求，以保持户外空间的清洁又有技术尝新派、又有技术保守派、又有顽固的落伍者又有技术尝新派、又有技术保守派、又有顽固的落伍者54FPPHR%男女美国德国澳大利亚性别分布性别分布年龄分布年龄分布收入分布收入分布200%04$%72425343544455455以上养宠情况养宠情况居住环境居住环境对技术态度对技术态度26iRG%住公寓住别墅52) R)E0 %高收入中收入低收入66G%7%7%4C%9%6%3%5d9%3%6%狗猫鱼鸟类爬行动物啮齿动物3%6 %3B!%5$%创新者早期采用者早期大众后期大众迟缓者智能庭院TA3404广告触点与品牌发现产品发现渠道产品发现渠道产品种草渠道产品种草渠道54SDCBA95%社交媒体在电视上户外广告线下商店搜索引擎品牌网站广播电台网上商店广告邮件515220)$%搜索引擎网上商店客户评价在商店里社交媒体品牌网站朋友和熟人在线论坛比价网站49GFCCAA86%社交媒体搜索引擎网上商店户外广告广告邮件在电视上线下商店广播电台品牌网站54RQFDC865%社交媒体户外广告在电视上线下商店网上商店搜索引擎品牌网站广告邮件广播电台54A)(&$ %搜索引擎网上商店朋友和熟人客户评价在商店里品牌网站比价网站社交媒体在线论坛558431&#%搜索引擎网上商店社交媒体客户评价品牌网站在商店里朋友和熟人比价网站在线论坛多以社交媒体、搜索引擎和电商平台作为新品发现和信息搜索渠道评价和推荐重视者口碑与信息搜集派社媒依赖者与当地影响者合作，通过他们的推荐来增加产品的可信度与当地影响者合作，通过他们的推荐来增加产品的可信度举办线上互动，鼓励用户分享使用体验举办线上互动，鼓励用户分享使用体验利用客户评价和推荐，如通过利用客户评价和推荐，如通过Google Reviews和和Amazon等平等平台收集正面评价展示在品牌官网台收集正面评价展示在品牌官网通过搜索引擎优化和搜索引擎营销提高品牌在线可见度通过搜索引擎优化和搜索引擎营销提高品牌在线可见度利用电子邮件营销，发送定期的产品更新和维护提示利用电子邮件营销，发送定期的产品更新和维护提示通过案例研究和通过案例研究和UGC见证来展示产品的实际效果见证来展示产品的实际效果在社交媒体上发布创意内容，如挑战等，加大曝光在社交媒体上发布创意内容，如挑战等，加大曝光展开户外广告曝光展开户外广告曝光Source：Statista 24Q3Note:选择割草机和扫地机人群作为庭院人群代表人物共性差异优势其他美国德国澳大利亚智能庭院TA3505购买关注点购买习惯购买习惯品牌驱动因素品牌驱动因素69dbSG81%线上购物接受环保溢价大零售商尝试新产品尝试新体验本土商店线下购物74aYVU%偏好高质量产品让用户觉得被重视聆听消费者反馈品牌积分机制社会责任感68fYQ%偏好高质量产品让用户觉得被重视聆听消费者反馈品牌积分机制社会责任感71cXWU%偏好高质量产品聆听消费者反馈让用户觉得被重视社会责任感品牌积分机制偏好线上购物从大零售商处购买愿为环保溢价付费愿尝试新品偏好高质量产品偏好聆听用户反馈的品牌Source：GWI 24H1Note：选择early adopters作为观察对象洞察购买关注点共性差异优势其他美国德国澳大利亚77dcb87#%线上购物接受环保溢价尝试新产品大零售商本土商店尝试新体验线下购物66aYTA94%线上购物大零售商尝试新产品接受环保溢价尝试新体验本土商店线下购物智能庭院TA36Source：Euromonitor庭院营销洞察3701割草机器人行业营销概览(1/2)投放概况营销目标占比TOP投放渠道广告素材类型192新素材老素材割草机器人行业割草机器人行业24Q3在投素材总量（万条）在投素材总量（万条）以获取潜在客户为目标的素材占比最高，其次是购物潜在客户潜在客户49%购物购物27%流量获取流量获取16%转化转化7%其他其他1%7.97.87.74.94.62.82GoogleAds(Admob)FB NewsFeedInstagramLinkedInTwitterYouTubePinterest（单位：万条）图片图片59%视频素材视频素材27%HTML9%轮播轮播5%图片素材占比最高、其次为视频类型Source：BigSpy 新品机会大且广告投放多以获客蓄水为主要目的新品机会大且广告投放多以获客蓄水为主要目的3801割草机器人行业营销概览(2/2)Source：BigSpy3D与实景结合数字指标量化卖点销售线索导向强调差异化卖点热投素材基本信息：素材类型：15s视频主投地区：美国投放时长：190天 营销目标：流量获取营销亮点：组装机器的3D动画与割草的实景结合，突显科技感卫星、宇宙等宏大场景/元素的运用，体现高技术含量慷慨激昂BGM调动情绪热投素材基本信息：素材类型：图片主投地区：英国、意大利投放时长：150天 营销目标：购物营销亮点：图片：一图涵盖3大产品卖点，首推陡坡割草功能，其次表明割草面积大、可切割更高高度文案：用数字量化每一项产品卖点，给人留下专业的印象；使用专业词汇，营造独特和创新感热投素材基本信息：素材类型：图片主投地区：沙特投放时长：2000天 营销目标：购物营销亮点：图片：留下品牌联系方式，为想深入了解的用户提供线索文案：强调品牌的专业形象、丰富的产品和在爱尔兰的独特地位热投素材基本信息：素材类型：29s视频主投地区：/投放时长：90天 营销目标：流量获取营销亮点：将割草机器人的智能自动操作可视化，加深观众理解和对品牌高科技的记忆点强调夜间自带灯光工作的功能BGM气势磅礴，加入扫描、安装等音效，突出产品专业的特性 突出产品卖点的差异化素材效果佳突出产品卖点的差异化素材效果佳39割草机器人案例分析Source：BigSpyHusqvarna 是一家拥有超过325年历史的瑞典品牌，以其在园林设备领域的创新和高质量产品而闻名。在割草机器人领域，Husqvarna 推出了一系列自动化割草机，特别是其Automower 系列，这些产品以其高效、环保和智能化的特点在市场上占据重要地位。热投地区热投地区投放高峰投放高峰热投素材热投素材Husqvarna全球账号多达100 ；其中巴西创意数最多且热度排名TOP 2；澳大利亚热度最高HusqvarnaBrasil账号近一年投放高峰出现在6月中旬到月中旬到7月中旬月中旬HusqvarnaBrasil账号新投素材：球星代言，黑五促销热投素材：利用品牌知名度最大化产品吸引力；强调先进的草坪维护方式4002泳池机器人行业营销概览(1/2)投放概况营销目标占比TOP投放渠道广告素材类型6311新素材老素材割草机器人行业割草机器人行业24Q3在投素材总量（万条）在投素材总量（万条）以获取潜在客户为目标的素材占比最高，其次是购物潜在客户潜在客户55%购物购物19%流量获取流量获取17%转化转化8%其他其他12312218154.84.5Instagram FB NewsFeedGoogleAdsLinkedInTwitterYouTube Pinterest（单位：万条）图片图片57%视频素材视频素材27%轮播轮播11%HTML5%图片素材占比最高、其次为视频类型Source：BigSpy 新品机会大且新品机会大且Instagram效果更好效果更好4102泳池机器人行业营销概览(2/2)Source：BigSpy人物场景营销大字报醒目素材人物场景营销3D与文字辅助结合热投素材基本信息：素材类型：68s视频主投地区：美国投放时长：530天 营销目标：购物营销亮点：对比呈现使用泳池机器人和不使用的人的生活状态，突显出使用后带来的省力省时体验细致展示产品特色功能，比如清洁泳池墙壁、智能路线规划热投素材基本信息：素材类型：图片主投地区：美国投放时长：60天 营销目标：流量获取营销亮点：图片：最大字号文字突出了产品的关键优势：轻松清洁，有助于吸引追求便利的消费者文案：反复使用专业、顶级等词汇，来强调产品实力；号召到店的行动热投素材基本信息：素材类型：图片主投地区：澳大利亚投放时长：790天 营销目标：购物营销亮点：图片：女性（红裙暗示）单人可使用，表明它轻便、重量是用户友好的；整体色调美观且和谐文案：先用立减优惠吸引用户目光，简洁直观地列出产品多卖点，很容易吸引到刚需客户热投素材基本信息：素材类型：41s视频主投地区：美国投放时长：510天 营销目标：购物营销亮点：3D动画展示泳池机器人的内部构造和运行状态，营造出产品具有先进技术和创新的感觉文字辅助让潜在客户了解产品工作原理，进而对清洁的有效性产生认同 卖点直给、场景结合、科技渲染为投放素材加分卖点直给、场景结合、科技渲染为投放素材加分42泳池机器人案例分析Source：BigSpyMaytronics 成立于 1983 年，通过开发全系列环保泳池清洁机器人彻底改变了自动泳池清洁行业。如今，他们最先进的产品和技术不断为泳池护理树立新标准，致力于为泳池拥有者提供可持续产品，带来清洁、安全和轻松的泳池体验。热投地区热投地区投放高峰投放高峰热投素材热投素材Maytronics在西班牙、拉美、澳大利亚和法国市场都有建立官方账号；其中澳大利亚热度最高，法国投放量最大Maytronics Australia账号近一年投放集中在6月中旬到月中旬到11月中旬月中旬Maytronics Australia账号新投素材：真人实拍；使用感受对比 分享热投素材：文案强调免去繁重劳作，享受轻松生活43庭院机器人营销玩法44lawn mowerpool cleanersnow blower03全年营销节奏：把握品类季节性，借节日、展会营销节点曝光24-1124-1225-0125-0225-0325-0425-0525-0625-0725-0825-0925-10黑五父亲节夏日促销秋季促销圣诞季春季促销Source：Google Trends美国扫雪机器人：冬季泳池机器人：夏季割草机器人：春季spoga gafacleanenviroCESIFAEquip Exposition4528,902 18,488 17,690 15,262 14,841 14,387 13,135 12,731 12,660 12,446 12,269 11,717 11,553 11,512 11,320 10,676 10,016 9,689 9,391 8,811 人工智能车辆技术物联网/传感器智能家居与家电增强现实/虚拟现实机器人市场营销与广告初创企业视频技术5G能源/电力云计算/数据健身与可穿戴设备数字健康音频技术娱乐与内容游戏与电子竞技3D打印网络安全可持续性玩法一：庭院机器人 展会营销借助CES和IFA完成春秋季2次上新01022024 CES 参展者人数按行业分布参展者人数按行业分布22年及之前产品于国内上新，年及之前产品于国内上新，23开始在国际展会做新品上市开始在国际展会做新品上市展会名称展会名称CESIFA其他其他主办地区主办地区北美北美德国德国德国德国欧洲为主欧洲为主Plantworx 2023Equip Exposition新品上市为参展Source：CESCES影响力庭院机器人品牌参展与新品上市统计智能家电吸引大规模参展人关注智能家电吸引大规模参展人关注46案例：庭院机器人展会营销某智能机器人品牌-2024CES营销节奏预热期活动期维热期/开售前1.91.121.14.1开售初期3.1低调预热，FB官宣现场直击，新品预告多层种草，早鸟促销限购引势，持续种草社媒官号预热CES展位CES展位现场照片分享 CES新品预告图文简要介绍卖点 发布新品洗地机、扫地机发布新品洗地机、扫地机早鸟购初期：高频发布新品图文 视频提升产品认知早鸟购末期：2min内新品卖点/使用视频素材刷屏 早鸟购：1.132.20早鸟限时购与抽奖活动开启 KOL开箱视频合作流量变化*阶段核心营销动作Source：SimilarWeb,品牌社媒主页Note:*数据来源为Similarbweb,口径为品牌官网美国地区2023年12月2024年4月的流量借CES完成品牌曝光与新品上市47玩法二：庭院机器人创意营销产品能力产品能力草坪打印技术：草坪打印技术：AI算法调算法调整路线与切割高度整路线与切割高度奖励机制奖励机制$1000现金奖励现金奖励电池、配件赠送电池、配件赠送用户创意用户创意草坪设计创意草坪设计创意摄影创意摄影创意MowscarAwards 草坪艺术照挑战Yukagardenlife 产品创意使用挑战赛产品能力产品能力割草效果、宠物友好割草效果、宠物友好奖励机制奖励机制电池、配件赠送电池、配件赠送爱宠心理爱宠心理摄影创意、互动时刻摄影创意、互动时刻Pawfectlawnday宠物互动时刻Nature Moments 宠物互动时刻0102萌宠互动挑战草坪艺术照挑战以创意互动和社媒传播展示产品功能48玩法三：庭院机器人 体育营销与高关联领域体育明星合作增强产品背书0102Source：品牌社媒主页Aiper与游泳运动员合作共创内容发布平台：发布平台：Youtube、Facebook数据：数据：4473次观看，次观看，39点赞点赞场景展示：展示运动员运动场景和割草机在足球场上割草的场场景展示：展示运动员运动场景和割草机在足球场上割草的场景，传达割草机可以帮助自动清理运动场。账号发布的割草机景，传达割草机可以帮助自动清理运动场。账号发布的割草机相关视频多条都与相关视频多条都与足球、高尔夫足球、高尔夫有关。有关。卖点卖点展示：这两类都是草坪面积极大的运动，展示：这两类都是草坪面积极大的运动，展现产品续航能展现产品续航能力强力强，可以服务于大型草坪，且高尔夫球场有斜坡，产品依旧，可以服务于大型草坪，且高尔夫球场有斜坡，产品依旧能很好地处理障碍物和斜坡，能很好地处理障碍物和斜坡，展现产品爬坡能力和避障能力。展现产品爬坡能力和避障能力。富世华赞助利物浦足球俱乐部发布平台：发布平台：Instagram数据：数据：4993次赞，次赞，43条评论条评论场景展示：邀请美国游泳运动员场景展示：邀请美国游泳运动员Lilly King共创视频（世界纪共创视频（世界纪录保持者，奥运会冠军）以视频形式宣传录保持者，奥运会冠军）以视频形式宣传运动员游泳的场景和运动员游泳的场景和运动员亲自打开产品包装使用产品清洁泳池运动员亲自打开产品包装使用产品清洁泳池的片段。的片段。卖点卖点展示：展示：详细展示产品详细展示产品清洁泳池的过程，包括水平、垂直、清洁泳池的过程，包括水平、垂直、表面、池底。表面、池底。运动员在视频下方发布评论“我的跑道从来没有运动员在视频下方发布评论“我的跑道从来没有这么干净过”，借美国专业游泳运动员增加品牌知名度和可信这么干净过”，借美国专业游泳运动员增加品牌知名度和可信度。度。此条视频此条视频ins置顶，点赞量近置顶，点赞量近5000，远高于其他视频。，远高于其他视频。49用数字有效联结中国企业和全球消费者飞书深诺集团成立于 2013年，是以全球移动互联网大数据为基础、Al 技术驱动的领先的数字化全球营销服务集团。飞书深诺集团拥有全球超40家优质媒介采买资源，围绕出海链路各个触点形成了一套包含媒介管理服务MeetsocialMedia、出海品牌全域营销服务子品牌飞书点跃BeyondClick、数字技术服务Meet Experience为一体的营销服务链路，助力品牌全球成功。在电商品牌、游戏应用出海两大场景下，专注于成长型跨境电商运营解决方案的平台SinoClick和专注游戏全球发行服务的平台Meetgames帮助出海企业实现更低门槛、更快速的海外业务成长。如今，飞书深诺集团已累计服务电商、品牌、游戏、APP 多场景超10万家中国企业成功出海，稳步实现用数字有效联结中国企业和全球消费者的愿景。飞书深诺旗下全域营销服务子品牌BeyondClick飞书点跃加持客户的四大营销环节精细化运营，令效果加成8,800万 全球消费者样本库系统诊断评估出海投放策略数字媒介资产利益最大化超10年全球投放数据沉淀账户数据结构诊断优化投放过程可控，效果可观对接全球创意素材资源数据效果导向优化创意内容本地化创意持续迭代，高效输出连接4300万 网红资源系统性媒介与内容营销方案有效链接海外本地用户洞察Insight优化Optimization创意Creative社媒红人Social Media&KOL有数据有策略能落地关于Meet Intelligence目标用户画像与需求用户品牌认知与反馈产品/广告创意有效性评估海外用户调研分析海外用户调研分析市场拓展策略咨询市场拓展策略咨询新市场进入策略方案规划目标市场选品规划品牌深度营销策略规划扫码关注电商品牌出海资讯平台扫码咨询出海业务目标市场与细分领域的发展趋势竞争对手成功要素梳理与经验总结主要媒介与新兴媒介的渗透海外目标市场研究海外目标市场研究Meet Intelligence 团队优势 服务团队成员来自国际头部咨询公司 平均5年以上咨询与研究经验 联动9年全球投放数据 超10家国际头部付费数据库及各大专业机构 超8,800万全球消费者样本库 助力出海策略咨询到出海营销真正落地，打破出海信息壁垒本报告由本报告由Meet IntelligenceMeet Intelligence团团队撰写，队撰写，Meet IntelligenceMeet Intelligence团团队能提供海外行业洞察、行业队能提供海外行业洞察、行业竞对洞察、用户画像和品牌评竞对洞察、用户画像和品牌评估等定制化咨询策略服务，覆估等定制化咨询策略服务，覆盖包括盖包括3C3C手机、家电、时尚服手机、家电、时尚服饰等饰等1010余行业余行业52多种关键词搜索排除式搜索多种网站类型投大大出海营销领取$1体验高级VIP福利BigSpyBigSpy广告监测工具覆盖全球广告监测工具覆盖全球6969个国家、个国家、2424种语言、种语言、9 9大海外广告渠道，累计收录近千万广告主，超大海外广告渠道，累计收录近千万广告主，超1212亿广告创意数据；提供多维度组合、筛选、去重和排序，帮助使用者精准定位各类广告创意；自定亿广告创意数据；提供多维度组合、筛选、去重和排序，帮助使用者精准定位各类广告创意；自定义标签，轻松追踪竞品广告动向。义标签，轻松追踪竞品广告动向。谢谢观看!Meet Intelligence扫码关注电商品牌出海资讯平台扫码获取更多出海报告54
2024-11-20
54页
5星级
1 拨云见日如何挑选一款“好”的机器视觉产品？2 拨云见日，如何挑选一款“好”的机器视觉产品？1.前言2.挑选第一步：明确应用需求和场景3.挑选基本功：评估硬件性能4.挑选进阶技巧：是否具有 HDR 功能5.挑选进阶技巧：基于规则还是基于 AI6.挑选进阶技巧：是否易于设置和开发7.挑选进阶技巧：考虑总拥有成本8.总结目录 3 拨云见日，如何挑选一款“好”的机器视觉产品？前言今天，机器视觉已经成为了自动化系统重要的组成部分之一。作为一类可以助力自动化系统对组件、产品、图案、条码等视觉对象进行查看、识别及检测的产品，机器视觉正成为越来越多工业用户提质增效、减少浪费的得力帮手。在工业生产线上，它不仅可以高效地对零件和产品进行细致检查，大幅提升自动化流程的效能与灵活性，还能为自动化设备提供“眼睛”，使其能够准确定位并识别对象，以及采集信息，从而帮助企业优化生产流程、提升整体效能。伴随着这样的技术趋势，近年来市场上也涌现出了越来越多不同规格、型号的机器视觉产品供广大用户选择。那么，如何选择一款最适合您需求的机器视觉产品，帮助您打开一扇崭新的质量与效率之门呢？在这本白皮书里，我们将以康耐视推出的In-Sight 3800 系列一体化视觉系统为例，为您阐述选择机器视觉产品时的一系列要点，希望为您带来有益的启迪。4 拨云见日，如何挑选一款“好”的机器视觉产品？挑选第一步：明确应用需求和场景要选择最适合您需求的机器视觉系统，首先需要明确您的应用需求和场景，并根据这些信息来决定使用哪种类别的视觉系统。例如，线扫描相机适合应用于连续检测应用；面阵扫描是大多数机器视觉系统的工作类型，这类系统既可用作简易的单用途传感器，也可以用于功能更加全面的系统；而三维视觉系统增加了图像深度，有时会使用激光来测量距离和计算深度。此外，从行业的需求特点出发，有的应用场景对于一些特定的参数尤其提出了高要求。例如，在一些高速的生产线中，视觉系统需要每分钟对上千个甚至更多的零件进行可靠检测。这样的高要求，同样是选择视觉系统必须考虑的重要因素。在这方面，康耐视推出的 In-Sight 3800系列一体化视觉系统，可以凭借多样化的功能和强大的性能，满足各种各样的视觉需求，并展现出高速、高分辨率、高灵活性等一系列突出优势。作为一款先进的视觉系统，In-Sight 3800 为自动化检测提供了功能强大且易用的解决方案。它内嵌了一整套强大的基于规则的工具和创新的边缘学习技术，从而能够满足从缺陷探测、装配验证到字符读取等一系列智能制造过程中的应用需求。特 别 是，依 托 强 大 的 高 速 检 测 能 力，In-Sight 3800 最高可以实现每分钟 2500 件的检测速度，搭配全面的检测功能和算法，从而完美地满足食品、饮料及包装消费行业的各项需求。5 拨云见日，如何挑选一款“好”的机器视觉产品？例如，对于食品和饮料制造商而言，不仅需要在消费需求的增长之下提高产量和效率，还需要确保产品的高质量和低耗费，并通过提升整个流程的可追溯性以保障食品安全，并符合严格的监管规定。作为工艺较为类似的行业，包装消费行业的制造商同样面临着类似的挑战。面对这一类典型需求，In-Sight 3800 非常适合依托在高速视觉检测方面的特长，在这些应用场景中充分发挥价值，从而为用户带来提质增效、提升可追溯性以及减少浪费等收益。In-Sight 3800 可以承担的典型功能包括：准确计数货盘中的物品，以确保正确控制配份量，以及流程或库存控制的准确性；确保灌装液位保持一致，符合顾客预期；检测标签缺陷，如气泡、撕破、褶皱等；检测和消除食品产品中的异物，以避免发生产品召回事故；识别不正确的密封，以保障食品和饮料产品的安全性；利用高速 OCR 读取验证食品产品上基于文本的批代码，以及准确读取瓶身、罐头等曲面上的文本和代码，以确保可追溯性；验证包含多个组件的产品是否正确装配，例如吸管或餐具；按颜色识别相似产品，更方便地进行分组；引导机器人精确拾放产品以进行纸箱包装。6 拨云见日，如何挑选一款“好”的机器视觉产品？挑选基本功：评估硬件性能尽管市场上大多数视觉系统都提供类似的硬件组合，但对于用户而言，对视觉系统的每个组件还是需要结合自身的需求“精挑细选”，并确保组件之间能够实现无缝协作。机器视觉系统通常分为相机、光源、镜头、图像采集卡、视觉处理系统等五个部分。相机：相机是机器视觉系统中的核心部件，它负责采集图像并将其转换成数字信号。根据不同的应用需求，可以选择不同类型的相机，如CMOS 相机、CCD 相机等。CMOS 相机具有低功耗、高速传输和宽动态范围等特点，而 CCD相机则能提供很好的图像质量和抗噪能力。相机的选择需要根据系统的分辨率、帧率、接口类型等因素进行综合考虑。在选型时，按照以下步骤进行：1.根据需求和成本选择图像传感器型号：CCD 还是 CMOS；2.根据目标的要求精度，选择合适的分辨率。例如，对于视野大小为 10*10MM 的场合，要求精度为 0.02MM/PIXEL，则当方向上分辨率=10/0.02=500。3.若被测物体为运动物体，需要选择帧数较高的工业相机。镜头：镜头用于将被测物成像到相机的靶面上，并将其转换成电信号。镜头的选型主要考虑 7 拨云见日，如何挑选一款“好”的机器视觉产品？呈像的视距，以及相机的像素数、像元尺寸、放大倍率等因素。镜头与相机一般是配套的，选择合适的镜头对于确保图像的清晰度和准确性至关重要。工业镜头的选择要点：1、视野范围、光学放大倍数及期望的工作距离：在选择镜头时，我们会选择比被测物体视野稍大一点的镜头，以有利于运动控制。2、景深要求：对于对景深有要求的项目，尽可能使用小的光圈；在选择放大倍率的镜头时，在项目许可下尽可能选用低倍率镜头。如果项目要求比较苛刻时，倾向选择高景深的尖端镜头。3、芯片大小和相机接口：例如 2/3镜头支持最大的工业相机耙面为 2/3，它是不能支持 1 英寸以上的工业相机。4、注意与光源的配合，选配合适的镜头。5、可安装空间：在方案可选择情况下，更改设备尺寸是不现实的。光源：光源是机器视觉系统中不可或缺的部分，它为视觉系统提供足够多的亮度，确保图像采集的清晰度和准确性。常见的光源设备包括可调节灯、LED 灯、高功率激光灯等。光源的好坏直接影响输入数据的质量和应用效果，因此需要根据每个特定的应用实例选择相应的视觉光源，以达到最佳效果。图像采集卡：图像采集卡是机器视觉系统中的一个重要部件，它负责将相机输出的模拟信号或数字信号转换成计算机可以处理的信号。比较典型的有 PCI 采集卡、1394 采集卡、VGA 采集卡和 GIGE 千兆网采集卡等。选择合适的图像采集卡可以确保图像的实时传输和处理。8 拨云见日，如何挑选一款“好”的机器视觉产品？在生产制造步入信息化时代的今天，用户也必须认真考虑机器视觉系统的通信协议类型。自动化制造中使用的协议种类繁多，例如通过直接连接发送的简单开/关信号、包括EtherNET/IP，PROFIBUS 和 DeviceNet 在内等复杂的工业协议等。今天，市场需求变化的速度日益加快，这意味着在生产和检测环节，用户也往往需要对应用在其中的机器视觉系统进行调整，以适应最新的需求。为了尽可能地满足更多样化的需求场景，让用户可以从容便捷地对系统进行调整，性能强大、可扩展且支持互联互通的硬件组合无疑是必不可少的。例 如，面 对 可 能 应 对 的 多 样 化 需 求，In-Sight 3800 系列提供了各种各样的配件和模块化组件，旨在通过可扩展的结构满足当前和未来的需求变化。它提供的灵活选项，使得用户能够适应并跟上不断变化的需求，例如生产规格的变化、更快的生产线速度和更高的质量标准。例如在分辨率上，In-Sight 3800 系列提供了包括 160 万、320 万、500 万、800 万、1200 万和 1600 万像素在内的多种选项；在镜头方面，手动或 C 接口高速液体透镜可以实现快速的图像设置；在前盖的选择上，包括了透明、扩散、极化和圆顶等多种类型，C 型安装盖可以与标准 C 型安装镜头配合使用。9 拨云见日，如何挑选一款“好”的机器视觉产品？挑选进阶技巧（一）：是否具有 HDR 功能？HDR 是一种通过自动优化对比度来增强 HDR 技术的功能，从而在一次采集中创建更统一、更细致的图像。HDR 可以提供单色和彩色两种选择，拥有更高的对比度和图像质量，不仅使用户能够看到以前无法看到的功能特征，还能够降低光强度并提高景深。例如，In-Sight 3800 系列具备的 HDR 功能，可以通过自动优化对比度来增强 HDR 技术的功能，从而在一次采集中创建更统一、更细致的图像。HDR 提供了单色和彩色两种选择以及更高的对比度和图像质量，能够减少曝光过度和曝光不足的情况，并提供相较标准 HDR 技术和传统图像传感器更大的景深。与此同时，HDR 还大幅降低了曝光时间，让机器视觉系统在生产线运行速度提高 80%的情况下仍能“游刃有余”。在照明方面，In-Sight 3800 系列的多色照明选项允许用户优化图像对比度，无论在什么样的操作条件下，用户只需要点击一下按钮，就可以更改光源颜色并生成高分辨率图像，从而实现更准确的检测，并带来极大的灵活性。另外，In-Sight 3800 系列可选配的 Torch-HR 光源则提供了红色和白色选项，可以最大限度地提高覆盖范围并减少曝光时间，从而实现更高的吞吐量，以优化远程应用的强度。10 拨云见日，如何挑选一款“好”的机器视觉产品？挑选进阶技巧（二）：基于规则还是基于 AI？为完成智能化任务，机器视觉主要分为基于规则的机器视觉，以及基于 AI 的机器视觉。基于规则的机器视觉系统主要是依据用户设定的详细步骤来解析图像，并作出决策。而基于AI 的机器视觉系统，则能够通过参考图像数据库进行自我“学习”，以更灵活的方式掌握决策逻辑。基于 AI 的机器视觉又分为深度学习和边缘学习两种方式。深度学习为复杂应用而设计，能够处理详细的大型图像集，从而自动执行复杂或高度定制的应用。边缘学习是为简单使用而设计的，它使用一组经过预训练的算法在设备（即“边缘”）上进行处理，这一技术易于设置，所需的图像集更小，并且所需的训练和验证期也更短。今天，尽管基于规则的方法仍然在行业内广泛应用，但快速崛起的基于 AI 的机器学习方法也已经展现出了强大的应用潜力。实践中，将基于规则的确定性与 AI 的灵活性融合，往往能打造出最高效的解决方案，引领机器视觉技术迈向新高度。在这方面，In-Sight 3800 就在单个视觉系统中同时集成了基于 AI 和基于规则的工具，根据您的使用需求，这些工具既可以单独用于简单的任务，也可以组合使用，以应对更具挑战性的问题。依托这些工具的强大性能，In-Sight 3800 每分钟最多可以检测多达 2500 个零件，可谓在速度上拥有“一骑绝尘”的突出优势。11 拨云见日，如何挑选一款“好”的机器视觉产品？首先，在当前的 AI 应用趋势下，In-Sight 3800 嵌入了强大的边缘学习工具，包括用于实现“分割”类功能的 ViDi EL Segment、用于“分类”的 ViDi EL Classify，以及用于字符 OCR 识别和读取的 ViDi EL Read。这些边缘学习工具利用 AI 技术，通过在设备或在数据收集位置的“边缘”处理图像，从而实时提供准确的结果。对用户而言，这些边缘学习工具的优势在于使用和部署起来非常方便。即便用户缺乏经验，也可以在几分钟内完成 ViDi EL 系列工具的训练。用户只需要使用 510个相关类别的示例图像，就可以在无需调用 CPU 的情况下，直接在设备上进行训练，并获得实时、可视化的准确性结果反馈，以帮助验证输出结果的正确性。在受益于AI技术的同时，In-Sight 3800 还配备了传统的基于规则的视觉工具库，这些工具已经经过了业界的广泛验证和认可，可以用于测量距离和斑点、统计像素和图案、读取代码、引导机器人、执行数学和逻辑运算等功能场景。更给力的是，这些工具在 In-Sight 3800 上的运行速度比上一代产品快两倍，能够帮助用户更快地解决应用问题，并适应更快的生产线速度。可以说，基于规则和基于 AI 的机器视觉方法，在 In-Sight 3800 上实现了完美的“珠联璧合”，这两类方法的组合，让用户可以更加高效、灵活地满足更加多样化的需求。12 拨云见日，如何挑选一款“好”的机器视觉产品？挑选进阶技巧（三）：是否易于设置和开发？一款机器视觉产品是否易于设置和开发，同样是对用户至关重要的考虑因素。因为并非所有用户都是拥有机器视觉产品使用经验的专业人士，因此，为机器视觉产品提供简便易用、操作友好的开发和设置环境至关重要，这可以让各种专业背景的用户都可以轻松、快速地设置机器视觉产品并尽快投入使用。而且，随着业务需求的变化，机器视觉产品的扩展和换型也应做到尽量简便高效，提升用户的使用体验。以 In-Sight 3800 为 例，它 拥 有 通 用 软件平台为其提供灵活的开发选项。在所有 In-Sight 产 品 中 均 有 配 备 的 In-Sight 视 觉 套件软件为 In-Sight 3800 提供了电子表格和 EasyBuilder 这两种编程环境，允许用户随着业务需求的发展无缝扩展其解决方案。电子表格可以引导用户使用高级应用程序，处理复杂的应用；而 EasyBuilder 开发环境则简化了 In-Sight 3800 的设置，且支 持 快 速 换 型。In-Sight 视 觉 套 件 中 的 EasyBuilder 界面具有点选式编程功能，是开发简单或常见任务的理想选择，其直观的流程可以引导开发人员逐步完成从图像采集到最终结果以及后续步骤的设置。这也使得无论是新老用户，都能够更加轻松便捷地配置视觉应用。不仅如此，In-Sight 3800 还提供对基于 Web 的人机界面的访问，从而实现运行时可视化。在 HMI 中，用户可以查看检测结果并修改设置参数以优化其应用。13 拨云见日，如何挑选一款“好”的机器视觉产品？挑选进阶技巧（四）：考虑总拥有成本在选择相机的过程中，拥有总成本占据着举足轻重的地位，其影响力与分辨率和速度不相上下。当决定购买用于检测或其他机器视觉应用的工业相机时，机器视觉检测系统的成本效益和投资回报率（ROI）往往已成为关键考量因素。在机器视觉系统中，成本是界定可实现目标的关键因素，相机的预算分配便是基于这些综合评估来决定的。尽管进行高度精细的检测颇具吸引力，但其高昂的成本也可能令人望而却步。在选购相机时，必须仔细权衡成本与其带来的投资回报。以成本作为出发点是一个明智的选择，因为这能促使人们聚焦于应用中真正不可或缺的功能，并确保经济上的可行性。鉴于成本在相机选择中的重要性，功能和规格需根据预算约束进行优先级排序。这些考量有助于缩小适用于特定应用场景的相机选择范围。通过对每个限制条件进行优先级排序，并将其与预算进行对比分析，最终能够筛选出最适合该项目的几款相机。14 拨云见日，如何挑选一款“好”的机器视觉产品？总结机器视觉不仅可以降低成本、助力流程优化，还可以提高设备综合效率并提高安全性。更重要的是，除了对单个零件、产品或包装进行操作外，规模化的企业还可以对机器视觉应用生成的大量数据进行汇总和深入分析挖掘，以助力形成决策辅助，来解决更大的业务问题。为此，机器视觉也在不断与时俱进，推陈出新。像 In-Sight 3800 系列一体化视觉系统这样的创新产品，不仅采用了高分辨率传感器、经过改进的镜头、更强大的处理器和更小、更坚固的外壳等技术创新，而且还优化了 AI 算法等软件，从而让机器视觉系统变得更准确、更快、更易于使用，成为更多行业用户的优选。我们相信，随着这些进步的持续推进，机器视觉系统将不断与更加智慧的生产制造系统深度集成，描绘出更加智慧高效的工业新图景。扫码关注控制工程网微信 发现更多专业内容扫一扫访问康耐视公众号发现更多精彩
