专栏名称: 人工智能学派
人工智能学派专注于分享:GPT、AIGC、AI大模型、AI算力、机器人、虚拟人、元宇宙等AI+160个细分行业!
目录
相关文章推荐
考研斯基师兄  ·  17校公布:报名不合格名单! ·  昨天  
考研斯基师兄  ·  17校公布:报名不合格名单! ·  昨天  
四川大学研招办  ·  【重要转发】2025研招统考正式报名今日开始 ... ·  2 天前  
四川大学研招办  ·  【重要转发】2025研招统考正式报名今日开始 ... ·  2 天前  
考研斯基师兄  ·  考研英语|真题阅读难易表00-24 ·  6 天前  
考研斯基师兄  ·  考研英语|真题阅读难易表00-24 ·  6 天前  
51好读  ›  专栏  ›  人工智能学派

人形机器人行业专题报告:发展意义重大,市场规模几何(附下载)

人工智能学派  · 公众号  ·  · 2023-12-08 18:42

正文

需要下载报告的朋友,可以扫下方二维码付费成为会员,6000+份完整版资料,随意下载,不受限制,资料涵盖AI、机器人、元宇宙、数字人、智能硬件、智能制造等。星球针对各行业做了合集系列,合集系列保持更新。(客服微信:kjxp002)

(公众号资源有限,仅能展示部分少数报告,加入星球获取海量精选)

就是你需要什么,我们就分享什么,群主1V1贴心服务!

今天分享的人形机器人系列深度研究报告:《人形机器人行业专题报告:发展意义重大,市场规模几何》。

(报告出品方:Google DeepMind)

报告共计:68页

1. 发展人形机器人意义重大

1.1 基本背景:快速迭代,市场化可期

人形机器人(Humanoid Robot)是机器人的重要分支,其特点是类似于人类外型的特 征,例如有头部、躯干和手脚,但不一定有头发、五官、牙齿等细微特征。其概念需要 区别于人型机器人(Android),后者又被称为仿生人,是一种旨在模仿人类外观和行为 的机器人,尤其是指具有和人类相似肌体的种类。现阶段人型机器人的概念主要停留在 科学幻想领域,常见于电影、电视、漫画、小说等。机器人学领域已经可以设计出功能化、拟真化的人形机器人。

人形机器人技术起步于 1960 年代后期,以日本的研究成果最为显著。根据产品运动和 交互功能成熟度,其发展历程可大致分为四个阶段:

⚫ 早期发展阶段(2000 年以前):1973 年早稻田大学研发出的世界第一款人形机器人 WABOT-1 的 WL-5 号两足步行机。1986 年,日本本田开始进行人形机器人 ASIMO 的研究,并成功于 2000 年发布第一代机型。本田第一代 ASIMO 可以实现无线遥感, 产品形态足够小型化和轻量化,但运动平衡性较差、智能化程度较低。

⚫ 高度集成发展阶段(2000-2015):这一阶段参与企业逐渐增加,他们主要攻克特定 场景下的人形机器人,例如 2003 年日本丰田发布的“音乐伙伴机器人”,其可以实 现吹喇叭、拉小提琴等乐器演奏功能;日本本田推出的第三代 ASIMO,其利用传感 器避开障碍物等自动判断并行动的能力,还能用五根手指做手语,或将水壶里的水 倒入纸杯。

⚫ 高动态运动发展阶段(2015 年至今):这一阶段运动能力明显提升,例如 2016 年 美国波士顿动力公司发布的双足机器人 Altas 具有较强的平衡性和越障碍能力,能 够承担危险环境搜救任务。优必选发布的 Walker X 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。但是目前人形机器人仍难实现运动和交互功能的 融合,产品实用性较差、成本较高。

⚫ 高度智能化发展阶段(2025 年左右至今后):特斯拉有望在 2025 年前后落地一款兼具高动态运动性能和高度智能化的人形机器人 Optimus,并且有望小批量应用于 汽车工厂。若这一目标能够实现,有望较大程度推动人形机器人智能化进程。

