《中國信通院&蘇州市機器人產業協會：2025“機器人+人工智能”工業應用研究報告（37頁）.pdf》由會員分享，可在線閱讀，更多相關《中國信通院&蘇州市機器人產業協會：2025“機器人+人工智能”工業應用研究報告（37頁）.pdf（37頁珍藏版）》請在三個皮匠報告上搜索。

1、前言前言隨著數字經濟的蓬勃興起，AI 技術正加速從虛擬空間向實體經濟領域拓展，機器人作為 AI 技術的理想載體，憑借其高度的靈活性和強大的適應性，正在迅速發展并廣泛應用于各個行業，成為推動產業升級和變革的重要力量。工業領域自動化基礎良好、環境結構化程度高且市場需求大，成為近期“機器人+人工智能”應用落地的首要方向。憑借其在提高生產效率、降低人力成本、提升產品質量等方面的顯著優勢，“機器人+人工智能”正在汽車制造、電子信息、金屬材料等關鍵行業加速落地，展現出廣闊的應用前景。本報告中的“機器人+人工智能”指的是建模優化、機器視覺、語音交互、機器學習、深度學習等人工智能技術應用于機器人上的智能體。其

2、工業應用包括兩個層次，一是嵌入各類智能軟硬件的機器人產品在生產操作、物流配送等典型工業場景中的應用，二是智能化的工業控制平臺通過集成人工智能技術與工業機器人等設備，在產線優化和試驗驗證等群體智能場景中的應用。本報告分為研究背景、技術趨勢分析、應用現狀分析和前景展望四個部分。首先，從技術突破、大國競爭和市場前景三個角度，分析“機器人+人工智能”工業應用的發展背景；其次，從技術趨勢的角度，回顧人工智能與機器人融合的三大技術方向，分析在人工智能大模型推動下，以人形機器人為代表的具身智能技術的前沿進展；接著，從應用場景的角度，通過全球 88 個案例分析“機器人+人工智能”在典型場景、行業中應用情況；最

3、后，從技術、產品和應用三個方面，展望“機器人+人工智能”在工業場景中的應用前景。牽頭編寫單位：牽頭編寫單位：信通院（江蘇）科技創新研究院有限公司參與編寫單位：參與編寫單位：蘇州市機器人產業協會蘇州拓斯達智能裝備有限公司蘇州鈞舵機器人有限公司蘇州靈猴機器人有限公司博眾精工科技股份有限公司蘇州艾吉威機器人有限公司捷螺智能設備（蘇州）有限公司珞石（北京）機器人有限公司蘇州市大族激光科技有限公司追覓科技（蘇州）有限公司樂聚（蘇州）機器人技術有限公司中國信通院江蘇研究院公眾號蘇州市機器人產業協會公眾號目 錄一、研究背景.1目 錄一、研究背景.1（一）大模型正在加速通用機器人的全面爆發.1（二）“機器人+

4、人工智能”是新一輪大國競爭的關鍵.2（三）工業領域將成為短期內智能機器人應用落地的主戰場.2二、全球“機器人+人工智能”技術趨勢分析.3二、全球“機器人+人工智能”技術趨勢分析.3（一）工業領域的機器人正在從中等智能走向高度智能.3（二）三大融合方向及其組合推動智能機器人產品涌現.5（三）具身智能尤其是人形機器人前沿研究持續火熱.8三、“機器人+人工智能”在工業領域的應用.10三、“機器人+人工智能”在工業領域的應用.10（一）應用場景：從生產操作向其他高附加值場景拓展.101、生產操作：從操作精度提升到自適應學習.112、物流配送：“識別+導航”模型組合適用于封閉生產場景.123、質量管理：

5、機器視覺檢測大量取代人工檢測.124、安全管理：在部分重化工業存在一定需求.135、試驗驗證和產線優化：僅在部分龍頭企業開展探索.13（二）應用行業：重點用于汽車、電子、金屬三大行業.141、汽車：關注精細生產、高效物流和外觀檢測.152、半導體：重點在質量管理和柔性操作.183、鋼鐵：聚焦質量管理和安全管理.20四、“機器人+人工智能”工業應用展望.22四、“機器人+人工智能”工業應用展望.22（一）具身智能機器人將進一步變革工業生產形態.22（二）工業人形機器人規?；瘧萌孕杞洑v長期技術迭代.22（三）行業應用將從汽車電子向其他制造業領域滲透.23附：蘇州市“機器人+人工智能”工業應用案例

6、.24附：蘇州市“機器人+人工智能”工業應用案例.24（一）智能產品案例.241、拓斯達新一代 X5 機器人控制平臺.242、鈞舵高穩定性的 LRA 系列直線旋轉執行器.243、靈猴螺紋完整性檢測機器人.254、博眾精工 MasterpieceAI 系統.255、艾吉威全球首臺 AI 語音交互 AGV 小千斤.26（二）行業應用案例.281、捷螺在半導體關燈工廠中的應用.282、珞石機器人在消費電子行業的應用.293、追覓配送機器人在裝備制造行業的應用.304、大族檢測機器人在航空和汽車零部件行業的應用.315、樂聚人形機器人在電纜行業的應用.321一、研究背景（一）大模型正在加速通用機器人的

7、全面爆發隨著人工智能向物理世界的滲透，大模型正在推動機器人向通用化方向發展。一、研究背景（一）大模型正在加速通用機器人的全面爆發隨著人工智能向物理世界的滲透，大模型正在推動機器人向通用化方向發展。當前，人工智能正在由虛入實，國際數據公司（IDC）發布的最新數據顯示，2023 年，中國的“機器流程自動化（RPA）+AI”解決方案市場規模已達 24.7 億元人民幣，同比增長 15.9%，預計到2026 年，這一市場規模將突破 70 億元大關。與此同時，2024 年，諾貝爾物理學獎頒給了 John J.Hopfield 和 Geoffrey E.Hinton，以表彰利用人工神經網絡進行機器學習的基礎

8、發現和發明。對于機器人產業來說，物理智能將使機器人能夠理解 3D 世界的空間關系和物理行為，賦予機器人更強的環境感知、理解和交互能力，實現更廣泛的功能應用，如宇樹科技的機器人實現了原地側空翻、復雜舞蹈動作、平衡木行走、靈巧手操作等復雜功能。硬件和軟件的深度協同推動了算力效能的提升，為機器人的大規模應用提供了算力支持。硬件和軟件的深度協同推動了算力效能的提升，為機器人的大規模應用提供了算力支持。2024 年，全球 AI 大模型的參數量和數據量持續增長，特別是像 Sora、GPT-4o、Gemini 等多模態大模型的出現，進一步推動了算力需求的激增。當前，軟硬件協同的方法正在不斷提升大規模智算訓練