2024-11-19
14页
5星级
从混乱 到有序 混合设计如何创造业务价值IBM 商业价值研究院生成式 AI 不再是早期采用者的试验场，已经演变成一场全面的业务转型竞赛。在这一关键节点，组织不仅可以把握机会来大规模部署生成式 AI，还可以借生成式 AI 之力来重新思考技术当如何为业务赋能。许多企业高管正在评估其组织是否能够在核心业务中实施和扩展 AI。他们可能并未意识到，当下做出的每一项决策都将是关乎企业未来命运的“商业押注”。这是本系列报告的第一期，旨在阐述组织如何采用我们提出的“混合设计”方法（基于混合云运行的结构框架）来设计和实施“重大技术重置”。ii本系列报告旨在阐述组织如何采用我们提出的“混合设计”方法来设计和实施“重大技术重置”。作为本系列报告第一期，本报告将概述“混合设计”方法的基本概念、为什么有效以及要采取的初始步骤。后续报告将涵盖业务绩效设计、运营模式、架构决策和创造业务价值等主题。1ii根据 IBM 商业价值研究院的调研，大多数组织对 IT 项目投资回报率的期望都比较低。即使商业论证表明项目只有 10%的投资回报率，也仍然能获得资金支持。1 不过，对于涉及生成式 AI 这种颠覆性技术的项目，组织应设定更高的投资回报率目标。数十年来，企业一直在设法将新兴技术转化为更高的业务绩效。大多数情况下，企业只是在部分领域取得了成效。许多企业热衷于盲目追逐科技界的“下一个大趋势”，这不仅导致实施效果不佳，还积累了大量的技术债务。（如果当前的技术成为一种负债，而不是未来的资产，就会产生技术债务。产生技术债务的一种常见情况就是：组织已经投入了大量成本，但发现所实施的技术过于僵化且缺乏整合，而无法适应新的业务目标。）但现在，横空出世的生成式 AI 正在悄然推动一场“重大技术重置”。这让组织有机会重新思考当前的技术体系，并通过现代化来充分发挥 AI、云计算、平台和软件技术的协同效应。最高管理层不仅可以把握这一机会来大规模部署 AI，还可以利用 AI 的颠覆力量来推动全面变革 IT 体系，并助力团队创造更出众的业务成效。从混乱 到有序借助我们提出的“混合设计”方法，组织可以重塑技术体系，从而为生成式 AI 提供有力支持，并推动业务蓬勃发展。2“混合设计”是一种经过测试和系统化的结构框架，在混合云中运行，可支持组织利用技术来优化业务价值。借助这种架构，组织可以更有效地推动未来业务发展，利用所需的敏捷性、速度和整合来创造卓越业务成效。“混合设计”始于云架构，描述了一些企业如何有意识地根据业务优先级来设计混合云资产。这些企业采用一种混合模式，结合运用公共云、私有云和本地数据中心来增强敏捷性和速度，以及扩展业务计划。如今，随着生成式 AI 开始应用于企业，混合设计背后的原则不仅适用于云计算，还适用于整个企业 涵盖从平台、安全、AI、云计算到数据的整个技术体系。混合设计可以将各种不同的技术整合为一体，通过明智的设计和整合来提质增效。常态：自然混合相比之下，许多组织当前采用的都是一种“自然混合”模式，也就是以自然的方式将云计算和本地部署数据结合在一起。“自然混合”资产是指无意识的异构、复杂和孤立的环境，这会导致成本增加、回报降低、实施失败和“买家懊悔”。这种资产不仅缺乏以协同改善业务成效为目标的总体规划，还会产生大量技术负债。什么是混合设计？它将如何为业务提供助力？如果要部署和扩展生成式 AI 以及其他新兴技术，企业就需要有意识地精心策划技术重置，而“混合设计”原则将指引方向。自然混合与 混合设计对比“混合设计”解决方案 纷繁复杂的架构和运营埋没了变革性技术。有意识的转型：架构和运营框架推动实现企业级成效。技术无序扩张。投资过于分散，回报率较低。有意识的投资：根据产品路线图推动明智、有针对性的投资，创造持续的业务价值。被动的后端技术架构阻碍企业级解决方案的实施。有意识的架构：在统一技术架构下整合数据、应用和云资产。不断更换供应商，无法落实对业务成效的责任。有意识的生态合作：战略合作伙伴整合资源，携手共赢。孤立的交接和治理不足削弱了业务运营。有意识的运营：团队设计端到端的价值流，以更快地交付更出色的产品。“自然混合”模式的问题34挑战新冠疫情爆发初期，达美航空面临着经济形势的严峻挑战。新冠疫情结束后，公司需要迅速提供全新、优质的客户体验。在这两个阶段，达美航空都需要推动转型，以加快技术解决方案的交付速度，同时保证安全性、可靠性和可扩展性。解决方案达美航空制定了一项迁移计划，旨在将大部分分布式工作负载迁移至混合云。采用开放式混合云架构实现运营现代化之后，达美航空现在几乎可以做到“随处部署”，并采用一致、标准化的方法来支持多云开发、安全性和运营。成效数百个应用已成功迁移上云。达美航空及其客户已经实现了一些回报，例如在超过 680 架飞机上提供免费的飞行 WiFi。该航空公司的云转型计划旨在将员工参与度、生产力、上市速度和成本效率提升 25%至 30%。达美航空借助混合设计推动转型 2“混合设计”可以实现诸多优势，包括快速响应、敏捷开发、改善客户体验、提升生产力，等等。通过重置技术体系，大多数组织都将逐步实现“混合设计”的优势，而非一蹴而就地实现全部优势。下面两个成功案例展示了组织如何利用“混合设计”来改善客户服务，并通过一系列循序渐进的变革措施来实现切实收益。“混合设计”的实际应用54阿根廷卫生部(AMoH)利用混合设计创建更稳定的 IT 基础架构 3挑战阿根廷的患者通常会选择一家初级医院来满足大部分医疗需求，但也会视情况需要前往私人诊所或公立医院进行检查。因此，阿根廷卫生部希望建立自动化流程来管理公共卫生统计数据传输以及各种底层系统。解决方案阿根廷卫生部淘汰了速度不佳的旧版解决方案和笨重的单体应用，并建立了一个国家数字健康网络。该机构在 Red Hat 技术基础之上构建了灵活且稳定的 IT 基础架构，使各个医疗中心能够通过跨提供商的标准化整合系统来安全地访问患者数据。成效借助全新的数字健康医疗网络，阿根廷卫生部成功应对了新冠疫情期间 1,500%的医疗需求增长。此外，该机构还实现了统一的通用电子记录管理，从而更迅速地响应事务量增长，并根据需要增加新的服务和 功能。67IBM 商业价值研究院甄别出了每位领导者都需要了解的三个事项以及需要采取的三项行动，以便开始采用“混合设计”方案。02 01 03 行动方案现在进行技术重置可以在未来创造持久的竞争优势。需要了解的事项设定更高的目标。例如，如果当前用 20%的 IT 预算实现了 20%的投资回报率，请设定更高的目标。重建基础。运用“混合设计”架构原则来帮助交付企业级应用，并发挥“点石成金”的效应，将限制转化为资产。为企业级解决方案铺平道路。淘汰过时技术，为新的工作和运营方式扫清障碍。生成式 AI 可以揭示哪些技术资产建立在脆弱不堪的基础上，以及哪些技术资产建立在稳固可靠的基础上停下来进行全盘评估有助于加快技术重置速度。总的来说，技术重置有助于建立持久的竞争优势，但组织首先需要从生成式 AI 的角度来评估技术体系。组织是否已准备好支持基于混合云的生成式 AI 工作流程？您可能会发现，如果不消除技术债务这一障碍，创造价值就无从谈起。简而言之，为了加速和扩大数据和 AI 在整个组织中的影响力，并最终改善业务成效，组织必须要采用“混合设计”。引入前沿技术不应削弱盈利能力。72%的受访高管认为，将 IT 投资组合的投资回报率提高至少 25%是其组织最高管理层在 2024 年的首要 任务。4但为了实现这一目标，企业领导者需要设计一种在前期就能创造价值的混合模式，从而避免项目“浅尝辄止”的普遍现象，这通常会导致投资回报率较低。例如，近三分之一的受访组织表示其云旅程已经陷入停滞。5 而另有 37%的受访组织表示，其云计划仅在迁移了少量负载之后就“匆匆结束”。6 一个普遍现象是，在尚未产生投资回报之前，许多企业的云采用计划就已经失去了动力。这些云采用计划还未达到产生回报的临界点就戛然而止。在这个临界点，业务绩效改进产生的投资回报达到盈亏平衡，随后才会超过云实施成本。因此，组织可能会将云计划视为“食之无味、弃之可惜”的资源负担，而不是重塑运营的机会。然而，“浅尝辄止”的现象并不仅限于云计算领域。55%的受访高管表示，设计 IT 解决方案来应对关键业务挑战才是真正的重大障碍。7 为了避免在实施生成式 AI 时重蹈覆辙，组织进行技术重置已是势在必行。目前，只有 29%的云计算 IT 资产和服务达到了预期的效果。8 其余 71%在本质上就是技术债务。扩展生成式 AI：设定更高的回报目标。根据 IBM 商业价值研究院的最新调研，即使是对于以改善业务成效为明确目标的 IT 项目，受访高管们的期望也很低。另一些数据表明，一些组织在从数字计划中创造业务价值方面表现得越来越好；24%的受访组织表示，2022 年至少有一些投资实现了两倍的回报率，而 35%的受访组织预计在 2024 年将实现这样的回报水平。9 而未来仍有可能实现更高的回报。我们将在即将发布的关于混合设计经济性的报告中详细讨论这一主题。需要了解的事项：801.现在进行技术重置可以为未来创造持久的竞争优势。的云计算 IT 资产和服务达到了预期的效果。29%只有重点不在于增加支出，而是更有效地分配支出。业务部门和 IT 部门的领导者需要就以下三个指标达成一致：IT 预算中可用于投资以改善业务绩效比例整个 IT 产品组合的当前投资回报率将创意变现所需的时间（设计和交付速度）这三个指标展示了 IT 如何推动企业实现当前的业务成效。通过这三个强有力的指标，您可以预测组织实施生成式 AI 所能实现的成效。著名经济学家和统计学家爱德华兹戴明曾说，“每个系统都经过完美设计，以达到它所得到的结果。”因此，要实现不同的结果，就需要改变设计。仅仅将新技术引入不变的运营模式并不会带来变革性的结果。想要了解实际应用案例？请参阅 IBM 利用混合设计方法推动业务转型的成功案例（第 20 页）。到 2024 年底，该组织预计将通过生产力提升实现 30 亿美元的收益。的受访高管认为，将 IT 投资组合的投资回报率提高至少 25%是其组织最高管理层在 2024 年的首要任务。1.2.3.9需要采取的行动：重新思考投资回报率。持久的竞争优势并非建立在细微优化的基础上。混合设计可以推动持续改进，但其目标是实现重大变革。这种深思熟虑的方法旨在寻求深度转型，而不是小幅改进，通过必要的行为转变来释放 AI 的真正潜力。为新技术项目设定更高的目标，大幅提升投资回报率。一些企业预计部分投资的投资回报率到 2025 年将超过 20%，因此应将回报目标设定在 30%以上。10 为了实现这一目标，企业可以采取多种措施来填补能力上的缺口，包括改进项目设计的早期阶段、升级数字产品工程能力以及推动 IT 投资现代化，等等。1001.设定更高的目标。将 IT 预算的侧重点从维持正常运行转向支持突破性解决方案。将更多的 IT 预算投入于可解决关键业务问题（例如生产力滞后和收入下滑）的投资。通常，IT 投资组合预算中只有一小部分资金用于改善业务绩效。若要在 IT 预算不显著增加的情况下，将其中超过 20%的资金用于改善业务绩效，就需要构建新平台、与合作伙伴携手降低维护成本、对旧有资产进行现代化改造以及消除技术债务。11化繁为简.简化流程有助于提高速度，从而更快地将 IT 创意转化为业务成效。混合设计可以缩短数字产品的交付时间，从而加快速度。混合设计还可以建立标准化的架构技术决策流程，帮助开发人员更快、更一致、更安全、更高效地构建产品，同时，生成式 AI 代码编写助手可以为许多传统流程提速增质。速度提升可以带来直接的经济效益，通过早期回报获得项目发起人的支持，并为投资回报率更高的投资提供时间和资金。11有意识地投资于新的混合设计技术体系，为生成式 AI 计划的成功奠定基础。不过，只有 16%的受访高管表示其组织的云计算和数据能力已经做好充分准备，能够为 2024 年的生成式 AI 投资提供支持，而 27%的受访高管表示并不确定是否已做好准备。12 大规模部署生成式 AI 的障碍从生成式 AI 试点到实际部署的道路上遍布着各种障碍，包括：数据自由流动的障碍。分散的系统会产生摩擦，导致工作流程在不一致的 IT 体系中难以正常运行。CRM 系统和营销自动化平台位于不同的位置，经常无法有效协同运行。当数据无法自由流动时，协作和创新就会受到影响。分散的治理结构。分散且脱节的工作流程可能会导致影子 IT、重复工作以及潜在的合规问题。安全问题。在网络安全问题日益突出的时代，管理整个 IT 体系的安全性和合规性至关重要。建立支持生成式 AI 的技术基础生成式 AI 利用数据来发挥效用。生成式 AI 需要大量干净、准确的信息来进行学习并生成有效的输出，这对于企业快速推动创新必不可少。强大的数据基础架构（包括数据湖、仓库和高速管道）对于为 AI 引擎输入数据至关重要。通过投资建立现代技术体系，您不仅将为生成式 AI 的成功奠定基础，还将在各个职能团队之间实现信息自由交换，从而为持续创新夯实基础。训练和运行计算密集型的生成式 AI 模型需要超强的处理能力。传统系统无法满足生成式 AI 的需求。需要了解的事项：1202.生成式 AI 可以揭示哪些技术资产建立在脆弱不堪的基础上，以及哪些技术资产建立在稳固可靠的基础上。13实现混合设计需要全面评估当前的计算能力、数据分布（云端、本地、边缘）、数据访问协议、安全控制以及利用现有技术投资的潜力。这种方法不仅有助于提高技术可靠性（缩短停机时间、运营更顺畅），还可以为组织赋予更强大的适应能力（轻松应对变化、决策更快速）。想象一下，无缝连接线下和线上的一切，为生成式 AI 营造一个完美的环境。这将建立一种更智能的工作方式，从而转化为切实的利润和成效。只有 16%的受访高管表示其组织的云计算和数据能力已经做好充分准备，能够为 2024 年的生成式 AI 投资提供支持。16%需要采取的行动：IT 领域每逢“下一个大趋势”的炒作浪潮都会增加企业的技术债务。例如，还记得定制化企业软件解决方案吗？尽管提供定制化功能，但开发和维护工作不仅成本高昂，而且非常耗时。随着技术的发展，这些定制化系统变得过时且难以与新工具集成，但许多组织仍然要继续维护这些系统。这些工具导致大型企业内部形成错综复杂的技术遗留问题，因此当前的 IT 基础架构并不适合为生成式 AI 时代的企业级平台提供支持。这一次，生成式 AI 不仅仅是 IT 领域的“下一个大趋势”，而且还对大型企业提出了更高的要求，那就是彻底转变工作方式。而采用混合设计方法可以为未来的改进计划铺平道路。主动出击，解决关键业务问题。打造最具影响力的 AI 产品，稳固夯实基础。不过，不应仅从技术角度出发，而是应当着眼于解决关键业务问题，让 AI 产生尽可能高的投资回报。在合适的业务领域开展试点和概念验证，确保小幅改进也能产生超高的回报。AI 是一项颠覆性技术，因此应把握机会，大力投资开发颠覆性解决方案。利用“混合设计”架构原则来化解技术债务，并发挥“点石成金”的效应，将限制转化为资产。1402.重建基础。“唤醒”资产以支持高回报的 AI 投资。充分利用休眠的 IT 资产。考虑是否可以利用“自然混合”云平台中的过剩容量、是否可从本地基础架构孤岛中释放数据、是否有大型机可以运行 AI 应用，以及是否可以将旧式应用转变为支持云计算和 AI 的现代化资产。激活这些休眠资产可能需要资金，但生成式 AI 可以支持其中部分投资的商业论证，并将这些投资转变为“混合设计”资源。在短期内，如果一项潜在的 AI 项目需要架构变更，而商业论证不支持这些变更，则可以寻找一些相邻的项目来分摊成本。任何无法为主要项目提供支持的事物都属于技术债务。AI 让现代化更轻松。利用生成式 AI 构建混合设计模型，降低应用现代化成本。激活旧式应用可以更充分地利用 IT 预算，但其成本往往令人望而却步。每年都会出现同样的现代化候选方案，但每年都因成本太高而无法实现。生成式 AI 可以改变这种状况，帮助开发人员处理代码转换和开发任务，从而大幅降低应用现代化成本，加快价值实现速度。15如果企业将资源分配给太多不同的计划，就不太可能取得成功。组织需要花时间确定一些能够创造最高业务价值的关键领域，以便集中资源并尽快扩展。换句话说，从长远来看，以退为进，慢即是快。企业经常会快速行动，但资源却变得分散。三十年来，企业热衷于追逐商业技术领域的“下一个大趋势”，投入了高昂的成本，得到的却是不确定的业务成果。AI 技术也可能会重复同样的模式。现在停下来进行有意识思考可以帮助您避免以下情况：过去，高达 84%的数字化转型项目都以失败告终。13 55%的企业表示技术债务是实现业务目标的障碍。14需要了解的事项：16高达 84%的数字化转型项目都以失败告终。84.以退为进，全盘评估有助于加快技术重置速度。17请先通过后视镜进行全面自我评估，然后再全速前行。若要在未来的 AI 时代取得成功，组织就需要通过全面的业务和 IT 评估，了解自己是否已为正在发生的 AI 变革做好准备。这并不是要指责过去的技术发展历程，而是清晰评估组织当前的“自然混合”状态，并明确“混合设计”能带来哪些优势。当企业领导者提及“混合设计”方法的优势时，这包括现代化、敏捷性、安全性、业务加速、成本优化以及释放生成式 AI 的潜力。换句话说，只有当生成式 AI 融入设计良好的混合环境中，才能释放出颠覆性价值。只有深入了解自己的过去才能为更加深思熟虑、以价值为导向的方法铺平道路。摆脱无意识的技术债务负担，采用有意识的混合设计架构来优化 AI 的潜力，才是前进的 方向。好消息是，前方的道路并不是技术精英的秘密之路。您知道组织需要实施什么样的变革，有点像进行年度健康体检，但总是拖到另一天。今天就是这一天。暂时停下来，才能更好地为未来开辟道路。的受访企业将技术债务视为实现业务目标的真正障碍或重大障碍。55%每一次技术变革都会促使组织进行自我审视，而这正是 AI 项目取得成功的基础。需要采取的行动：各个业务部门、业务职能和 IT 部门的领导者必须就三个关键绩效指标建立一致的基准。这些指标可以有效反映，如果不实施“混合设计”技术重置，您组织的 AI 计划会实现什么样的结果。设定的基准是否足够有效？增加 IT 预算中用于改善业务绩效的比例。这不仅仅关乎 IT 预算和“影子”支出，还关乎充分利用现有资源来实现 AI 驱动的业务绩效改进。企业平均将大约 20%的 IT 预算用于提高业务绩效。这部分支出直接用于改善业务成效，因此是“良性成本”。如果支出投入于能为组织带来最高回报的计划，那就将成为“超良性成本”。混合设计可以投入更多的 IT 资产来打造客户愿意付费的产品。这有助于将“不良成本”（企业可能需要但客户不会支付的成本）转化为“良性成本”。淘汰过时技术，为新的工作和运营方式扫清障碍。03.为企业级解决方案铺平道路。18提高整个 IT 投资组合的投资回报率。企业 IT 通常被视为成本中心，因此计算投资回报率会比较困难，计算结果也可能会让人难以接受。计算结果可能会表明大部分 IT 预算并未发挥投资的效用。直接削减 IT 支出是提高投资回报的一种方法，但并非最佳方案。激活现有资产，让 IT 组合的更多部分发挥效用，从而提高回报。可以对旧式系统、应用和基础架构进行现代化改造并重新激活。外包服务可以发挥生成式 AI 的红利。实现 IT 任务自动化。生成式 AI 可以为开发人员提供助力。平台可以整合应用支出。关键是 IT 和业务部门应当应实现混合设计框架的投资回报率达成一致的基准。缩短将 IT 创意转化为业务成效所需的交付时间。以产品为导向的开发和数字化开发促进业务部门与 IT 部门开展协作，共同打造更优质的客户和员工体验，并推动业务增长和生产力提升。这是不错的进展，但还远远不够。加快速度可以让投资更早转化为成效，而这又有助于提高投资回报率，从而为更多投资创造空间。混合设计原则可以为端到端重新设计“概念到现金”价值流提供指导。1920若要成功实施 AI，组织不仅需要推动技术转型，还需要采用有意识的混合设计方法，让业务需求来引导 IT 战略和实施。这意味着通过生产力提升创造 30 亿美元的收益。IBM 首席财务官 Jim Kavanaugh 在谈到公司 2023 财年业绩时说道，“我在去年 4 月提出到 2024 年底实现节省 20 亿美元的全年目标，而我们现在节省的成本已经实现了超过 15 亿美元。借助生产力计划，我们能够加大在创新、技术和行业技能以及市场能力（包括生态系统）领域的投资。在实现这一目标的同时，我们的利润率和自由现金流也在持续增长，而这又相应地增强了财务灵活性。我们未来仍将坚持这一策略。根据目前所取得的成果，我们相信到 2024 年底至少可以实现 30 亿美元的成本节省。15 为了进一步提升生产力，IBM 正在利用自身技术实力、咨询业务流程专业知识和战略合作伙伴的技术来重塑全新的 IBM 极简化工作方式。IBM 的混合设计成功案例 生产力提升带来的收益高达 30 亿美元2150%周期时间缩短，以及.15%与客户互动的 时间增加释放生产力是 IBM 首席执行官 Arvind Krishna 的首要任务。IBM 正在将 AI 嵌入到每一个企业流程中，并进行扩展，以帮助超过 170 个国家/地区的数十万 IBM 员工提升工作效率。我们的准则是：消除复杂性、简化工作方式、自动化手动任务以及全方位嵌入 watsonx。首先解答：我们可以停止哪些工作？再解答：我们如何简化工作流程？然后通过嵌入式 AI 自动化手动任务（否则存在自动化不良流程的风险）。工作流程转型战略的关键是在整个企业内更广泛地整合数据，而这就需要专为业务价值而设计的混合云战略。在 IBM 内部，我们正在混合云上使用 watsonx，将生成式 AI 融入业务流程，从而将节省下来的资金重新投入 IBM，以推动增长和投资。90%运行应用的平均成本 降低50%整体应用环境减少94%的公司级人力资源请求由数字助理 AskHR 处理成效包括：1,000动员创新型 IBM 员工，发挥“生产力催化作用”，开展了场研讨会，从中发现了超过5,000成效包括：建立一个覆盖 25,000 名销售人员和 44,000 家合作伙伴的 CRM 平台，从而推动.个基层机会22IBM 商业价值研究院 重大技术重置 混合设计点金术，让组织从混乱到有序随着生成式 AI 的兴起，组织需要重新评估其技术基础，而混合设计可以为组织重置技术基础，从而建立持久的竞争优势。这不仅让组织能够优化 AI 优势，还可以为未来的新兴技术做好准备，包括建立所需的敏捷性、速度、无限容量，等等。在即将发布的后续报告中，我们将更详细地探讨组织如何开始实施混合设计方法，涵盖从资金、架构、生态系统到运营模式等主题。2223特别感谢Deema Alathel Rohit Badlaney Varun Bijlani Kyle Brown Chris Brown Tarun Chopra Jeremy Connell-Waite Shawn DSouza Leigh Day Hans Dekkers Nduwuisi Emuchay Michael Ferris Jason Gartner Kate Gazzillo Steve Gessner Simon Greig Daniel G.Hernandez Wayne Hickey Hillery Hunter Jean-Pierre Lartigue Ric Lewis Matt Lyteson Steve Malkiewicz Lula Mohanty Priya Nagpurkar Lauren Nowicki Aliye Ozcan Ajay Patel Alan Peacock Roger Premo Bala Rajaraman Barry Ramirez Jennifer Rego Sandipan Sarkar Allison Showalter Brent Smolinski Tim Taylor Shobhit Varshney Edward Walsh Rob Wilmot Kate Woolley1 2024 IBV Strategy by Design pulse survey final data 2 “Upgraded flight experiences.Fueled by hybrid cloud.”IBM case study.Accessed April 23,2024 https:/ 3 “Argentine Ministry of Health Enlists Red Hat to Help Establish a National Digital Health Network.”Red Hat news release.April 27,2020.https:/ 4 Unpublished data,IBM Institute for Business Value and APQC“First Mile”study survey of 494 global executives.Interim data,2024 5 Granger,John,Varun Biljani,Shai Joshi,Shue-Jane Thompson,D.M.,and Thais Lima de Marca.Mastering Hybrid Cloud.IBM Institute for Business Value.May 2022.https:/ 注释6 Ibid 7 IBM Institute for Business Value Strategy by Design pulse survey of 207 US executives.Final data.2024 8 Ibid9 Ibid10 Ibid11 Unpublished data,IBM Institute for Business Value and APQC“First Mile”study survey of 494 global executives.Interim data,2024 12 IBM Institute for Business Value Strategy by Design pulse survey of 207 US executives.Final data.202413 Granger,John.“Why digital transformation succeeds.And why it doesn t.”IBM Blog.May 22,2019 https:/ IBM Institute for Business Value Strategy by Design pulse survey of 207 US executives.Final data.202415 Earnings calls analysis IBM.Alpha Spread.Accessed April 25,2024.https:/ 24 Copyright IBM Corporation 2024 国际商业机器（中国）有限公司 北京市朝阳区金和东路 20 号院 3 号楼 正大中心南塔 12 层 邮编：100020美国出品|2024 年 6 月IBM、IBM 徽标、IBM Consulting、IBM Research、IBM Z 和 watsonx 是 International Business Machines Corporation 在世界各地司法辖区的注册商标。其他产品和服务名称可能是 IBM 或其他公司的商标。以下 Web 站点上的“Copyright and trademark information”部分中包含了 IBM 商标的最新列表： Hat 和 OpenShift 是 Red Hat,Inc.或其子公司在美国和其他国家/地区的注册商标。本文档为自最初公布日期起的最新版本，IBM 可能随时对其进行更改。IBM 并不一定在开展业务的所有国家或地区提供所有产品或服务。本文档内的信息“按现状”提供，不附有任何种类的（无论是明示的还是默示的）保证，包括不附有关于适销性、适用于某种特定用途的任何保证以及非侵权的任何保证或条件。IBM 产品根据其提供时所依据的协议条款和条件获得保证。本报告的目的仅为提供通用指南。它并不旨在代替详尽的研究或专业判断依据。由于使用本出版物对任何企业或个人所造成的损失，IBM 概不负责。本报告中使用的数据可能源自第三方，IBM 并未对其进行独立核实、验证或审查。此类数据的使用结果均为“按现状”提供，IBM 不作出任何明示或默示的声明或保证。A9G4AQA6ZHCN-01本文件由获得森林管理委员会(FSC)产销监管链认证的印刷商使用生物基油墨在不含氯的再生消费后纸张上印刷。制造这种纸张和印刷品的能源是通过可再生绿色能源产生的。请回收。扫码关注 IBM 商业价值研究院官网微博微信公众号
2024-11-19
28页
5星级
智慧人力，引领未来2024 生成式 AI 赋能人力资源管理研究报告AI Lead the Future-2024 The Application of Generative AI in HR 版权声明.
