2018年，中国AI的投资和创业公司正持续增加。“人工智能+制造”的投融资案例也是不胜枚举：

成立一年多，将智能赋予工业机器人的梅卡曼德机器人已完成三轮融资；

致力于“赋予机器人柔性操作系统”的库柏特完成1.02亿元人民币的B 轮融资；

通过人工智能技术的嵌入实现人机协作的艾利特获5000万元A轮融资；

打造工业机器人视觉技术平台的阿丘科技完成800万美元A轮融资；

专注于机器手臂在装卸货环节中路径规划的蓝胖子机器人完成数千万美元A+轮融资……

除此之外，制造业巨头也在重磅押注人工智能。2月3日，富士康宣布在未来5年内，集团将在人工智能应用领域展开约合3.4亿美元的投资。

相比于富士康投身AI的“狂热”，一贯理性谨慎的日本制造企业也已按捺不住。

2月中旬，三菱电机展示了“使用AI的力度控制高速化技术”以及“高适应操控AI”两项适用于工业机器人的先进技术。

2月28日消息，日立、发那科和AI创业公司Preferred Networks总投资28.6万美元组建合资企业，开发集成人工智能和边缘计算技术的制造系统。

3月1日，安川成立了100%控股子公司AI Cube Inc.，首期投资额约合95.3万美元，致力于AI解决方案开发。

“AI”随处可见，已成为多人热衷的流行词。机器学习宗师级大牛 Michael I.Jordan则认为这一现象让他感到非常不安：“AI只不过是他们借此向 VC、企业、媒体以及大众兜售其自身的概念。至于真正的 AI，我们根本还没有实现。”

曾经，在追求性价比与实用性的工业领域，“人工智能只是智能制造舞台上的小配角”。如今，关于具体应用场景，业界人士普遍认为，人工智能将大幅提升工业机器人的工作效率。

截至目前，机器人行业发现了哪些人工智能位于工业应用场景的“新大陆”？人工智能技术与机器人技术结合的未来发展方向在何处？

 人工智能+传统工业机器人=智能机器人

传统的工业机器人是机械设计与制造技术、自动控制技术以及计算机软硬件技术的高度融合。

人工智能是数据和算法的集合，计算能力(芯片)不断跃升是人工智能得以广泛应用的基础。目前人工智能仍处于弱人工智能的阶段，形成突破的领域仍比较局限。

人工智能技术和机器人技术相结合，实现既具备机器人的肢体又具备类人智慧的机器人是人工智能和机器人技术发展的终极目标。智能机器人是人工智能技术和传统工业机器人技术融合发展的结果。

Geek+ CEO郑勇表示，如果把人工智能定义到“深度学习”的程度，那目前几乎没有落地应用。他认为目前的人工智能可以定义为“相对复杂的算法带来的自主能力”。

专注机器人智能物流领域的Geek+，通过人工智能和机器人技术赋能物流仓储行业，通过智能拣选、搬运、分拣等仓储物流环节的优化，高度柔性的人机交互，来实现提高仓库效率，降低人工成本及人工劳动强度的目的。

库柏特CEO李淼指出，“分拣、打磨、装配、检测”为人工智能与机器人落地应用最为迫切和广泛的四大领域。

由此，库柏特自主研发的系统通过核心学习算法以及专用控制软件可应用于上下料的无序分拣、手机或者航空叶片的力控打磨、智能示教、智能贴标以及零件装配等场景。

“AI时代，工业机器人将被新的核心技术定义，包括深度学习、路径规划、任务级编程、柔性控制等。”梅卡曼德CEO邵天兰说道。

在他看来，混杂物体分拣是目前需求最明显、应用最直接的部分，很多公司都能展示一定程度的demo，但是真正能大规模使用的产品还没出现。

除此之外，还有个结合点为“操作规划”，即人只需要指定好多个工件的安装要求，机器人就可自行计算出抓取和安装的方案，节省大量编程时间。

在标准场景中，工业机器人生产的产品批量较大，有大量的重复性工作，需要高频次的轨迹优化，比如机床加工、零件安装等应用。此时可以通过小样本监督学习，让机器人拥有自适应、进化功能。

而此前，艾利特展示了“机器人叠衣服”的demo，展示了机器人轨迹优化不仅仅可以针对刚性物体，还能应对衣服这类柔性体。

艾利特的机器人叠衣服系统通过深度强化学习算法和深度视觉传感器精准定位衣物叠取点，自动寻优最佳运动轨迹，实现叠取效果。该系统还使用了仿真环境快速建模和迁移学习方法，加快学习速度、降低数据采集成本，最终将仿真结果映射到真实机器人操作中。