9、效率。在硬件方面，高性能 GPU、專用 AI 芯片、高速互聯網絡、大容量高速存儲等技術，實現了大規模的算力供給，為處理復雜、不規則的計算任務（如自然語言處理的長序列數據、計算機視覺的多尺度圖像特征）創造了條件；在軟件方面，分布式訓練框架、預訓練大模型、多模態數據處理等技術也通過精細化算力管理提升了大模型的訓練和推理速度，為機器人的大規模應用提供了基礎支撐。2（二）“機器人+人工智能”是新一輪大國競爭的關鍵全球各國紛紛出臺相關政策，搶灘布局“機器人+人工智能”產業。（二）“機器人+人工智能”是新一輪大國競爭的關鍵全球各國紛紛出臺相關政策，搶灘布局“機器人+人工智能”產業。美國、歐盟國家、日本、韓

10、國等國家和地區都在積極制定國家層面的“機器人+人工智能”戰略。2024 年 2 月以來，歐盟啟動新一輪“地平線”計劃，持續加大對人工智能和機器人技術的投資：2024年 4 月，美國發布第五版 美國機器人路線圖：機器人讓明天更美好，提出在制造業回流、即時經濟、老齡化社會、住房和基礎設施等七方面的重點發展智能機器人；2024 年，日本繼續推進社會 5.0 行動計劃，強調利用人工智能和機器人技術推動經濟增長和社會發展，特別是在醫療、交通、工業等領域；2024 年，韓國公布了人工智能國家戰略（2024-2025），重點投資人工智能研發，推動人工智能在醫療、交通、教育等領域的廣泛應用。機器人與人工智能的

11、結合在國家政策層面被提出。機器人與人工智能的結合在國家政策層面被提出。自 2016 年起，中國密集出臺關于機器人和人工智能的政策，2023 年以來，國家層面開始強調二者融合發展。2023 年 1 月，工信部等十七部門發布 “機器人+”應用行動實施方案，提出發展基于工業機器人的智能制造系統，助力制造業數字化轉型、智能化變革。2024 年 6 月 24 日，國家發展改革委印發 關于打造消費新場景培育消費新增長點的措施，提到要拓展智能機器人在清潔、娛樂休閑、養老助殘護理、教育培訓等方面功能，探索開發基于人工智能大模型的人形機器人。（三）工業領域將成為短期內智能機器人應用落地的主戰場自動化水平高、結構

12、化、封閉式的工業場景是當前技術條件下智能機器人最大的應用市場。（三）工業領域將成為短期內智能機器人應用落地的主戰場自動化水平高、結構化、封閉式的工業場景是當前技術條件下智能機器人最大的應用市場。工業環境相對標準化，生產流程固定，對機器人的自主性和泛化性要求較低，部分領域如汽車、電子信息等已3經率先實現了工業機器人的規?；瘧?。根據國際機器人聯合會（IFR）在 2024 年 10 月發布的2024 年世界機器人報告，2023 年全球工廠中運行的工業機器人數量超過 428 萬臺，同比增加了 10，創下歷史新高。隨著市場競爭的加劇和人工智能技術的賦能，工業機器人性能不斷提升、成本持續降低，正在從高新

13、技術制造業延伸到傳統制造業，為越來越多的企業帶來可觀的效益。中國工業機器人市場和產量占據絕對優勢，算法將成為新一輪市場競爭的關鍵。中國工業機器人市場和產量占據絕對優勢，算法將成為新一輪市場競爭的關鍵。中國具有門類齊全、規模龐大的工業體系，工業增加值連續多年位居全球第一，2023 年工業增加值達到 5.97 萬億美元，且是全世界唯一擁有聯合國產業分類中全部工業門類的國家。根據國際機器人聯合會（IFR）的數據,2023 年，中國市場以 175.5 萬臺的龐大體量，穩穩占據全球工業機器人四成多的份額。其中，本土工業機器人制造商強勢崛起，市場份額飆升到 47%。然而，本土機器人產品高端化水平不足，在汽

14、車為代表的高技術制造業市場份額偏低，在核心零部件和算法方面與機器人“四大家族”存在一定差距，產品的穩定性、精確度、響應速度和易用性方面有待進一步提升。隨著國產替代進程加速，當前機器人核心零部件在多個關鍵領域已取得突破，如減速器、伺服電機、傳感器等，未來，機器人行業的差異化競爭將更多聚焦于軟件。二、全球“機器人+人工智能”技術趨勢分析（一）工業領域的機器人正在從中等智能走向高度智能機器人智能化的發展呈現出五個明顯的階段，每個階段都標志著人工智能技術的進步和機器人應用的擴展（圖 1）。二、全球“機器人+人工智能”技術趨勢分析（一）工業領域的機器人正在從中等智能走向高度智能機器人智能化的發展呈現出五

15、個明顯的階段，每個階段都標志著人工智能技術的進步和機器人應用的擴展（圖 1）。第一階段是無智4能階段，機器人只能執行簡單的預設任務，缺乏自主性和適應性；第二階段是基礎智能階段，機器人開始具備基本的感知能力，能夠對外界環境做出簡單的反應；第三階段是中等智能階段，機器人能夠進行更復雜的感知和處理任務，如圖像識別和語音識別；第四階段是高度智能階段，機器人展現出較高的自主性和適應性，能夠進行自我學習和優化，執行復雜的任務；第五階段是超級智能階段，機器人理論上將具備超越人類的智能水平，能夠進行創新和自我意識的決策。在工業領域，機器人的規?；瘧谜趶闹卸戎悄芟蚋叨戎悄苓^渡。在工業領域，機器人的規?；瘧?/p>

16、正在從中度智能向高度智能過渡。隨著深度學習算法的優化以及多模態感知技術的融合，工業機器人將具備更強大的感知、認知和決策能力，能夠更加精準地識別復雜環境中的物體、聲音和圖像，理解人類的語言和意圖。同時，工業機器人將具備更強的自主學習能力，能夠根據環境變化和任務需求進行自我調整和優化。從模型架構來看，從模型架構來看，結構相對簡單、參數較少的機器學習模型正在轉化為多層級、大參數量的深度學習、強化學習模型，學習方法也從手動數據標記轉變為自動的數據特征提取。從支撐要素來看，從支撐要素來看，機器學習對于數據和算力的需求較小，訓練時間也相對較短，而深度學習、強化學習則需要高性能的 GPU、TPU 等算力支撐

17、，數據需求也增長至百萬量級。從應用場景來看從應用場景來看，機器學習能夠廣泛用于各類分類、回歸、聚類、關聯規則任務，幫助機器人實現物品分類、平面移動和故障診斷等功能，但不具備決策能力；而深度學習則聚焦圖像、文本和語音等復雜任務的處理，能夠幫助機器人實現缺陷檢測、知識問答、人機對話等功能，具有一定的決策能力。5圖 1 機器人與人工智能融合歷程圖 1 機器人與人工智能融合歷程（二）三大融合方向及其組合推動智能機器人產品涌現1、根據不同的環節需求形成三大方向的融合應用人工智能應用于工業機器人的感知交互、推理決策和運動控制各個環節。在運動控制方面，（二）三大融合方向及其組合推動智能機器人產品涌現1、根據