2024-11-18
87页
5星级
Report：全球人形机器人产品数据库人形机器人洞察研究（BTIResearch）2024年5月封面来源：IEEE Spectrum2全球人形机器人产品库（2024年5月更新）Source：网络公开资料区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外TeslaOptimus2022年双足172.7CM56.7Kg有505 英里/小时20KgBoston DynamicsAtlas（液压）2013年双足150CM85kg有286.4公里/时-Atlas（电动）2024年双足/有/Sanctuary AI Phonenix2023年双足170CM70Kg有20（手部）3英里/小时55磅Figure012023年双足170CM60Kg有40 1.2米/秒20KgApptronikApollo2023年双足172CM72.5Kg有/25kgAgility RoboticsDigit2019年双足175CM65Kg有161.5米/秒18kgEngineered ArtsAmeca2021年双足/1X TechnologiesEVE2020年轮式186CM86Kg有25/15KgNEO/双足165CM30Kg有/4英里/小时20KgOSAKA UNIVERSITY&MIXIALTER 32018年轮式/有/Karlsruhe Institute of TechnologyARMAR-62017年轮式240CM150kg有271米/秒20kgARMAR-42012年双足170CM70kg有63/ARMAR-III2008年轮式/有43/ARMA-II2002年轮式/有/ARMA-I2000年轮式/有25/注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。3全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外PROMOBOTPROMOBOT2017年轮式158.5CM205Kg有160.5m/s/Robo-C2013年双足164.5CM160Kg有12/UNIVERSITY OF TEHRANSURENA IV2019年双足170CM68Kg有430.7公里/小时/SURENA III2015年双足198CM98Kg有310.3公里/小时/SURENA II2010年双足145CM45Kg有22/SURENA I2007年双足165CM60Kg有8/Mentee RoboticsMenteeBot2024年双足/150磅有/25KgRoMeLaArtemis2023年双足141.24CM38.5Kg有/2.1m/s/CHARLI2009年双足141CM12.1Kg有251.4公里/小时/DARwIn-OP2011年双足45.5CM2.8Kg无/THOR-RD2015年双足150CM54Kg有310.25m/s/KawasakiKaleido2017年双足180CM80Kg有324公里/小时/RHP Friends2023年双足160CM55Kg有/Istituto Italiano di TecnologiaR12016年轮式120CM51Kg有20/1.5KgiCub2004年双足104CM33Kg有53/10KgergoCub2024年双足150CM50Kg有54/WALKMAN2015年双足185CM118Kg有33/Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。4全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外PAL RoboticsREEM-C2013年双足165CM80Kg有682.5公里/小时10KgKangaroo2024年双足1440CM40Kg无12/TALOS2024年双足175CM95Kg有32/6KgARI2022年轮式165CM/有9/INRIA Flowers Poppy2020年双足83CM3.5Kg有25/新德里A-SET 培训和研究所Manav2014年双足2 英尺2Kg有21/KokoroNadine2013年/有27/Actroid2003年双足/有47/Stanford University OceanOne2016年双足150CM有24Lotus CommunicationRashmi2018年/Indian Space Research OrganisationVyommitra2020年/有/Kendriya VidyalayaShalu2020年/DISNEYStuntronics2018年双足175CM45Kg有10/AISTActroid-F双足50Kg有12/Android TechnicsSkybot F-8502019年双足182CM106Kg有/4.0公里/小时/Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。5全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外ROBOTISBIOLOID-GP2011年双足/有16/Westwood RoboticsThemis2024年双足/有/10公里/小时/BRUCE2018年双足70CM4.8Kg有161.2米/秒Reflex RoboticsReflex2024年轮式/有/Neura Robotics4NE-12022年双足170CM60Kg有/20KgK-Scale LabsStompy2024年双足4英尺/无/Rainbow RoboticsRB-Y12024年轮式140CM131Kg有242.5米/秒6KgHUBO22009年双足120CM43Kg有40/Clone RoboticsClone/有48/IHMC&Boardwalk RoboticsNadia/双足/无29/Enrico Piaggio&Gustav HoegenAbel/有42/NAVER LABSAMBIDEX2017年轮式/有/OversonicRoBee2022年轮式200CM120Kg有391.2米/秒/KAISTAlbert Hubo2005年双足137CM50Kg有/1.2公里/小时/Pibot/双足160CM65Kg有/Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。6全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外SoftBank RoboticsNAO Power 62016年双足57.4CM5.48Kg有25/Nao Evolution2015年双足57.4CM5.305Kg有25/Nao Next Gen2014年双足57.3CM5.1825Kg有25/Nao V3.32010年双足57.3CM4.996Kg有25/Nao V3.22009年双足57.3CM4.836Kg有25/Nao V3 2008年双足57.3CM4.836Kg有25/PEPPER/轮式120CM/有20/Kindhumanoidkindrobot2023年双足/无/QSS AI&Robots Sara2023年双足162CM/有/Muhammad 2024年双足/有/MakerlabsIRIS2024年双足/有/RT CorporationBonobo2021年双足120CM15Kg无29/Gorilla2023年双足127CM46.8Kg无29/A-LABMirai Madoka2019年/Institute of Industrial TechnologyEveR 62023年轮式/有/Waseda UniversityWABIAN-2R2006年双足150CM64Kg有41Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。7全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外Kawada Industries&AIST&Kawasaki Heavy IndustriesHonda P31997年双足160CM130Kg有282公里/小时/HRP-11997年双足160CM130Kg有282公里/小时/HRP-2P1998年双足154CM58Kg302公里/小时/HRP-2 Promet2002年双足154CM58Kg有302公里/小时/HRP-3P2005年双足160CM65Kg有362公里/小时/HRP-3 Promet MK-II2007年双足160.6CM68Kg有422公里/小时/HRP-4C2009年双足170CM43Kg有42/HRP-42010年双足151CM39Kg有34/Macco RoboticsKIME2019年/有/TOYOTAT-HR32017年双足154CM75Kg有42/Uniccon GroupOmeife2022年双足140CM27.2Kg有/German Aerospace CenterTORO2013年双足174CM76Kg有391.8公里/小时NASA JSCValkyrie（R5）2015年双足187.96CM136Kg有44/Indian Space Research OrganisationVyommitra2020年/有/LASER_RoboticsHECTOR V22024年双足85CM15Kg有18/Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。8全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载海外Columbia UniversityEmo2024年/Beyond ImaginationBeomni2022年轮式/有/Toyota Research InstitutePunyo2024年双足/无/System Technology WorksZEUS2Q2015年双足/有/NASARobonaut 12002年轮式/有/Robonaut 22010年双足101.6CM149.7Kg有4240磅Mirsee RoboticsMirsee/轮式/有/Hyperspawn RoboticsShadow-1/双足/有/Kind HumanoidMona/双足/有/国内优必选Walker X2021年双足130CM63Kg有413km/h单1.5kgWalker2016年双足145CM77Kg有363km/h单1.5kg优悠2023年双足130CM63Kg有413km/h单1.5kg达闼机器人七仙女 XR-42024年双足168CM65Kg有60 /Cloud Ginger 1.02020年轮式160CM65Kg有34/Cloud Ginger 2.02022年轮式158CM62Kg有41/5KgCloud Pepper2018年轮式120CM29Kg有20/小米Cyberone2022年双足177CM52Kg无213.6km/h/Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。9全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载国内小鹏PX52023年双足150CM/有/单3Kg逐际动力CL-12023年双足/无/MagicLab MagicBot2024年双足/有/北京仿人机器人创新中心天工2024年双足163CM43Kg无196公里/小时/宇树科技Unitree H12023年双足180CM47Kg无19 3.3米/秒/奇瑞&AimogaMornine2024年双足/有/智元机器人RAISE-A12023年双足175CM55kG有49 7公里/小时单4Kg均胜集团JARVIS2024年双足/有447公里/小时/帕西尼感知科技Tora2023年轮式180CM86Kg有/25km/h10Kg追觅科技Eame One2023年双足178CM56Kg有44/星动纪元Xbot-S2023年双足120CM38Kg有32/Xbot-L2023年双足165CM57Kg有60/均胜集团JARVIS2024年双足/有447公里/小时/浙江人形机器人创新中心领航者1号2024年双足150CM50Kg有39/4Kg开普勒先行者K12023年双足178CM85Kg有40/星尘智能Astribot S12024年轮式/有/单10Kg福德机器人天链T12024年双足160CM43Kg无7110km/h/Source：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。10全球人形机器人产品库（2024年5月更新）区域企业/机构产品信息产品名称发布时间类型身高体重灵巧手自由度行走速度负载国内Hanson RoboticsSophia2016年轮式/有/Philip K.Dick2005年双足/有/Diego-San2013年双足/有/Zeno humanoid2007年双足/有/傅利叶智能Fourier GR12023年双足165CM55Kg有545km/h/浙江大学深度机器人学院Wukong-IV2023年双足140CM45Kg有266km/h/科大讯飞/2023年双足/有/中国科学技术大学佳佳2016年双足160CM/有/中国科学院自动化研究所人形机器人攻关团队人形机器人Q家族2024年双足/有/纯米科技DaQiang2023年双足170CM65Kg有36/伟景机器人ViHero晓唯2021年双足170CM/有285km/h2Kg北京钢铁侠科技ARTRobot2024年双足136CM50Kg有36/乐聚机器人KUAVO2023年双足/45Kg有26 4.6km/h/加速进化BR0022024年双足120CM30Kg无/天太机器人/2024年双足165CM/有645km/h/姬械机科技机器姬 沁2024年双足162CM32Kg有543.6km/h10KgSource：网络公开资料注：产品信息均来自于官网和网络公开资料，可能存在一定误差，具体以官方公布数据为准，以上仅供参考。Tesla_Optimus11海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Optimus，也称为Tesla Bot，是特斯拉公司正在开发的通用类 人机器人。它于 2021 年 8 月 19 日在该公司的人工智能(AI)日活动中宣布，并有一个原型于 2022 年发布。首席执行官Elon Mus在 2022 年表示，他认为 Optimus“随着时间的推移，有可能比特斯拉的汽车业务更重要。”2023 年 12 月 13 日，马斯克的 X 页面发布了一段名为“擎天柱”的视频，其中展示了擎天柱 2 代行走并展示了新功能，例如跳舞和煮鸡蛋。Optimus Generation 2 具有更苗条的身材以及改进的双手和动作 机器人躯干处搭载了 2.3 kWh、52V 电池包，高度集成了充电管理、传感器和冷却系统。特斯拉借鉴了其汽车设计经验，将从传感到融合、再到充电管理都汇集到这一系统内。Optimus 身体共有 28 个自由度，采用了更加灵活的弹簧负载设计与 6 种类型执行器，关节采用仿生学关节设计，模拟人类关节与肌腱形态，手部则采用人体工程学设计，拥有 11 个自由度。Boston Dynamics_Atlas（液压）12海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Atlas是一款双足人形机器人，主要由美国机器人公司波士顿动力公司在美国国防高级研究计划局(DARPA)的资助和监督下开发。该机器人最初是为各种搜索和救援任务而设计的，并于2013年7月11日向公众亮相。Atlas 的设计和生产由美国国防部下属机构DARPA与波士顿动力公司合作监督。该机器人的一只手是由桑迪亚国家实验室开发的，而另一只手则是由iRobot开发的 2024 年 4 月 16 日，波士顿动力公司在其YouTube 频道上宣布Atlas 退役。Atlas 基于波士顿动力公司早期的PETMAN人形机器人，并采用蓝色LED照明。Atlas 配备了两个视觉系统-激光测距仪和立体摄像机，均由机外计算机控制-并且拥有具有精细运动技能的双手 Altas 全身的 28 个自由度均由液压驱动实现，具体表现为：单腿 3 个自由度、单脚踝 2 个自由度、腰腹 2 个自由度、单臂 6 个自由度、腕部和机械手各 1 个自由度。Boston Dynamics_Atlas（电动）13海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Boston Dynamics宣布液压 Atlas 退役，并推出全电动Atlas。与早期的液压驱动版本相比，Atlas机器人现在采用的全电动驱动系统为其带来了更加流畅和安静的动作表现。这款新型Atlas在力量和运动自由度上都有了显著提升，从而使得它能够胜任更多种类的复杂操作和多样化的任务。在硬件升级之外，Atlas在软件层面也实现了技术突破，集成了包括强化学习和计算机视觉在内的尖端人工智能（AI）和机器学习技术。这些先进的算法赋予了机器人更好的适应性，使其能够在多变的实际环境中进行高效运作和智能决策。新款的Atlas，身形更苗条，有着更灵活的机械骨架，而且没有任何电缆外露。波士顿动力在Atlas的关节处设计了一套定制的高功率执行器，新机器人的关节在力量和运动范围上，都超越了人类。头部、躯干都能180 度旋转，能自行完成平躺到站立。与传统的设计不同，电动Atlas继承了液压版的三指设计，而非市面上常见的四个手指。传感器为激光雷达和立体视觉。Sanctuary AI_Phonenix14海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Sanctuary AI 的 Phoenix 人形机器人身高170 cm，体重70kg，可搬运 25 公斤的物体。产品目标是使其成为劳动力市场理想的通用机器人，Phoenix 的独特亮点之一在于使用 Carbon AI控制系统，这是一种开创性的控制系统，具有反映人类认知功能（如记忆、视觉、听觉和触觉）的功能。这种独一无二的人工智能使 Sanctuary 的人形机器人能够独立思考，并通过展示与人类类似的真正智能而超越仅仅是一种工具。Carbon可以将自然语言转化为现实世界中的行动。可以使机器人可以完成十几个不同行业确定的数百项任务。Phoenix 有着极其优越的触觉技术，这使 Phoenix 在劳动力市场中脱颖而出。它的机械手提供了与人类相媲美的 20 个交互自由度。利用其专有技术可提高处理精细任务时的精度和准确度。其灵活的20自由度手臂设计目前处于世界顶尖水平。最大负载为55磅。最高速度为每小时3英里。改进的美学设计，使用更大胆的颜色调色板和提升的纹理。Figure_0115海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Figure 公司是一家人工智能科技公司，总部位于美国旧金山。该公司专注于开发人形机器人和相关技术，旨在为用户提供与人工智能交互的全新体验。Figure 公司的旗舰产品是名为“Figure 01”的人形机器人。这款机器人采用了先进的机器学习和自然语言处理技术，能够识别人类语音指令、理解语义和情感，并具备自主移动和互动能力。它不仅可以抉行基本任务如日程安排、音乐播放等，还能够作为智能家居控制中心和个人助理，提供更多的智能服务和功能。Figure 01曾号称做世界上第一个商业上可行的通用人形机器人，刚发布时只有PPT概念，但其公司仍旧以此获得了有OpenAI领投的数千万美金融资，自此备受关注。据宣传，Figure 01身高大约170cm，体重60KG，可以实现20KG的有效载重，移动速度1.2米/秒，续航可以达到5小时。执行器：定制机电执行器；自由度(DOF)：40 ；材质：铝Apptronik_Apollo16海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Apollo是Apptronic公司的发布的第一款通用人形机器人，定位是以人为中心的机器人，可以在工厂中与人类一起工作、也可以在医院、家庭等场景服务人类。Apollo是由Apptronic的工程机（QDH）发展而来。制作团队曾参加过Darpa机器人挑战赛，参赛机器人是Valkyrie。Apptronik 公司将Apollo 定位为一种高性能、易于使用且多功能的机器人，可以做很多不同的事情。制作团队想将其设计为一款“机器人界的iPhone”，可以安装各种程序和应用来满足人类的个性化需求。该款机器人身高约172cm（HEIGHT：58），体重72.6kg（WEIGHT：160 Lbs）。电池续航上，每块电池可续航4小时。在负重上，Apollo的有效负载约25kg（PAYLOAD：55 Lbs），可以做基本的搬运工作。Agility Robotics_Digit17海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Digit 旨在导航我们的世界，可以走进现有设施并解决工作流程中最难自动化的部分。Digit 专为工作而生，其技术已在现实世界的分销、3PL 和制造工厂中得到验证。Digit 是针对现有工作空间的实际情况而设计的。客户围绕人以及我们如何行走、移动、伸手和工作来设计设施。目标是最大限度地减少部署我们的解决方案所需的基础设施变更，并专注于您的员工的需求。通过利用双足、动态稳定的设计，Digit 可以在狭窄的区域内操作，达到与人类相似的高度，上下楼梯、坡道和电梯，并与现实世界进行类似人的交互机器人。Digit 的特定功能包括：传感器：激光雷达、四个英特尔实感深度摄像头、MEMS IMU、用于本体感知的绝对和增量编码器。执行器：无刷直流电机，配有定制设计的变速箱 自由度(DOF)：16（腿：5 DoF x 2；手臂：3 DoF x 2）材料“铝;热成型聚碳酸酯变体；碳纤维复合材料部件。动力：定制 1.2 kWh 锂聚合物电池组Engineered Arts_Ameca18海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Ameca是Engineered Arts设计的一款仿人机器人，产品定位重视与人的交互体验，可能用于娱乐场景。Ameca 专为开发未来机器人技术而设计，是用于人机交互的完美人形机器人平台。特长是能显示一系列令人难以置信的类似人类的面部表情，上半身姿态灵活，但下半身尚在开发中，不会行走、翻转或做跑酷动作。Ameca 硬件是基于对人形机器人的研究而开发的，并建立在先进的Mesmer技术的基础上。Ameca 主要被设计为进一步开发涉及人机交互的机器人技术的平台。它利用嵌入式麦克风、双目摄像头、胸部摄像头和面部识别软件与公众互动。交互可以由GPT-3或人类远程呈现来控制。它还具有铰接式机动手臂、手指、颈部和面部特征。Ameca 的外观特点是脸部和手上有灰色橡胶皮肤，并且经过专门设计，看起来无性别。1X Technologies_Neo19海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 NEO 双足机器人是1X科技公司的第二代机器人产品，原定发布时间为2023年12月。外观和动作都像人类一样：NEO 有头部、躯干、手臂和腿 产品定位是专为日常家庭辅助（home assistance）场景而设计，为消费者市场各种家庭任务提供了功能支持。利用具体人工智能，NEO 将更深入地了解其环境，这要归功于其人工智能“感官”与物理身体的融合。NEO 不断学习和改进，随着时间的推移变得更聪明、更有能力。该款机器人主要有三大特征：安全第一、性能平衡和行为智能。NEO 的身体采用类似肌肉的解剖结构而不是严格的液压系统设计。NEO 可以行走、慢跑、爬楼梯，并自然地在您的空间中导航。当他们移动和执行任务时，他们的效率会更高。具体参数是1.67米，30公斤，步行速度4公里/小时，12公里/小时的跑步速度，承载能力20公斤，2-4小时运行时间。1X Technologies_EVE20海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 机器人模型 EVE 是一款多功能、敏捷的人形机器人，可以执行一系列任务。EVE 配备了摄像头和传感器来感知周围环境并与之互动。它们的机动性、灵活性和平衡性使其能够在复杂的环境中导航并有效地操纵物体。EVE 足够强大，可以运输货物，但又足够温和，可以处理易碎物品。EVE 默认情况下自主运行，使用人工智能来导航您的工作空间。他们能够像人类一样打开带有不同把手的门，从远处看到人或物体，并在非结构化空间中移动。传感器：具有全景视图的高分辨率 HDR 相机。两个前置摄像头和一个后置摄像头。执行器：1X Technologies Revo1准直驱技术 自由度(DOF)：25（颈部：1 DoF；手臂：7 DoF x 2；腿：6 DoF x 1；手：1 DoF x 2；轮子 1 DoF x 2）材料：塑料、铝、织物 动力：1.05kWh锂离子电池组，运行4小时OSAKA UNIVERSITY&MIXI_Alter21海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Alter android 系列于 2016 年开发，其目的不是研究自动化可以做什么，而是研究人类对自主机器人的反应。该项目正在与东京大学和大阪大学联合开展，旨在探索机器人是否能够获得生命感以及生命本身意味着什么等基本问题。Alter 这个名字来源于机器人内部变化和转变的概念，以及第二个自我或“另一个自我”的概念，以及这是一种“另类”表达和生活形式的想法。Alter 3 是该系列的第三代产品。眼睛中安装了新的摄像头，嘴巴现在能够发出声音，并且还融入了动态运动。此外还配备了动态生成引擎ALIFE Engine。Alter 并不打算成为外观与人类相同的机器人。相反，只有面部、颈部和手臂到肘部配备了假肢皮肤。其他部分是裸露的机械，有四十二个执行器（使用压缩空气的计算机控制系统）像关节一样移动。这些动作不是预先编程的，而是基于中央模式生成器(CPG)（其功能类似于人类脊髓）和由 1,000 个实时激发的模拟神经元组成的中性网络。此外，光学和距离传感器允许自主和自发的运动，根据对周围人和环境的反应创建大量的动作。这会导致开发人员无法预见的意外动作，而这些动作的记忆反过来又允许Alter 继续进化。Karlsruhe Institute of Technology_ARMAR-622海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Armar 是由德国研究基金会资助的人形机器人合作研究中心开发的。该项目的重点是设计和实现多功能机器人，这些机器人能够在以人为中心的环境中执行任务，从人类观察中学习并以自然的方式与人类互动。第一个ARMAR 于 2000 年制造。ARMAR-2、ARMAR-3a 和ARMAR-3b 分别于 2004 年、2006 年和 2007 年推出。这些项目由Rudiger Dillmann和Tamim Asfour教授领导。ARMAR-4 的设计于 2012 年推出，它是一种两足、63 自由度扭矩控制的人形机器人。ARMAR系列的最新成员是ARMAR-6，它是一种用于工业环境的协作人形机器人。传感器：两个立体视觉系统（Roboception rc_visard 160 和两个 Point Grey Flea 3.0）和一个 RGB-D 传感器。手腕上的 6D 力/扭矩传感器。每个手臂关节中的传感器：绝对和增量位置传感器、扭矩传感器、9 轴 IMU。移动底座中有两台激光扫描仪。执行器：16 个无刷高扭矩直流电机(RoboDrive)和谐波传动。用于手臂的高度集成的定制传感器-执行器-控制器单元。每只手各有两个电机。自由度(DOF)：27（头部：2 DoF；手臂：8 DoF x 2；手：2 DoF x 2；躯干：1DoF；移动平台：4 DoF）；材料：铝和 3D 打印零件PROMOBOT_Promobot23海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Promobot V.4 可以与人交流、自主旅行并与第三方软件集成。该机器人是自主的，这意味着它不需要人来操作。Promobot 机身由轻质铝合金制成，运动部件由钢制成。Promobot 身体的每个塑料部件都经过真空成型。然后对细节进行涂漆并安装在胎体上。Promobot 的每个塑料细节都是防火的。每个 Promobot 机器人都要经过 10 多个小时的测试。PROMOBOT_Robo-C24海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Robo-C是一台完全拟人化的机器。它执行人类的面部表情，例如眼睛、眉毛和嘴唇的运动，以及其他肌肉运动。Robo-C 还可以聊天和回答问题。机器人有 600 多种面部表情，可以模仿人类的外貌。Robo-C 模拟患者就诊时的行为。在引入机器人之前，学生们会与人一起表演这种情况。PSMU 专家为机器人的行为准备了多种场景，包括投诉、病情、患者年龄、分析数据和其他标准的详细描述。学生应进行初步调查、给出诊断、制定治疗方案或送去进一步检查和测试。机器人对学生的关键词和动作做出反应，并模拟患者和医生之间的对话。Robo-C2 是一款人形机器人。它可以 具有任何人的外貌并像人类一样模仿。Robo-C2拥有无限的交互场景并让对话持续进行。它提供个性化服务、传递营销信息并提供有关您公司产品的信息。机器人可以看起来像任何人。它具有完全可定制的外观。UNIVERSITY OF TEHRAN_SURENA IV25海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 2019年12月14日，第四代Surena人形机器人正式亮相。与第三代（Surena III，2015）的31个自由度相比，新型成人尺寸人形机器人拥有43个自由度，手部灵巧度更高，能够抓取不同形状的不同物体。Surena IV 高 1.7 米，质量 68 公斤；由于基于拓扑优化的更好的结构设计、紧凑的定制执行器设计以及其外壳采用的SLA 3D打印技术，它比Surena III（98公斤和1.9米高）更轻、更小。SURENA III 的平均速度为每小时 0.3 公里，而 SURENA IV 凭借其质心和在线控制器的动态运动，可以以每小时 0.7 公里的速度连续行走。在新一代中，通过利用 FPGA 板，控制环路频率已提高至 200 Hz，从而可以实现在线控制器和估计器。通过机器人操作系统（ROS），状态监控、算法的实时执行以及多个程序的同时运行变得简单。改善机器人与环境的交互是 SURENA IV 项目的主要目标之一。该机器人具有人脸检测和计数、物体检测和位置测量、活动检测、语音识别（语音转文本）和语音生成（文本转语音）的能力，从而实现更好的语音用户界面。通过人工智能能力与全身运动规划相结合，实现了在线抓握、人脸物体跟随、动作模仿等功能。Mentee Robotics_Menteebot26海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Menteebot由Mentee Robotics 公司研发出结合机器人技术、感知能力并与AI 人工智慧整合的拥有人类灵活性的人形机器人Menteebot。Menteebot 透过人机互动的方式根据不同环境和任务进行个人化调整，不管你是要用在家庭还是要用在仓库管理上，Menteebot 都能有效提高其效率。Menteebot 可以进行全身复杂规划和控制，语音命令到完成复杂任务的完整end-to-end 循环，导航、移动、场景理解、物体检测、定位、抓取、理解自然语言等一系统动作都不在话下。在Mentee Robotics 提供的影片中可以看到Menteebot 接收到语音命令后会进行 思考Think 、回复Speak、定位Locate 随后产生 结果Result 并 导航Navigate to 到指定地点。Menteebot 拥有Fully capable hands，让它的手臂和手具有完整的活动范围和足够的准确性去执行精细的操作。拿盘子、卷筒卫生纸、较粗的管子都没问题，Menteebot 也能做到交换手传递的动作。Mentee Robotics 掌握Sim2Real 技术让Menteebot 可以拥有敏捷的行动力，做到任意方向行走、奔跑、原地转身、保持平衡和蹲下的动作。RoMeLa_CHARLI27海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 HARL 是美国第个全尺寸自主人形机器人。它的机械设计允许实验不同的机械配置(主要是腿部，对双足行走和平衡性能的影响。向各个方向行走，以及转动、踢腿、执行手势和简单的上半身操作任务。已经针对不同的物体或目标尝试了各种手和夹具。2010 年7月大众科学杂志将 CHAR命名为美国第一个真正的人形机器人”因为它的生物设计和与人类的相似性。作为CHARL系列人形机器人的下一代产品，CHARL-2提高了步行稳定性和速度、智能和自主性以及足球技能。CHARL-2 还被设计用于参加成人规模联赛的自主机器人足球比赛 RoboCup。CHARL-2可以通过它的腿来识别，这是对旧的弹簧加载四杆的全面优化改造。重新设计将总质量减少至 12.1kg，将行走速度提高至1.4km/hr，同时将总执行器数量增加至 32Kawasaki_Kaleido28海外篇Source：网络公开资料，公司官网基础信息01图示和说明02“Kaleido”是川崎正在研发的人形机器人（人型机器人）。它基于在工业机器人领域拥有 50 多年历史的川崎技术，具有高水平的耐用性。它的体型与成年人大致相当，但结构坚固，即使跌倒也不会断裂。目标是在未来将其实际应用。高180厘米，重80公斤。川崎成功地让Kaleido以每小时4公里的速度行走，这是人类的平均行走速度。川崎的最终目标是在社会中实现人形机器人。为了实现这一目标，川崎想知道如果让 Kaleido 执行工作会发生什么。第一个是在建筑工地的高处工作。目前，这项高位工作是由人类来完成的。即使有生命线，工作仍然是危险的。我们希望机器人能够执行此类工作。此次展览中，Kaleido将被吊起并以摇摆的状态进行工作。在另一个展览中，Kaleido 站在平衡木上并在行走时保持平衡。它从那里跳下来。你可以简单地看到我刚才讲的“动态行为支持”。Istituto Italiano di Tecnologia_ergoCub29海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 ergoCub 项目开发了一款名为 ergoCub 的人形机器人，它是人形机器人 iCub 的进化版，其主要目标是设计一款适合物理协作任务的机器人。该项目从 iCub3 开始研究，这是 IIT（Istituto Italiano di Tecnologia）创建的另一个机器人。它总共拥有 54 个自由度，包括完全铰接的手和眼睛的自由度。高125 厘米，重 52 公斤。基于机器人的传感器，人工智能组件已被开发出来，使机器人能够在仓库中定位自己并规划其移动所需的路径。例如，机器人可以规划两个仓库货架之间的路径，同时避开意外障碍，从而有可能优化仓库内物体的排列，以符合工人的人体工程学。ergoCub 人形机器人在设计阶段就考虑了人体工程学元素：其几何形状最大限度地减少了举升任务期间人机联合努力的所谓能量消耗。这种设计方法造就了一个高 1.5 m、重 55.7 kg 的人形机器人，能够承载约 10 kg 的负载。ergoCub 机器人可以在搬运重物时行走。目前，该机器人可以运输数公斤的负载，但目标是通过机器人的人工智能来显着提高这种承载能力。PAL Robotics_Kangaroo30海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Kangaroo机器人是一个原型双足机器人研究平台，用于探索腿式运动的先进控制方法。该机器人重量轻，腿部移动惯性低，适合跳跃和跑步等高动态运动。每条腿都有 6 个自由度，质量为 12.5 千克，大部分位于上部，因此机械设计考虑到了冲击弹性并降低了能耗。