1.2 需求视角:最具市场潜力的机器人

外观形态接近人类,更易被人类接受。援引中国科学院深圳先进院创新发展处处长、深圳市机器人协会秘书长毕亚雷的观点,目前我们所处的物理世界,都是按照人的尺寸大小设计。而人形机器人的外观形态是最接近人的一类机器人,根据恐怖谷理论,随着机器人逐步“人形化”,人类社会对其接受度有望逐步提升。

机能和思维接近人类,更易成为人类社会活动的重要参与者。近似于人的机体和动能设 计,意味着人形机器人能够像人一样行动,完成人在制造业、农业、服务业中从事的各 种重复、繁琐工作。AI 技术赋能下人形机器人可能具备自主学习能力,能够像人一样思考,完成与人一定程度上的沟通交流、情感陪伴。目前最新研究成果显示人形机器人可 以通过人造肌肉来模拟人类工作,这意味着人形机器人机能设计有望进一步拟人化。

思维能力上,ChatGPT 的应用虽然目前还不能提供复杂情景下的人机互动与情感交流, 但已经能使人形机器人熟练地完成与人对话、根据指令写作和绘画等功能。未来随着机 能和思维的进一步拟人化发展,人形机器人将有望具备更多功能,更易协助、分担甚至替代完成人的工作,形成对劳动力的有效补充,为社会生产效率提升与价值创造做出更多贡献。

1.3 供给视角:庞大产业链蕴含广阔机遇

集成度高,涉及多种前沿技术。人形机器人集机械、电子、材料、计算机、传感器、控 制技术等多门学科于一体,其技术发展依赖于人工智能、高端制造、新材料等多种前沿 技术的发展。根据《人形机器人创新发展指导意见》观点,人形机器人有望成为继计算 机、智能手机、新能源车后的颠覆性产品,世界各国都不惜投入巨资进行开发研究。

具体来说,人形机器人可以分为 3 大部分 6 个子系统。3 大部分是机械部分、传感部分 和控制部分;6 个子系统是驱动系统、机械结构系统、感受系统、机器人-环境交互系统、 人机交互系统和控制系统。

⚫ 控制系统:是人形机器人的“大脑和神经中枢”,主要包括系统软件和应用软件, 控制机器人的自由度、精度、工作范围、速度、承载能力;

⚫ 驱动系统:又称伺服系统,是一种以机械位置或角度作为控制对象的自动控制系统;

⚫ 机械结构系统:是人形机器人系统基础,包含主要传动系统;

⚫ 感知系统:由内部传感器和外部传感器组成,用以获取内部和外部环境状态中有意义的信息;

⚫ 人机交互系统:操作人员参与人形机器人控制并与人形机器人进行联系的装置;

⚫ 机器人-环境交互系统:人形机器人与外部环境相互联系和协调的系统。

产业链庞大,吸引众多资本入局加快产业发展。参考其他机器人,人形机器人产业链可 分为上游零部件和软件系统开发、中游本体制造、下游系统集成和销售。

⚫ 上游:硬件方面,减速器、伺服电机、控制器、传感器是人形机器人四大核心零部 件,相关技术发展水平较大程度影响人形机器人的机械性能。软件方面,软件系统 开发依赖于仿真软件,其专利壁垒高,技术发展对数据积累要求高,目前国外机器 人“四大家族”均有自己私域运营的仿真软件。

⚫ 中游:本体制造商具有较强的总成能力,根据下游集成商需求完成零部件集成。

⚫ 下游:系统集成商一般主导人形机器人技术框架设计,并完成渠道铺设和售后服务等工作。

庞大产业链使得众多领域的大量企业可以参与其中,为资本市场带来广阔投资机遇,也 为各类相关企业带来更多资金支持助力发展。根据价值量看,电机、减速器、力传感器、 丝杠等零部件单品价值量较高且用量大,这类参与者有望率先受益。部分企业凭借技术 和生产协同优势,尝试整合机械传动系统零部件,以旋转、线性执行器等产品参与其中, 有望获取更高的增加值,也可能成为产业链发展的一大趋势。此外人形机器人 SoC 芯片 相当于人的“大脑”,虽用量小但技术难度大,目前该领域被微软、英伟达等企业垄断。

产业良性发展循环逐步建立,商业化发展指日可待。在政策、科研、资本等多方力量推 动下,人形机器人研发和生产基本建立以系统集成商为核心、总成为第一供应商、核心 零部件为第二供应商的产业链分工,产业链横纵向合作逐步加强。