18、不同的環節需求形成三大方向的融合應用人工智能應用于工業機器人的感知交互、推理決策和運動控制各個環節。在運動控制方面，優化類模型能夠加強機器人的控制精度，比如在拾取操作中，當傳感器檢測到力量過大的時候，機器人可以利用貝葉斯優化算法及時糾正；又如在平面移動中，快速探索隨機樹（RRT）算法能夠先構建一條復雜但可行的路徑，然后對其進行優化來避免碰撞。另外，蟻群算法、粒子群算法等群體算法能夠通過模擬自然界生物群體的行為，實現群體優化協調。在感知交互方面，在感知交互方面，基于機器視覺技術的識別類模型應用比較成熟，在機器人的操作取物、移動避障等各類功能中應用廣泛，部分企業甚至開始了針對表面缺陷、產品特征識別

19、、安全巡檢等難度較高任務的深度學習探索；基于語音交互技術的語言類模型雖然較為成熟，但是主要用于陪伴對話、教育輔導、智能家居等服務型場景，而由于可靠性要求高、工業知識積累6不足等限制，尚未在工業中大規模應用。在推理決策方面在推理決策方面，基于深度學習、強化學習的方法，機器人可以通過訓練學習數據以模仿人類，甚至通過與操作對象或環境進行交互實現非結構性的復雜操作和自主導航。2、三種應用模型及其組合催生出多種功能的機器人運動控制類模型推動傳統工業機器人升級為“能精細化控制”的機器人。2、三種應用模型及其組合催生出多種功能的機器人運動控制類模型推動傳統工業機器人升級為“能精細化控制”的機器人。一是操作優

20、化類，操作優化類，傳統焊接、打磨機器人通過對機器人的運動軌跡進行計算并轉化到關節空間，提高機器人的穩定性，轉變成高精度操作機器人；二是移動優化類，二是移動優化類，具有平面活動需求的移動機器人能夠感知到障礙物優化移動路徑，成為自動避障移動機器人；三是協同優化類，三是協同優化類，單一的機械控制轉變為群體控制，包括機器人群體的高效協作、任務分配和調度、無人物流機器人系統、多種機器人協同系統等等。感知交互類模型使得機器人“能看見”或“能聽見”從而實現與操作對象或人類的互動。一是識別類，感知交互類模型使得機器人“能看見”或“能聽見”從而實現與操作對象或人類的互動。一是識別類，搭載機器視覺技術的機器人取代

21、人眼對產品進行識別和檢測，機器視覺系統能夠識別產品的形狀、顏色、二維碼、字符等，可以取代人眼對產品進行外觀、尺寸、材質等方面的檢測并進行分類和原料追溯，由此發展出檢測機器人、打標機器人等。二是語音類，二是語音類，搭載行業知識庫甚至大語言模型的機器人能夠按照人類的指示完成任務，成為快速部署機器人、決策輔助機器人。推理決策模型使得機器人“能學習”提高自主性和適應性。一是操作學習類，推理決策模型使得機器人“能學習”提高自主性和適應性。一是操作學習類，通過學習數據、并在虛擬環境中開展訓練，機器人可以7實現傳統機器人無法實現的焊接、噴涂和裝配等操作，如噴涂機器人通過學習大量的噴涂數據和工件表面特征，實現

22、對復雜工件的精準軌跡規劃；焊接機器人能夠根據焊接過程中遇到的不同情況進行自我調整，以達到最佳的焊接效果；裝配機器人利用強化學習算法，在裝配過程中自主學習軸孔裝配技能，通過在線辨識控制器的最優參數，提高裝配操作質量。二是自主導航類，二是自主導航類，隨著激光地圖建模技術不斷成熟，基于地圖開展移動路徑設計的自主導航功能也實現廣泛應用，發展出各類清潔、搬運機器人。在傳統模塊化機器人中，多種模型的組合配合也大大拓展了機器人的應用場景。在傳統模塊化機器人中，多種模型的組合配合也大大拓展了機器人的應用場景。其中，以工業視覺為代表的感知交互技術在軟硬件層面都趨于成熟，因此與其他模型的組合使用較為常見，如搭載“

23、識別類+復雜操作類”模型的分揀機器人、質檢機器人；搭載“識別類+自主導航類”模型的巡檢機器人、配送機器人等。圖圖 2 機器人產品智能化的三個方向及組合機器人產品智能化的三個方向及組合8（三）具身智能尤其是人形機器人前沿研究持續火熱1、大模型為具身智能提供模擬人類的“大腦”（三）具身智能尤其是人形機器人前沿研究持續火熱1、大模型為具身智能提供模擬人類的“大腦”具身智能是人工智能與機器人技術的結合，是“具身化的人工智能”。相較于前文提到的特定目標導向的智能機器人，具身智能更強調在環境中的交互能力，即通過“感知-決策-控制-反饋”的閉環，在環境的不斷交互中實現環境的重構映射、自主決策和自適應行動1。

24、強化學習方法使得機器人的泛化操作能力大大提升。強化學習方法使得機器人的泛化操作能力大大提升。強化學習為具身智能的突破性發展提供了理論基礎，讓機器人在與環境的交互中，不斷試錯、學習和優化策略，并依據獎勵策略不斷優化動作執行結果。然而，強化學習在面對新場景時存在遷移困境，對高質量訓練數據的要求較高，目前主流的改進方法有兩種，一是通過模仿人類的行為快速掌握新技能一是通過模仿人類的行為快速掌握新技能，比如豐田研究所開發的“大型行為模型”，機器人能夠通過觀看視頻等物理演示學習新動作；二是通過多模態數據驅動強化學習實現任務泛化二是通過多模態數據驅動強化學習實現任務泛化，比如若愚科技推出的九天機器人大腦，能

25、夠通過自然語言與機器人交互完成任務。大模型是強化學習的輔助工具，為具身智能提供了開展統一決策的“大腦”。大模型是強化學習的輔助工具，為具身智能提供了開展統一決策的“大腦”。在傳統的“感知-推理-控制”模塊化框架之下，智能機器人通過單個或多個“小模型”結合人工介入來完成相應的任務。大模型出現以后，不同模塊的功能融合到一個統一的框架下，機器人能夠通過與物理環境的實時交互，對語言、視覺、觸覺等多種感官信息進行統一處理，利用大模型對語言和物理世界的理解開展自主決策，1來源：中國信息通信研究院、北京人形機器人創新中心有限公司具身智能發展報告（2024 年9并生成編程指令執行具體操作。但是，當前較為成熟的

26、大語言模型對三維物理世界的理解不足，因此，融合兩種或多種輸入輸出模式的多模態大模型多模態大模型是銜接虛擬和物理世界的主要模式。2、人形機器人作為人類能力的延伸是具身智能的重要發力點2、人形機器人作為人類能力的延伸是具身智能的重要發力點具身智能的可以是機械臂、機械爪、仿生機械狗等多種形態，但是由于類人形態能夠執行多種復雜任務、與人類社會環境較為適配并且在心理上更容易被人接受，人形機器人被普遍認為是具身智能最理想的應用形態。目前，人形機器人前沿技術百花齊放，形成了大小腦分層控制和端到端一體化兩條技術路線。由于目前“大腦”受限于平臺和數據尚無法形成人類大腦能力閉環，大小腦分層路線是人形機器人較為主流