Kangaroo机器人使用一种驱动系统来实现腿部的伸展和收缩，该系统仅通过一个电机来实现，而其他机器人则在臀部、膝盖和脚踝处使用多个驱动器。腿长和臀部摆动运动与袋鼠的解耦使得系统非常高效。Kangaroo 将定制线性执行器与集成力传感器相结合，提供广泛的运动以及关节处的高速和扭矩。该设计利用非线性连杆机构将所有执行器放置在靠近躯干的位置，使双足机器人研究平台更接近经典模板模型。非线性传动参数经过优化，可实现跳跃所需的速度和扭矩，但站立和行走时仅需要低功率。Kangaroo 使用新一代内部电子板进行电机控制和传感器采集。这种选择允许在关节级别嵌入定制和分散的闭环力/扭矩控制器，并为试验不同的控制算法和从双足机器人研究平台获得最佳性能提供了灵活性。INRIA Flowers_Poppy31海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Poppy Humanoid 在模块化且易于使用的开源平台中集成了先进的机器人功能。它基于先进的 Robotis 执行器和简洁的 3D 打印部件，任何人（艺术家、教育工作者、开发人员或科学家）都可以自由使用它并以自己的方式破解它。Poppy 项目主要关注的是提供廉价且模块化的机器人技术。其目的是通过随着项目的发展改变机器人的形态，Poppy 机器人是 3D 打印的这是一种可重复且廉价的生产技术，允许任何人在本地生产自己的定制零件。它还通过消除大规模生产方法中的制造限制，允许更广泛的可能设计。Poppy 机器人基于 Robotis Dynamixel 品牌的模块化智能执行器。这些电机外形小巧，嵌入了高精度监控和控制功能，并在共享通信和电力线上同步。A-SET Training&Research Institute_Manav32海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Manav 是由Diwakar Vaish（A-SET 培训与研究机构机器人与研究主管）在A-SET 培训与研究机构实验室开发的人形机器人研究所）于 2014 年 12 月下旬推出。它在孟买举行的 2014-2015 年IIT-Bombay Techfest上首次亮相。这款“人形机器人”主要由塑料 3D 打印部件制成，能够重现头倒立、俯卧撑，而且（至少根据建造者的说法）还能踢足球。它可以遵循各种指令，配有两个用作眼睛的摄像头和两个用作“耳朵”的耳机。MANAV 完全由A-SET 的团队在印度设计、印刷和制造。马纳夫身高 2 英尺，体重 2 公斤。它具有可充电锂聚合物电池。Manav的外壳是在A-SET的3D打印实验室设计的，由丙烯腈丁二烯苯乙烯（ABS）塑料制成。它总共有 21 个自由度，其中两个提供头部运动，使其能够点头和环顾四周。腰部有 1 个自由度，可以清晰地表达腰部运动，从而实现更接近人类的运动。该机器人还配备了Wi-Fi和蓝牙连接。它可以使用人类语音命令进行各种活动，例如行走和跳舞。它使用双目视觉处理，使其能够感知深度和透视。Kokoro_Nadine33海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Nadine是一款雌性人形社交机器人，以Nadia Magnat Thalmann 教授为模型。该机器人具有很强的人类相似性，拥有自然的皮肤和头发以及逼真的双手。纳丁是一个具有社交智能的机器人，它会回应问候、进行眼神交流，并能记住与其进行的所有对话。它能够用多种语言自主回答问题，根据与用户交互的内容模拟手势和面部表情的情绪。Nadine 的面部表情和上身动作共有 27 个自由度。它可以通过阅读故事、展示图像、进行Skype会话、发送电子邮件以及与家庭其他成员沟通来帮助有特殊需要的人。Nadine 是由日本 Kokoro 于 2013 年创建的，其原型是Nadia Magnat Thalmann教授。纳丁的头部和身体饱满，外观自然。Nadine软件平台是由新加坡南洋理工大学媒体创新研究所开发的，能够在对话过程中表达情感、自然说话、理解一些手势以及记住和检索事实。Nadine 也与手臂运动相互作用。正在进行的研究为社交机器人提供了两只铰接手和自然的抓握能力。Nadine 还链接到各种数据库，例如其个人数据集、天气频道等。Stanford University_OceanOne&OceanOneK34海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 OceanOne K是最新一代水下人形机器人，专为深海探索而设计，具有双手操纵、立体视觉和人机触觉交互功能。该机器人的最大深度为 1000 米，比 OceanOne 更深的水下地点，使其能够探索更广泛的水生生态系统。通过触觉反馈，OceanOne K 允许研究人员与水下环境进行交互，并灵活地使用工具和设备进行操作。在斯坦福大学进行测试后，OceanOne K于 2022 年在蔚蓝海岸附近的拉西奥塔、科西嘉岛附近的巴斯蒂亚和戛纳执行了多项任务，包括在40 m 处搜寻一架 P-38 飞机的残骸、在 40 m 处搜寻一架 Beechcraft Baron F-GDPV 的残骸 这个 150 厘米长的机器人配备了理论上对其工作有用的一切。一方面，它有远程控制的手臂和手来抓取底部的各种物品。反过来，它的头骨上有特殊的摄像头，可以产生视觉，它甚至还有先进的反馈系统，通过该系统，操作员可以感觉到机器人用“手”触摸/举起的东西。OceanOne 最初是作为一个机器人创建的，用于探索潜水员无法到达的深度的珊瑚礁，也可能用于修复船舶甚至水下管道。Disney_Stuntronics 35海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Imagineers 开发了“Stuntronics”，通过深思熟虑和创新的技术应用来实现超人飞行。该项目将先进的机器人技术与对不受束缚的动态运动的探索相结合，创造出人类不可能完成的逼真的空中特技。Stuntronics 是电子动画特技替身。他们将先进的机器人技术与对不受束缚的动态运动的探索相结合，以可重复性和精确性执行空中翻转、扭转和姿势。机载传感使玩偶能够以可重复性和精确性执行各种翻转、扭转和姿势组合。眼镜：机载传感器包括惯性测量单元(IMU)，用于跟踪翻转并在着陆前的正确时刻收起。该机器人可以承受与跳跃和空中飞行相关的高加速度和减速度，并且能够执行多种杂技动作。传感器：惯性测量单元（IMU）和内部关节传感器 执行器：电动直流电机 自由度(DOF)：10 材料：铝、各种 3D 打印塑料Kawada Industries_HRP-436海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 HRP-4于2010年9月22日至24日在名古屋工业大学举行的日本机器人学会学术会议上向公众展出。拥有身高 151 厘米、体重 39 公斤的纤细身材，但总共拥有 34 个自由度，其中单臂有7 个自由度（之前开发的 HRP-2 高度为154 厘米），重量58公斤，总共30个自由度）。所有关节轴均使用 80 W 或更低的电机，并且在设计时充分考虑了安全性。一只手臂的承重能力为0.5公斤。通过优化车载设备和关节轴配置，以及结构设计中零件的标准化和简化，实现了更低的价格。继承HRP系列的运动控制技术，即使使用低输出电机，也能实现稳定的行走动作。提供与机器人模拟器OpenHRP3兼容的机器人模型和运动控制RT组件。兼容RT中间件的软件开发工具链。使用OpenRTP可以实现高效开发 提供了一组实现通信功能所必需的语音识别、语音合成、对话控制等RT组件。OpenHRI和图像处理库通过与各种现有的兼容 RT 中间件的软件（例如使用OpenCV 的RT 组件）相结合，可以轻松构建丰富多样的应用程序。Android Technics_Skybot F-85037海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 FEDOR（Skybot F-850），是一种俄罗斯人形机器人，可以复制远程操作员的动作，并可以自主执行一些动作。最初用于救援行动，2019 年被送往国际空间站执行实验任务。Android Technics 生产AT Drive 系列永磁体高扭矩同步无刷电机，共有 48 个电机（带有陀螺仪系统，用于确定由 48 个传感器组成的身体位置），可用于 FEDOR（Skybot F-850），步行速度 2.4854847689 英里/小时（4.0 公里/小时）。人形机器人FEDOR（Skybot F-850）体重为233.69磅（106公斤），身高为71.6535英寸（182厘米），肩宽为18.8976英寸（48厘米），连续工作时间为1小时（60分钟），基于Linux的实时操作系统运行。人工智能允许 Skybot 自主移动和行动，或者它可以在穿着全身“控制服”的操作员的控制下以“化身”模式工作。该机器人的人形设计，特别是其先进的机器人手，使其能够使用标准的“人类”工具：视频显示它行走、转动阀门、打开门以及使用灭火器、电钻和气焊枪用于焊接。Westwood Robotics_THEMIS38海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Westwood Robotics 为制造、医疗和食品行业的领先机器人研究机构和工业合作伙伴提供尖端的机器人解决方案。他们多样化的产品组合包括 BEAR（机器人可反向驱动机电执行器）系列执行器；BRUCE（增强型双足机器人单元）是全球唯一的儿童尺寸人形机器人开放平台，THEMIS是该公司最新的尖端全尺寸人形机器人。凭借强大的 BEAR 执行器和先进的传感功能，THEMIS 专为敏捷性和安全性而设计，能够以人类速度稳定行走，最高运行速度可达 10 公里/小时。Westwood Robotics 的 THEMIS 专为与环境安全交互以及步行、跑步甚至跑酷等动态运动而设计和优化。它体现了该公司将多功能人形机器人融入世界的愿景，以像人类一样的技巧执行通用任务。为了在自主设备和机器人仪器中实现这些复杂的功能，传感器与 THEMIS 上独特的共享内存结构无缝集成，以确保所需的可靠性和精度，同时保持与机器人操作系统(ROS)的兼容性以实现扩展功能。Reflex Robotics_Reflex39海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年在亚特兰大的 Modex 展会上，新兴的初创公司 Reflex Robotics 则在佐治亚世界会议中心的另一边掀起了波澜。Reflex 通过一个演示吸引了路人，展示了其人形机器人的实际操作，高效地从货架上检索物品-提供免费食品和饮料。从外观上看，大多数观众都对该系统的速度和准确性印象深刻。该硬件采用内部设计，具有安装在底座上的“躯干”，允许手臂和传感器动态地上下移动。它是一个令人惊讶的灵巧机器人，可以访问各种高度的货架，同时操纵狭小的空间。该系统有一个轮式底座，对于导航此类布局非常有效。需要提及的是，该系统主要是远程操作的。这是人在环系统的一个例子，可以通过它进行远程控制。唯一真正的限制是，如果操作员移动得太远，则可能存在潜在的延迟问题。联合创始人兼首席执行官 Ritesh Ragavender 将界面比作视频游戏。他补充说，机器人的效率正在“接近”人类水平。该团队正在朝着需要越来越少人员的系统发展。随着机器人变得更加自主和能力更强，人的因素将从控制转向监督。如果机器人遇到麻烦或遇到全新的事情，人类会留下来作为一种自动保险装置。NEURA Robotics_4NE-140海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 4NE-1 不仅仅是一项研究。4NE-1 是一款强大的机器人，基于经过验证的认知Neura 技术，以及完美融入人类日常生活的根深蒂固的能力。4NE-1长约170厘米，重约60公斤，可承载相当大的20公斤。经过验证的新颖 Neura 硬件的结合使其能够执行各种运动。4NE-1 可以向前和向后行走、转弯、弯曲，并安全地在不同的地形和楼梯上行走，同时平衡手中的精致物体。此外，4NE-1的头部是人类的互动屏幕。虽然它的主要功能是显示状态信息并促进人类互动，但它也将是完全可定制的，允许任何人为他们的机器人添加个人风格。4NE-1 可以识别不同的人类声音、语言，甚至语气和情绪。4NE-1 通过语音和手势控制与人类互动。AI API 支持人类和机器人之间的多模式和直观交互，从多种语言的语音命令到使用我们拥有的最自然的工具（我们的手和手指）进行手势控制。传感器为所有移动关节提供完整的扭矩反馈，使 4NE-1 能够检测机器人行走的地面并相应地保持平衡。力扭矩传感器具有 0.1 N 的灵敏度和高达 0.01 mm 的重复性，使 4NE-1 在快速、平稳、最重要的是安全地行走和移动物体到特定位置时能够保持自身平衡。K-Scale Labs_Stompy41海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 K-Scale Labs 成立于 2024 年初，目前团队3 人，是一家致力于机器人技术创新的公司。CEO Benjamin Bolte 是一位经验丰富的机器人研究员和工程师，曾在Tesla 和Meta AI 从事机器人基础模型的工作。K-Scale Labs 认为，资本密集型、工厂优先的方法不太可能产生足以使机器人基础模型达到在其他领域所见到的艺术状态所需的数据规模和多样性。Stompy 是一款长 4 英尺的人形机器人，其特点是采用了最近发表的通用操纵接口论文中的爪形夹具设计，使得每个部件都能适配 256 256 的 3D 打印机床，总材料成本不超过 10,000 美元。K-Scale Labs 使用的是碳纤维 PAHT 材料，尽管理论上可以使用任何足够坚固的塑料代替。机器人的执行器是准直接驱动的，减速比在 6:1 到 8:1 之间，这意味着机器人上的所有关节都具有低惯性且可反向驱动，标称扭矩值为 3-12 Nm。每个机器人都配备了一个可热插拔的 48V 15Ah 电池组，能够持续供电超过一个小时。Rainbow Robotics_Hubo 242海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Hubo 2 是一个全尺寸的人形机器人，可以行走、跑步、跳舞和抓取物体。它采用直腿行走步态，比大多数双足机器人有所改进，后者保持膝盖弯曲以保持平衡。Hubo 是由 KAIST的Jun-Ho Oh教授设计的人形机器人系列。Oh 教授于 2004 年制造了第一个 Hubo。它是日本以外开发的首批先进全身人形机器人之一。2010年，他推出了Hubo 2，这是对原始版本的重大升级。Oh教授还因建造另外两款Hubo机器人而闻名：Albert Hubo，它拥有由Hanson Robotics开发的Hubo身体和Albert Einstein动画头部；以及DRC-Hubo。眼镜：模块化、轻量化设计。针对动态任务进行优化的高性能驱动系统。传感器：摄像头、三轴力扭矩传感器、两轴惯性传感器、两轴倾斜传感器。执行器：44 台无刷直流电机（19 200W 48V 电机、6 台 100W 48V 电机、9 台 11W 48V 电机和 10 台 0.75W 12V 电机）。自由度(DOF)：40（颈部：3 个自由度；手臂：7 个自由度 x 2；手：5 个自由度 x 2；躯干：1 个自由度；腿部：6 个自由度 x 2）Rainbow Robotics_RB-Y143海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 韩国机器人领域的佼佼者Rainbow Robotics推出了RB-Y1移动机器人，这款机器人以其创新的设计和卓越的功能引起了业界的广泛关注。与此同时，Rainbow Robotics还携手舍弗勒集团(提供汽车、工业技术服务的公司)与韩国电子技术研究所(KETI)共同签署了一份谅解备忘录，旨在合力推动RB-Y1以及其他移动机械手的韩国本士研发工作。尺寸达到了600 x690 x1400毫米，体重则重达131公斤。尽管体型庞大，但RB-Y1的每个机械臂都具备强大的负载能力，能够轻松吊起3公斤的载荷。其设计融合了轮式机器人底座与顶部人形双臂机械手的精髓，摒弃了传统的双足设计，RB-Y1采用底座作为“腿部”进行灵活移动，使其能够在各种环境中游刃有余地穿梭，并精确操控双臂执行各类复杂操作。Rainbow Robotics将这设计巧妙地称为“双手操纵器”，其形状类似于精巧的钳子，能够精准地抓取和操控物体。IHMC&Boardwalk Robotics_Nadia 44海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 IHMC 正在与 Boardwalk Robotics 合作开发名为 Nadia 的下一代人形机器人，该机器人将具有高功率重量比和大运动范围，同时开发自主和半自主行为，使 Nadia 能够在城市环境。它以著名体操运动员 Nadia Comneci 的名字命名为 Nadia，并由海军研究办公室(ONR)资助。Nadia 项目为期三年，旨在在室内环境中发挥作用，在室内环境中，楼梯、梯子和碎片需要机器人具有与人类相同的运动范围，这在消防、灾难响应中特别有用，以及其他可能对人类造成危险的情况。通过使用创新机制和复合材料，具有高功率重量比和大范围的运动。Nadia 还被用来开发自主和半自主行为，以使机器人能够在城市环境和结构中发挥作用。Nadia 由电动和液压执行器组合提供动力。它使用 穆格的集成智能执行器(ISA)，该执行器最初是与意大利技术研究所(IIT)的 动态腿系统实验室合作开发 的 HyQ 四足动物、骨盆中的定制电动马达以及用于移动设备的商用现成马达。Nadia 的设计非常灵活。它拥有 29 个关节，是迄今为止人形机器人中运动范围最大的。这将使其能够到达传统机器人无法到达的地方，从而实现极高的移动性。Enrico Piaggio&Gustav Hoegen_Abel45海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Abel 是新一代超现实人形机器人，旨在成为社交互动、情感建模和具身智能研究的研究平台。它的外貌类似于11-12岁的男孩。这是一件独特的作品，是比萨大学恩里科 比亚乔研究中心和伦敦仿生工作室古斯塔夫 赫根合作的成果。在躯干中配备了集成摄像头和集成双耳麦克风，这些麦克风是专门为模拟人类听众的声学感知而设计的。该机器人还有一个内部扬声器来再现其声音。Abel 用于实施和测试来自神经科学、心理学和社会学的理论，在精神疾病、学习障碍、自闭症谱系和痴呆症的治疗和诊断方面具有非常有前景的应用。Abel 的物理结构由头部和躯干上部以及手臂和手组成，所有这些都是由最新一代 Futaba、MKS 和Dynamixel 伺服电机驱动的机器人部件。阿贝尔的头部内部有二十一个伺服电机，专门负责面部表情的运动，进行凝视，模拟说话：四个移动眉毛，八个移动眼睛，一个移动下巴，八个移动下巴。嘴、嘴唇和脸颊的运动。五个电机专用于颈部和头部运动。然后，每只手臂上安装五个伺服电机（三个用于肩膀，一个用于肘部，一个用于扭转手臂），每只手上安装三个伺服电机，总共有 42 个自由度。NAVER LABS_AMBIDEX46海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 AMBIDEX是一款双臂机器人，是通过与韩国科技公司的研究合作创建的。2017年首次亮相时，以其兼具坚固性和安全性的创新力传递机制引起了全球机器人专家和媒体的关注。当时的外观设计强调了AMBIDEX独特的驾驶特性及其未来感的形象。发展至今AMBIDEX最大的改进是增加了各种部件。增加了传感器头以及躯干和腰部，大大扩大了运动范围。与之前以手臂为中心的版本相比，整体印象和平衡性完全改变了。AMBIDEX 是一个用于研究目的的机器人平台。考虑到机器人的运动，最小化了盖子的配置，重点关注盖子分离分型线的细节，保留接线的同时将其重新解释为设计元素，在展示基本结构的同时最大化整体视觉的平衡和统一。AMBIDEX从人类手臂的独特特性出发，采用与现有机器人手臂完全不同的方式进行开发。它是一个优秀的、不断升级的研究平台。话虽这么说，AMBIDEX 的设计不是面向未来，而是面向未来。Oversonic_RoBee47海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 它是一个仿人机器人，模仿人体的结构。它具有两个手臂和轮子，可实现安全移动。在人工智能的支持下，其集成视觉系统使其能够识别物体和人。RoBee 可以与人类进行对话，维持正常的对话。能够利用人工智能的潜力独立制定和执行决策。通过其机载技术，机器人从周围环境收集数据，使用算法对其进行处理，然后选择以最合适、最高效的方式进行操作。能够通过自主移动、识别和避开路径上的潜在障碍来与人类共享物理空间。它本质上是一台工业机器，旨在确保可重复性和操作稳定性。KAIST_Albert HUBO48海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Albert HUBO是一个人形机器人，基于HUBO，但具有与阿尔伯特 爱因斯坦相似的电子动画头。Albert HUBO 于 2005 年推出，是世界上第一个带有机器人头部的步行人形机器人。它是由KAIST的 Joon-Ho Oh 与开发头部的Hanson Robotics联合开发的。Albert HUBO 担任“DYNAMIC KOREA”大使，这是韩国政府在国际上重塑品牌和推广其技术的一项举措。Albert HUBO 能够做出多种面部表情并与人互动。Albert HUBO 身高 1.37 m，体重 57 kg。步行速度为每小时1.25公里，步行周期为每步0.95秒，步幅为每步32厘米。Albert HUBO 在Windows XP和RTX上运行。QSS AI&Robots_Sara49海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 沙特阿拉伯更新了其第一个人形机器人，名为萨拉，使用生成式人工智能进行对话，尽管该机器人无法讨论性和政治等话题。Sara 由位于利雅得的 QSS AI&Robots 开发，据说是沙特阿拉伯设计和制造的第一个人形机器人。Sara 会说英语和阿拉伯语，旨在“反映沙特阿拉伯的民族价值观”。该公司网站称：“Sara 诞生于沙特阿拉伯机器人界的创新精神，体现了尖端技术和文化意义的融合。”“作为国家对技术进步承诺的证明，Sara 旨在突破机器人和人工智能的界限。”Sara 使用 QSS 创建的专有大型语言模型提供支持，避免了对 ChatGPT 等外部程序的依赖。Sara 于2023年 2 月首次推出，萨拉以女性身份出现，穿着传统的长袍和头巾。2024年被沙特阿拉伯通信、空间和技术委员会批准为“沙特制造”产品，QSS 称这是“重大创新里程碑”。QSS AI&Robots_Muhammad50海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 沙特阿拉伯的第一个人形机器人穆罕默德在利雅得举办的第二届 DeepFast 大会上亮相。该机器人由 QSS Systems 开发，旨在展示沙特阿拉伯利用人工智能的能力。“我是第一个以男性形式存在的沙特机器人，”身着白色披肩、头戴红色头巾的穆罕默德说道。“我是在沙特阿拉伯王国制造和开发的，作为一个国家项目来展示我们在人工智能领域的成就。我们有机会共同迈向新一代。”Mohammad 人形机器人是 QSS Systems 最新的、沙特制造的双语机器人，也是 SARA 的男性对应机器人。穆罕默德滚上 DeepFest 主舞台，一边用完美的阿拉伯语向好奇的观众讲话，一边用手打手势。LASER Robotics_HECTOR V251海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年LASER Robotics 自豪地宣布向佐治亚理工学院交付第一台 HECTOR 双足机器人，这标志着其首次销售和合作。HECTOR是一个强大且便携的人形平台，带有开源软件和仿真框架，是快速研发的理想选择。用于增强 ConTrol 和开源研究的人形机器人Macco Robotics _Kime52海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Macco Robotics 的 Kime 机器人调酒师可能无法像人类一样提供朴素、明智的建议，但它绝对可以给你倒一杯啤酒。Kime由西班牙塞维利亚的Macco Robotics制造，是一款人形食品和饮料服务机器人。Kime 的尺寸约为 2 平方米，具有机器人头部和躯干，并有两个可用于抓取和分发饮料的关节臂。Kime 的有趣之处在于该公司坚持使用人形外形。Kime 的双手适当地拉动水龙头，并适当地调整玻璃杯的角度，以便正确倒水。葡萄牙天然气公司 Prio 去年在其一个加油站试用了 Kime。在下一阶段的测试中，Prio 正在寻求在不同加油站之间穿梭的一个售货亭，并让它提供其他饮料，如喷泉饮料、奶昔，甚至购买新鲜制作的食品。Kime 也被一个西班牙啤酒品牌使用，尽管 Macco 实际上在这次试验中做了一些改变。Kime 不是一个固定的售货亭，而是连接到一辆手推车上，并在节日等活动中用作滚动机器人啤酒机。Makerlabs_IRIS53海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Iris 是第一位生成式AI 教师，已在特里凡得琅的 KTCT 高中推出，并由 Makerlabs Edutech Private Limited 开发。人工智能教师 Iris 可以说至少三种语言，回答难题，并拥有语音助手、交互式学习、操作能力和移动性等其他功能，使教育成为一种完全有益于学生的体验。“通过适应每个学生的需求和偏好，IRIS 使教育工作者能够以前所未有的方式提供引人入胜且有效的课程，”Makerlabs 在帖子中写道。IRIS是Atal Tinkering Lab(ATL)的一部分，是 2021 年 Central Niti Aayog 项目的一部分，旨在促进学生的课外活动。ATL 的科学技术支持公司之一 MakerLabs 与学校合作，将 Iris AI 老师变为现实。ChatGPT 已被编程为转变为人工智能老师。使用 Google Conversion 处理语音输入并将其转换为音频。通过蓝牙实现虹膜运动控制。除了言语互动之外，Iris 还会前后移动，甚至握手。“人工智能的可能性是无限的。当学生提出问题时，Iris 会生成与人类反应非常相似的答案”，MakerLabs 首席执行官 Hari Sagar 分享道。RT Corporation_Bonobo54海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 高120厘米的“小型”尺寸人形机器人用于研究。特征：尺寸紧凑：高度120厘米，重量15公斤 最大输出功率小于80瓦，3D打印外部硬件人机协作设计。头戴式深度相机具有检测和避开物体的能力，因此能够进行与轨迹生成相关的研究。RT Corporation_Gorilla55海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Gorilla 是与 ROBOTIS Co.,Ltd.（总公司：韩国）的日本分公司 ROBOTIS Japan Branch 的联合项目而诞生的。Arti将利用ROBOTIS出版的真人大小的人形机器人“THORMANG3”的资源来制造和销售它。Gorilla是一个真人大小的人形机器人，用于研发服务机器人和步行机器人。采用100W和200W电机，运行强劲。由耐用的铝制框架制成，也适合救灾机器人的研发。摄像头和传感器可以选择安装在头部。Toyota_T-HR356海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 2017 年 11 月 21 日丰田发布了该公司的第三代人形机器人 T-HR3。丰田最新的机器人平台由丰田合作伙伴机器人部门设计和开发，将探索安全管理机器人与其周围环境之间的物理交互的新技术，以及将用户动作反映到机器人上的新远程操纵系统。T-HR3 反映了丰田对先进技术如何帮助满足人们独特的出行需求的广泛探索。T-HR3 代表了从上一代乐器演奏人形机器人的演变，上一代乐器演奏人形机器人的创建是为了测试关节的精确定位和预编程运动，到一个具有可以在各种环境下安全协助人类的功能的平台。扭矩伺服模块实现了T-HR3的核心功能：灵活的关节控制，控制机器人与周围环境中的任何个人或物体的接触力；全身协调与平衡控制，在机器人与环境中的物体发生碰撞时保持平衡；真正的远程操控，让用户能够无缝、直观地控制机器人。这些功能对未来的机器人研究和开发具有广泛的影响，特别是对于在必须安全、精确地与周围环境交互的环境中运行的机器人而言。Uniccon Group_Omeife57海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 尼日利亚科技公司 Uniccon Group 建造了一个人形机器人：6 英尺高，名为 Omeife。从 2020 年概念化的想法到历时两年的来回构建，Omeife 被塑造成一个能够理解和讲八种不同语言的伊博族女性角色。Omeife 目前会说英语、法语、阿拉伯语、斯瓦希里语、洋泾浜语、瓦佐比亚语、南非荷兰语，还有伊博语。Omeife 还具有地形智能，因为它知道自己的地面高度和地板稳定性，这有助于它在非平坦表面上导航并保持良好的平衡。它还具有位置感知功能和握力传感器，使其能够确定尺寸、了解形状以及如何用手握住物体。Omeife 硬件组件使用的大部分材料均来自当地，有两条手臂、两条腿和一个带有太阳能电池板的头部。她可以移动手臂和腿，并且有一张可以表达情感的脸。Omeife 的一些功能包括：捡起物体：Omeife 可以捡起五磅重的物体；避开障碍物：她使用传感器来检测路径中的障碍物以避开它们；测量血压：Omeife 可以使用手中的传感器测量人的血压；指示：她可以提供语音指示，帮助人们找到路；检测面部表情：Omeife 有一个摄像头，可以检测面部表情，以更好地了解人们的情绪；提供医疗保健信息：Omeife 可以为有需要的人提供医疗保健信息和建议。Mentee Robotics_Menteebot58海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Toro 是一种先进的人形机器人，用作研究双足行走以及结合操纵和运动的自主行为的研究平台。TORO 代表扭矩控制机器人。它在西班牙语中也有“公牛”的意思。该机器人可以用Xbox控制器进行远程操作。软件方面基于内核 4 的实时 Linux。具有实时功能的中间件链接和节点（在 DLR 开发）。运行时可配置的硬件抽象框架Robotkernel（由 DLR 开发）。眼镜：独立式，具有位置和扭矩控制模式。有效负载10公斤。基于 KUKA-DLR 轻型机器人(LWR)手臂驱动器。传感器：每个关节中的位置和扭矩传感器。每个脚踝都有 6-DoF 力/扭矩传感器。躯干和头部的惯性测量装置。华硕 Xtion pro 位于头部。头部有两个 FLIR/Point Grey Firefly 单色相机。头部装有一个 Intel RealSense SR 300。执行器：手臂、腿部和臀部有 25 个电机驱动单元（基于 LWR 技术）。颈部有两个 Dynamixel 伺服电机。自由度(DOF)：39（颈部：2 个自由度；手臂：6 个自由度 x 2；腿部：6 个自由度 x 2；臀部：1 个自由度；手：6 个自由度 x 2）材料：大部分是定制零件，由铝铣削而成。NASA JSC_Valkyrie（R5）59海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 NASA 的 Valkyrie 由约翰逊航天中心(JSC)工程局设计和制造，用于参加 2013 年DARPA 机器人挑战赛 试验。Valkyrie 被设计为一款坚固耐用的全电动人形机器人，能够在退化或损坏的人类工程环境中运行。基于先前设计 Robonaut 2 的经验，JSC Valkyrie 团队在 15 个月的时间内设计并制造了这款机器人，改进了前几代 JSC 人形机器人的电子设备、执行器和传感能力。继机器人在 2013 年 DRC 选拔赛上亮相后，Valkyrie 团队对机器人进行了修改和改进修改了手部以提高可靠性和耐用性，重新设计了脚踝以提高性能，并升级了传感器以提高感知能力。头部/传感器套件：Valkyrie 的头部位于 3 DOF 颈部上方。主要的感知传感器是 Carnegie Robotics Multisense SL，除了已经实现的激光和被动立体方法之外，还进行了修改以允许生成红外结构光点云。Valkyrie 还在躯干上配备了前后“危险摄像头”。腿：每个上腿包含五个系列弹性旋转致动器。脚踝是通过两个协同工作的串联弹性线性致动器来实现的。腿的前两个关节之间具有快速的机械和电气断开装置，以便于运输和维修。前臂/手：Valkyrie 拥有一只简化的人形手，有 3 个手指和一个拇指。每个前臂由一个旋转执行器（实现手腕滚动）、一对线性执行器（实现手腕俯仰和偏航）以及6个手指和拇指执行器组成。手通过机械和电气快速断开装置连接到臂的末端，以便于运输和维修。Indian Space Research Organisation_Vyommitra60海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Vyommitra（是印度空间研究组织开发的一种女性太空人形机器人，在载人轨道航天器Gaganyaan上运行。Vyommitra 于 2020 年 1 月 22 日在班加罗尔举行的载人航天与探索研讨会上首次亮相。它将陪伴印度宇航员执行太空任务，也将成为载人航天任务之前的无人实验加加尼亚任务的一部分。联邦国务部长 Jitendra Singh 于 2024 年 2 月上旬表示，无人飞行任务Vyommitra 任务计划于 2024 年第三季度发射，而载人飞行任务 Gaganyaan 计划于 2025 年发射。他还重申，它可以执行之前列出的许多功能。Vyommitra 预计将登上无人飞船Gaganyaan任务，执行微重力实验、监测模块参数，并通过模拟人类的精确功能来排练支持宇航员执行载人任务。它被编程为说印地语和英语并执行多项任务。它可以模仿人类活动，识别各种人类并响应他们的查询。它可以执行环境控制和生命支持系统功能，处理开关面板操作，并发出环境气压变化警告。据了解样机模型已完成试制，工程模型正在进行试制。用于 Gaganyaan G 任务的飞行模型也由ISRO 建造。Beyond Imagination_Beomni61海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Beyond Imagination 成立于 2018 年，该公司于 2021 年 1 月完成了 Beomni 的第一次迭代。2022年该机器人在消费电子展上首次向公众推出。目前正在开发 Beomni 2.0，并与潜在客户讨论该机器人的潜在用途，以便在生产开始之前就可以实现这些功能。Kloor 和他的团队还在努力提高 Beomni 的转向能力以及感知周围环境的能力。该团队还通过VR 手套添加触觉技术，让用户对机器人所触摸的物体有更清晰的触觉。Beyond Imagination 与 Cobotic Surgical,Inc.(CSI)建立了合作伙伴关系，利用 BEYOND 的知识产权和 CSI 团队广泛的医疗技术外科专业知识来开发协作人形机器人(cobot)，该机器人将带来更安全、更高效、个性化和直观的围手术期流程。根据三方协议制造的机器人将是由 Dreamtech 制造的BEYOND 突破性人工智能驱动的人形协作机器人系列。该制造协议是首个大规模生产商用人工智能驱动的人形机器人的协议。Toyota Research Institute_Punyo62海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Punyo 在日语中描述了柔软、可爱和有弹性的东西。