除了上述以提升工业机器人效率为攻坚重点的应用外，机器视觉作为人工智能的一个分支既是机遇也是挑战。

在智能制造过程中，机器视觉主要用计算机来模拟人的视觉功能，也就是把客观事物的图像信息提取、处理并理解，最终用于实际检测、测量和控制。

易视智瞳CEO黄卜夫认为，机器视觉瑕疵检测是人工智能的一大“练兵场”。

易视智瞳高精度视觉点胶系统集成了点胶工艺的视觉感知、运动控制和点胶执行等功能，可方便地与各种执行机构整合，一步形成终端点胶机产品，满足各种产线点胶的需求，通过深度学习还可由单机智能向多机互联协同演变。

此外，设备故障监测与预警也是人工智能在工业场景的一大落地应用，这类方案可监管工厂厂房每一台机器人，并预测机器人的异常状况，在机器人出现问题前加派技术人员进行维修作业。

如果有机器人发生故障，这类方案也能让相邻的机器人自动承担其生产线上的任务，以避免或减少设备停产损失。

万变不离其宗，人工智能在制造业的应用场景大多与上述类似或相关。业内人士一致认为，人工智能技术与机器人技术的结合将改变传统的机器人行业格局，就像智能手机对传统手机的颠覆一样。

 插上人工智能的翅膀，国产机器人能否弯道超车？

一谈到工业机器人，大家必然会提到ABB、库卡、发那科、安川。业内人士分析，寡头垄断产生的条件是：

第一，市场空间的扩大速度不足以容纳更多的同类厂商进入，少数大公司的产能已经基本满足所有客户的总需求；

第二，技术非常成熟，难以产生颠覆性的新技术，处于追赶位置的公司难以通过技术突破实现“弯道超车”。

对于国产机器人来说，对于国际巨头一直处于追赶的状态，在这样的市场格局之下，国产机器人开始选择从细分领域进入，试图通过“一技之长”在局部战场取得胜利。

 中国要改变追赶的局面，主要有两大超越机会：

 其一，中国是巨大的机器人应用增量市场。

数据统计，在3C领域，中国的手机年产量超20亿部，电视、冰箱、空调等产量均稳居世界第一；在物流和电商领域，每年的快递包裹数量超过4百亿，也就是人均达30件，稳居世界第一；在食品化工领域，化肥产量稳居世界第一。巨量的实际产业需求为人工智能的落地提供了庞大的练兵场。

 其二，中国的人才、技术处于第一梯队。

与机器人本体技术相比，中国在人工智能领域相对领先，具体体现为在AI领域发表的论文数量和质量都在世界前二；对深度学习的基础设施做出了重要贡献；知名研究院、高校在世界上属于第一梯队；在各类AI竞赛上刷榜等。

在具体实践上，随着国产机器人性价比的提升，工业界对国产机器人认可度的提高，机器人企业针对具体行业或应用场景的实际需求，创造性的应用人工智能技术和机器人技术，提出解决方案并实现相应的产品，空间巨大，这也是创业创新的重点方向。

 然而，“弯道超车”的道路必然不会是一马平川。

邵天兰指出，要真正迈向AI+机器人新时代，中国机器人仍然面临挑战，如在轨迹规划、柔顺控制等方向上积累较浅；需要与互联网、自动驾驶、人脸识别等领域争夺超一流人才。除此之外，各方面的长期投入需要很大的决心和能力。

类似的，蓝胖子机器人CEO邓小白给行业打了“预防针”：概念和故事很容易讲，事情却不容易做，能实现的是理想，不能实现的是梦想。他认为，在硬件上，工艺需要时间累积；软件上，机器人软件方面的研发和教育远远落后于欧美。

“中国有市场有希望，但任重道远。无论是机器人还是人工智能，都需要踏实落地细分市场的应用，再横向扩展。”邓小白说道。

风口上的“人工智能+制造”，究竟是真实的繁荣还是泡沫破裂前的狂欢？对于这一问题的回答大概是，能成功落地的人工智能将产生巨大价值；而狭义的单凭AI算法或技术的“空中楼阁”将无法适应于行业态势，很快将看到泡沫的破灭。

本文来自：高工机器人网