27、的形式。由于目前“大腦”受限于平臺和數據尚無法形成人類大腦能力閉環，大小腦分層路線是人形機器人較為主流的形式。通過基于成熟大模型的“大腦”進行高層次的認知分析和決策，“小腦”進行功能性的運動路徑規劃和平衡控制。在大腦方面，在大腦方面，谷歌的“LLM（大語言模型）+VFM（視覺基礎模型）”SayCan 通過訓練大語言模型對用戶指令進行推理分解驅動任務；清華大學的 VLM（視覺-語言模型）CoPa通過嵌入在 GPT-4V 中的常識生成操控任務。在小腦方面，在小腦方面，本田 Asimo人形機器人采用傳統的邏輯推理控制，能夠完成各種復雜的行走功能和人類肢體動作；Figure 在 OPEN AI 提供的

28、大腦功能以外，打造了完全端到端的運動控制系統；智元機器人采用云端超腦、大腦、小腦等多層次架構，分別負責任務級、技能級和指令級的操作任務。部分人形機器人頭部廠商開展了端到端架構的探索。部分人形機器人頭部廠商開展了端到端架構的探索。端到端架構融合“大腦”和“小腦”功能，通過統一的神經網絡，直接將任務目10標轉化為控制信號。比如特斯拉的 Optimus 機器人能通過搭載的 2D攝像頭以及集成的觸覺和壓力感應器所收集的信息，直接生成用于驅動關節的指令序列，能完成分揀、放置、疊衣服等任務；谷歌的 VLA（視覺-語言-動作模型），通過對 VLM（視覺-語言模型）進行預訓練，然后在具體的機器人任務上進行微調

29、，結合視覺和動作數據，能夠將圖像直接轉換為控制指令，能完成將草莓放入特定的碗中、將足球移至籃球旁等任務。三、“機器人+人工智能”在工業領域的應用（一）應用場景：從生產操作向其他高附加值場景拓展三、“機器人+人工智能”在工業領域的應用（一）應用場景：從生產操作向其他高附加值場景拓展在工業領域，機器人被廣泛應用于多個關鍵環節，包括生產操作、質量管理、安全管理、物流配送、試驗驗證以及產線優化等（表 1）。表 1“機器人+人工智能”在工業領域的應用場景表 1“機器人+人工智能”在工業領域的應用場景環節名稱環節名稱六大重點環節六大重點環節細分場景細分場景研發設計研發設計試驗驗證生產制造生產制造生產操作焊

30、接、噴涂、沖壓、切割、組裝等質量管理表面檢測、綜合質檢安全管理安全巡檢產線優化運營管理運營管理物流配送碼垛、上下料、倉儲、分揀、配送等本報告分析了 88 個國內外“機器人+人工智能”應用案例，其中生產操作、物流配送和質量管理占比較高，分別達到 40%、25%和 22%（圖 3）。11圖 3“人工智能+機器人”應用場景分布圖 3“人工智能+機器人”應用場景分布1、生產操作：從操作精度提升到自適應學習生產操作類應用占比接近 40%，是應用最為普遍的領域。1、生產操作：從操作精度提升到自適應學習生產操作類應用占比接近 40%，是應用最為普遍的領域。原因主要有包括以下兩點：一是企業對效率的需求提升，一

31、是企業對效率的需求提升，“機器取代人”最早出現在生產過程中的重復性、封閉性的操作場景中，在多個行業已經實現了大規模應用，在市場效率競爭和小批量柔性生產趨勢下，企業普遍存在對智能化機器人的升級需求；二是機器人功能的拓展，二是機器人功能的拓展，隨著機器人模塊化設計和柔性控制技術的成熟，工業機器人的精細化程度和靈活性顯著提高，原本無法被取代的噴涂、焊接場景也逐步開始應用機器人。此類場景主要包括兩種“機器人+人工智能”融合應用模式。一是“機械臂+操作優化模型”模式，此類場景主要包括兩種“機器人+人工智能”融合應用模式。一是“機械臂+操作優化模型”模式，AI 應用的主要目標是提高操作精度，如珞石機器人基

32、于關節多傳感器融合的全局振動抑制算法技術，抖動幅值降低 80%以上。二是“機械臂+操作學習模型”模式，二是“機械臂+操作學習模型”模式，AI 應用的目標是提升機器人的靈活性和適應性，形成智能焊接、噴涂、組裝等典型細分場景，如新松多可焊接工作站，通過示教器即可實現對12機器人焊接工藝參數的設定，能夠適用于多品種、小批量、較為離散的焊件結構特點的焊接應用場景。2、物流配送：“識別+導航”模型組合適用于封閉生產場景物流配送類應用占比約為四分之一。2、物流配送：“識別+導航”模型組合適用于封閉生產場景物流配送類應用占比約為四分之一。IFR 數據顯示，2023 年，全球物流機器人銷量增速高達 35%2，

33、物流機器人主要得益于三個原因：一是全球供應鏈的整合深化一是全球供應鏈的整合深化，電商和物流行業的發展使得企業對物流運行效率和響應速度的需求不斷提高；二是工廠設計水平的提升，二是工廠設計水平的提升，模塊化廠房設計技術為移動機器人提供了封閉性、結構化的活動場景，便于機器人快速移動和完成任務；三是激光地圖構建（VSLAM）技術的成熟，激光地圖構建（VSLAM）技術的成熟，基于地圖數據，深度學習算法能夠自主規劃行動路徑，并進行動態避障。此類場景主要包括兩種“機器人+人工智能”融合應用模式。一是“移動機器人+識別類模型+自主導航模型”模式此類場景主要包括兩種“機器人+人工智能”融合應用模式。一是“移動機

34、器人+識別類模型+自主導航模型”模式，AI 應用的主要目標是實現環境識別和路徑規劃，形成碼垛、上下料、倉儲、配送等典型細分場景，如極智嘉的取貨機器人使用計算機視覺技術和深度學習算法，可以在繁忙的物流中心中，快速識別包裹位置，避開障礙物，并高效完成取貨任務。二是“移動機器人+協同優化模型”模式，二是“移動機器人+協同優化模型”模式，AI應用的目標是開展多種物流機器人的協調配合，如亞馬遜建設的無人倉庫大量使用了各類移動、倉儲機器人，并引入技術團隊將人工智能融入整個機器人系統。3、質量管理：機器視覺檢測大量取代人工檢測質量管理類應用占比約為 22%，3、質量管理：機器視覺檢測大量取代人工檢測質量管理