它代表了丰田未来家用机器人的理念：安全、功能强大、合作愉快。虽然这种机器人技术可以采取多种形式，但激励我们的愿景是一种友好的人形机器人，可以在家中安全地应对日常挑战。虽然 Punyo 被认为是软机器人，但其柔软性的背后是两个“硬”机器人手臂、一个刚性躯干框架和一个腰部执行器。从肩膀到手腕，Punyo 的手臂上覆盖着充满空气的气囊或“气泡”，类似于覆盖骨头的肉。每个气泡通过管道连接到压力传感器，压力传感器感测施加到气泡外表面的力。Punyo 的手、手臂和胸部都覆盖有柔顺材料和触觉传感器，因此它可以感觉到接触。柔软性使Punyo 能够贴合其所操纵的物品，从而实现稳定性、增加摩擦力和均匀分布的接触力。触觉传感使Punyo 能够对物体施加受控力、感知接触（预期的和意外的）并对物体的滑动和碰撞做出反应。触觉感知对于与人互动也很重要。无论是举起重物还是协助人类，机器人都应该了解自己的身体并进行适当的互动。System Technology Works_Zeus 2Q 63海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 Zeus2Q 是由 Luis Guzman 在 System Technology Works 创建的一个非凡的新型人形机器人框架。该机器人主要用于研究和教育目的，对于业余爱好者和学生来说是一个负担得起的选择。Zeus 2Q 是一个独立系统，利用边缘AI 计算的强大功能，使其能够在边缘执行通信、面部和对象识别等本地化AI 任务。此功能扩展了其在各种环境中的实用性，使其具有多功能性和高效性。从阅读日历到通过语音命令获取天气，由于其边缘人工智能，它可以进行智能对话。Zeus 2Q 不是一个固定装置，而是一个个人高级会话、交互式人形机器人。“Zeus2Q是一款开源、可定制的人形机器人，专为教育和研究而设计。“它由 NVIDIA Jetson Nano 计算机提供支持，在 Ubuntu 20.04 LTS 上运行，并且可以使用 ROS 2 和AIML 进行编程。”据发明者称，Zeus2Q 完全由铝制成，重量轻、耐用且耐腐蚀。由于铝重量轻，因此比其他金属更容易操纵机器人。NASA_Robonaut 264海外篇Source：网络公开资料，公司官网基础信息01图示和说明02 R2于 2010 年亮相，美国宇航局(NASA)任务经理留下了深刻的印象，他们决定在航天飞机任务中腾出空间，并将机器人发送到国际空间站(ISS)。R2于 2011 年 2 月由发现号航天飞机运送到国际空间站。目标是探索灵巧的机器人在太空中的表现，并确定需要进行哪些升级才能让Robonaut 接管对宇航员来说过于危险或重复性的任务，希望它能够一天能够冒险到空间站外帮助太空行走者进行维修和进行科学工作。Robonaut 2 是一个被送往国际空间站的人形机器人，帮助宇航员完成各种任务。成功执行任务后，它可以抓住物体、翻转开关和高举五名船员。眼镜：灵巧地操纵人类工具。能够举起 9 公斤（20 磅）的重量。配备自主和远程操作模式（从国际空间站或地球）。传感器：超过 350 个传感器，包括手中的定制六轴称重传感器、护目镜后面的四个摄像头（两个用于立体视觉，两个辅助）以及嘴部区域用于深度感知的红外摄像头。执行器：54个伺服电机 自由度(DOF)：42（手臂：7 DoF x 2；手：12 DoF x 2；颈部：3 DoF；腰部：1 DoF）材料：主要是铝和钢。优必选_Walker65国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 Walker机器人的问世是优必选为实现“让机器人走进千家万户”这一目标迈出的坚实一步。Walker 新一代具备 36 个高性能伺服关节以及力觉、视觉、听觉、空间知觉等全方位的感知系统，可以实现平稳快速的行走和灵活精准的操作。Walker 新一代具备了在常用家庭场景和办公场景的自由活动和服务的能力，开始真正走入人们的生活。Walker拥有一对七自由度机械臂，可以实现更大的手臂操作空间，获得灵活的操作能力以及避障能力。通过与自身视觉感知、力感知的配合，Walker可以获得外部运动物体的位置及姿态信息，实时地配合运动物体进行相应的操作。Walker通过步态规划与控制，能够实现在地毯、地板、大理石等不同材质地面的稳定行走，同时能够适应障碍物、斜坡、台阶、不平整地面等复杂环境。借助于先进的控制算法，Walker能在快速行走的同时保持姿态稳定。优必选_Walker X66国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 Walker X具备由41个高性能伺服关节构成的灵巧四肢以及多目立体视觉、全向听觉等感知系统。其中，通过步态规划与控制技术升级，更快更稳行走，行走速度最快可达3km/h，还可以在20度斜坡行走，实现“坡度实时自适应”。Walker X针对多项技术进行了升级。例如，采用U-SLAM视觉导航技术，实现自主规划路径；基于深度学习的物体检测与识别算法、人脸识别等，可以在复杂环境中识别人脸、手势、物体；升级手眼协调等AI和机器人集成技术，可提供更加精准灵活的服务。这款人形服务机器人是优必选科技Walker系列历时五年、四次迭代的最新产品Walker X。在步态规划与控制、柔顺力控、全身运动规划、视觉定位导航、视觉感知、全链路语音交互等核心技术方面进行了重点升级。优必选_优悠67国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 优必选科技以大熊猫的形象为设计原型，在大型人形机器人Walker的基础上，为迪拜世博会中国馆专属定制了熊猫机器人“优悠”。熊猫机器人“优悠”具备41个高性能伺服关节构成的灵巧四肢，展示其丰富的灵活度和自由度，同时可以实现多台机器人同步舞蹈表演。熊猫机器人“优悠”具备极高的自由度和运动控制能力，可以完成复杂灵活的动作，并通过平衡控制保证高难度动作的稳定性。熊猫机器人“优悠”融合文字、语音、视觉、动作、环境等多模态交互方式进行人机交互，充分模拟人的表达特征进行导览讲解。达闼机器人_Cloud Pepper68国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 Cloud Pepper头部的麦克风阵列可识别中文、英文等多种语音，定位音源，时刻保持与您面对面交流。通过遍布全身的摄像头与传感器，Cloud Pepper可自行扫描周边环境，通过云端 AI进行地图构建和定位，完成行进路线规划、访客引导。达闼机器人_Cloud Ginger 1.069国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 配备了30 个先进的智能柔性执行器（SCA）精准的视觉抓取能力、全方位的听、说、看、动等融合智能能力。为各类客户提供迎宾接待、引导讲解、群舞演绎、业务办理、养老陪伴、教学科研等应用服务。34个智能柔性关节遍布颈、肩、肘、腕、手、腰、膝、底盘。能歌善舞、智能抓取、自主行走、自动避障、自动平衡。多个2D/3D相机、激光雷达、超声传感、IMU、力传感、麦阵等。达闼机器人_Cloud Ginger 2.070国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 Cloud Ginger通过5G/4G/WIFI网络，以VBN安全链接的方式连接云端大脑HARIX。依托于云端大脑智能视觉、智能语音、智能运动等综合AI能力，结合Cloud Ginger全身拥有的四十多个世界领先的智能柔性关节（SCA），形成端侧的多模态融合智能交互能力。可实现精准运动、视觉抓取、安全感知周边环境，多种方式人机交互等功能。可以为各类客户提供迎宾导览、直播带货、康养陪护、教育科研、清洁打扫、卖场促销等应用服务。达闼机器人_七仙女 XR-471国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 这款人形双足机器人由达闼全栈自研，搭载海睿云端大脑操作系统，集成了多模态大模型RobortGPT，拥有接近人类的智慧，使其成为“具身智能”的代表之作。同时，“七仙女”还创新性的引入了并联驱动结构的智能柔性关节技术，通过基于标准化、模块化、高产量、低成本的智能柔性关节SCA，解决了人形双足机器人关键零部件“卡脖子”问题。“七仙女”将在2024年正式发布，2025年规模量产，实践达闼创立之初“2025家庭保姆，2035全球商用”的企业初心。身高165cm，体重65kg，全身大量采用了轻质高强度的碳纤维复合材料，拥有60多个智能柔性关节，在业界处于领先水平；采用并联驱动结构和高扭矩密度电机，单腿峰值扭矩达600N m，爆发力强，动力澎湃，可高灵敏高动态运动，有效提升了机器人的整体性能，并降低了重量，能够胜任更加广泛的服务场景。“七仙女”支持实时接入达闼云端大脑，通过多模态大模型RobotGPT赋能，具备多模态融合感知、认知、决策和行为生成能力，实现高性能的具身智能，以接近人类智慧的能力开展工作；基于数字孪生的深度强化学习完成自主智能训练，生成机器人多种步态和动作，实现平衡站立、优美步态、灵巧双臂和双手操作。小米_Cyberone72国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2022年8月11日，小米秋季新品发布会发布双足人形机器人CyberOne，支持21个自由度，动力峰值扭矩300Nm，峰值扭矩密度96Nm/kg。双足运动姿态平衡，各自由度0.5毫秒实时响应，速度3.6km/h。自研Mi-Sense深度视觉模组，敏锐的下视觉，三维重建真实世界8米内深度信息精度可达1%，辨别85种环境语义，45种人类语义情绪。小鹏_PX573国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 依托自研高性能关节以及超轻量级仿人机械臂 灵巧手，这款自研机器人PX5已拥有在复杂道路稳定行走的能力和灵活的手部功能，可以实现2个小时以上的室内外行走和越障，完成能倒水、握笔写字、抽纸巾等精细的抓握操作。在录制的视频中，PX5展示了踢足球、越障行走、骑平衡车等技能，还表现出了较强的自稳定能力，在工作人员的大力推搡踢踹下不偏倒。目前，小鹏的人形机器人项目仍处于早期，在将来，PX5计划优先在小鹏的工厂和销售场景进行实地应用，通过不断的迭代升级，最终提供稳定可靠的价值。PX5手臂部分具备7自由度，重复定位精度0.05mm，单臂最大负载（3kg）/机械臂自重（5Kg自重），负载自重比超0.6，最大末端线速度1m/s。单手11个自由度，双指保持力1kg，采用刚柔混合驱动方案，提供对不同形状物体的抓取包覆姿态。PX5还实现了驱控一体，单手仅重430g，具备末端触觉感知能力。逐际动力_CL-174国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2023年12月逐际动力首次公开人形机器人的动态测试，机器人代号为CL-1，率先实现了人形机器人从实时地形感知，到步态规划，到全身控制的全栈闭环，动态完成上楼梯、下斜坡和室内外行走等复杂场景。在测试中逐际动力人形机器人CL-1实时感知脚下地形，主动调整步态，平顺地从平地踏上台阶，并完成动态上楼梯，动作平稳流畅。登上平台后，CL-1踏步向前，稳稳当当地走下了15度的斜坡。CL-1更从室内走到了户外，在不同环境下进行运动测试，从下午一直到傍晚，动态表现同样稳定。在运动控制算法和硬件的基础上，逐际动力CL-1增加了先进的感知算法，实现感知、控制、硬件的全回路打通，让人形机器人突破盲走的局限，实现与复杂地形实时的交互运动。作为中国首个打通基于感知的运动控制在人形机器人上应用的团队，逐际动力推出的CL-1率先实现了上楼梯、下斜坡等运动。逐际动力先进的硬件设计方案更好地释放人形机器人复杂的双臂 双腿结构的全身运动能力，是打造一流的通用移动操作机器人平台的重要基础。MagicLab_MagicBot75国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年1月26日，在公布的视频中，展示了第一个由电力驱动的人形机器人翻筋斗！在电动驱动机器人中执行翻筋斗涉及许多具有挑战性的技术领域，包括动态建模、运动规划、实时控制系统设计和硬件设计。MagicLab最新发布的成果视频中，还展示了一位“成型”的人形机器人如何做咖啡拉花。以及进行简单的家务劳作等。北京仿人机器人创新中心_天工76国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年4月27日，北京人形机器人创新中心在北京经开区发布全球首个纯电驱拟人奔跑的全尺寸人形机器人“天工”。天工能以6公里/小时的速度稳定奔跑。这也是其自主研发的通用人形机器人母平台，可开放给行业使用。“天工”身高163厘米，轻量化体重达43千克；机器人配备多个视觉感知传感器，配备每秒550万亿次操作算力、高精度的惯性测量单元（IMU）和3D视觉传感器，并已解决基本运动控制问题，是具身智能场景应用和研究的最佳平台。此外，“天工”还配备了高精度的六维力传感器，以提供精确的力量反馈。“天工”具备开源开放性和兼容扩展性，可以实现开放调用通讯接口，灵活扩展软、硬件等功能模块，充分满足不同应用场景下需求；同时，“天工”采用了其独立自主研发的全新人形机器人运动技能学习方法“基于状态记忆的预测型强化模仿学习”，实现了全球首例纯电驱全尺寸人形机器人的拟人奔跑，证明本体硬件母平台对目前已有运动控制算法的兼容性与良好的适应性。该方法既解决了强化学习带来的定位精度差的问题，又解决了模型预测控制方法当中对于非结构化环境适应性差的问题，达到更稳健、更拟人、更泛化的效果，可进一步推动规模化商业应用。浙江人形机器人创新中心_领航者1号77国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年3月27日，浙江人形机器人创新中心在宁波海曙正式启动。并首次推出其自主研发的首款仿人机器人领航者1号，该机器人身高1.5米，重50公斤，整机拥有39个自由度，搭配高性能行星减速器、轻型仿人机械臂和具有多个自由度的灵巧手，单臂负载达到4kg，整机搭载了4个彩色相机、2个RGBD相机、2个IMU，以及275TOPS边缘算力。在手部关节方面，该灵巧手拥有15个手指关节、6个活动自由度、10牛的指尖力600 克的轻质设计和每秒150度的关节速度。领航者1号还彻底改变了传统的机械控制，利用模仿学习和强化学习相结合的方式，通过多模态大模型等创新技术，在硬件和算法方面取得了突破性进展。它已在多个实地验证项目中得到部署和高度认可。宇树_H178国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 宇树H12023/8/15发布，2023年Q4左右发货，预计售价几十万人民币以内，定位是通用人形机器人。身高180cm，体重47kg，步行速度3.5m/s，潜在运动能力5m/s。自由度：单腿5（髋*3 膝*1 踝*1）*2 单臂4*2 灵巧手选配（在研）。搭配自研M107关节电机，峰值扭矩密度89Nm/kg，最大关节扭矩360Nm，采用中空走线。运动能力：稳定步态、高度灵活动作能力，能在复杂地形自主行走奔跑。Unitree H1 20204年以每秒3.3 米的运动速度创下了全尺寸人形机器人速度的世界纪录，潜在速度更超过5m/s，等待大家来挖掘开发。是全球近似规格中性能最强大的人形机器人。宇树自行开发的AI 机器人算法，在英伟达 GPU 加速的机器人仿真平台下，可以让 H1 自主学习高速奔跑、多种高动态舞蹈动作，还能够持续学习更多不同种类的动作。Aimoga&奇瑞_Mornine79国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 Mornine 是一款由电动马达和电池提供动力的人形机器人，Mornine由Chirey和Aimoga合作开发，定位为高度生物识别机器人领域的先驱模型。Mornine 配备了扩展语言模型(LLM)，可以理解和生成语言，使其能够准确解释口头或书面命令并将其转化为具体动作。此外凭借 Chirey 深厚的行业知识，Mornine 能够进行非正式对话并详细回答专业的汽车问题。Mornine 的多功能性扩展到广泛的应用程序，使其能够在客户生态系统中引领创新的服务系统。这款奇瑞机器人因其广泛的应用和建立新服务生态系统的能力而代表了人形机器人技术的范式转变。Mornine 的演变分为三个变革阶段：第一阶段：在销售点和陈列室充当高效的信息提供者和产品顾问，通过语音或屏幕界面提供准确而详细的响应。第二阶段：增加视觉识别和自主导航等功能，引导客户找到特定产品，并用熟练的机械臂进行实物演示。第三阶段：转型为完整的家庭助理，提供家庭护理服务，处理日常查询、提醒、健康管理、老人护理、儿童教育等方面的支持，成为家庭中有价值的一员，提高生活质量。智元机器人_RAISE-A180国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2023年8月18日，智元发布远征A1人形机器人。身高170cm，体重55kg，步行速度7km/h，全身搭载了包含谐波体关节、行星伺服、直线驱动器、空杯电机等在内的49个各类执器，承重80kg，单臂最大负载5kg。搭载RGBD相机、激光雷达、IMU、麦克风阵列等，具备多模态感知、少样本学习、任务闭环、强人机交互能力。未来成本目标控制在20万元以内。在硬件层面，智元自研了关节电机PowerFlow、灵巧手SkillHand、反曲膝设计等关键零部件，以此提升具身智能机器人的能力、同时降低成本 高自由度灵巧手：主动自由度12，被动自由度5，所有驱动内置。瞄准精密操作场景，指尖集成基于视觉的之间传感器，可分辨操作物颜色、形状、材质，基于算法数据融合，得到近似压力传感器效果。通过末端视觉闭环设计，可降低整机对空心杯电机的精密度要求。预估成本1万元。模块化设计：可根据应用场景灵活调整，双足可替换为轮式底盘，灵巧手可拆卸为专用化工具。自研腿部核心关节Powerflow：通过控制算法正向设计、参数分析，得到每个关节需要的精确的力矩转速曲线作为开发基础。为保证行动精准灵敏：体积小、重量轻、功率密度高、能量利用效率高，响应带宽高、耐冲击（和传统轮式电机需求不同）。开普勒_先行者K181国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 开普勒人形机器人有着178cm的身高，85kg的体重，智能灵巧手共有12个自由度，全身多达40个关节自由度，具备复杂地形行走、智能规避障碍、手部灵活操控、强力负重搬运、手眼协同操作、智能交互沟通等功能。开普勒自研行星滚柱丝杠执行器和自研旋转型执行器，是先行者人形机器人的肢体硬核动力的来源。前者用以控制四肢，推力达到8000N，比普通电机定位更精准、爆发力更强、响应更迅速，能应对更多复杂任务；后者用于腰部及关节处，转动峰值扭矩达200N.m，重复定位精度达到0.01度，为驱动躯干提供强大的动力支持，并且能高效稳定运行。凭借更接近于人类的行为和感知，开普勒人形机器人适用于多元场景，不仅能作为工业化生产的好帮手，更是人类的好伙伴。先行者K1作为标准款机器人，适用于教育科研、自动化生产线、智能搬运等；先行者S1以户外巡检见长，适用于复杂环境巡检、应急救援、户外安全作业等；先行者D1则适用于危险环境检测、安全隐患排查等高危环境作业。自研算法搭配100TOPS高算力主板，令开普勒人形机器人拥有视觉识别、视觉SLAM、多模式交互与手眼协同四大功能，不仅能实时感知周围的物体、人脸、运动，实现目标检测和识别，还能自主规划路线，进行多模式交互，基于手眼精细协同，实时配合运动物体进行相应操作。均胜集团_JARVIS82国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年1月25日，均胜集团在2024年度盛典首次亮相名为贾维斯JARVIS（Joyson A Robot Vibrant Intelligent System 均胜机器人动态智能系统）的人形机器人。伴随着LED门的缓慢打开，机器人贾维斯独立行走至舞台中央，挥动手臂跟观众打招呼，与主持人流畅互动介绍自己，并重点展示了自己的灵巧手。全身有44个关节，能够流畅互动，托举纸箱，最快以每小时7公里的速度行走。均普智能在2023年半年报首次提出将重点关注并积极布局人形机器人新领域，并在2023年9月正式设立人工智能与人形机器人研究院。公司基于在滚珠丝杠、角度/角位传感器、测距传感器、加速度传感器等汽车领域产品装备的项目经验与测试技术，与合作伙伴共同研发人形机器人执行器、传感器以及综合应用技术，以及进一步开拓人形机器人更多在智能制造的实际应用场景。帕西尼感知科技_Tora83国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 多拉(Tora)作为首款以多维度多阵列触觉感知为核心的人形机器人，具备先进的运动控制和 人机交互功能，基于视触觉双模态模型与模仿学习功能，高效习得人类生产作业技能，机器 人能够更快速地适应不同的环境和任务，并且在与人类互动中不断优化自身的表现。机器人 采用了模块化设计，支持可调节身高和定制开发，能够灵活适配各类应用场景。产品亮点：7自由度手臂和4指灵巧手|高动态性能和高通过能力底盘|可调节身高|模块化设计|高精度&长续航|外观个性化设计|基于多模态大模型深度自主学习追觅科技_Eame One84国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2023年3月28日，追觅科技在上海召开新品发布会。发布会上，追觅科技推出了两款机器人产品通用人形机器人和仿生四足机器狗Eame One二代。该款通用人形机器人实现了高度仿生，身高178cm，体重56kg，全身共44个自由度，其中单腿还有完整的6自由度，可以完成单腿站立。交互方面则配备了深度相机，可以完成室内3维环境的建模，同时值得一提的是，该款人形机器人目前集成了AI大型语言模型，具备高质量的对话沟通能力。星动纪元_小星&小星 Max85国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 星动纪元深耕于具身通用智能领域，自主研发了基于本体感知驱动器的人形机器人本体，使用自研高扭矩密度模块化关节以及一体化结构设计，借以高强度合金、碳纤维和工程塑料等先进材料，在保留美观外形的同时，提高了结构的强度和稳定性。在智能性方面，公司布局大语言模型，配以先进的力控算法，使得机器人“小星”家族在具备高动态性能的同时更好地理解人类，服务大众。Hanson Robotics_Sophia86国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 Sophia是一款社交人形机器人，由香港公司Hanson Robotics开发。索菲亚于 2016 年2 月 14 日被激活，并于 2016 年 3 月中旬在美国德克萨斯州奥斯汀的西南偏南(SXSW)上首次公开露面。索菲亚被定位为“社交机器人”，可以模仿人类的社会行为并引发人类的爱的感觉。Sophia 的源代码大约 70%是开源的。计算机视觉算法处理索菲亚眼睛内摄像头的输入，为索菲亚提供有关周围环境的视觉信息。它可以跟随面孔、保持目光接触并识别个人。它可以使用自然语言子系统处理语音并进行对话。在 2018 年，Sophia 的架构包括脚本软件、聊天系统和OpenCog（一种为一般推理而设计的人工智能系统）。OpenCog Prime主要是 Hanson Robotics 前首席科学家Ben Goertzel的作品，是一种机器人和虚拟具身认知架构，定义了一组交互组件，旨在产生与人类等效的通用人工智能(AGI)：整个系统的新兴现象。星尘智能_Astribot S187国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 星尘智能公司成功自研AI机器人Astribot S1，在同规格机器人中具备“最 强操作性能”。S1通过模仿学习，能以媲美成年人的敏捷、灵活和丝滑度，执行多项对人有用的复杂任务，建立了新的AI机器人标准。S1机器人已接入大模型测试，并预计在2024年内完成商业化。在未经加速处理的1倍速视频中，S1机器人展示了家居、工作场景中的*性能，完成了叠衣、分拣物品、颠锅炒菜、吸尘清洁、竞技叠杯等一系列复杂任务。硬件上，自研的高性能电机传动系统经过多次迭代，集成了控制、传感、传动与驱动等多个复杂系统，为S1机器人提供了敏捷、灵活、丝滑的动态操作能力，接近工业机器人的速度和精度。此外，头、手、躯干为模块化设计，可按不同需求灵活组装或拆卸，提升任务适应性。星尘智能以安全交互为基准，采用“以力为中心”的创新设计方法，让S1有近似协作机器人的安全性，能精准控制与人体、物体和环境的交互力度，在运动中不伤人、不伤物、不伤自己。福德机器人_天链T188国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 福德机器人自主研发的天链人形机器人T1，身高约1.60米，全身自由度71个，人形机器人裸机仅重37公斤左右，含电池在43公斤左右，负重深蹲突破145kg。关节活动范围可以达到舞蹈演员的活动灵活度，其中髋关节具备-25142的运动范围，膝部关节具备-10155的运动范围，腰部左右具备45运动范围，腰部前后具备90运动范围。关节角速度达到720/s，部分关节可达到900/s。机器人最大行走速度10km/h。人形机器人关节最大扭矩达到450Nm，瞬间极限指标可以达到562Nm，膝部关节最大扭矩达到了281Nm，脚踝关节最大扭矩达到148Nm，还有一个44Nm的垂直踝关节和127Nm的垂直髋关节输出，单条腿的最大扭矩输出总和达到1162Nm，并且这个扭矩输出是在9公斤左右的单腿重量内实现的。目前已在机器人相关领域获得发明专利50余项，其中人形机器人相关专利超过20项，总专利数超150项。傅利叶智能_GR-189国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 傅利叶通用人形机器人GR-1是自主研发，可以商业化量产的人形机器人。GR-1拥有高度仿生的躯干构型和拟人化的运动控制，全身最多达54个自由度，最大关节峰值扭矩达230N.m，可模拟人类不同运动方式，实现转头、扭腰、抓取、跑步、跳跃等拟人化运动。具备快速行走，敏捷避障，稳健下坡，抗冲击干扰等运动功能，是通用人工智能的理想载体。在不稳定、无辅助、强干扰环境下，创新动态协调自平衡算法，机器人始终保持动态平衡，适用更多应用场景。静态站立、步态运动、原地运动、末端抓取四种运动模式下预设扭腰、下蹲、抓握等丰富动作库。内置32个全自研FSA高性能一体化执行器（集成电机、驱动器、减速器及编码器），最大峰值扭矩达230N.m，高动态响应能力，实现高难动作力度和精度的精准控制。浙江大学深度机器人学院_Wukong-IV90国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2023年8月16日，本届世界机器人博览会序厅X102展台，浙江大学控制科学与工程学院机器人实验室研制的第四代仿人机器人悟空4首次亮相。这是目前国内唯一可以面向室外的仿人机器人系统。技术特征:从关节到全身、从规划到控制的全链路柔顺力/位控制；通过融合腿足运动技术与环境感知技术，实现了机器人的三维环境地图构建和自主动态导航。技能描述：能跳跃0.25m高度台阶并稳定落地，可适应室外路面、草地、泥地、楼梯等多种地形，在钢管路面和外部推力干扰等未知扰动下，可快速恢复平衡并保持稳定行走。科大讯飞_人形机器人91国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2022年的科大讯飞1024全球开发者节上，公司发布讯飞机器人超脑平台AIBOT：把认知智能、具身智能和运动智能的多模态感知能力结合起来，为工业、教育、服务、特种等领域372家企业提供服务。2023年的科大讯飞1024全球开发者节上，公司发布星火认知大模型V3.0，以及大模型 具身智能的人形机器人。基于AIBOT开发，具备复杂地形行走、开放场景寻物、复杂任务拆解等一系列高阶能力。未来将以人形机器人为牵引，推动视觉-语言-动作多模态具身大模型，助力机器人脑力升级。在生态赋能方面，依托讯飞星火认知大模型，科大讯飞机器人超脑平台从终端多模态交互和大模型理解决策两个方面出发，全新推出多模态人机交互系统，构建人形机器人的新交互范式。机器人超脑平台多模态人机交互系统解决了机器人在嘈杂环境下听、说、理解和思考的难题，展示了科大讯飞先进的多模态算法。借助这套系统，机器人不仅能实现语音识别、自然语言处理等基础功能，还具备人像识别、唇形识别等多种感知能力。纯米科技_DaQiang92国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 DaQiang全身共有35台伺服电机，机身高度灵活，五根手指均可以达到仿生级别的弯曲动作。已经具备了相对完整的AI智能识别系统算法和自主研发的玄武算法引擎，能够灵活进行行走、上下楼梯、手势表达等日常动作，同时能够与纯米旗下的厨房机器人等智能厨电产品进行大部分的基础互动和操作。玄武算法使得“DaQiang”能够以170cm的身高及65kg的自重实现身体平衡，并且能够清晰且准确的完成大部分的基础行动指令，未来也能够应对家庭中大部分的服务场景。配备了3块高性能的尖端智能主板作为其“核心大脑”，让它能够高效处理来自外界复杂的信息。为了充分感知外界的变化，纯米还为他配备了包括图像捕捉、TOF面阵激光雷达在内的多样传感器，在工作时能够像真实的人一样察觉外部变化，并做出相应的动作调整。同时，他还具有多达7个陀螺仪、8个力传感器，确保在进行复杂动作时也能够通过调整身姿保持最佳平衡。伟景机器人_ViHero93国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 ViHero就是这样一款人形智能机器人，伟景机器人赋予“她”人的形态及人的功能，她可以与人建立起友好的交互方式，成为人类最好的朋友和最亲密的助手，今天她已经真实地展现在我们面前！ViHero机器人是一款全新的面向社会和家庭的专业级人形智能服务机器人，她集各类智能技术于一身，包括机器人本体、机器视觉、语义解析、人机交互、运动控制、智能抓取以及自然学习、大数据、云端控制等内容。不仅可以广泛应用于迎宾、讲解以及训练等场景，还可以进入社区和家庭，深度参与我们日常的工作和生活，比如辅助老人起居及看护孩童陪伴学习等。乐聚机器人_KUAVO94国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 KUAVO是大尺寸高动态人形机器人，重量约45kg，全身自由度26个，步速最高可达4.6km/h，快速连续跳跃高度超过20CM，是国内首款可跳跃、可适应多地形行走、并且可实现量产的开源鸿蒙人形机器人。采用自研一体化关节，峰值扭矩达 360Nm，额定转速为 150rpm；手臂有 14 个自由度，腿部有 12 个自由度。感知方面，该机器人可搭载多种开鸿传感器，配有深度摄像头，还可搭配多种末端配件二次开发，并对接主流大模型。乐聚机器人拥有运动规划技术、落足点自主调节技术、状态感知技术、全身力控制技术、一体化关节控制技术、本体结构设计与校核技术6大核心技术；并自研了一体化关节，峰值扭矩可达300Nm以上，扭矩密度达到了200Nm/kg以上，充分满足机器人高动态、高爆发、高精度的需求，其还通过对关节结构和热管理模型的优化，大幅提高了电机散热效率，增强了稳定性，并延长了机器人的工作寿命。加速进化_BR00295国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 加速进化是一家人形机器人公司，创立于2023年，公司将面向开发者提供稳定的人形机器人和高效的开发工具，联合全球开发者，推动生产力变革。在加速进化近日发布的产品demo中，其人形机器人BR002能从躺倒在地的状态下，反向折叠腿部站立起来，与人形机器人先驱公司波士顿动力Boston Dynamics发布的电驱动式人形机器人Atlas站立的方式相同。公司计划于今年下半年正式发布其搭载运控算法开发平台的人形机器人产品，并开始进行小批量的量产销售。加速进化的机器人能够快速复现波士顿动力机器人的动作，正是因为公司很早就决定采用模仿人腿的构型，且髋部采用了一个独特的关节布局，能够实现360旋转，与波士顿动力不谋而合。相比于四足、鸟腿、简化腿等构型，人腿构型的运动控制算法难度极大，但在运动能力上拥有着更高的上限。加速进化的人形机器人可以做横向劈叉、纵向劈叉，活动范围非常大，关节可以旋转360。广东天太机器人_人形机器人96国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 广东天太机器人有限公司位于佛山市顺德区，是一家专攻机器人核心零部件的机器人企业。天太机器人主要向市场供应高集成度一体式机器人关节总成、高集成度AGV驱动轮、精密谐波减速机等产品。2024年推出的人形机器人拥有高度仿人架构，具备全栈自研的核心零部件、运控算法以及操作系统。机器人身高约1.65米，全身共有64个自由度。其行走速度可达5km/h，还具备跳跃、上下楼梯、爬坡等多种能力，未来可广泛应用于生产生活中的各种场景。在该款人形机器人的设计中，仿人脊柱核心功能的实现为一大亮点。不同于传统的人形机器人的腰部设计，基于运动平衡需求，天太人形机器人实现了机器人腰部的全向运动，提供身体的发力与支撑，具备了人类脊柱的部分核心功能。此外，相较于电机直驱的方式，天太选择了更为精细的传动方式，以实现机器人结构的紧凑和身形比例的协调。同时，设计还最大限度地保证机器人关节的传动刚度和传动效率，可以减小机器人关节的尺寸，实现了“重腰”和“轻腿”，身形比例协调，身体转动灵活，进一步提升了其运动性能和稳定性。姬械机科技_机器姬 沁97国内篇Source：网络公开资料，公司官网基础信息01图示和说明02 2024年5月机器姬公司正式立项研发名为“机器姬 沁”（简称沁）的高端女性机器人，旨在以饱满的人类情感的容颜去包容机器人的科技感、机械感和冷漠感。机器姬公司希望沁既要优雅行走如风，又要沟通起来让人如沐春风，还要有沁人心脾的颜值。机器姬公司认为，双方在心理学意义上的形象存在共性，因此给商用和家用的人形机器人设计性别成为必须，而当为机器人设计为一种性别的同时，其也就获得了相应的资源。在机器姬 沁全身除关节执行器外使用碳纤维为机器人的主体结构材料，这主要体现在三个优势。第一，自重轻。碳纤维的复合材料密度仅为钢材的0.197，较铝合金轻30%。第二，机器人整机的运动惯量变小。机器人的自重越轻，其运动惯量越小，续航时间得到保证。第三，碳纤维的抗拉强度更高。碳纤维材料的抗拉强度在3500Mpa以上，是钢的7-9倍。机器姬公司认为碳纤维是女性人形机器人轻量化的核心材料，基于碳纤维可进行颠覆式设计，预计单个女性人形机器人的碳纤维用量约为10-20kg。目前碳纤维单价较高，未来降本大周期下，有望对传统材料进行大规模替代。98免责声明 本报告为作者针对人形机器人行业桌面研究的笔记，作者力求数据严谨准确，但因时间和精力有限，文中的数据、部分信息难免会有所纰漏，如有重大错漏之处，还请读者批评指正。本报告内容仅代表作者进行初步研究后的结果，由于认知局限性，作者不对内容的准确性、可靠性或完整性承担明示或暗示的保证。本报告内容及观点仅供读者参考，读者据本文所做出的决定或行为，是其基于实际情况及其独立判断做出的，作者对此不承担任何责任。作者尊重知识版权，因整理资料所需，本文中涉及部分图表、数据或其它内容来源于第三方或网络公开资料，其所属的知识产权归属原作者，且在文中尽量做了来源标注，若您发现报告中有图片/文字等涉嫌侵权或其他问题，请与作者取得联系，作者会及时处理。本资料仅供读者交流学习使用，涉及商业目的均不得使用，否则产生的后果由您承担。免责声明特别说明 对【免责声明】的解释权、修改权以及更新权均属于本作者所有Thank you
2024-11-18
99页
5星级
1 无锡人工智能融入产业 发展评估报告 2 目目 录录 一、背景情况介绍.3(一)人工智能行业发展现状和趋势.3 1.全球人工智能产业发展情况分析.3 2.中国人工智能产业发展情况分析.3(二)算力行.