部分产品已量产,产业化发展可期。目前人形机器人软硬件技术研发均取得显著成果, 硬件发展稍快于软件,优必选、Agility Robotics 等企业已实现小批量应用。大部分已发 布的产品聚焦于机械结构上的“仿人形”,这类产品具备比较优异的运动性能。例如波士 顿动力公司机器人运动速度可达 9 千米/小时;Agility Robotics 公司机器人能够小批量应 用于亚马逊仓库,完成物流派送工作。Engineered Arts 聚焦于外观形态和沟通交流能力 上的“仿人形”,其 2022 年推出的 Ameca 机器人脸部神态与人相似度较高,并且能够 一边与人类工程师自如地交谈,一边在白板上画出一只猫并在右下角签名。

人形机器人有望率先在制造业落地。根据技术发展水平以及主要企业战略规划,我们认 为短期内人形机器人有望先在制造业普及,随后拓展至家用、公共领域。

⚫ 特斯拉:计划先在工厂自产自用,再拓展至通用服务机器人。在 2022 年特斯拉 AI Day,马斯克表示,首批量产的 Optimus 将应用在特斯拉工厂做移动搬运、零部件 装配等工业级操作,随后可能会让其全程接管汽车生产领域,实现真正无人生产, 再之后可能扩展至家庭等更复杂环境中,成为通用服务机器人。

⚫ 优必选:中短期内完善制造业场景布局。根据财联社获取信息,优必选在制造业场 景中的规模分为三阶段:1)2023-2024 年:以新能源汽车制造场景作为人形机器 人在工业场景的切入点,实现人形机器人在搬运、涂料等工业场景中的测试;2) 2025-2027 年:逐步拓展至中等难度任务,重点打造 3-5 个专用场景下的应用,逐 渐实现规模商业化,横向拓展至消费电子制造业等其它行业及应用场景;3) 2028-2033 年:将进一步拓展到较为复杂的任务场景,具备超过 10+种技能,成为 多任务通用型工业人形机器人。

⚫ 小米:积极推进人形机器人在自有制造系统中落地,产业布局将分为三阶段:1) 短期将扎根某一个场景,实现多个功能做产品技术的验证,进行原型机的开发;2) 中期将融入小米制造、智能制造多个场景来做产业验证,进行规模化的验证,实现仿人机器人在制造场景当中的数据积累和模型迭代;3)长期拓展至 3C 和汽车制造 场景之外更多场景中的应用和价值实现,形成 7:2:1 的“黄金法则”,即在未来的智 能制造体系中,70%的工作由自动化设备完成,20%由仿人机器人完成,剩下的 10% 由人类完成。

1.4 国家视角:战略意义非凡,鼓励扶持政策不断

做大做强人形机睾人产业链,对推动我国经济高质量可持续发展具有长期重要意义。人形机器人集成各个领域的先进技术,有望成为继新能源汽车后又一个划时代的产品。构建和培育完整产业链有助于提升我国综合实力,在全球相关领域竞争中取得和保持优势.带动多学科技术进步,引领制造业与服务业高质量发展,造福社会。

⚫ 一方面,我国人形机器人等中高端制造产业发展存在核心零部件自主化率低、配套服务滞后、对系统集成工艺理解不透等通病。以人形机器人发展为契机,我国若能 攻克多项关键技术、扶持一批有国际影响力的生态型企业、打造多个产业发展集聚 区,有望开拓高端制造新模式、新业态,提升我国科技和制造综合实力。

⚫ 另一方面,人形机器人具备高容错率、高负荷等优势,在重复机械劳动和高危工作 环境下能够对人力形成有效替代。通过解放人力、优化社会劳动分工,有望缓解我 国长期面临的人口老龄化问题,提升社会整体产出效率、质量、福利保障,增强国家的综合竞争力。

2. 人形机器人市场规模测算

2.1 基础框架

(一) 做定量分析的意义

⚫ 定量测算能够更直接展示人形机器人未来的潜在应用场景、市场规模、增长曲线等, 更好地结合定性分析评估人形机器人的发展潜力;