35、類應用占比約為 22%，主要原因是機器視覺檢測的成熟，AI 優化了圖像識別復雜和精度，實現了萬物識別，檢測機器人2國際機器人聯合會（IFR）2024 世界機器人報告13的應用從標準化領域拓展到非標領域，應用范圍大大拓展。此類場景“機器人+人工智能”應用模式主要為“機械臂+識別類模型”，此類場景“機器人+人工智能”應用模式主要為“機械臂+識別類模型”，AI 應用的主要目標是識別外觀缺陷情況，隨著機器視覺檢測能力的提升，機器人可以適應各類大小、形狀、質地的檢驗對象，并同時開展多個檢測流程，如大族機器人 Elfin 協作機器人能在 60秒時間內完成電池托盤法蘭面內測平面度檢測、內腔長度檢測、碰焊點檢

36、測等 10 多項檢測，又比如 ABB 提供的人工智能機器人焊接質檢系統，以比人工快 20 倍的速度，檢測、發現和識別僅 22 微米的缺陷。4、安全管理：在部分重化工業存在一定需求安全管理類應用占比約為 5%。4、安全管理：在部分重化工業存在一定需求安全管理類應用占比約為 5%。主要集中在鋼鐵、化工、電力、采礦、交通等安全性要求較高的領域，總體需求較小。此類場景“機器人+人工智能”應用模式主要為“移動機器人+識別類模型+自主導航模型”，此類場景“機器人+人工智能”應用模式主要為“移動機器人+識別類模型+自主導航模型”，AI 應用的主要目標是識別和預測異常情況，巡檢機器人可以不受時間、空間的限制，

37、持續開展安全巡查，即時發現和預測安全隱患，保障人員和設備安全，如?？低曆矙z軌道機器人，通過智能巡視實現全天候運作，通過紅外熱成像在線實時測溫,當溫度出現異常時報警。5、試驗驗證和產線優化：僅在部分龍頭企業開展探索試驗驗證和產線優化場景處于價值鏈的兩端，附加值較高、應用難度大，占比均為 5%。5、試驗驗證和產線優化：僅在部分龍頭企業開展探索試驗驗證和產線優化場景處于價值鏈的兩端，附加值較高、應用難度大，占比均為 5%。近年來，隨著設備標準化和自動化程度的提高，各類搬運、測量、焊接機器人及其他生產設備實現互聯互通，并通過統一的控制平臺和模型算法開展協作，為產線和研發的智能化創造了基礎條件，但是由

38、于前期投入大、回報周期長，目前這兩類場景14的探索主要集中在部分高科技行業的龍頭企業。此類場景“機器人+人工智能”主要是“多智能體+協同優化模型”模式，此類場景“機器人+人工智能”主要是“多智能體+協同優化模型”模式，AI 應用的主要目標是優化生產或研發流程。在產線優化方面，在產線優化方面，寧德時代“燈塔工廠”構建了以 MES 為核心的集成制造系統，借助機器人實現了生產過程無人化，并引入了人工智能技術，在三年內就將勞動生產率提高了 75%；在試驗驗證方面，在試驗驗證方面，晶泰科技生物醫藥“AI+機器人叢林”實驗室，結合量子物理和計算化學產生大量的“干試驗”數據，并通過機器人獲取“濕試驗”數據，

39、建立垂直 AI 模型以預測化學結構的活性、成藥性和耐藥性，大大縮短了藥物開發周期。（二）應用行業：重點用于汽車、電子、金屬三大行業（二）應用行業：重點用于汽車、電子、金屬三大行業根據國際機器人聯合會 IFR 發布的2024 世界機器人報告，2023 年，全球工業機器人使用量最大的行業分別為汽車、電子/電氣和金屬與機械。本報告收集的 88 個國內外“機器人+人工智能”應用案例中，汽車、半導體和鋼鐵三大行業案例占比達 68.1%，占據絕對優勢（圖 4），各行業應用場景分布見下圖（圖 5）。圖 4 88 個“機器人+人工智能”案例行業分布圖圖 4 88 個“機器人+人工智能”案例行業分布圖15圖 5

40、 各行業“機器人+人工智能”應用場景分布圖 5 各行業“機器人+人工智能”應用場景分布1、汽車：關注精細生產、高效物流和外觀檢測1、汽車：關注精細生產、高效物流和外觀檢測汽車產業是資本密集型和技術密集型產業，對機器人的算法先進性和硬件穩定性要求較高，也是當前機器人使用最多的產業。從產業鏈來看，汽車產業可分為汽車零部件和整車制造，整車制造又可分為沖壓、焊接、涂裝、總裝等環節。生產操作場景的“機械臂+操作優化模型”在所有場景中占比接近 49%。生產操作場景的“機械臂+操作優化模型”在所有場景中占比接近 49%。隨著國產機器人產品的完善、性能的提升和技術的升級，以及汽車企業對國產替代的重視和國貨國用

41、的支持，國產工業機器人逐步滲透到汽車整車的生產制造中。如埃夫特實現了國產噴涂機器人在汽車整車領域“零的突破”。華數機器人在長安汽車整機廠中實現了批量應用，進行焊點檢測、側圍涂膠、車身弧焊等作業，標志著國產機器人在整車領域的新突破?！耙苿訖C器人+協同優化模型”在汽車行業倉儲物流環節應用廣泛，占比約 23%?！耙苿訖C器人+協同優化模型”在汽車行業倉儲物流環節應用廣泛，占比約 23%。汽車總裝車間生產節奏快，零部件種類繁多，精細化操作要求高。為保障生產連續性，對物流配送的高效性與精準性要16求極高，零部件需按時、按量、準確送達工位，任何延誤或錯誤都可能造成生產線停滯，影響整體生產進度，對機器人的需求

42、較大。如?？禉C器人在長安汽車工廠中投入了 400 余臺各類機器人，包括潛伏式、重載式、牽引式以及料箱機器人，在內飾線、完成線、電池 pack、前后橋分裝、儀表、前端模塊等多個環節發揮搬運作用?！皺C器人+識別類模型”汽車及零部件檢測應用占比約 17%“機器人+識別類模型”汽車及零部件檢測應用占比約 17%。汽車外觀缺陷檢測存在高亮面表面缺陷視覺成像困難、漆面缺陷檢出難度大、產線節拍要求高等問題，同時汽車外觀曲面較多，也需要借助多個機器人進行全方位檢測。如斯睿特漆面外觀檢測智能工作站，可檢測出汽車漆面的各類缺陷，包括顆粒、漆渣、橘皮、流掛、碰傷等16 種缺陷，引入 AI 智能分類定位技術，能精準定

43、位缺陷位置及種類（圖 6）。圖 6 斯睿特漆面外觀檢測智能工作站圖 6 斯睿特漆面外觀檢測智能工作站部分整車企業也開發了用于產線優化的人工智能系統，與機器人配合提升部分操作場景的精確度，占比約為 9%。部分整車企業也開發了用于產線優化的人工智能系統，與機器人配合提升部分操作場景的精確度，占比約為 9%。如寶馬推出的先進的測量和分析系統，可以針對每一部分材料分別收集數據，智能化調17節沖壓模式；特斯拉上海工廠壓鑄車間利用人工智能分析系統，對壓鑄工藝參數實現全面的數據統計，并進行參數波動報警功能。另外，人形機器人在工業場景中的應用探索集中在汽車領域。另外，人形機器人在工業場景中的應用探索集中在汽車