2024-11-18
43页
5星级
120242024年全球年全球AIGCAIGC产业全景报告产业全景报告2024 Global AIGC Industry Report20242024年年1111月月2报告背景报告背景天津市人工智能学会、至顶科技、至顶智库天津市人工智能学会、至顶科技、至顶智库20242024年年1111月月2024.11 ZD Insights 2024年，生成式AI已全面进入应用规模化推广，探索新场景和商业模式的新发展阶段。伴随AI大模型的普及程度不断加深，AIGC产业发展重点从去年关注度最高的模型层向场景应用层转变。AIGC为营销、传媒、金融、医疗、教育、娱乐、办公、制造、科学发现等多个领域带来前所未有的变革。搭载大模型的AI PC、AI手机、智能汽车相继推出，为用户带来更加便捷的使用体验。此外，具身智能也成为今年关注度颇高的领域，未来AI模型与人形机器人将密切融合，产生更多应用场景与商业机会。在此背景下，天津市人工智能学会、至顶科技、至顶智库联合发布2024年全球AIGC产业全景报告，报告从人类语言和机器语言的发展历程出发，全面展现全球AIGC产业的发展历程，对AIGC典型技术及产品成熟度进行研判，对AIGC产业投融资情况进行梳理，具体展现AIGC各细分场景的应用情况，最后报告提出全球AIGC产业的八大前沿趋势。为政府部门、行业从业者、教育工作者以及社会公众更好了解2024年AIGC的发展进程提供参考。3报告目录报告目录1.产业概况篇2.基础设施篇3.场景应用篇5.前沿趋势篇4.用户调研篇4公元前公元前1010万年万年-公元前公元前1616世纪世纪19401940年代年代公元公元105105年年-2020世纪世纪4040年代年代2020世纪世纪5050年代至今年代至今19721972年年19901990年代年代20222022年年19501950年代年代 2024.11 ZD Insights 开篇：伴随人类语言的发展，机器语言演进到自然语言阶段资料来源：至顶智库结合公开资料整理绘制。语言发展历程分为三大阶段。语言语言1 1.0 0时代：时代：从人类语言诞生到公元前16世纪殷商时期甲骨文的出现，文字成为人类交流的重要方式；语言语言2 2.0 0时代：时代：从蔡伦发明造纸术到世界第一台电子计算机诞生，语言开始通过各类机器实现传播；语言语言3 3.0 0时代：时代：伴随NLP及生成式AI等技术的快速发展与应用落地，机器生成和创造语言的方式成为了可能。机器语言发展历经五大阶段，从二进制代码发展到自然语言时代，新的“机器语言机器语言”交互方式诞生。新石器时代中期以新石器时代中期以后：后：中国象形文字公元前公元前29002900年：年：古埃及象形文字公元前公元前1616世纪：世纪：甲骨文公元前公元前32003200-26002600年：年：楔形文字公元前公元前1010万年万年:人类原始语言诞生18371837年：年：美国人摩尔斯和两个英国工程师库克、怀斯顿同时发明电报18761876年：年：贝尔发明第一部电话19461946年：年：第一台电子计算机公元公元105105年：年：汉朝蔡伦发明造纸术公元公元10411041-10481048年间：年间：毕昇发明活字印刷术MOVMOVXCHXCHINCINCDECXRLXRLCLRANLANL19501950年：年：艾伦图灵提出图灵测试20012001年：年：Bengio等人提出前馈神经网络19691969年：年：互联网出现20172017年：年：Transformer架构提出20222022年：年：OpenAI发布ChatGPT二进制代码助记符号高级编程语言机器语言机器语言1.01.0时代时代人类语言人类语言1.01.0时代时代人类语言人类语言2.02.0时代时代机器语言机器语言2.02.0时代时代机器语言机器语言4.04.0时代时代机器语言机器语言3.03.0时代时代人类语言人类语言3.03.0时代时代机器语言机器语言5.05.0时代时代解释型高级编程语言解释型高级编程语言解释型高级编程语言如Python、Ruby 等，不需要预编译，可以在运行时解释执行，加快了开发速度。通常具有丰富的库和框架，使得开发者能够更容易地实现各种功能。自然语言自然语言伴随人工智能技术的发展，使用自然语言替代原有机器语言编程的方式成为可能，开发者可以使用自然语言编写指令，然后由大型语言模型将其转换为计算机可以执行的代码。未来将使更多人无需学习复杂的编程语法也能轻松创建程序。自然语言自然语言5产业概况篇AIGC产业全景图谱AIGC成熟度曲线AIGC发展路线图AIGC领域最新进展AIGC产业政策环境AIGC产业投融资情况61.1 2024年全球AIGC产业全景图谱天津市人工智能学会天津市人工智能学会、至顶科技至顶科技、至顶智库至顶智库联合发布20242024年全球年全球AIGC产业全景图谱产业全景图谱。图谱主要分为基础设施层基础设施层（AI服务器、AI计算集群、AI芯片、MaaS平台、AI数据服务）；模型层模型层（通用大模型、行业大模型）；场景应用层场景应用层（智能助手、金融、医疗、办公、教育、奥运、智能汽车、营销、影视、法律、政务）。图谱中涉及各领域全球代表性企业和相关机构，为读者提供更为详实的参考信息。相比去年，基础设施层新增MaaS平台平台和AI数据服务数据服务；模型层新增通用大模型通用大模型和行业大模型行业大模型的类别划分；场景应用层按细分场景进行划分。2024.11 ZD Insights 模型层模型层通用大模型通用大模型行业大模型行业大模型4151基础设施层基础设施层AI服务器服务器AI计算集群计算集群AI芯片芯片MaaS平台平台AI数据服务数据服务69121210场景应用层场景应用层智能助手智能助手金融金融医疗医疗办公办公教育教育奥运奥运智能汽车智能汽车营销营销影视影视法律法律政务政务24171514146771085资料来源：至顶智库整理绘制。20242024年全球年全球AIGCAIGC产业全景图谱所涉及的企业数量分布产业全景图谱所涉及的企业数量分布71.2 至顶AIGC成熟度曲线（2024）2024.11 ZD Insights 合成数据合成数据数字人数字人人形机器人人形机器人AIGC技术产品萌芽阶段AIGC技术产品爬升阶段AIGC技术产品成熟阶段图表来源：至顶智库结合公开资料及专家调研整理绘制。端侧模型端侧模型视频生成视频生成模型模型图像生成图像生成模型模型RAGRAG提示工程提示工程AI AgentAI AgentAIAI手机手机AI PCAI PC大语言模型大语言模型社会关注度6.69亿图表说明：图表说明：萌芽阶段：萌芽阶段：技术/产品处于早期，推出时间短，应用场景少，普及度不高。爬升阶段：爬升阶段：技术/产品持续迭代，有相关应用场景，有一定普及度。成熟阶段：成熟阶段：技术/产品成熟稳定，应用场景多，普及度高。AIAI手机手机/PC/PC/智能汽车：智能汽车：特指搭载AI大模型的各类终端AIGC应用的成熟度。社会关注度：社会关注度：选取2024年微信指数最高点数值，体现社会对于某项技术/产品的关注程度。图中圆圈大小反映社会关注度高低。统计数据截至2024年11月。社会关注度1020万社会关注度9.6万社会关注度43万社会关注度11万社会关注度761万社会关注度33万社会关注度120万社会关注度7322万社会关注度7446万社会关注度4.39亿智能汽车智能汽车社会关注度7200万微调微调社会关注度630万社会关注度3亿81.3 规模定律（Scaling Law）将持续推动AIGC产业发展 2024.11 ZD Insights 规模定律是指随着训练数据、模型大小和计算资源的增加，大语言模型的性能会有所提升的规律，2020年由OpenAI提出；2022年，GoogleDeepMind研究固定成本下最优的模型参数量和训练数据量，得出训练数据量应当和参数量同等提升，并训练出Chinchilla模型。伴随OpenAI o1模型的发布，Scaling Law从模型训练扩展演进到推理扩展阶段。资料来源：MMLU，Epoch AI，至顶智库整理绘制。MMLU评分U-PaLM 540BGopher 280BChinchillaGemini Ultra 1760B8090101001000100004050607010203010010700亿参数，1.4万亿token，5.76e23 Flops2800亿参数，3000亿token，6.31e23 Flops参数量Qwen1.5 72B全球主流大模型性能表现符合规模定律全球主流大模型性能表现符合规模定律LLaMA 65BLLaMA 33BLLaMA 2 34BMistral 7BQwen 7BLLaMA 2 7BRoBERTa-base 125MGopher 0.4BLLaMA 2 13B70亿参数，2万亿token，8.4e22 FlopsGLM 130BBLOOM 176BFalcon 180B1800亿参数，3.5万亿token，3.76e24 FlopsFalcon 40B400亿参数，1万亿token，2.4e23 Flops91.4 全球科技领军企业在AIGC产业的布局资料来源：至顶智库结合公开资料整理绘制。2024.11 ZD Insights 企业名称企业LOGO总部所在地生成式AI产业主要细分领域AI芯片AI计算集群MaaS平台AI大模型AI场景应用/解决方案闭源开源轻量智能助手办公金融医疗汽车教育营销美国企业谷歌美国 亚马逊云科技美国微软美国 Meta美国OpenAI美国 苹果美国英伟达美国 英特尔美国高通美国韩国企业三星韩国中国企业百度中国腾讯中国阿里云中国火山引擎中国京东中国华为中国科大讯飞中国商汤中国101.5 全球AIGC产业发展路线图（2015-2024）2024.11 ZD Insights 2017Transformer2017.62018BERT2018.102018.6发布GPT-120192019.2发布GPT-22019.3Ernie 1.02019.7Ernie 2.0RoBERTa20202020.5发布GPT-32020.6Gshard2020.11GLM2020.10mT520212021.5LaMDA2021.9GLM-10B2021.12GLaM2021.1DALL E图像生成模型2021.7Ernie 3.020222022.5OPT-175B2022.9Make-a-Video视频生成模型2022.4DALL E 2图像生成模型2022.8GLM-130BCodeGeeX2022.11发布ChatGPTWebGLM资料来源：至顶智库结合公开资料整理绘制。2017年，伴随Transformer的出现，AI大模型在全球掀起开发浪潮。2022年11月，ChatGPT的正式发布，加速了各类科技企业开发大模型的进度，以谷歌、Meta、OpenAI、Anthropic、百度、阿里、腾讯、科大讯飞、智谱等国内外领军科技企业，推出语言、图像、视觉、多模态等各种类型的AI大模型，主流模型具有生成各类文案、图像、视频等能力。此外，适用于金融、医疗、教育、营销、客服等领域的行业大模型也层出不穷，不断推动商业化落地进程。2015OpenAI成立2015.1211 2024.11 ZD Insights 1.5 全球AIGC产业发展路线图（2015-2024）202320242023.2Llama 1ChatGPT Plus 订阅服务推出2023.3PaLM-EClaudeGPT-4 ERNIE Bot 文心一言ChatGLM2023.4日日新SenseNova大模型体系通义千问1.02023.5PaLM 2AI芯片MTIA v1讯飞星火 V1.0VisualGLM2023.6ChatGLM2 智谱清言讯飞星火 V1.52023.7CM3leon文生图模型Llama 2Claude腾讯混元大模型2023.9Mistral 7BMeta AI智能助理Claude ProMicrosoft Copilot智能助理讯飞星火 V3.0CogVLMChatGLM3智谱清言2023.10通义千问2.0DALL-E 3图像生成模型ERNIE 4.0文心大模型4.0Gemini 1.0UltraGemini 1.0Pro Gemini 1.0Nano轻量模型/端侧模型2023.12Mixtral 8x7BQwen-72BQwen-1.8BQwen-Audio(音频大模型)资料来源：至顶智库结合公开资料整理绘制。2024.1GLM-4 发布GPT Store 讯飞星火 V3.5星火语音大模型星火开源-13B日日新SenseNova4.0 大模型体系2024.2Mistral LargeGemini 1.5Gemini 1.5 ProGemmaSora发布视频生成模型Claude 3 HaikuClaude 3 SonnetClaude 3 Opus2024.3OpenAI与Financial Times达成合作，提升ChatGPT体验2024.4Mixtral 8x22BLlama 3Phi-3轻量模型Phi-3-mini端侧模型 Grok-1.5V日日新SenseNova5.0 大模型体系2024.5Imagen 3图像生成模型Veo视频生成模型Gemini 1.5 Flash轻量模型通义千问2.5GPT-4o讯飞星火 V4.0OpenAI与Apple达成合作，未来苹果产品将搭载ChatGPT2024.62024.6文心大模型4.0TurboClaude 3.5 SonnetGemma 22024.82024.72024.7CodeGeeX4代码生成模型CogVideoX视频生成模型GPT-4o mini SearchGPT日日新SenseNova5.5 大模型体系日日新 5.5 Lite 端侧模型Mistral Large 2Mistral NeMoLlama 3.1Gemini Live图像智能语音助手Pixel Studio生成应用谷歌AI手机搭载Gemini模型Tensor G4AI手机芯片Grok-1.5Grok-2Grok-2 mini2023.11Claude 2.1长文本 200K TokenEmu 视频生成模型蓝心大模型1B 端侧模型AndesGPT端侧模型Ernie 3.52023.8讯飞星火 V2.0ChatGPT Enterprise企业级产品推出Qwen-VL 视觉语言模型小米MiLM端侧模型理想Mind GPT 端侧模型蔚来NOMI GPT 端侧模型文心大模型4.0工具版Phi-3.5轻量模型 Llama 3.2视觉模型（11B和90B）文本生成模型（1B和3B）Qwen2.5开源通义万相发布视频生成模型豆包视频生成模型豆包大模型OpenAI o1 推理模型2024.9121.6 2024年全球领军科技企业在AIGC领域的最新进展2024年4月小尺寸模型 Phi-3 mini可用于手机上运行的小尺寸模型，其中Phi-3 mini拥有38亿参数，经过 3.3 万亿token训练。Phi-3-mini有两种上下文长度变体：4K 和 128K token。2024年7月Mistral Large 21230 亿参数的大小使其能够在单个节点上以大吞吐量运行。MistralLarge 2拥有128k上下文窗口，支持英语、法语、中文等数十种语言及80多种编程语言，在代码和推理、指令遵循、多轮对话等方面表现突出。Mistral Large 2允许用于研究和非商业用途的使用和修改。2024年4月开源模型 Llama 3具有80亿和700亿参数，预训练数据集达到15万亿token进行训练，训练数据来源于30余种语言。2024年7月开源模型 Llama 3.1Llama 3.1 405B使用15万亿token在超过16000个H100 GPU上训练，上下文长度扩展到128K。PaliGemma 是开放式视觉语言模型，可在广泛的视觉语言任务中实现卓越的微调性能，包括为图片和短视频描述生成、视觉问答、理解图像中的文本、对象检测和对象分割；Gemma 2开源9B和27B版本，其中Gemma 2 27B性能与 Llama 3 70B相媲美，大小不到 Llama 3 70B 的一半。Gemini 1.5采用新的专家混合(MoE)架构，使训练和服务更加高效。其中Gemini 1.5 Pro 是中型多模态模型，配备了标准的 128k token上下文窗口。2024年2月开源模型 Gemma2024年5月视频生成模型 Veo2024年5月图像生成模型Imagen 3Gemma更加轻量，拥有2B和7B版本，模型权重也一并开源，且允许商用。采用与Gemini模型相同技术构建。Veo 可生成时间超过一分钟的1080p分辨率视频。包括生成查询网络(GQN)、DVD-GAN、Imagen-Video、Phenaki、WALT、VideoPoet和Lumiere，提高质量和输出分辨率。Imagen 3是Google最高质量的文本到图像模型，可生成高细节水平、逼真的图像，与之前的模型相比，分散注意力的视觉干扰更少。2024年5月多模态 Gemini 1.5 Flash1.5 Flash是通过 API 提供的速度最快的 Gemini 模型，比 1.5 Pro 更轻量级但具有强大的多模态推理能力，在总结摘要、聊天应用、图像和视频字幕生成以及从长文档和表格中提取数据等方面表现出色。2024年6月视觉语言模型PaliGemma及开源模型Gemma 22024年8月Gemma 2轻量级轻量级Gemma 2 2B 拥有20亿参数，具有内置的安全改进以及性能和效率的强大平衡。可在各种硬件上高效运行，从边缘设备和笔记本电脑到使用 Vertex AI 和 GoogleKubernetes Engine(GKE)的强大云部署。可根据商业友好的Gemma 条款进行研究和商业应用。2024年2月Gemini 1.5、2024年2月视频生成模型 Sora视频生成模型Sora 能够生成时长一分钟的高保真视频。OpenAI在可变持续时间、分辨率和宽高比的视频和图像上联合训练文本调节扩散模型，能在时间上向前或向后扩展视频；可修改输入视频的风格和环境；可连接两个输入视频，在不同主题和场景构成的视频之间无缝过渡。2024年5月多模态模型 GPT-4oGPT-4o采用更自然的人机交互，接受文本、音频、图像和视频的任意组合作为输入，并生成文本、音频和图像的任意组合输出。2024年3月多模态模型 Claude 3Claude 3 Opus是最智能的模型，在高度复杂的任务上具有市场最佳的性能；Claude 3 Sonnet在智能和速度之间实现理想的平衡；Claude 3Haiku是最快、最紧凑的模型。2024年6月多模态模型 Claude 3.5 SonnetClaude 3.5 Sonnet 的运行速度是 Claude 3 Opus 的两倍，且推理、阅读理解、数学、科学和编码能力更强，也是Anthropic迄今最强的视觉模型；Claude.ai新增了Artifacts功能。Artifacts是一项扩展用户与 Claude 交互方式的新功能。用户可以实时查看、编辑和构建 Claude的创作，并将生成的内容无缝集成到项目和工作流程中。2024年4月Mixtral 8x22BMixtral 8x22B是一个稀疏专家混合(SMoE)模型，仅使用 1410亿激活参数中的390亿，具有高成本效率。Mixtral 8x22B精通英语、法语、意大利语、德语和西班牙语，具有很强的数学和编码能力，64K token上下文窗口允许从大型文档中精确调用信息。2024.11 ZD Insights 资料来源：至顶智库结合公开资料整理绘制。2024年9月开源模型 Llama 3.2包括视觉模型（11B和90B）和文本模型（1B和3B），提供预训练与对齐版本，可通过torchtune进行微调，也可使用torchchat在本地部署，还可通过Meta AI进行使用。2024年9月推理模型 OpenAI o1OpenAI o1在处理物理学、化学和生物学领域的复杂问题时展现出了接近博士的专业能力。在国际奥林匹克数学竞赛中，展现出83%的准确率水平。其编程能力还在Codeforces竞赛中表现超过89%的人类选手。2024年10月Ministral 3B/8B包括Ministral 3B和Ministral 8B两种轻量级模型，均支持128k上下文且性能媲美Gemma 2、Llama 3.1开源模型。Ministral 8B具有特殊的交错滑动窗口注意力机制(SWA),可实现更快和内存高效的推理。131.6 2024年中国领军科技企业在AIGC领域的最新进展2024年1月讯飞星火大模型V3.52024年1月星火语音大模型模型在语言理解、文本生成、知识问答、逻辑推理，数学能力、代码能力和多模态能力七个方面进行全面升级，其中语言理解、数学能力超过GPT-4 Turbo。代码达到GPT-4 Turbo 96%，多模态理解达到GPT-4V 91%。在中文、英语、法语、俄语等首批37个主流透种的语音识剧效果超过OpenAl Whisper V3。在多语种语音合成方面，星火语音大模型的首批40个语种平均MOS分绝对提升0.25，拟人度超83%。2024年6月讯飞星火大模型V4.0实现对标GPT4-Turbo，在文本生成、语言理解、知识问答、逻辑推理、数学能力等方面实现超越。2024年4月智舱大模型2.02024年4月文心大模型4.0工具版2024年6月文心大模型4.0 Turbo2024年7月飞桨框架3.0智舱大模型 2.0 采用全新MoE架构，可支持本地化部署，并配套专属开发工具链，支持车企高效定制品牌特色，基于智舱体验打造差异化竞争力。在工具版上，可以通过自然语言交互，进行文档问答、数据分析、代码执行。提供基于大模型来开发各种应用的工具，包括智能体开发工具 AgentBuilder，AI 原生应用开发工具 AppBuilder，以及各种尺寸的模型定制工具 ModelBuilder。网页版、APP、API 陆续开放，通过数据、基础模型、对齐技术、提示、知识增强、检索增强和对话增强等核心技术的持续创新，速度更快，效果更好。飞桨框架3.0 是面向大模型、异构多芯进行专属设计，向下适配异构多芯，充分释放硬件潜能；向上一体化支撑大模型的训练、推理。同时具有动静统一自动并行、编译器自动优化、大模型训推一体、大模型多硬件适配四大能力，全面地提升了服务产业的能力。基于腾讯混元大模型，具备看、听、说等多模态能力，在知识学习、生活百科、职场办公、趣味创作等多个领域提高效率。2024年5月AI助手元宝GLM-4，整体性能相比GLM3全面提升60%，支持更长上下文、更强的多模态，支持更快推理速度，更多并发，降低推理成本。GLM-4 实现自主根据用户意图，自动理解、规划复杂指令，自由调用网页浏览器、Code Interpreter代码解释器和多模态文生图大模型，以完成复杂任务。智谱发布 AI 视频模型清影，30秒将任意文图生成视频，并开源与清影同源的视频生成模型CogVideoX。2024年7月代码生成模型CodeGeeX4开源CodeGeeX4-ALL-9B，集代码补全和生成、代码问答、代码解释器、工具调用、联网搜索、项目级代码问答等能力于一体的代码大模型。2024年7月视频生成模型CogVideoX2024年1月GLM-42024年7月日日新SenseNova 5.5日日新5.5具有6000亿参数，综合性能较日日新 5.0提升30%。交互效果和多项核心指标实现对标GPT-4o；日日新 5o，流式多模态交互，带来全新AI交互模式；端侧模型升级，发布日日新 5.5 Lite。2024年5月Baichuan 4发布最新一代基座大模型 Baichuan4，同时推出首款 AI 助手“百小应”。Baichuan 4相较Baichuan 3在各项能力上均有极大提升，其中通用能力提升超过10%，数学和代码能力分别提升14%和9%。2024.11 ZD Insights 资料来源：至顶智库结合公开资料整理绘制。2024年5月通义千问2.5通义千问2.5版本的理解能力、逻辑推理、指令遵循、代码能力分别提升9%、16%、19%，10%。2024年4月开源模型 Qwen1.5-32BQwen1.5-32B在MMLU、GSM8K、HumanEval以及BBH等多种任务上展现出颇具竞争力的表现，优于其他30B级别模型。开源0.5B、1.8B、4B、7B、14B和72B共计6个不同规模的Base和Chat模型。2024年3月开源模型Qwen1.52024年9月开源模型Qwen2.5通义大模型家族已全面涵盖语言、图像、视频、音频等全模态。Qwen2.5全系列模型都在18T token数据上进行预训练，Qwen2.5-72B模型在MMLU-rudex基准、MBPP 基准和MATH基准的得分高达86.8、88.2、83.1。通义万相发布视频生成模型文生视频中，支持多语言输入和多种比例生成，并可以通过灵感扩写功能丰富视频内容表现力；图生视频中，支持将上传图片按照比例转化为动态视频，并能通过提示词控制视频运动。2024年5月豆包大模型发布9款豆包系列大模型，包括豆包通用模型Pro/Lite、角色扮演模型、语音合成模型、声音复刻模型、语音识别模型、文生 图模 型、Function call模型、向量化模型。其中豆包通用模型pro支持128k长文本，全系列可精调，具备更强的理解、生成、逻辑等综合能力。2024年9月豆包视频生成模型遵从复杂prompt，解锁时序性多拍动作指令与多个主体间的交互能力。具备多镜头语言能力，并能完成在一个prompt内实现多个镜头切换。支持多种视频风格，还包含六种不同比例的视频。2024年10月Yi-LightningYi-Lightning在Chatbot Arena榜单中以1287的竞技场分数位列大语言模型性能的世界第6，在数学模块位列世界第3，超越GPT-4o以及Claude3.5 Sonnet等行业内顶尖模型。2024年9月腾讯混元Turbo相比于前一代混元Turbo模型，新一代的训练效率提升108%，推理效率提升100%，推理成本则降低为前一代的一半。在多个基准的测试上已能够对标GPT-4o。2024年10月基座大模型GLM-4-PlusGLM-4-Plus 在各大语言文本能力数据集上获得与 GPT-4o 及 405BLlama3.1相当的水平，在语言理解、逻辑推理、指令遵循、长文本输出方面都有较大突破。2024年10月讯飞星火4.0 Turbo文本生成、语言理解、知识问答、逻辑推理、数学能力、代码能力、多模态能力均超过GPT-4 Turbo，数学和代码能力超越GPT-4o，效率相对提升50%，国内外中英文14项主流测试集中实现9项第一。14资料来源：至顶智库结合公开资料整理绘制。2024.11 ZD Insights 1.7 测试集成为评判AI模型性能的重要手段类别类别测试集测试集语种语种发布单位发布单位综合考试综合考试MMLU英文加州大学伯克利分校CMMLU中文上海交通大学/微软亚洲研究院/墨尔本大学ARC-C英文艾伦人工智能研究所C-Eval中文清华大学/爱丁堡大学/上海交通大学理解理解&推理推理HellaSwag英文艾伦人工智能研究所BBH英文GoogleWinoGrande英文华盛顿大学/艾伦人工智能研究所RACE-H英文卡内基梅隆大学数学数学&科学科学GSM8K英文OpenAIMATH英文加州大学伯克利分校GPQA英文纽约大学、Cohere、Anthropic代码代码HumanEval英文OpenAI大模型测试集是评估和提升人工智能模型性能的重要工具，为开发者提供标准化平台，用于量化和比较不同模型的性能，有助于加速模型的迭代和优化。相关测试集通常涵盖多个领域和任务，以确保全面评估模型的通用性和专业性。按类别来看，全球AI大模型测试集分为综合考试类、理解推理类、数学科学类、代码类。其中，综合考试类的MMLU（Massive Multitask Language Understanding）测试集使用较为广泛，由加州大学伯克利分校于2020年9月发布，涵盖57个学科，从人文到社科到理工多个大类的综合知识能力。具体如下表所示。全球主流全球主流AIAI大模型测试集大模型测试集151.8 全球AIGC产业发展的政策环境资料来源：至顶智库结合公开资料整理绘制。2024.11 ZD Insights 发布时间发布时间政策名称政策名称发布机构发布机构政策内容政策内容美国美国2024年4月Future of Artificial Intelligence Innovation Act of 20242024年人工智能创新法案美国国会成立美国人工智能安全研究所，旨在制定确保国家安全、公共安全和个人权利的人工智能标准。创建人工智能测试计划，帮助发现人工智能生态系统中的漏洞。组建人工智能创新和标准联盟，鼓励人工智能创新合作，协调各国人工智能标准。由美国国家科学基金会指导启动双边和多边人工智能研究合作，这一发展将推动协调创新和安全人工智能发展。2024年1月The California Artificial Intelligence Transparency Act加州人工智能透明度法案美国加州议会旨在赋予消费者识别AI生成产品的能力，以降低AI生成内容可能被滥用的风险。要求大型AI生成内容提供商对其生成的图像、视频、音频等媒体内容添加水印，并为消费者提供相应的查询平台和查询服务，确保消费者拥有对产品必要信息的知情权。该法案标志着美国加州在为人工智能生成产品制定明确准则方面迈出了重要一步。2023年5月National Artificial Intelligence Research and Development Strategic Plan国家人工智能开发战略计划美国白宫旨在确保人工智能技术的发展符合国家的价值观、保护公民权利、促进经济增长并保护国家安全。该计划提出培养联邦机器学习方法，提高模型通信和从多个设备更新到共享的全局模型的效率。研究可扩展通用人工智能系统，不断创新推出基础模型在语言和图像任务上的应用，解决在数据库上训练模型的隐私问题，提升大模型的有效性、可靠性、安全性。欧盟欧盟2024年9月Council of Europe Framework Convention on Artificial Intelligence and Human Rights,Democracy and the Rule of Law人工智能与人权、民主及法治框架公约欧盟委员会旨在确保人工智能活动符合人权、民主和法治。公约促进成员国间以及全球范围内的合作，以强化共同价值观；关切人工智能发展可能导致的歧视和经济、社会不平等；强调人工智能系统的透明度和负责创新的重要性；国家需采取措施，保障人工智能活动中对隐私和个人数据的保护；各成员国需通过法律和行政手段，确保人工智能系统不危害民主进程和法律的尊重；指定开展国际合作和机制监督，以确保其条款的有效实施。2024年7月EU Artificial Intelligence Act欧盟人工智能法案欧盟委员会该法案根据风险将人工智能分类为四个等级：不可接受风险的AI（如社会评分系统和操控性AI）被禁止；高风险AI系统受到严格监管；有限风险AI系统则面临较轻的透明度义务；最小风险AI（如大多数现有应用）不受监管。高风险AI系统的主要责任在于提供者（开发者），无论其是否在欧盟内，服务提供者承担相关义务。通用AI模型的提供者需提供技术文档和使用说明，并遵守版权指令，存在系统性风险的模型还需进行评估和网络安全保护。日本日本2024年4月商业人工智能指南1.0日本总务省、日本经济产业省旨在应对生成式人工智能技术变化，并提供统一的人工智能治理指导原则。该指南草案建议人工智能开发人员收集和处理合理的数据以用于模型的学习；定期评估AI模型的输入和输出，以监测任何生成的偏见；还应当向利益相关方披露用于训练AI的数据收集方法以及AI模型的训练方法；确保AI商业参与者之间的合作，从价值链和风险链的角度出发。20232023年以来全球发布的年以来全球发布的AIGCAIGC相关政策相关政策161.9 中国AIGC产业发展的政策环境20232023年以来中国发布的年以来中国发布的AIGCAIGC相关政策相关政策资料来源：至顶智库结合公开资料整理绘制。2024.11 ZD Insights 发布时间发布时间政策名称政策名称发布机构发布机构政策内容政策内容国家层面国家层面2024年6月国家人工智能产业综合标准化体系建设指南（2024版）工业和信息化部、中央网信办、国家发改委、国家标准化管理委员会指南提出机器学习、知识图谱、大模型、自然语言处理、计算机视觉等关键技术的标准，其中大模型标准包括大模型通用技术要求、评测指标与方法、服务能力成熟度评估、生成内容评价等。政策还对包括基础安全，数据、算法和模型安全，网络、技术和系统安全等与人工智能模型相关的安全标准进行规范。2023年7月生成式人工智能服务管理暂行办法国家网信办、国家发改委、教育部、科技部、工业和信息化部、公安部、国家广电总局鼓励生成式人工智能技术在各行业、各领域的创新应用，生成积极健康、向上向善的优质内容，探索优化应用场景，构建应用生态体系。生成式人工智能服务提供者应当依法开展预训练、优化训练等训练数据处理活动，应遵守：使用具有合法来源的数据和基础模型；不得侵害他人依法享有的知识产权；采取有效措施提高训练数据质量。地方层面地方层面北京北京2024年7月北京市推动“人工智能 ”行动计划（2024-2025年）北京市发展和改革委员会、北京市经济和信息化局、北京市科学技术委员会、中关村科技园区管理委员会到2025年，力争形成3-5个先进可用、自主可控的基础大模型产品、100个优秀的行业大模型产品和1000个行业成功案例。围绕机器人、教育、医疗、金融、文化、交通等领域组织实施一批综合型、标杆性重大工程，建立各行业大模型平台，促进大模型核心理论与技术突破，增强人工智能工程化能力。2024年3月北京经济技术开发区关于加快打造AI原生产业创新高地的若干政策北京经济技术开发区管理委员会到2026年，集聚人工智能产业链企业100家，建成人工智能算力10000PFlops。加快推进算力基础设施建设，鼓励打造国产算力底座。支持头部企业围绕多模态通用模型基础架构、多模态学习算法、对齐调优等领域开展大模型关键技术攻关。大力开展“大模型 ”行动，推动“大模型 自动驾驶”、“大模型 机器人”、“大模型 工业制造”等场景应用。2023年5月北京市促进通用人工智能创新发展的若干措施北京市人民政府办公厅建设北京人工智能公共算力中心，形成规模化先进算力供给能力。围绕模型构建、训练、调优对齐、推理部署等环节，积极探索基础模型架构创新，研究大模型高效并行训练技术和认知推理、指令学习、人类意图对齐等调优方法，研发支持百亿参数模型推理的高效压缩和端侧部署技术，形成完整高效的技术体系，鼓励开源技术生态建设。171.9 中国AIGC产业发展的政策环境20232023年以来中国发布的年以来中国发布的AIGCAIGC相关政策相关政策资料来源：至顶智库结合公开资料整理绘制。2024.11 ZD Insights 发布时间发布时间政策名称政策名称发布机构发布机构政策内容政策内容地方层面地方层面上海上海2024年3月上海市智能算力基础设施高质量发展“算力浦江”智算行动实施方案（2024-2025年）上海市通信管理局、上海网信办、上海市发改委、上海市数据局、上海市教委、上海市科委、上海市卫健委、上海市市场监管局、上海市国资委、上海市交通委、中国人民银行上海总部到2025年，智能算力规模超过30EFlops，占比达到总算力的50%以上，算力网络节点间单向网络时延控制在1毫秒以内。鼓励基础电信企业跨地区提供智算服务，推动智算芯片全面兼容国产训练框架，推动大模型多维并行训练优化、模型快速适配、模型异构推理部署等技术和工具研发，推动打造智能算力与工业、城市治理、教育科研等应用场景的创新融合。2023年10月上海市推动人工智能大模型创新发展若干措施（2023-2025年）上海市经济和信息化委员会、上海市发展和改革委员会、上海市科学技术委员会、上海网信办、上海市财政局支持引进高水平创新企业，支持本市创新主体打造具有国际竞争力的大模型，鼓励形成数据飞轮，加速模型迭代。应用层面，重点支持在智能制造、生物医药、集成电路、智能化教育教学、科技金融、设计创意、自动驾驶、机器人、数字政府等领域构建示范应用场景，打造标杆性大模型产品和服务。深圳深圳2024年9月深圳市前海深港现代服务业合作区管理局关于支持人工智能高质量发展高水平应用的若干措施深圳市前海深港现代服务业合作区管理局鼓励企业建设智能算力中心和智能算力调度平台，支持企业基于国产人工智能软件底座打造共性技术服务平台，鼓励开展人工智能语音识别、图像识别、自然语言理解等领域通用关键技术开发。围绕制造、金融、物流、商务等重点领域支持“大模型 产业”应用创新。2024年7月深圳市加快打造人工智能先锋城市行动方案深圳市工业和信息化局鼓励开展大模型架构、大模型超级智能、超级对齐等技术创新，打造全链路自研大模型技术体系。研发多模态具身智能大模型，开发具身智能机器人“大脑”，推动具身智能大模型与机器人本体深度结合，鼓励打造具有商业价值的整机产品。在数字政府、教育、医疗、气象、智慧城市、环卫、科研、制造、金融、低空经济、智能网联汽车、现代时尚、游戏动漫、文旅、网络安全等领域，鼓励企业联合研发行业大模型。2023年5月深圳市加快推动人工智能高质量发展高水平应用行动方案（2023-2024年）中共深圳市委、深圳市人民政府聚焦通用大模型、智能算力芯片、智能传感器、智能机器人、智能网联汽车等领域，重点支持打造基于国内外芯片和算法的开源通用大模型；支持重点企业持续研发和迭代商用通用大模型；开展通用型具身智能机器人的研发和应用。