⚫ 通过对测算假设的构建与不同情境下测算结果的分析,可以帮助我们更深入探讨人形机器人产业发展趋势、核心推动因素、行业发展不同阶段等内容;

⚫ 通过不同情景分析,研究行业不同发展状态下未来可能形成的差异原因与差异大小;

⚫ 为投资者跟踪行业发展变化、研判不同事件影响提供量化视角。

(二) 分类标准

参考国际标准组织对机器人的分类方法,我们根据应用场景分类,分别从制造业、家庭 服务、公共服务三个方面进行测算。

⚫ 制造业:基于对人形机器人技术发展趋势的判断,我们认为其功能性比交互性更容 易实现,故有望率先在制造业落地,用于弥补劳动力缺口或替代部分劳动力。

⚫ 家庭服务:随着产品性能优化、交互性增强、成本下探,消费者根据自身家庭需要, 可能会选择性购买人形机器人,发挥家庭管家、养老看护、情感陪伴等职能。

⚫ 公共服务:服务人员需要在非标环境中具备较强的应变能力,给予较制造业更多、 更复杂的情绪价值。人形机器人早期阶段可能较难具备这些能力去大规模实现对现 有劳动力的有效补充或替代。包括人形机器人在内的各类服务机器人未来在众多服 务业场景中有着广泛的应用潜力,但考虑到产品的发展现状和我们预测的时间范围, 出于审慎性,本文暂且不做服务业的销量与市场规模预测。

2.2 制造业:有望率先普及,拉动行业规模化发展

(一) 前提假设

⚫ 人形机器人在制造业中普及的经济性、劳动力缺口程度是影响制造业普及的重要因 素;其需求优先来自于对劳动力缺口的补充,逐渐过渡到对现有劳动力的替代。

⚫ 人形机器人早期普及可能率先发生于部分发达国家、新兴发展中国家。本文中仅测 算美国、中国、日本、韩国、英国、欧盟 27 国等国家和地区的市场规模,加总得 到发展初期的全球市场规模。

⚫ 根据收入成本分析,得到理性厂商购置人形机器人开始出现经济效益的均衡时点; 报告中只讨论经济性,不涉及社会综合成本等其他因素。

⚫ 模型中的人形机器人成本中只计算了一次性支出的购置成本,未考虑租赁模式,不 包含开机成本、日常运维成本、能源成本等。

⚫ 预测时间段为 2024-2035 年,预计的初始应用时间为 2024 年。

(二) 人形机器人售价和成本假设

⚫ 假设早期阶段全球人形机器人市场自由流通,各个国家和地区人形机器人售价相同, 下文所述成本是以购置厂商视角为标准。

⚫ 人形机器人的售价/成本预测中,不考虑通货膨胀、汇率变动等因素。

⚫ 参考工业机器人、新能源车售价,假设保守/乐观假设初始成本为 25 万/5 万美元;

⚫ 参考新能源车早期阶段售价变化,我们假设 2025-2030 年保守/乐观假设成本年平 均降幅为-20%/-15%,2030-2035 年保守/乐观假设成本年平均降幅为-10%/-15%。

(三) 收入成本分析假设:不同国家劳动力成本不同

⚫ 假设人形机器人理论产出价值不受使用场景影响,其单位时间生产效率与工人相同。本模型选用各国和地区制造业平均时薪与机器人年工作时长乘积近似衡量人形机 器人年产出价值。

⚫ 假设随着人形机器人性能提升,有效工作时长线性增长。悲观/保守/中性/乐观假设下全年工作时长分别为 2000/2400/5000/6000 小时。

⚫ 基于对历史数据的拟合分析,假设各国和地区制造业平均时薪增速与当期通货膨胀率相同。

⚫ 货币单位统一为美元,假设各国和地区汇率为常量,数据选用 2012-2022 年平均汇率。

时薪和工时是经济性的重要影响因素。根据我们的分析,本国和地区制造业工人平均时 薪和年工作时长与人形机器人经济性呈正相关。其他条件一定时,本国制造业工人时薪越高、工时越长,人形机器人实际产出价值越高,补充/替代劳动力的经济潜力越大。在各国人形机器人售价和成本相同的前提假设下,人形机器人实际产出价值越高的国家和 地区,其投资回报期越短。这意味着相关国家推广普及人形机器人的时间可能更早。