44、領域。主要存在三點原因：一是人形機器人與自動駕駛存在大量技術共性，一是人形機器人與自動駕駛存在大量技術共性，汽車廠商在機器視覺、機器學習、傳感器融合、決策算法等多個領域的技術和人才積累，可以快速遷移到人形機器人領域。二是汽車廠商在供應鏈方面擁有先發優勢，。二是汽車廠商在供應鏈方面擁有先發優勢，人形機器人和新能源汽車生產都須要用到大量零部件，其中在伺服電機、控制器、傳感器、電池等方面都有大量重疊之處。三是高度自動化的汽車制造業是人形機器人的理想落點，。三是高度自動化的汽車制造業是人形機器人的理想落點，新能源汽車是全球所有行業中機器人滲透率最高的行業，較高的自動化水平為人形機器人的訓練提供了結構化

45、環境、優質數據、強大算力和多設備協同的條件。從應用現狀來看，人形機器人在汽車行業的應用覆蓋了生產操作、物流配送、質量管理三大場景從應用現狀來看，人形機器人在汽車行業的應用覆蓋了生產操作、物流配送、質量管理三大場景，與其他的智能機械臂、移動機器人形成配合，完成部分對靈活性和精確性要求較高的工作（表 2）。在生產操作場景中在生產操作場景中，“視覺+壓力”協同動作需要借助多關節的靈巧手來完成，如小鵬人形機器人 Iron 能夠完成擰螺絲等精細操作；在物流配送場景中，在物流配送場景中，移動機器人在精準對接和靈活調整方面較為困難，而特斯拉人形機器人通過多關節設計和傳感融合打通了工業物流的“最后 10 米”

46、；在質量管理場景中，在質量管理場景中，過去檢測機器人以視覺類檢測為主，而優必選人形機器人融合了壓力傳感器，可以完成車門鎖扣強度、安全帶強度等力學檢測。18表 2 主要人形機器人產品在汽車產線中的應用情況表 2 主要人形機器人產品在汽車產線中的應用情況序號序號人形機器人產品人形機器人產品汽車廠商汽車廠商應用場景應用場景人工智能技術人工智能技術1優必選 WalkerS蔚來、一汽大眾等質量安全-綜合質檢生產操作-擰螺絲、分揀物料物流配送-搬運“視覺+語言”多模態大模型2特斯拉的Optimus特斯拉生產操作-分揀電池物流配送-搬運端到端大模型+強化學習、自然語言處理、手勢交互3Figure寶馬生產操作

47、-抓取端到端大模型4Apptronik 的Apollo奔馳物流配送-搬運產線優化-裝配端到端大模型5樂聚機器人夸父蔚來質量安全-檢驗檢測華為盤古大模型、搭載鴻蒙操作系統6小鵬 Iron小鵬生產操作-打螺絲質量安全-巡邏端到端大模型+強化學習、自然語言處理2、半導體：重點在質量管理和柔性操作2、半導體：重點在質量管理和柔性操作半導體行業生產工藝流程復雜，且需要在高精度、高潔凈度的環境中進行，以確保產品的高性能和可靠性。由于大部分關鍵工序都由光刻機、刻蝕機、激光切割機等設備完成，智能機器人主要用于晶圓質量管理和生產操作場景?！皺C械爪+識別類模型”開展質量檢測占比約 42%?！皺C械爪+識別類模型”開

48、展質量檢測占比約 42%。晶圓生產過程中常常出現切割道、裂縫、劃痕、臟污、氣孔、氣泡、波浪紋等缺陷問題，自 1967 年美國半導體和顯示設備制造商應用材料公司推出新一代光學半導體晶圓檢測機以來，晶圓檢測設備已經在 AI 賦能下逐步成熟，該公司最新推出的檢測系統已經能夠快速、準確地從高端光學掃描儀產生的數百萬信號甚至“噪音”中識別出導致產量下降的缺陷，柔性機械爪作為檢測設備的一部分，主要用于輔助檢測過程中的晶圓移動。19“機械臂+操作優化模型”在各類生產操作場景中起到輔助移動的作用，應用占比約為 33%?！皺C械臂+操作優化模型”在各類生產操作場景中起到輔助移動的作用，應用占比約為 33%。晶圓價

49、格昂貴且易碎，所以各類生產設備都須要搭載柔性夾爪或機械手來輔助操作，比如增廣智能電動夾爪基于模型預測算法，結合高剛性力傳感器，控制處理頻率高達10,000Hz，可實現最高達0.01N（1）的力控精度（圖 7）；ABB機器人的高精度和可靠性使工藝過程中的振動值小于 0.35G，減少了硅晶圓在操作過程中的的污染和損耗；鈞舵電動夾爪引入先進的阻抗和導納控制算法，實現精準的力控。圖 7 RM 增廣精密力控型微型夾爪夾持細微易損的芯片圖 7 RM 增廣精密力控型微型夾爪夾持細微易損的芯片“移動機器人+識別類模型+自主導航模型”的精細化物流取代天車系統成為半導體物流配送主流，在全部應用種占比接近 17%。

50、“移動機器人+識別類模型+自主導航模型”的精細化物流取代天車系統成為半導體物流配送主流，在全部應用種占比接近 17%。2016年以后，AMR 移動機器人開始作為天車系統的補充逐漸進入半導體物流場景中。比如優艾智合開發的 FusionSLAM（融合激光導航）算法，不再以特定次序逐級提升最終精度，而是以高度融合、實時補償的方式在大范圍移動過程中做到平穩避障，具備 0 延時條件下的亞毫米級操作精度；捷螺智能 AMR 基于激光 SLAM 導航標準化移動機器人，通過集成整合萬向輪、AI 導航定位模組、六軸人機協作手臂、彈性化高效率派車軟體。20進口設備數據開放權限限制了“多智能體+協同優化模型”在產線優

51、化中的應用，占比約 8%。進口設備數據開放權限限制了“多智能體+協同優化模型”在產線優化中的應用，占比約 8%。半導體產線大量生產設備依賴進口，數據開放權限獲取困難，但也有部分企業開展了相關探索。比如上海某 300mm 晶圓生產線案例中3，車間擁有 400 臺機器（人），選取了64 道工序 78 個波動加大的輸入參數，構建三層 BP 神經網絡集成的預測模型，對晶圓工期進行預測，并在其中一個車間內進行驗證和調控，使得該車間晶圓的生產批次（LOT）平均偏差改善了 18%。3、鋼鐵：聚焦質量管理和安全管理3、鋼鐵：聚焦質量管理和安全管理鋼鐵行業是流程型行業，生產過程復雜、工藝門檻高、大型高溫高壓設備