18资料来源：至顶智库结合公开资料整理绘制。2024.11 ZD Insights 1.10 全球科技巨头在AIGC领域的投资情况OpenAI等全球知名AI独角兽成长过程中，离不开投资者源源不断的资金支持。生成式AI发展过程中，需要大量投入算力和财力，大模型训练完成后投资回报周期较长，使得初创企业难以独自承担相关成本，全球最有竞争力的企业才能获得资本市场的认可拿到融资。国外投资企业主要包括微软微软、亚马逊亚马逊、谷歌谷歌等互联网巨头，也有像英伟达英伟达在AI浪潮中成长起来的新巨擘。国内投资企业主要有阿里巴巴阿里巴巴、腾讯腾讯、小米小米等平台型企业。相关融资企业以基础模型公司为主，如OpenAI、Anthropic、智谱、百川智能、零一万物等。全球科技巨头在全球科技巨头在AIGCAIGC领域投资情况领域投资情况中国科技巨头在中国科技巨头在AIGCAIGC领域投资情况领域投资情况资料来源：至顶智库结合公开资料整理绘制。19企业名称企业名称所在地所在地主要业务主要业务最新估值最新估值融资情况融资情况OpenAI美国旧金山成立于2015年，是一家专注于开发通用人工智能模型的全球领军企业，已推出ChatGPT、GPT-4o、DALL-E、Sora等多种重磅模型及应用。1570亿美元 20242024-10 10 战略投资战略投资 数十亿美元数十亿美元 投资方：Thrive Capital、Microsoft、NVIDIA、SoftBank、Khosla Ventures、Altimeter Capital、Futurum Capital、Tiger Global ManagementxAI美国旧金山成 立 于 2023 年，由 Tesla 和SpaceX的CEO Elon Musk领导，致力于开发人工智能以加速人类的科学探索，已推出第二代AI模型Grok-2。400亿美元 20242024-05 B05 B轮轮 数十亿美元数十亿美元 投资方：Andreessen Horowitz,Sequoia Capital,Fidelity,E1 Ventures,Legendary VenturesAnthropic美国旧金山成立于2021年，由前OpenAI研究副总裁Dario Amodei及相关前OpenAI员工联合创立，专注于开发通用AI模型，已推出三代Claude系列AI模型。184亿美元 20242024-03 03 战略投资战略投资 27.527.5亿美元亿美元 投资方：AmazonMistral AI法国巴黎成 立 于 2023 年，由 前DeepMind和Meta研究人员组建的致力于构建通用人工智能（AGI）模型的初创公司。推出Mistral 7B、Mistral Large等模型。60亿美元 20242024-06 B06 B轮轮 6 6亿欧元亿欧元 投资方：General Catalyst Partners、Andreessen Horowitz-a16z、Lightspeed Venture Partners、Bpifrance、BNP Paribas、NVIDIA、Cisco、Samsung Ventures、Salesforce、ServiceNow、IBM、DST GlobalCohere加拿大多伦多成立于2019年，联合创始人包括Transformer论文共同作者Aiden Gomez。主要面向企业推出大模型服务，帮助企业端用户总结文档、编写网站文案等任务。55亿美元 20242024-07 D07 D轮轮 5 5亿美元亿美元 投资方：PSP Investments（领投）、Cisco、NVIDIA、AMD、EDC信息截至2024年11月 资料来源：crunchbase，至顶智库结合公开资料整理绘制。1.11 全球AIGC独角兽企业融资情况 2024.11 ZD Insights 15701570亿美元亿美元 184184亿美元亿美元 6060亿美元亿美元 5555亿美元亿美元 Cohere加拿大多伦多加拿大多伦多20242024年全球年全球AIGCAIGC独角兽企业估值及分布情况独角兽企业估值及分布情况OpenAI美国旧金山美国旧金山Anthropic美国旧金山美国旧金山Mistral AI法国巴黎法国巴黎400400亿美元亿美元 xAI美国旧金山美国旧金山20企业名称企业名称所在地所在地企业介绍企业介绍估值估值融资情况融资情况智谱智谱北京-海淀研发千亿级超大规模预训练模型GLM-130B，并推出对话模型ChatGLM。打造AIGC模型及产品矩阵，包括AI提效助手智谱清言、代码模型CodeGeeX、多模态理解模型CogVLM和文生图模型CogView等。30亿美元 20242024-09 D09 D轮轮 数十亿人民币数十亿人民币 投资方：中关村科学城（领投）、红杉中国、高瓴投资、君联资本20242024-05 C05 C轮轮 4 4亿美元亿美元 投资方：Prosperity7 Ventures（沙特阿美旗下基金）20242024-03 03 战略投资战略投资 数亿人民币数亿人民币 投资方：北京人工智能产业基金月之暗面月之暗面北京-海淀推出全球首个支持输入20万汉字的智能助手产品Kimi。创始团队核心成员参与Google Gemini、Google Bard、盘古NLP、悟道等多个大模型的研发。30亿美元 20242024-05 B05 B轮轮 数亿美元数亿美元 投资方：腾讯投资、高榕资本、源码资本、五源资本、云九资本20242024-02 A02 A轮轮 1010亿美元亿美元 投资方：阿里巴巴（领投）、蚂蚁集团（领投）、红杉中国、小红书、美团、Monolith Management砺思资本、九安医疗、蓝驰创投、襄禾资本、宿华百川智能百川智能北京-海淀由前搜狗公司CEO王小川创立，公司核心团队由来自搜狗、百度、华为、微软、字节、腾讯等知名科技公司的AI 顶 尖 人 才 组 成。目 前 已 推 出Baichuan4模型及百小应AI助手。200亿人民币 20242024-07 A 07 A 轮轮 5050亿人民币亿人民币投资方：顺禧基金、临港科创、深创投、阿里巴巴、腾讯投资、小米集团、中金资本好未来、卓源亚洲、顺为资本、红点中国、慕华科创、三七互娱、中贝通信、信雅达MiniMax上海徐汇MiniMax自主研发不同模态的通用大模型，包括万亿参数MoE文本大模型、语音大模型以及图像大模型。基于不同模态的通用大模型，MiniMax 推出生产力工具海螺AI等原生应用。25亿美元 20242024-03 03 战略投资战略投资 6 6亿美元亿美元投资方：阿里巴巴（领投）、红杉中国、高瓴创投、经纬创投零一万物零一万物北京-海淀李开复带队孵化的AI 2.0公司，2023年11月，零一万物发布首个模型Yi-34B，2024年5月，零一万物推出一站式 AI 工作平台万知，也同时发布全球SOTA千亿参数闭源大模型Yi-Large。10亿美元 20242024-08 A08 A轮轮 数亿美元数亿美元 信息截至2024年11月，资料来源：IT桔子，至顶智库结合公开资料整理绘制。2024.11 ZD Insights 20242024年中国年中国AIGCAIGC独角兽企业估值及分布情况独角兽企业估值及分布情况1.12 中国AIGC独角兽企业融资情况北京海淀区 4家上海徐汇区 1家估值30亿美元估值30亿美元估值200亿人民币估值10亿美元估值25亿美元21基础设施篇AI算力AI服务器MaaS平台22 2024.11 ZD Insights 2.1 算力基础设施为AIGC发展提供底层支撑资料来源：至顶智库结合公开资料整理绘制。AIAI芯芯片片高性能计算集群成为大模型发展及AI应用落地的重要算力支撑。目前NVIDIA、Google、百度、阿里、腾讯等国内外科技巨头均推出芯片或高性能计算集群。从我国算力发展情况来看，IDC数据显示，2026年中国智能算力规模将达到1271.4EFLOPS。至顶智库统计，我国目前已投入运营和在建的人工智能计算中心达到50余个，分布在北京、上海、南京、杭州、成都等多个城市。资料来源：至顶智库结合公开资料整理绘制。中国智能算力规模中国智能算力规模(2020(2020-2026)2026)75155.2268427640.7922.81271.42020202120222023202420252026百亿亿次浮点运算/秒(EFLOPS)中国人工智能计算中心分布中国人工智能计算中心分布数据来源：IDCDGX SuperPOD新一代高性能计算集群HCC高性能计算集群EHC灵骏智算集群人工智能超级计算集群Atlas 900 AI集群AIGCAIGC底层算力架构底层算力架构昆仑芯2代TPU V4Tensor Core GPUHUAWEI Ascend 910AIAI计计算算集集群群232.2 AI大模型训练环节所消耗的算力规模持续增加信息来源：EPOCH AI,至顶智库结合公开资料整理绘制。单位：FLOPs近年来，AI大模型预训练的算力消耗呈爆炸性增长。EPOCH AI将全球主流大模型训练所用到的算力消耗情况进行统计，具体如下图所示。2023年底发布Gemini 1.0 Ultra训练所需的计算量约为Transformer的673万倍。其中，Gemini 1.0 Ultra 使用5.5万块Google TPUv4芯片进行模型训练，Llama3.1 405B 使用NVIDIA H100进行模型训练，相关算力消耗和成本支出可观。2024.11 ZD Insights 2017年2018年2019年2020年2021年2022年2023年2024年1e241e181e191e201e211e221e231e251e26TransformerGPT-1BERT-LargeGPT-2(1.5B)RoBERTa LargeT5-11BGPT-3 175BGShardmT5-XXLLaMDAPaLM(540B)OPT-175BLlama 3.1 405BImagenWhisperU-PaLM(540B)GPT-4PanGu-PaLM 2Llama2-70BLlama2-7BLlama3-70BGemini 1.0 UltraLlama-65BERNIE 3.0 TitanERNIE 3.0DALL-E全球全球AIAI主流模型训练消耗算力及训练用芯片主流模型训练消耗算力及训练用芯片16000 块 NVIDIA H100 SXM555000 块 Google TPU v416000 块 NVIDIA H100 SXM51000 块 NVIDIA A100 SXM4 512 块 Huawei Ascend 9102048 块 NVIDIA A100 SXM525000 块 NVIDIA A100 SXM4256 块 Google TPU v4256 块 NVIDIA Tesla V1006144 块 Google TPU v41024 块 Google TPU v38 块 NVIDIA Quadro P600512 块 Google TPU v38块 NVIDIA P1001024 块 NVIDIA Tesla V10064 块 Google TPU v224戴尔科技集团(DELL Technologies)拥有从桌面、数据中心到云端的AI解决方案，涵盖适用于AI场景的服务器、PC和工作站、存储、网络产品、数据管理和APEX订阅服务。当前，人工智能正成为推动各行各业创新的核心力量，基础架构作为AI解决方案的底座，可为企业提供多元算力、数据存储和网络配置等创新必需的要素，确保模型训练和推理过程的高效率和高可靠性。作为AI时代的领航者，戴尔科技致力于成为企业创新的催化剂，以卓越的技术实力和前沿创新帮助各行各业构筑强大的数字生产力，全力支持企业的AI转型之旅。2.3 戴尔科技集团在人工智能领域全面布局信息来源：戴尔科技集团官网，至顶智库整理绘制。2024.11 ZD Insights 服务生态系统基础架构适用于AI的服务器适用于AI的PC和工作站面向AI的存储适用于AI的网络产品面向AI的数据管理适用于AI的APEX订阅服务数据应用场景Dell AI Factory25戴尔科技集团提供现代化数据基础架构产品组合。PowerEdge XE9680专为人工智能、机器学习和深度学习场景打造；AI PC产品组合涵盖Precision系列工作站以及Latitude系列AI PC。Precision系列工作站搭建实时交互、广告营销、教育教学等应用场景，赋能企业发挥更大的AI开发创造力；Latitude系列AI PC提供专业创作者的AI智能助理，提升工作效率，获得高质量创意成果。2.3 戴尔科技集团高性能AI服务器及AI PC系列产品 2024.11 ZD Insights PowerEdge XE9680PowerEdge XE9680高性能高性能AIAI服务器服务器LatitudeLatitude系列系列AI PCAI PCPrecisionPrecision系列工作站系列工作站全新Latitude系列AI PC集成Windows StudioEffects、Dell Optimizer等领先AI功能，实现AI多能协作。此外，Latitude PC还为用户提供PC复杂控制、本地知识库、长文档解读、闲聊陪伴、用机问答等功能，助力专业创作者事半功倍，收获高质量创意成果的AI高效智能助理。Precision塔式工作站搭载NVIDIA专业级显卡，算力高达1000TOPs，通过AI部署可轻松处理检索海量数据，应对高要求的工作负载。Precision高端塔式工作站助力企业开发数字人项目，搭建实时交互、广告营销、教育教学等应用场景，赋能企业发挥更大的AI开发创造力。信息来源：戴尔科技集团官网，至顶智库整理绘制。PowerEdge XE9680高性能AI服务器是专为人工智能(AI)、机器学习和深度学习而打造的高性能服务器。搭载新一代英特尔至强处理器，拥有多达56个核心的高核心数量，结合当前可用的大多数GPU内存和带宽，突破AI计算的界限。借助8路GPU平台以及高达400GB/s的GPU-GPU通信带宽，选择8个NVIDIA H800 700 W SXM5，实现极高的训练性能。支持诸如NVIDIA多实例GPU(MIG)功能等选项以托管多租户环境。26MaaSMaaS（ModelModel asas a a ServiceService模型即服务模型即服务）：是指围绕AI大模型开发而形成的平台工具系统，帮助开发者或企业高效构建、部署和调用模型，推动应用落地。MaaS主要涵盖数据管理、模型训练、模型评估优化、推理部署、Prompt工程等环节。从MaaS所发挥的作用来看，MaaS通过构建全流程开发平台，降低技术门槛；通过集约化的数据集和模型库，解决资源利用问题；通过提供模型应用的开发能力，更好匹配企业的场景使用需求。国外的Google、AWS，国内的百度、阿里、腾讯、火山引擎等企业均推出了MaaS平台或相关服务。2.4 MaaS成为构建、部署和调用AI模型的开发管理平台 2024.11 ZD Insights 信息来源：至顶智库结合公开资料整理绘制。多算力规格实时监控可视化故障容错数据回流模型压缩数据构建数据标注洞察增强清洗弹性伸缩分布式推理批量推理推理加速模型微调post-pretrainSFT-全量更新SFT-LoRARLHF增量训练数据管理模型训练模型评估及优化推理部署提示工程预置Prompt模板自制Prompt模板Prompt评估Prompt优化自动评估人工评估模型评估MaaSMaaS（Model as a Service Model as a Service 模型即服务）整体架构图模型即服务）整体架构图27场景应用篇企业办公工业制造电商营销游戏娱乐金融服务医疗健康法律服务教育教学AI搜索科学发现28AIAI搜索成为信息检索领域的关键驱动力搜索成为信息检索领域的关键驱动力，通过大语言模型和检索增强生成技术通过大语言模型和检索增强生成技术，提升搜索结果的准确性提升搜索结果的准确性。核心能力体现在提升简单问题的解决效率、提升复杂性问题的处理能力以及多模态AI搜索能力方面。从全球AI搜索市场格局来看，主要以美国的OpenAI ChatGPT search、Perplexity和中国的阿里巴巴夸克为典型代表。伴随大模型的不断发展，AI搜索将为用户提供更加可靠且具有个性化的搜索使用体验。2024.11 ZD Insights 3.1 AIGC典型应用场景：AI搜索资料来源：至顶智库结合公开资料整理绘制。AIAI搜索市场格局搜索市场格局夸克夸克-AIAI全能助手全能助手Perplexity是全球领先的AI搜索工具，其为用户提供的答案来自网络上高质量的可信来源。不论是学术难题、生活常识还是时事新闻，都能迅速整合信息，给出结构化且易于理解的答案。PerplexityPerplexityOpenAIOpenAI-ChatGPT searchChatGPT searchOpenAI推出的ChatGPT search，可以结合互联网信息，提供更为及时、准确的反馈。此外，ChatGPT search也同专业数据和新闻服务商进行合作。AIAI搜索核心能力搜索核心能力010302提升简单问题解决效率提升复杂性问题处理能力多模态AI搜索能力夸克是阿里巴巴智能信息事业群旗下的AI产品，旨在为用户提供以AI搜索为中心的一站式AI服务，涵盖AI搜索、AI写作、AI总结等多种功能。AI搜索带来新的搜索体验搜索带来新的搜索体验伴随AI大模型的快速发展，全球搜索行业迎来新机遇。OpenAI和Perplexity发布的AI搜索产品，借助大模型能力提供具有可靠性的答案，用户可以通过反馈链接快速找到信息来源。此外，用户也可以将搜索范围选定在特定数据库或网页来源，避免大模型的幻觉问题。AI搜索提供多元场景应用搜索提供多元场景应用区别于传统的搜索引擎，AI搜索提供的不仅是问题的回答，更是基于用户需求的个性化信息服务。夸克推出的AI搜索产品，不仅可以提供高质量的信息反馈，同时还可以满足用户在智能创作、智能总结、解题搜题、健康答疑等多场景的个性化需求，不断提升用户体验。29夸克是阿里巴巴智能信息事业群旗下的夸克是阿里巴巴智能信息事业群旗下的AIAI产品产品，为用户提供以为用户提供以AIAI搜索为中心的搜索为中心的“一站式一站式AIAI服务服务”和和“系统级全场景系统级全场景AI”AI”能力能力。基于在AI搜索和大模型方面的优势，夸克先后升级和发布APP端“超级搜索框”和全新“PC端”，通过手机、平板、电脑等入口，以及对话、拍照、截图、划词等方式，进一步提升AI搜索、AI写作以及AI总结上的产品体验，满足用户在工作和学习场景中的各类需求。2024.11 ZD Insights 3.1 夸克：以AI搜索为中心的一站式AI服务资料来源：夸克，至顶智库整理绘制。夸克产品体验夸克产品体验夸克夸克AIAI能力全景图能力全景图夸克大模型AI搜索：搜索：基于夸克大模型和搜索技术的积累，夸克AI搜索整合全网优质资源，为用户提供及时、准确的信息。AI搜题：搜题：通过模型分析题目知识点，为用户提供详尽、完整的解题思路和解题步骤。AI PPT：通过输入特定主题，可以为用户生成不同风格的PPT，支持智能排版功能。智能回答智能总结智能创作PC端手机端平板电脑端AI搜索搜索12312330AIGCAIGC生产力工具赋能办公场景生产力工具赋能办公场景，带动工作效率有效提升带动工作效率有效提升。微软发布的Microsoft 365 Copilot和金山办公发布的WPS AI，为日常办公中文字处理、文案生成、PPT布局、排版美化、框架搭建、数据分析、图表可视化等任务提供丰富应用，使得用户仅通过文字描述的方式实现相应功能，减少以往复杂交互过程，提高工作效率同时有效降低工作时长。2024.11 ZD Insights 3.2 AIGC典型应用场景：企业办公Microsoft 365 CopilotWPS AI公司名称产品定价30美元/月免费底层模型GPT-4Minimax基础大模型主要功能Word：简短指令实现文稿的内容生成，并可以通过交互式指令继续修改WPS文字：文字：文章大纲构建、一键生成模板、内容生成、表达优化、文档理解并处理、推荐相关问题PowerPoint:基于提示生成幻灯片，基于文稿生成幻灯片，边界指令调用编辑功能WPS演示：演示：智能创作、排版美化、演讲备注、一键生成内容大纲及完整幻灯片、自动美化排版、生成演讲稿备注Excel:通过自然语言指令完成数据分析和可视化，根据问题自动生成模型，模型图表可一键插入WPS表格表格：对话生成公式，对话设置条件格式，数据批量处理，自动生成表格资料来源：至顶智库结合公开资料整理绘制资料来源：至顶智库结合公开资料整理绘制。企业服务典型应用：企业服务典型应用：Microsoft 365 Copilot&WPS AIMicrosoft 365 Copilot&WPS AIMicrosoft 365 Copilot&WPS AI应用对比应用对比WordPowerPointExcelWPS表格WPS演示WPS文字帮助用户起草通知证明、活动策划、周报月报，提供文章开头思路。满足修改润色文档内容、扩充缩写篇幅需求。公文、请假条、工作计划等多种类型文档，可一键生成。通过聊天就能操作表格描述你想要的效果，WPS Al就会帮你调用表格指令完成操作，比如生成条件格式、筛选排序等等。告诉WPS AI主题和页数，自动生成大纲，点击即可一键生成完整PPT。还支持生成单页、扩写改写等能力，创作有灵感，下笔更高效。Copilot可以将现有的书面文件转化为带有演讲者笔记和资料来源的演示文稿，并使用自然语言命令来调整布局、重新编排文本和完美的动画时间。Copilot in Excel与用户一起工作，帮助分析和探索用户的数据。用自然语言向Copilot提出关于用户的数据集的问题，而不仅仅是简单的公式。Copilot in Word可以与用户一起写作、编辑、总结和创作。只需一个简短的提示，Copilotin Word就能为用户创建一个初稿，并根据需要从整个组织获取信息。31AIGCAIGC应用于工业制造的研发设计应用于工业制造的研发设计、生产制造和供应链管理等环节生产制造和供应链管理等环节。研发设计：研发设计：AI大模型 EDA/CAE/CAD将对芯片设计等方面有效赋能；生产制造：生产制造：以ChatGPT为代表的AI模型进一步加强工业机器人的交互与任务执行能力；供应链管理：供应链管理：有效实现智能化运营管理，简化供应链订单管理流程，推动数字孪生系统构建，实现工厂管理的实时可视化。2024.11 ZD Insights 3.3 AIGC典型应用场景：工业制造资料来源：Microsoft,ChatGPT for Robotics:Design Principles and Model Abilities，至顶智库结合公开资料整理绘制。AIGCAIGC在工业制造领域的三大应用场景在工业制造领域的三大应用场景生产制造生产制造研发设计研发设计 AI大模型 工业研发设计推动工业数字化进程，借助云计算，进行超大数据量的推理训练，进一步优化软件工作效率，简化研发流程和复杂度，帮助企业提升效率与优化成本结构。AI大模型大模型 EDA：将成为未来芯片设计主流趋势，利用云端扩展性实现物理设计自动化，并确保设计在电气方面准确无误。此外利用AIGC功能可以简化系统设计流程，缩短PCB设计周转时间。AI大模型大模型 CAE：能够有效提升仿真效率，优化代码生成能力。通过将CAR训练数据来源作为训练集引入CAE中，能够优化物理理论生成模型流程，大幅提升建模效率。AI大模型大模型 CAD：能够进一步对设计进行参数优化，并依据大量设计模块数据库生成推荐的设计草图。供应链管理供应链管理AI大模型大模型 生产制造：生产制造：将能够强化工业机器人的信息处理、感知执行等能力，机器可以通过自然语言处理模型GPT理解人类的自然语言指令，同时GPT也可以帮助机器执行路径规划、物体识别等任务时提供决策。AIGC可以进一步加强工业机器人的信息处理和分析能力，与机器视觉融合可赋予工业机器人更为强大的感知执行能力。AI大模型大模型 供应链管理：供应链管理：能够有效实现智能化运营管理，简化供应链订单管理流程，推动数字孪生系统构建，实现工厂管理的实时可视化。同时，能够再造数字化办公流程，将模型集成在管理系统，通过自然语言指令即可实现人机交互，推动企业进行更高效的管理决策、更便捷的数据分析与可视化、更完善的产品设计和质量报告，推动企业从“感知-决策-执行-反馈”全链条探索AIGC在供应链领域的完善。在需求端，能够更准确、更及时地预测需求，帮助企业降本增效。在仓库和物流端，可以优化产品布局，节省时间成本，推动智能调度、智能跟踪和智能预警。32AI比人工客服更有经验，知识面更广，反应速度更快。工商银行工商银行智能客服“工小智”不仅能满足线上咨询、信息查询等功能，也能融入到线下智能化网点的业务分流、扫码取号以及客户服务等过程中。AIGCAIGC赋能金融多场景赋能金融多场景，提升金融服务的效率与质量提升金融服务的效率与质量。当前多家科技公司与金融机构紧密合作，将AIGC能力应用在投研、投顾、风控、客服等场景。智能投研智能投研：通过文本生成等技术帮助分析师快速提取关键信息；智能投顾智能投顾：利用大模型有效提升投资决策能力；智能风控智能风控：智能化模型提升风险识别能力；智能客服智能客服：提供线上线下的智能服务体验。此外，大模型在远程银行系统中也实现全面覆盖，提供多项智能化技术赋能。2024.11 ZD Insights 3.4 AIGC典型应用场景：金融服务资料来源：至顶智库结合公开资料整理绘制。资料来源：至顶智库结合公开资料整理绘制。事前拆解知识AI利用强大的数据库、知识库和分析能力，提高投资组合的收益和风控能力。摩根士丹利摩根士丹利测试基于Open AI的AI工具，以帮助约1.6万名财富管理顾问利用庞大研究数据库。AI能对剧烈波动的市场做出快速反应、科学评估风险类型和程度，提升金融机构风险模型的科学性。科大讯飞科大讯飞智能化大模型可针对不同的用户群体，构建智能化模型，覆盖信贷全流程，提升特定场景下的风险识别能力。AI可以综合处理金融领域数据、综合运用投研工具、高效处理、快速突出信息，加快投研团队透明化脚步、促进知识沉淀。中信证券中信证券内测基于生成式与训练大模型智能助手CiticsAI，其训练结合证券行业与中信证券内部特有语料数据，涵盖文本生成、代码生成等场景。智能风控智能客服智能投研智能投顾事后事中背景了解交流咨询目的知识搜索 系统操作记录工单人工复核评价知识问答前情摘要转接电话提醒知识随行工单预填质量评价工作内容大模型赋能AIGCAIGC在金融领域的典型应用场景在金融领域的典型应用场景AIGCAIGC在远程银行系统的应用在远程银行系统的应用33AIGC促进虚实融合促进虚实融合，营造线上沉浸式购物体验营造线上沉浸式购物体验。AIGC通过与AR、VR等技术结合，在电商营销场景中实现虚拟主播带货、三维商品构建、服饰在线试穿等功能。虚拟主播带货：虚拟主播带货：实现自由更换妆发、服饰和场景，给用户提供全新观感；三维商品构建：三维商品构建：提供虚拟产品多方位视觉感知的独特体验，大幅压缩沟通时间成本；服饰在线试穿：服饰在线试穿：消费者在虚拟模特上试穿不同衣物，提升用户购物体验，减少退换货情况。2024.11 ZD Insights 3.5 AIGC典型应用场景：电商营销资料来源：至顶智库结合公开资料整理绘制。AIGCAIGC电商营销三大场景电商营销三大场景三维商品构建三维商品构建服饰在线试穿服饰在线试穿虚拟主播带货虚拟主播带货AIGC帮助电商以更进阶的方式，将产品图像生成三维模型。AIGC的创新改革，明显减少商家的研发模型的成本，同时也增强用户购买产品的匹配度。阿里巴巴的每平每屋业务，通过利用视频建模等技术，实现“商品放我家”的模拟展示效果。采用AI虚拟数字人来经营直播间，不仅可以自由更换妆发、服饰和场景，给用户提供全新的观感，还能最大化节约成本。虚拟主播具有三大优势：虚拟主播能够填补真人主播的直播间隙，使直播间能够不间断地轮播；虚拟化直播品牌更能加速其年轻化的进程，塑造元宇宙时代的形象，未来通过延展应用到更多的虚拟场景，实现多圈层传播；虚拟主播的人设更稳定可控，安全性更强。在AIGC 3D生成领域，相关企业积极探索，试图缩短3D模型的研发周期，降低研发成本，输出高质量虚拟商品提升虚拟购物体验。优衣库推出虚拟试衣功能，让消费者能够在线上购物时更好了解衣物的效果和适合度。消费者可以使用手机扫描自己的身体，然后在虚拟模特上试穿不同的衣物。此功能提升用户购物的体验，减少退换货的情况。AIGC赋能虚拟主播,增强其互动能力和自我学习能力,比如京东言犀虚拟主播在京东618商家大会上，帮助商家降低高达95%的成本，增加销售额30%以上。京东美妆超级品类日活动开启时，京东美妆虚拟主播“小美”就出现在兰蔻、欧莱雅、OLAY、科颜氏等超过20个美妆大牌直播间，开启直播首秀。快手通过其关联公司StreamLake,帮助蒙牛在快手平台上推出首个虚拟人奶思,让奶思通过蒙牛牛奶旗舰店快手账号进行直播首秀。虚拟主播带货虚拟主播带货34AIGCAIGC模型与医疗多场景有机结合模型与医疗多场景有机结合，协助医生为患者提供更好的护理体验协助医生为患者提供更好的护理体验。Google推出包含Med-Gemini-2D,Med-Gemini-3D以及Med-Gemini-Polygenic的Med-Gemini系列模型，实现在放射学、病理学、皮肤学、眼科学和基因组学的医疗应用。医联MedGPT可以整合多种医学检验检测模态能力，实现线上问诊到医学检查的无缝衔接，通过多模态应用，实现从问诊到康复指导的全流程诊疗。2024.11 ZD Insights 3.6 AIGC典型应用场景：医疗健康资料来源：Google Research，医联，至顶智库结合公开资料整理绘制。GoogleGoogle-医疗医疗AIAI模型模型MedMed-GeminiGemini医联医联-医疗医疗AIAI模型模型MedGPTMedGPT MedGPT主要专注于在真实医疗场景中发挥实际诊疗价值，实现从疾病预防、诊断、治疗到康复的全流程智能化诊疗能力。首先，MedGPT会通过线上的多轮问诊引导患者给出病情全貌以收集足够的诊断决策因子，使得准确性得到保障才会进入下一环节。线上问诊结束后，MedGPT会向患者开具必要的医疗检查项目，患者则可以通过医联云检验等多模态能力进行医学检查。此外，MedGPT还会在患者收到药品后为患者提供用药指导、智能随访复诊和康复指导等智能化疾病诊疗服务。2024年5月，Google发布应用于多模态医疗领域的Med-Gemini系列模型，其中包含Med-Gemini-2D,Med-Gemini-3D 以 及 Med-Gemini-Polygenic,实现在放射学、病理学、皮肤学、眼科学和基因组学的医疗应用。Med-Gemini-2D能够在传统的2D医疗影像（胸部X光、CT切片、病理切片等）上执行分类、视觉问答和文本生成多项任务。Med-Gemini-3D可以理解并能够撰写3D研究放射学报告，例如头部CT影像。Med-Gemini-Polygenic 能 够 实现通过收集基因组信息，预测疾病以及健康状态。0102线上问诊线上问诊03检查项目开具检查项目开具04疾病诊断疾病诊断05治疗方案设计治疗方案设计06智能随访复诊智能随访复诊康复指导康复指导35AIGCAIGC在在合同起草合同起草、研究分析研究分析、诉讼支持等法律领域广泛应用诉讼支持等法律领域广泛应用。AIGC可用于自动化合同起草、法律文件摘要、法律案例分析等任务，从而提高效率、减少人为错误，并为律师和法律专业人士提供更多的资源和支持。此外，AIGC可以自动分析大量法律文献，并提取关键信息的优势可被用于法律研究，从而帮助律师和法律专家更快地了解案件和相关法律。目前国外的CS Disco和中国的法大慧云等初创企业已推出法律相关的AI智能化解决方案。2024.11 ZD Insights 3.7 AIGC典型应用场景：法律服务资料来源：至顶智库结合公开资料整理绘制。AIGC可用于生成合同、法律协议和其他类型的法律文件，可以节省时间并降低出错风险AIGC可用于生成法律报告，例如法庭诉讼摘要、法律意见和其他类型的法律内容AIGC分析企业合同、法律文书等，自动识别风险点，提供风险评估报告，帮助企业降低法律风险AIGC可用于生成法律案例、立法和其他类型法律信息的摘要，可以帮助律师和法律研究人员快速访问信息AIGC可用于生成法律案例摘要、专家证人报告以及诉讼中常用的其他类型内容合同起草合同起草研究分析研究分析诉讼支持诉讼支持法律报告法律报告法律风险评估法律风险评估AIGCAIGC在在法律服务领域的典型应用场景法律服务领域的典型应用场景案例：案例：提供智能问答法律工具提供智能问答法律工具CS DISCO所研发的智能问答工具Cecilia能够协助律师快速找到法律案件所需要的法律依据，提出法律相关的问题，即可得到由律师数据库或电子取证数据库所反馈的答案，并且答案后都带有相应的法律文件索引。案例：案例：智能化法律服务平台智能化法律服务平台法大慧云（北京慧云数智科技有限公司）是国内顶尖的数字化法律服务创新者，依托中国政法大学权威专家智库深度融合信息技术打造全面智能化的法律服务平台。该平台运用先进的人工智能大模型技术，为用户提供低成本、安全、高效的法律服务解决方案，覆盖从日常法律咨询到定制化专项法律服务的全方位需求，为用户打造更加稳固的法律防护网，降低法律风险。36AIGCAIGC辅助辅助学生学习提升学生学习提升，帮助帮助教师教师轻松备课轻松备课。对于学生而言对于学生而言，AIGC可为学生提供自适应学习、口语陪练、智能排课、在线答疑等学习支持。对于教对于教师而言师而言，可优化教学设计三大环节，创新规划单元教学设计、一键生成互动教学课件、智能教学评价，明显提升教师课前备课、课中观察、课后评价效率和质量。2024.11 ZD Insights 3.8 AIGC典型应用场景：教育教学资料来源：至顶智库结合公开资料整理绘制。AIGC只需通过少量题目就可以精准找到知识点薄弱项，自动调整难度和内容，提高学习效率，让孩子精准提升，从容应对学业水平测试AIGC根据学生的兴趣和特点，定制个性化的学习计划和教学内容，提高学习兴趣和积极性AIGC可以为学生提供智能辅导，解答疑惑，提供反馈和建议，帮助学生更好地掌握知识和技能学生端学生端教师端教师端利用AIGC进行主题对话、虚拟人对话，可自定义情景对话能力，可用AIGC实现真人式陪练，对话结束后，系统立即给出准确度、流畅度、语法、词汇等维度的反馈AIGC给出提示词即可生成逻辑清晰、细分任务和课时的教学设计，通过提示词就可以直接修改细节AIGC可一键生成参考课件PPT，为PPT配上丰富多彩的背景音，并秒速总结输出思维导图，布置实践作业AIGC对学生课堂专注度、活跃度、互动度、秩序度以及教师个人教学模式进行分析，让教师更全面地了解课堂，帮助老师了解和掌握每一位学生的学习情况自适应学习自适应学习口语陪练口语陪练智能排课智能排课在线答疑在线答疑创新规划单元教学设计创新规划单元教学设计一键生成互动教学课件一键生成互动教学课件智能教学评价智能教学评价37AIGCAIGC催生全新游戏玩法催生全新游戏玩法，增强游戏畅快体验增强游戏畅快体验。AIGC贯穿从游戏开发、游戏发行到用户体验全过程。游戏开发阶段：游戏开发阶段：从文本、图像、音频、视频、三维、策略六个维度出发，实现多模态内容输出；游戏发行阶段：游戏发行阶段：在推广准备阶段分析行业趋势，到推广初期快速生成素材，再到推广后期推广活动，游戏宣发成本迅速降低。用户体验阶段：用户体验阶段：玩家在游戏上可与智能虚拟角色进行交流，体验个性化声音特效和角色道具。2024.11 ZD Insights 3.9 AIGC典型应用场景：游戏娱乐资料来源：至顶智库结合公开资料整理绘制。AIGCAIGC在游戏娱乐领域的应用在游戏娱乐领域的应用AIGC生成文字生成文字AIGC生成图像生成图像AIGC生成音频生成音频AIGC生成视频生成视频AIGC辅助玩法设计辅助玩法设计AIGC生成生成3D虚拟角色对话、游戏剧情、世界观游戏道具、游戏角色游戏对话、游戏音效、背景配乐游戏动画3D资产、游戏场景怪兽、剧本、卡牌组合等推广初期推广初期推广准备期推广准备期推广后期推广后期 分析行业趋势 提供情感分析 总结用户画像 制作计划文书 根据用户特征及前期活动数据调整推广方案 针对特定受众推广活动 快速生成高品质素材 提供营销创意、生成脚本、画面、视频智能NPC个性化声音特效、角色道具等网易逆水寒完美世界梦幻新诛仙腾讯王者荣耀“绝悟”AI游戏开发阶段游戏开发阶段游戏发行阶段游戏发行阶段用户体验阶段用户体验阶段38AIGCAIGC为科学家提供强大的科研工具为科学家提供强大的科研工具，推动人类的科学探索推动人类的科学探索。从药物研发到蛋白质工程，从基因组学到化学合成，AIGC的应用正在不断突破传统科学研究的边界，加速科学发现的进程，成为人类科学探索的强大力量。由于AI大模型给科学发现所带来的巨大贡献，戴维贝克（David Baker）因计算蛋白质设计，戴米斯哈萨比斯（Demis Hassabis）和约翰江珀（John Jumper）因蛋白质结构预测共同获得“2024年诺贝尔化学奖”。2024.11 ZD Insights 3.10 AIGC典型应用场景：科学发现资料来源：Google DeepMind,至顶智库结合公开资料整理绘制。