(四) 销量预测假设:优先补充劳动力缺口

⚫ 假设理性厂商只有在人形机器人经济性高于工人时,才会主动选择采购。根据我们 测算显示,美国、日本等国家和地区在悲观/保守/中性/乐观假设下主动采购意愿发 生在 2031/2030/2027/2027 年及以后;中国在悲观假设下没有主动采购意愿,在保 守/中性/乐观假设下主动采购意愿发生在 2031/2028/2027 年以后。

⚫ 假设人形机器人率先用于弥补劳动力缺口;在产品质量性能足够优秀、政策鼓励扶 持和部分企业自身需求条件下,可能存在替代部分劳动力情形。

⚫ 存在劳动力缺口的国家和地区,如美国、日本、英国、欧盟等,在悲观假设下人形 机器人只用于弥补劳动力缺口;保守假设下人形机器人只弥补劳动力缺口,但速度 比悲观假设时更快;中性假设下人形机器人不仅弥补劳动力缺口,还会替代部分劳 动力;乐观假设下人形机器人不仅弥补劳动力缺口,还会替代部分劳动力,但速度 比中性假设时更快。

2.3 家庭服务:起步期规模可能小于制造业

(一) 前提假设

⚫ 符合可选消费品普及一般规律。我们认为在家庭服务场景中,人形机器人的应用将 逐渐解放人类双手,辅助甚至代替人类完成日常家庭护理、看护陪伴、教育等工作, 最终扮演家庭管家的角色。人形机器人早期阶段的在 C 端的普及符合可选消费品的 一般规律,即产品功能越全面、消费者认知度越高、价格越低,销量越高。

⚫ 参考比较部分产品的发展过程与期间规律。人形机器人产品特性与汽车/新能源车、 手机、电脑等相似度高,市场发展与产品技术迭代关联度高,都存在或可能存在革 命性产品推动大规模市场普及的历史事实/潜在可能。

(二) 销量预测假设

⚫ 悲观假设:受限于功能、成本、可行性,人形机器人无法完成日常家庭任务,难以 实现大规模普及;参考 pepper 的出货量,预计数年后将退出市场。

⚫ 保守假设:人形机器人可以完成日常家庭任务,产品售价降至中产及以上家庭可负 担水平。2025-2030 年成长曲线可以参考早期汽车、电脑等品类在中国市场的成长 曲线,2030 年以后随着产品和技术进入平台期,销量阶段性趋于稳定。

⚫ 中性假设:人形机器人性能和价格较保守假设具有更强竞争力,2025-2030 年成长 曲线可以参考早期冰箱、洗衣机等品类在中国市场的成长曲线;2030-2035 年随着 市场热度渐褪、产品技术迭代进入平台,销量趋于稳定;2035-2040 年技术发展迎 来拐点,出现类似于智能手机的划时代产品,迎来新一轮爆发;这一阶段可以参考 早期全球手机市场成长曲线。

⚫ 乐观假设:人形机器人各方面近似于人,产品售价快速降至普通家庭可负担水平, 2025-2030 年成长曲线快于中性假设;2030-2035 年技术发展迎来拐点,出现类似 于智能手机的划时代产品,迎来新一轮爆发;这一阶段可以参考早期全球手机市场成长曲线。

报告共计:68页

本报告已上传到AI行业资源库扫描下方二维码加入后,直接下载随时查看、随意下载

一句话:尽一切可能为您提供您所需要的资料!

我们的服务优势


我们最核心的服务就是根据您的需求而提供您所需将需求告诉我,然后我搜集,筛选,提供给到您。除睡觉时间外,全力以赴解决您所需。(节省你的时间,时间是宝贵的)

群主微信

海量+专业+深度



我们最核心的服务:就是你需要什么,我们就分享什么,群主1V1贴心服务!

免责声明:我们尊重版权,本公众号“人工智能学派“均属于通过公开、付费、合法渠道获得,不用于商业用途,报告版权归原撰写/发布机所有。公众号及社群所发布的资料,仅供社群内部成员市场研究以及讨论和交流,若有异议,如涉侵权,请及时联系我们,我们依相关法律对内容进行删除或作相应处理!

“阅读原文”学习更多AI行业