52、集中。由于鋼鐵行業普遍存在高溫、熱輻射、粉塵等危險環境，在大量的生產操作、物流配送場景中，傳統機器人已經得到了廣泛的應用，如上下料機器人、測溫取樣機器人、沖擊拉伸機器人、打包機器人、搬運機器人等等?！皺C器人+識別類模型”已經大量用于各環節的質量管理與追溯場景，占比約為 54%。在原材料準備環節，“機器人+識別類模型”已經大量用于各環節的質量管理與追溯場景，占比約為 54%。在原材料準備環節，機器視覺算法，通過帶有標簽的歷史圖像數據對模型進行訓練和優化，使其能夠自動對廢鋼進行逐層判級、異物識別，如湛江鋼鐵采用無人機拍攝的方式，對卸料進行識別判級并拍照定位。在檢驗包裝環節，在檢驗包裝環節，AI 大

53、模型能夠快速、準確地識別出鋼材表面的各種缺陷，如裂紋、氣泡、夾雜等，提高了檢測的準確性和效率，如廣西鋼鐵焊縫“云眼”機器人，通過 5G 視頻實時采集圖像，利用 AI 技術在線自動檢測，減少樣品實驗沖壓次數；蘇州沙鋼生產過程智能檢測中心通過智能機器人和自動化裝置的配合實現各類鋼、鐵、渣快速檢測，檢測結果 3 分鐘內出爐（圖 8）。3來源：智能車間的大數據應用（作者：張潔，呂佑龍，鮑勁松，汪俊亮）21圖 8 蘇州沙鋼生產過程智能檢測中心圖 8 蘇州沙鋼生產過程智能檢測中心“移動機器人+識別類模型+自主導航模型”實現高溫生產設備的安全檢查正處于應用推廣階段，占比約為 23%?！耙苿訖C器人+識別類模型

54、+自主導航模型”實現高溫生產設備的安全檢查正處于應用推廣階段，占比約為 23%。鋼鐵行業的冶煉、精煉、連鑄和軋制產線中分布了大量的高爐、連鑄機、燒結機、焦爐等大型高溫設備，存在安全隱患，借助智能機器人可以實現全天候、全方位的生產設備檢測。如柳鋼的“飛流”是煉鐵廠自主研發的一只智能巡檢機器狗，它能對幾座熱風爐的重要部位定期測溫，獲取熱風爐健康信號，并通過網絡發送至操作員平臺，讓熱風爐能夠及時維護?！皺C械臂+操作學習模型”實現非標鋼構件的柔性操作生產成為新熱點，占比約為 8%?！皺C械臂+操作學習模型”實現非標鋼構件的柔性操作生產成為新熱點，占比約為 8%。傳統焊接機器人無法解決鋼結構、船舶等流程非

55、標化的“多品類、小批量、非標件”焊接工作，機器人可以利用無監督學習技術來自動匹配和優化焊接工藝，實現焊前工藝參數自主選擇、焊接過程工藝參數自適應調整。比如中建鋼構完成了以智能焊接機器人為核心的國內建筑鋼結構行業首條智能焊接生產線，用于建筑、橋梁等鋼結構項目。22四、“機器人+人工智能”工業應用展望（一）具身智能機器人將進一步變革工業生產形態四、“機器人+人工智能”工業應用展望（一）具身智能機器人將進一步變革工業生產形態目前，部分先進的工業機器人已經能夠通過學習視頻、圖像的等完成各種復雜操作，但本質上依然是基于先驗設計和既有數據訓練的結果，難以適應訓練場景以外的復雜環境。而具身智能是在開放環境中

56、涌現的產物，能夠通過“感知-推理-行動-反饋”的閉環，形成對物理世界的深刻理解，在復雜的場景中做出更加精確和靈活的響應。過去，工業機器人在重復性、結構化的工作任務（如沖壓、搬運）中取得了比人類更高效的工作成效；當前，具備自主學習能力的機器人又實現了部分高靈活性、非結構性的特定任務（如焊接、噴涂、檢測、巡檢等）；未來，具身智能機器人將能夠根據工作對象和環境的變化實時調整，完成影響因素、操作步驟更加復合的任務（如組裝、品控等）。此外，通過“群腦網絡”架構，各類功能、形態各異的機器人可以實現跨場域感知、智能混合決策和多機協同控制，推動智能制造進一步發展。（二）工業人形機器人規?；瘧萌孕杞洑v長期技術

57、迭代（二）工業人形機器人規?；瘧萌孕杞洑v長期技術迭代2025 年被認為是“人形機器人量產元年”，特斯拉、小米、優必選、智元機器人、魔法原子和宇樹科技等企業均計劃在這一年實現人形機器人的量產或批量測試。然而，在人形機器人落地初期，數據和成本兩大門檻限制了其規?；瘧?。首先，用于人形機器人訓練的高精度操作數據還遠遠不夠，目前，主流的數據收集方法是依賴實體環境的數據積累的動作捕捉，而 2024 年底智元機器人開源的百萬真23機數據集僅覆蓋了 100 種場景，工業場景更是僅占 20%。由于高精度數據的稀缺，雖然 Figure AI、特斯拉、宇樹等企業的人形機器人產品在硬件上已經可以做出復雜的動作，但

58、實際決策依然依賴人工干預。與此同時，當前人形機器人依賴于高精尖的硬件和定制化零部件，導致制造成本較高，單臺成本從 1 萬美元至 250 萬美元不等。隨著技術的不斷迭代和成本的降低，預計到 2030 年，人形機器人在精度、穩定性要求相對較低的服務機器人中的滲透率有望達到一定水平；2030 年以后，人形機器人有望在工業場景中實現全面普及。（三）行業應用將從汽車電子向其他制造業領域滲透（三）行業應用將從汽車電子向其他制造業領域滲透過去，由于對生產精度、交付速度等要求較高，且具備較強的資金基礎，汽車和半導體行業成為工業機器人最大的市場。當前，隨著市場競爭的加劇和技術發展的推動，國內大量企業正加速向高端

59、化、智能化、綠色化方向發展，主要產能逐漸向技術壁壘更高、市場適應性更強的頭部企業集聚，以提升整體產業競爭力和附加值水平。隨著龍頭企業支付能力提升、工業機器人產品成本降低和國內人力成本上升，更多的傳統制造業也將面臨自動化甚至智能化轉型。中國機械工業聯合會在 2024 中國機器人產業發展大會上公布的數據顯示，國產工業機器人在金屬加工、紡織、木材家具等傳統行業應用增長幅度較大。除了過去應用較為廣泛的操作、檢測、物流場景以外，傳統制造業還存在大量垂直場景需求，如化工冶金行業的安全巡檢、紡織消費品行業的試驗驗證等等。未來，隨著人工智能、物聯網等技術的深度融合，這些垂直場景的應用將不斷拓展，工業機器人將在

60、更多領域實現智能化升級，助力各類傳統制造業邁向高質量發展。24附：蘇州市“機器人+人工智能”工業應用案例（一）智能產品案例1、拓斯達新一代 X5 機器人控制平臺附：蘇州市“機器人+人工智能”工業應用案例（一）智能產品案例1、拓斯達新一代 X5 機器人控制平臺拓斯達通過運動控制作為切口布局具身智能，推出“感-算-控”一體化的新一代 X5 機器人控制平臺并實現工業場景的應用。該平臺將作為運動控制物理引擎接入 AI 仿真系統，發揮著類似人體“小腦及脊椎”的紐帶作用，加速具身智能技術在工業場景中的應用。新一代 X5 機器人控制平臺作為拓斯達的自主研發成果，涵蓋從底層硬件到上層控制軟件及核心算法的全方位