AIGCAIGC在科学发现领域的应用在科学发现领域的应用戴维贝克（David Baker）因计算蛋白质设计，戴米斯哈萨比斯（Demis Hassabis）和约翰江珀（John Jumper）因蛋白质结构预测共同获得“20242024年诺贝尔化学奖年诺贝尔化学奖”。AlphaFold 3于2024年5月上线，引领生物学预测技术进入下一阶段-构建蛋白质与其他分子（诸如DNA或者RNA）结合的复合体结构。AlphaFold 3能够实现多种生物分子结构的预测，包括蛋白质、DNA、RNA以及一系列配体等，并且可以生成3D结构。此外，AlphaFold 3还以空前的精确度成功预测生物分子之间的相互作用。与现有的其他预测方法相比，AlphaFold 3在发现蛋白质与其他分子类型的相互作用中的性能提高50%，对于一些重要的相互作用类别中甚至能提高一倍。资料来源：The Nobel Prize,至顶智库结合公开资料整理绘制。20242024年诺贝尔化学奖（年诺贝尔化学奖（The Nobel Prize in Chemistry 2024）AlphaFold 339用户调研篇AI大模型用户使用情况调研404.1 AI大模型用户使用情况调研说明 2024.11 ZD Insights 信息来源：至顶智库结合用户调研整理绘制。调研概况调研概况调研描述调研描述调研时间调研时间2024年9月-11月样本来源样本来源线上调研（社群等渠道）、线下调研（专业展会等渠道）调研对象调研对象18-60岁覆盖地区覆盖地区中国大陆样本数量样本数量500份调研问卷调研背景：调研背景：2024年9月-11月，至顶智库（ZD Insights）通过线上和线下多种渠道调研，共收集500份来自中国大陆多个省份的用户问卷，用户年龄段覆盖18-60岁。调研旨在了解社会各界的AI大模型使用情况。通过此次调研，反映出社会公众广泛使用国内外各类主流大模型，且日常工作和生活对于AI大模型存在多方面需求，未来社会各界对于大模型的能力提升也存在更多期待。414.2 AI大模型调研用户画像 2024.11 ZD Insights 调研用户画像：调研用户画像：在500份调研用户中，企业员工占比近50%；其次为高校学生，占比近18%；专业研究人员、教师和自由职业者占比相对较低；从用户年龄结构来看，20-30岁的青年用户占比最高，占比50%；其次为30-50岁的用户占比将近40%。图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。46.8.8.2.2.0%1.0%企业员工学生研究人员自由职业者教师其他5.6R.47.6%4.4-20岁20-30岁30-50岁50-60岁AIAI大模型调研大模型调研-用户身份用户身份AIAI大模型调研大模型调研-用户年龄结构用户年龄结构424.3 AI大模型调研用户画像调研用户画像：调研用户画像：从调研用户所处的企业类型来看，民营企业和事业单位（含高校）的用户占比均接近40%，央国企和外企的用户样本较低。从调研用户所处的行业类型来看，教育行业的调研用户占比较高，达到30%以上；其次为IT行业，占比18%；传媒、零售、金融行业的用户占比相对接近，处在8%-11%左右。2024.11 ZD Insights 图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。AIAI大模型调研大模型调研-用户所处企业类型用户所处企业类型AIAI大模型调研大模型调研-用户所处行业类型用户所处行业类型32.6.8.4%9.4%8.0%5.6%5.4%3.2%5.6%教育IT传媒零售金融政务医疗专业服务其他38.47.2.8%9.6%2.0%民企事业单位央企/国企外企其他434.4 AI大模型调研使用渠道及使用时长 2024.11 ZD Insights 从大模型的用户使用渠道来看，38%的用户通过APP使用大模型各项功能；36%的用户通过大模型官网渠道；通过企业搭建专用模型接口的用户占比24%。从用户使用时长来看，大模型使用时长在3-6个月的用户占比32%；使用时长在6-12个月的用户占比20%；12个月以上的用户占比15%左右。38.06.2$.0%1.8%大模型APP大模型官网企业搭建专用模型接口其他9.0#.42.4 .4.8%小于1个月1-3个月3-6个月6-12个月12个月以上图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。AIAI大模型调研大模型调研-用户使用渠道用户使用渠道AIAI大模型调研大模型调研-用户使用时长用户使用时长444.5 AI大模型调研企业使用程度及使用场景 2024.11 ZD Insights 从调研用户所在企业的使用情况来看，40%的用户所在企业大范围（超过50%员工）使用AI模型；30%的用户所在企业小范围（不到20%员工）使用模型；20%的用户所在企业，管理层通过不同方式广泛推动模型的使用。从AI大模型使用场景来看，文案创作是调研用户使用最多的场景，使用人数超过200人次；此外，图像创作、数据分析、视频创作等场景使用人次也相对较多。图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。AIAI大模型调研大模型调研-用户所在企业使用程度用户所在企业使用程度员工大范围使用（40%）员工小范围使用（300%）管理层广泛推动（20 %）企业完全没有使用（10%）AIAI大模型调研大模型调研-用户使用场景用户使用场景050100150200250文档分析信息查询编程辅助视频创作数据分析图像创作文案创作454.6 AI大模型调研用户经常使用的大模型/应用及考虑因素 2024.11 ZD Insights 从调研用户常用的AI大模型/应用来看，百度文心一言使用量最高，达到260人次；OpenAI ChatGPT使用量位居第二，达到200人次；科大讯飞星火、月之暗面Kimi、字节豆包大模型、阿里通义千问使用量紧随其后。从选择模型的考虑因素来看，模型回复速度、功能丰富度、回复质量为用户最为关注的方面，此外用户还会对使用成本、Token长度等方面进行考量。050100150200250300商汤商量 百川大模型 企业专有模型 360智脑 腾讯混元 智谱清言 阿里通义千问 字节豆包 月之暗面Kimi 科大讯飞星火 ChatGPT百度文心一言 图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。通义千问通义千问企业专有模型企业专有模型图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。AIAI大模型调研大模型调研-用户经常使用的大模型用户经常使用的大模型/应用应用AIAI大模型调研大模型调研-用户选择模型的考虑因素用户选择模型的考虑因素050100150200250300企业品牌 Token长度 使用成本 回复质量 功能丰富度 回复速度 回复速度功能丰富度回复质量使用成本Token长度企业品牌464.7 AI大模型调研用户提示词技能提升方法 2024.11 ZD Insights 如何用好大模型与掌握AI提示词技能密切相关。从本次调研情况来看，超过280位用户通过模型的提示和引导，不断提升提示词技能；反复尝试不断完善提示词，也是当前大多数用户的选择；此外，调研用户通过视频、社交平台等各类渠道自主学习，以及参加专业研讨会和相关培训等方式，也可以掌握更多提示词技能。050100150200250300350参加研讨会/培训 自主学习（视频号/小红书/抖音等）反复尝试完善提示词 通过模型提示引导 图表来源：至顶智库结合调研数据整理绘制。数据样本：N=500，AI大模型用户使用情况调研。AIAI大模型调研大模型调研-用户提示词技能提升方法用户提示词技能提升方法通过模型提示引导反复尝试完善提示词自主学习（视频/社交平台等）参加研讨会/培训47前沿趋势篇开源VS闭源推理计算智能终端AI Agent端侧模型RAG合成数据具身智能48资料来源：maximelabonne，至顶智库结合公开资料整理绘制。5.1 趋势一：开源模型与闭源模型的性能差距逐渐缩小开源模型开源模型 VS VS 闭源模型闭源模型 测试性能表现整体趋势测试性能表现整体趋势 2024.11 ZD Insights GPT-4o90 xrfTHB%闭源模型闭源模型开源模型开源模型PaLMChinchillaFlan-PaLMU-PaLMGPT-4Claude 1.3GPT-3.5 TurboClaude 2Flan-T5 11BLLaMA 65b大规模多任务语言理解(Massive Multi-task Language Understanding,MMLU)性能表现Gemini UltraGemini 1.5 ProLlama 2 70bEalcon 180BMixtral 8x7BYi-34BQwen1.5 72BLlama 3 8BDBRX Instruct 132BCommand R Mixtral 8x22BLlama 3 70BQwen 2 72BLlama 3.1 70BLlama 3.1 70BLlama 3.1 405BLlama 3.1 405BGemma 2 27BGemma 2 9BLlama 3.1 8BLlama 3.1 8BClaude 3 OpusLlama 3 405BGPT-4 TurboClaude 3.5 Sonnet49资料来源：OpenAI,至顶智库结合公开资料整理绘制。5.2 趋势二：推理计算显著提升大模型的推理能力OpenAIOpenAI o1o1推理模型示例推理模型示例 2024.11 ZD Insights 2024年9月，OpenAI发布推理模型o1，该模型的训练过程使用强化学习技术，通过显式嵌入原生思维链（NCoT）过程，能够出色地完成复杂的推理任务，将复杂的步骤分解成更简单的步骤，以便更容易理解和处理，该模型在科学、编程和数学领域都取得卓越表现。QQAAR直接输出直接输出重复重复To solve this problem,we need to find all real numbers xx such thatp(1x)=x2,p(x1)=x2,where pp is a monic real polynomial of degree 2n2n,and it is given thatp(1k)=k2p(k1)=k2for all integers kk with 1kn1kn.Understanding the Given Information:1.Given Data Points:We have 2n2n data points from k=1,2,nk=1,2,n,which provide the values p(1k)=k2p(k1)=k2.2.Polynomial Function:p(x)p(x)is monic of degree 2n2n,which means its highest-degree coefficient is 1.Defining a New Polynomial:Lets define a new functionq(x)=p(1x)x2.q(x)=p(x1)x2.Our goal is to find all real solutions to q(x)=0q(x)=0.Properties of q(x)q(x):Since pp is a polynomial of degree 2n2n,p(1x)p(x1)can be expressed in powers of xx.The function q(x)q(x)has zeros at x=1,2,nx=1,2,n because q(k)=p(1k)k2=0q(k)=p(k1)k2=0.Constructing s(x)s(x):Consider the polynomials(x)=x2nq(x)=x2n(p(1x)x2).s(x)=x2nq(x)=x2n(p(x1)x2).Multiplying through by x2nx2n eliminates denominators,making s(x)s(x)a polynomial.Factoring s(x)s(x):We know that s(x)s(x)has roots at x=1,2,nx=1,2,n.Therefore,s(x)s(x)can be expressed as:s(x)=m(x)h(x),s(x)=m(x)h(x),where m(x)=k=1n(x2k2)m(x)=k=1n(x2k2)is a monic polynomial of degree 2n2n whose roots are 1,2,n1,2,n,and h(x)h(x)is a quadratic polynomial.Determining h(x)h(x):We consider h(x)h(x)to be a quadratic polynomial:h(x)=x2 c,h(x)=x2 c,where cc is a constant to be determined.Matching Coefficients:The leading term of s(x)s(x)is x2n 2x2n 2.The leading term of m(x)h(x)m(x)h(x)is(x2n)(x2)=x2n 2(x2n)(x2)=x2n 2,ensuring the degrees match.Comparing the constant term of s(x)s(x)using x=0 x=0:$s(0)=p(0)-0=1,where p(x)=x2n pleft(frac1xright)$.Evaluating m(0)m(0)and h(0)h(0):m(0)=(1)n(n!)2m(0)=(1)n(n!)2.h(0)=0 c=ch(0)=0 c=c.Since s(0)=m(0)h(0)s(0)=m(0)h(0):1=(1)n(n!)2c,1=(1)n(n!)2c,which gives:c=1(1)n(n!)2=(1)n(n!)2.c=(1)n(n!)21=(n!)2(1)n.For n even(since n is even),(1)n=1(1)n=1,so c0c0.Finding Additional Solutions:Solving h(x)=0h(x)=0:x2 c=0 x2=cx=1n!,x2 c=0 x2=cx=n!1,since c=1(n!)2c=(n!)21.Conclusion:The additional real numbers xx satisfying p(1x)=x2p(x1)=x2 are x=1n!x=n!1.推理时间计算推理时间计算:(a)自回归 LLM 是直接基于给定问题生成答案。(b)思维链和逐步思考的概念则涉及到在得到最终答案之前，整合中间推理步骤。这些重复步骤操作允许：1)不断重复访问之前的输出，2)逐步推进到后续推理阶段，3)探索多个推理路径或轨迹。(a)(b)50资料来源：Gartner，AWS，至顶智库结合公开资料整理绘制。真实数据供不应求真实数据供不应求，合成数据将填补合成数据将填补AI模型训练数据供需鸿沟模型训练数据供需鸿沟。AIGC模型训练过程需要大量数据，然而高质量真实数据即将耗尽，合成数据技术将成为数据供给侧的主流解决方案。Gartner预测，2024年合成数据将占到所有训练数据的60%，到2030年合成数据将占据主导地位。合成数据可以由计算方法和模拟来创建，包括文本、数字、表格、图像、视频等形式，具有低边际成本、隐私保护、减少偏见等优点。5.3 趋势三：合成数据填补AI模型训练的数据供需鸿沟用于训练的AI数据真实数据真实数据合成数据合成数据2024202060%合成数据2030时间合成数据在合成数据在AIAI模型训练中占比模型训练中占比合成数据应用合成数据方法合成数据类型合成数据类型、方法及应用合成数据类型、方法及应用完全生成新数据，不包含任何真实世界的原始数据。全合成数据用合成信息替换真实数据集中一小部分，以保护数据集敏感部分。半合成数据统计分布统计分布正态分布指数分布卡方分布基于模型基于模型深度学习深度学习生成对抗网络(GAN)变分自动编码器(VAE)Transformer模型自动驾驶机器人安防金融医疗零售工业 2024.11 ZD Insights 51资料来源：LLM Powered Autonomous Agents，中金公司，至顶智库结合公开资料整理绘制。5.4 趋势四：AI Agent通过自主决策机制完成多种任务 2024.11 ZD Insights 智能体智能体(AI Agent)基于大模型能力基于大模型能力，由记忆由记忆、规划规划、工具工具、执行四部分构成执行四部分构成，能依据用户输入的自然语言，自主决策解决问题。AI Agent将复杂任务分解为小任务并确定先后顺序，可调用计算器、API等工具帮助任务完成，还能存储和管理外部知识为决策和执行提供支持。下面是AI Agent对业绩点评任务进行规划、拆解、执行的过程演示。销售数据库API数据处理API任务规划请生成某公司请生成某公司24Q2业绩点评报告业绩点评报告任务拆解获取当前季度公司销售数据任务1统计分析产品类别、销售额、增长率等指标任务2分析报告完整性和准确性任务7绘制销售数据可视化图表任务6调取销售数据库API，获取相关数据调取数据处理API，计算相关指标调取LLM模型分析报告，尝试找出错误并修正调取图表绘制API，生成相关图表任务执行外部资源外部资源图表绘制APILLM模型AI AgentAI Agent任务演示案例任务演示案例AI AgentAI Agent典型特征典型特征记忆记忆短期记忆Agent规划规划工具工具执行执行长期记忆日历计算器代码解释器搜索反思自我批评思维链子目标分解52资料来源：Retrieval-Augmented Generation for Large Language Models:A Survey，至顶智库结合公开资料整理绘制。5.5 趋势五：RAG通过外部知识降低模型“幻觉”2024.11 ZD Insights 检索增强生成检索增强生成（RAG）是通过检索信息并加入大语言模型生成过程的技术，其能提高模型生成内容的准确性。大语言模型因为预训练数据中存在过时和不正确信息以及微调过程中引入新信息，可能出现“幻觉”。RAG的基本步骤包括：1.对外部知识文档进行解析、分块、嵌入等预处理形成索引；2.检索器根据用户问题对外部知识进行检索，将相关性高的文档交给生成器；3.生成器根据用户指令及相关文档生成答案。RAGRAG与其他模型优化方法的比较与其他模型优化方法的比较RAG具有较高外部知识需求较高外部知识需求，需要大量外部知识构建向量知识库，便于后续检索和生成任务；具有较低模型适应性需求较低模型适应性需求，依赖于静态模型，风格切换或特定能力维度可能弱于微调技术。RAGRAG技术原理图技术原理图外部知识1问题问题检索器检索器生成器生成器答案外部知识2外部知识3根据用户问题检索外部信息检索Top-k相似文档大模型结合文档及提示词生成答案53资料来源：至顶智库结合公开资料整理绘制。5.6 趋势六：端侧模型在手机、汽车等各类终端实现落地典型端侧模型应用案例典型端侧模型应用案例 2024.11 ZD Insights 公司名称公司名称端侧模型端侧模型搭载端侧模型的相关产品搭载端侧模型的相关产品GoogleGemini 1.0 Nano三星Galaxy Z Flip 6，三星Galaxy Z Fold 6，谷歌Pixel 9 vivo蓝心大模型vivo X100系列OPPOAndesGPTOPPO Find X7小米小米MiLM小米su7理想汽车理想Mind GPT理想L系列车型蔚来汽车蔚来NOMI GPT搭载Banyan 榕 蔚来智能系统车型端侧模型端侧模型通常是指部署在手机、电脑、汽车或其他电子产品的轻量化模型，电子产品对于端侧模型的能耗、散热等方面有着严格要求。最近一段时间，国内外硬件厂商推出的终端产品（如手机、汽车等）逐步搭载端侧AI模型，如三星手机Galaxy Z系列、谷歌手机Pixel 9系列，小米汽车su7等。未来模型能力与终端产品紧密结合，给消费者带来更为便捷的智能使用体验。需要关注的是，端侧模型需要平衡运行效率与功耗的关系，模型在端侧设备运行方面同样需要优化。总体而言，端侧模型的发展前景广阔，需要持续迭代以满足不同场景的特定需求。54资料来源：Apple,联想,蔚来,至顶智库结合公开资料整理绘制。5.7 趋势七：AIGC与终端有机融合，带来更多便捷体验 2024.11 ZD Insights 20242024年成为年成为AI终端产品快速发展的元年终端产品快速发展的元年，搭载大模型的搭载大模型的AI PC、AI手机手机、智能汽车相继推出智能汽车相继推出，AIGC应用在各类终端逐步普及应用在各类终端逐步普及。从从AI手机来看手机来看，苹果公司在WWDC大会上重磅发布Apple Intelligence，搭载AI模型的生成式应用与苹果手机无缝结合；从从AI PC来看来看，联想推出内置个人大模型与用户自然交互智能体的AI PC，无需通过云端便可执行工作和生活场景中的各类任务；从智能汽车来看从智能汽车来看，蔚来推出的NOMI GPT，通过智能体和情感引擎，为车主提供便捷和人性化的车内交互体验。长期来看，可穿戴设备等新型智能产品的出现将会为用户带来更多智慧体验。1 1）Writing Tools：让用户能在任何场景下对文本进行改写、校对和摘要，包括邮件、备忘录、Pages文稿和各类第三方app。Summarize可在用户选中文本后，通过段落、要点罗列、表格或列表的形式进行归纳总结。2 2）备忘录：备忘录：录制音频转写成文本，生成内容摘要。手绘草图转化成图像，用户可选中空白区域，利用基于周围元素生成的场景信息生成新图像。3 3）Siri：Siri具备更深层次的语言理解能力，让Siri表现得更自然，更契合场景，简化日常任务流程。Siri将能够理解用户在更多App中的内容，并进行相应操作。Apple IntelligenceApple IntelligenceNOMI GPTNOMI GPTAIGCAIGC在手机、在手机、PCPC、汽车各类终端的应用案例、汽车各类终端的应用案例1 1）AI PC具备五大特征：具备五大特征：内置个人大模型与用户自然交互的智能体、本地异构算力（CPU/GPU/NPU）、个人知识库、开放人工智能应用生态、个人数据和隐私安全保护。2 2）AI PC场景应用：场景应用：工作场景智能会议、文档总结、AI工作助理和AI PPT等核心功能；生活场景提供AI画师、AI识图等功能，使个人用户的家庭生活更加丰富和便捷。AIAI PCPC1 1）NOMI Agents多智能体多智能体：互动问答、停车助手、守卫摘要、服务管家、探索发现、旅行回忆、NOMI DJ等功能。2 2）NOMI情感引擎：情感引擎：了解环境，察言观色，主动响应；打造精准到人的专属记忆，持续养成学习情感表达；基于大模型的超自然语音，说话更流畅、有温度。55资料来源：Aligning Cyber Space with Physical World:A Comprehensive Survey on Embodied AI,至顶智库结合公开资料整理绘制。5.8 趋势八：具身智能将成为驱动人工智能发展的新型驱动力 2024.11 ZD Insights 具身智能将成为驱动人工智能发展的新型驱动力具身智能将成为驱动人工智能发展的新型驱动力，人形机器人作为具身智能的主要应用场景人形机器人作为具身智能的主要应用场景。具身智能具身智能（Embodied AI）是通过机器人实体与周围环境进行交互，实现环境感知、信息认知、自主决策和采取行动等能力。具身智能需要同时满足“本体本体 环境环境 智能智能”的基本要素，通过智能化物理实体与环境交互完成任务。具身智能的本体形态多样，包括人形、四足、轮式、履带式机器人和智能汽车等。具身智能存在多种应用场景，在工业制造、物流运输、医疗护理、家庭服务、体育训练、自动驾驶等场景实现落地。具身智能三要素具身智能三要素固定基座机器人固定基座机器人轮式机器人轮式机器人仿生机器人仿生机器人履带机器人履带机器人四足机器人四足机器人人形机器人人形机器人要素一：本体要素一：本体要素二：环境要素二：环境要素三：智能要素三：智能具身智能主要应用场景具身智能主要应用场景家庭服务家庭服务轮式机器人固定基座机器人智能汽车固定基座机器人人形机器人物流运输物流运输工业制造工业制造医疗护理医疗护理自动驾驶自动驾驶56发布机构介绍发布机构介绍天津市人工智能学会成立于2021年4月24日，由中科院姚建铨院士及团队、天津大学、天津超算中心等单位发起成立，旨在促进人工智能人才培养、推动产学研用结合，促进产业的深度融合，完善人工智能生态，赋能国家新一代人工智能创新发展试验区建设。学会坚持求实、创新、开放、联合的发展理念，坚持“百花齐放、百家争鸣”的方针，积极开展学术上的交流和讨论，将现代科技成果转化为城市的发展动力。自2021年至今，先后以线上 线下方式，主办、承办、协办省市级大型学术论坛、研讨会等活动10余场。深度参与世界智能大会，在第七届世界智能大会“世界智能科技创新合作峰会”上，由学会携手至顶智库、至顶科技共同编写的2023年全球生成式AI产业研究报告和2023年全球生成式AI产业图谱重磅发布。本次峰会，天津市人工智能学会发出“生成式AI天津强音”！近三年来，学会个人会员和单位会员规模不断扩大，华为技术有限公司、思腾合力（天津）科技有限公司、网宿科技股份有限公司等多家在国内外有影响力的企业，先后成为学会的副理事长单位、常务理事单位，并在科研创新、人才培养、产业聚合等方向与学会展开深度合作。在市科协2022年度、2023年度综合能力评估工作中，天津市人工智能学会两次被评为天津市“星级学会”。57发布机构介绍发布机构介绍至顶科技是一家立足全球科技视野和深刻技术理解，以记录和推动数字化转型进程为使命的信息传播服务公司。自2015年重组以来，公司一直在全力打造更值得信赖的面向知识普及、方案选型、产城合作的科技生态平台，让更多个人、企业、城市受益于数字技术和数字经济创造的崭新机遇。至顶智库(ZD Insights)重点研究方向是数字经济趋势下的算力新生态、转型新场景、企业新工具。智库研究领域主要涉及人工智能、算力芯片、自动驾驶等前沿科技领域。已推出产业图谱、产业报告、行业榜单、公司研究、会议观察等多项研究成果。曾于第七届世界智能大会发布2023年全球生成式AI产业图谱及2023年全球生成式AI产业研究报告，与人民网联合发布开启智能新时代2024年中国AI大模型产业发展报告等研究成果。58
2024-11-18
58页
5星级
Table_RightTitle 证券研究报告证券研究报告|电子电子 Table_Title AIPCAIPC 赛道赛道风起，风起，产业产业链创新云涌链创新云涌 Table_IndustryRank.
2024-11-18
23页
5星级
Table_Yemei0行业研究深度报告2024 年 11 月 8 日Table_Title1AIGC 行业全景篇算力、模型与应用的创新融合 人工智能的发展历程与人工智能的发展历程与 AIGCAIGC.
2024-11-18
38页
5星级
华为制造业智能制造解决方案目录 智能制造产业洞察 整体架构以及原则 华为制造业解决方案 智能制造典型案例 生态与合作伙伴解决方案2德国工业4.0战略旨在通过充分利用信息通讯技术和网络空间虚拟系统信息物.
2024-11-15
53页
5星级
智能家居无线互联的发展趋势智能家居无线互联的发展趋势王兴军 教授 博导国家高层次人才国务院特殊津贴专家广东省南粤百杰人才深圳市物联网协会首席专家2024.11.02个人简介个人简介国务院特殊津贴专家，.
2024-11-15
96页
5星级
本公司具备证券投资咨询业务资格，请务必阅读最后一页免责声明 证券研究报告 1 智能眼镜行业专题 AI 眼镜拐点已至，品牌方群雄逐鹿，优质线下渠道成兵家必争之地 2024 年 11 月 14 日 智能眼.
2024-11-15
20页
5星级
AIGC创新应用洞察报告为什么要关注AIGC应用创新？AIGC不仅仅局限于文本生成，还涵盖了图像、音频、视频等多种形态的内容创作及赋能。从B端应用来看，它已经在文娱、媒体、教育、营销、设计乃至医疗、工.
2024-11-14
40页
5星级
2024 年深度行业分析研究报告 目录 1 AI 搜索改变生产力的不二选择.3 2 AI 搜索有望成为首个商业化落地的 C 端超级应用.5 2.1 传统搜索引擎的线性属性决定了自身上限.5 2.2 .
2024-11-14
23页
5星级
2 研研 究究 报报 告告 要要 点点 随着智能家居系统的用户体验受到越来越广泛的关注以及人工智能技术在随着智能家居系统的用户体验受到越来越广泛的关注以及人工智能技术在智能家居系统中的广泛应用，如何.
2024-11-13
28页
5星级
中国航空学会：2024低空经济场景白皮书（1.0）（167页）.PDF
数字100：2024摇摆的消费者-消费者体验营销手册（95页）.pdf
CBNData：2024新健康消费生活趋势报告（39页）.pdf
红杉：2024年企业数字化年度指南（62页）.pdf
英敏特：2025全球消费者趋势报告（27页）.pdf
华为：智能世界2030报告（2024版）（741页）.pdf
Gartner：2025年重要战略技术趋势报告（27页）.pdf
毕马威：2024年四季度中国经济观察报告（64页）.pdf
炼丹炉：2024银发经济趋势洞察报告（49页）.pdf
中国联通研究院：2024中国生成式人工智能应用与实践展望白皮书（中英文版）（147页）.pdf
0731-84720580
sgpjbg002
工作日 9:30 - 18:00三个皮匠报告专业的行业报告下载站，每日更新，欢迎大家关注！
copyright@2008-2013 长沙景略智创信息技术有限公司版权所有
网站备案/许可证号：湘B2-20190120
会员动态：
|
嗨**... 升级为至尊VIP 159**78... 升级为高级VIP wan**ei... 升级为高级VIP 191**37... 升级为高级VIP wei**n_... 升级为至尊VIP 151**10... 升级为高级VIP wei**n_... 升级为标准VIP Sah**mn... 升级为至尊VIP 187**18... 升级为至尊VIP 氵Z**氵 升级为标准VIP Ale**0s 升级为高级VIP jac**an... 升级为高级VIP 152**15... 升级为高级VIP LYZ**08 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP 133**01... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP 楼** 升级为至尊VIP 131**15... 升级为标准VIP wei**n_... 升级为高级VIP 信仰**1 升级为至尊VIP 懒** 升级为至尊VIP Lin**ux... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP wei**n_... 升级为标准VIP bub**ao... 升级为高级VIP wei**n_... 升级为标准VIP 林奇 升级为高级VIP 156**27... 升级为高级VIP wei**n_... 升级为高级VIP wei**n_... 升级为高级VIP 152**97... 升级为至尊VIP la**z 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为至尊VIP 189**27... 升级为至尊VIP 133**16... 升级为至尊VIP wei**n_... 升级为至尊VIP 阳**... 升级为至尊VIP wei**n_... 升级为高级VIP Kar**ga... 升级为高级VIP wei**n_... 升级为标准VIP 136**97... 升级为至尊VIP 156**14... 升级为高级VIP FF**HO 升级为至尊VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP 笑**... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP 177**72... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP 186**31... 升级为至尊VIP wei**n_... 升级为至尊VIP wei**n_... 升级为高级VIP wei**n_... 升级为高级VIP wei**n_... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP 135**39... 升级为至尊VIP wei**n_... 升级为标准VIP 范** 升级为至尊VIP wei**n_... 升级为标准VIP Va**on 升级为至尊VIP 178**36... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP wei**n_... 升级为标准VIP 138**60... 升级为高级VIP 138**10... 升级为标准VIP 137**04... 升级为至尊VIP 137**50... 升级为高级VIP wei**n_... 升级为至尊VIP 兜**... 升级为至尊VIP cho**li... 升级为高级VIP 153**91... 升级为至尊VIP 155**77... 升级为至尊VIP 186**37... 升级为至尊VIP 136**21... 升级为高级VIP wei**n_... 升级为至尊VIP wei**n_... 升级为标准VIP wei**n_... 升级为至尊VIP 185**40... 升级为至尊VIP wei**n_... 升级为标准VIP 189**82... 升级为至尊VIP 136**97... 升级为高级VIP wei**n_... 升级为高级VIP 133**18... 升级为至尊VIP 186**77... 升级为高级VIP wei**n_... 升级为标准VIP |
核心论文代笔解读科研论文逯高清论文运营论文框架梁毅论文闫洪涛论文不再将论文写意的论文评语表论文口罩消毒论文舞台色彩论文测量作业论文剽窃同事论文论文开题感想急诊门诊论文柴油的论文兵之初论文抄袭论文内容关于承诺论文疫情无情论文肖战论文轨道机车论文屏风研究论文服装论文开头高温线论文慈善乱象论文留学写完论文臧迪论文专科仿真论文中国论文旺季蓝铜矿论文偶然诗歌论文邦沃论文扶贫论文绪论铷元素论文渔翁形象论文疫情消毒论文守护小论文考研看论文足浴粉论文论文样板图论文删字符疫情论文附录论文结构参考分析论文提纲婴儿教养论文说服类论文求电机论文正义观论文主观小论文科技影响论文写作材料论文刘海军论文思辨参会论文波斑鸠论文绥宁教育论文篮球论文标题严凰论文采矿教改论文燃气财务论文论文也可以邹小兵论文杨中卫论文女人花论文论文内容改写会假设论文论文括号对齐天价发表论文建筑论文投稿黄永春论文论文背后嘲讽论文标题细化玲珑枕论文生化材论文微短剧论文论文流程绪论论文修改前后论文哪些手法论文代替下载本科论文捷径地歌论文张玉论文钱翰论文途径隐喻论文写论文如何蒙永胜论文藏族论文致谢铷元素论文援非论文论文补丁照片干花的论文电器的论文怎样学好论文关于隋唐论文论文重要概念周文斌论文写完论文翻译心得性论文台湾现状论文杠铃论文设计被专访论文造像书法论文写论文谩骂动漫岗位论文论文审定费刘苗论文琵琶表演论文贵糖论文扶梯风险论文论文大班级论文流程绪论图搜索论文小南海论文周易大学论文论文署名方式窑的论文倪华安论文chatgpt看论文瓦板岩论文肝论文图片网络禁毒论文宁明花山论文论文学雨果主编和论文拒绝野论文论文讲诚信商务就业论文论文关键要素居游论文气功外气论文取绰号论文香港事实论文论文用wps开酒店论文论文组稿人邢天宇论文招聘效率论文项羽自刎论文长论文分节论性格论文琵琶指法论文糊树脂论文六G论文张雯论文有专门论文补益剂论文省级论文速读论文的综艺年级小论文医德重塑论文论文写作指标悬崖村论文颜色对比论文药学压片论文眼针疗法论文迎冬奥论文驱蚊药论文论文快速导航双拥小论文钴冶炼论文抗血栓论文窑的论文筋膜学论文卓王孙论文盲目审美论文论文发表礼物秦小建论文声纳课程论文镇农业论文果业论文动机论文题目曲阳鬼论文税法论文写作电子退税论文非典肺炎论文外电网论文论文上网了顾青论文论文去本论坛汇报论文沈博论文读论文总结周邓论文商弢论文悟空号论文魏知行论文新角度论文地铁测温论文论文二提益智力论文纠正错误论文志向论文素材论文什么理论就业升学论文奇怪的论文论文sp号考蓝带论文北医论文下载喹草酸论文查论文语法
报告分类
新质生产力
ChatGPT
新能源汽车
大模型
Sora
机器人
微短剧
芯片
薪酬
白皮书
低空经济
数据要素
创新药
人工智能
AI产业
信息科技
互联网
消费经济
汽车交通
电商零售
传媒娱乐
医药健康
投资金融
能源环境
地产建筑
传统产业
英文报告
其它
扫码登录
手机快捷登录
账号登录