61、技術鏈條。軟件層面，可依據具身智能大模型的訓練所需數據類型要求，提供優質數據以支持模型訓練，優化具身智能大模型的質量軟件層面，可依據具身智能大模型的訓練所需數據類型要求，提供優質數據以支持模型訓練，優化具身智能大模型的質量。硬件層面，結合國產操作系統，不同的具身智能應用場景可以靈活地選擇搭配算力芯片和硬件方案，實現高效且多樣化的部署策略。2、鈞舵高穩定性的 LRA 系列直線旋轉執行器2、鈞舵高穩定性的 LRA 系列直線旋轉執行器鈞舵機器人是一家專注于電伺服末端執行器核心零部件的高科技企業，提供工業級靈巧手、智能電動夾爪、電動吸盤等多種產品。鈞舵的 LRA 系列產品主要優勢如下：一是精確力控補償

62、與柔和著陸技術，通過線性差值補償算法，有效地補償了動力源全行程的推力波動，降低了溫度對精度的影響通過線性差值補償算法，有效地補償了動力源全行程的推力波動，降低了溫度對精度的影響；二是采用恒力磁性彈簧技術，提高全壽命周期力控穩定性，實現全行程恒力輸出；三是利用領先的自主研發光編技術實現高精度定位；四是航天級的過程質量控制，確保量產質量穩定性依賴補償算法的自適應補償能力，提高軟件的魯棒性；確保量產質量穩定性依賴補償算法的自適應補償能力，提高軟件的魯棒性；同時，在生產制程控制方面引入航天質量控制專家進行指導，確保產品批量交付的一致性和穩定性。253、靈猴螺紋完整性檢測機器人3、靈猴螺紋完整性檢測機器

63、人螺紋完整性檢測系統無需旋轉或者多相機系統，只需要單個相機單次拍攝即可獲得 6 個對稱分布、可完全覆蓋物體側面的圖像，適用于 M1.0M2.5 的螺紋孔檢測。光學系統具有可變光闌，可根據需求改變景深；一體式照明設計，方便螺紋孔內部打光；雙鏡組成像設計，工作距離較大，可滿足在線快速檢測。軟件系統采用先進的工業 AI視覺平臺，使用者無需具備專業的 AI 算法能力，僅需上傳缺陷圖片，平臺即可根據不同檢測場景，自動完成 AI 模型的部署，提供檢測能力采用先進的工業 AI視覺平臺，使用者無需具備專業的 AI 算法能力，僅需上傳缺陷圖片，平臺即可根據不同檢測場景，自動完成 AI 模型的部署，提供檢測能力。

64、支持低分辨率、低對比度圖片檢測，輕松解決缺陷“尺度小、種類多、樣本少”等檢測難點。圖 9 靈猴螺紋完整性檢測系統圖 9 靈猴螺紋完整性檢測系統4、博眾精工 MasterpieceAI 系統4、博眾精工 MasterpieceAI 系統業務聚焦在消費類電子、新能源汽車、半導體、關鍵零部件、智慧倉儲物流等數字化裝備領域。博眾自主開發的 MasterpieceAI 系統是一套集數據分析、標注、調參、訓練、測試為一體的工業視覺深度學習平臺軟件。通過靈活簡單的 GUI 界面，用戶快速創建深度學習應用系統。滿足視覺檢測、分類、定位等應用需求。系統包含了四大項26目板塊，分別為項目管理、樣本標注、構建&訓練

65、&檢測模型以及評估模型。另外包含圖像分割算法、圖像分類算法、目標檢測算法、單樣本檢測、OCR 字符識別目標測量識別六大子功能板塊包含圖像分割算法、圖像分類算法、目標檢測算法、單樣本檢測、OCR 字符識別目標測量識別六大子功能板塊，通過對圖片、字符進行訓練建模準確的分割目標。MasterpieceAI 系統運用最前沿的深度學習算法，在檢測準確率及精度上提升更高；處理速度快，通用性更強。在研發并突破深度學習算法同時，緊跟非深度學習的機器學習等 AI 算法的研究方向。在少量訓練樣本，也可以獲得非常高的準確率，解決工廠獲取樣本數據難題。圖 10 博眾精工 MasterpieceAI 系統圖 10 博眾

66、精工 MasterpieceAI 系統5、艾吉威全球首臺 AI 語音交互 AGV 小千斤5、艾吉威全球首臺 AI 語音交互 AGV 小千斤蘇州艾吉威機器人有限公司成立于 2011 年 12 月 12 日，以移動機器人(AGV)技術研發為核心，集 AGV 小車和 AGV 系統設計開發、生產制造、銷售于一體的高新技術企業。2024 年 9 月 28 日，艾吉威發布了艾吉威標準品“小千斤”家族共計 4 款移動機器人（AGV）產品（6.0 版 V15T 無人叉車、單叉齒 V05OT 無人叉車、全向 V10OF 堆垛無人叉車和自動托掛 T15S 牽引式 AGV）。27艾吉威前瞻性的定義了具備 AI 智能

67、交互的 AGV 技術路線，并推出全球首臺 AI 大模型語音交互 AGV，新一代的 AGV 產品將具備更強的自主性和適應性，能夠更好地應對各類復雜的售后場景及運營數據分析。接入 AI 大模型后，就相當于艾吉威新增了一組擁有二十幾年移動機器人從業經驗的售前、售后工程師王牌團隊，更把艾吉威十余年的技術積累通過大模型集成到了每一個 AGV 車體上。接入 AI 大模型后，就相當于艾吉威新增了一組擁有二十幾年移動機器人從業經驗的售前、售后工程師王牌團隊，更把艾吉威十余年的技術積累通過大模型集成到了每一個 AGV 車體上。圖 11 艾吉威小舉人窄通道 V10OF 無人叉車圖 11 艾吉威小舉人窄通道 V10

68、OF 無人叉車28（二）行業應用案例1、捷螺在半導體關燈工廠中的應用（二）行業應用案例1、捷螺在半導體關燈工廠中的應用捷螺智能設備（蘇州）有限公司成立于 2020 年 12 月，專注于半導體領域的智能機器人 AMR 以及工業 4.0 系統的研發、設計、生產和銷售。捷螺智能 AMR(Gyrobot)基于激光 SLAM 導航標準化移動機器人，通過集成整合萬向輪、AI 導航定位模組AI 導航定位模組、六軸人機協作手臂、彈性化高效率派車軟體。實現 AMR 與半導體生產設備準確對接，物料的精準上下料。產品可針對多種尺寸、多種物料抓取。2024 年 8 月，配備了 Gyrobot 機器人的新加坡客戶的生產

69、車間，開啟了全新的模式，實現了關燈生產。團隊成功地在這個工廠中部署了 10 臺 Gyrobot 機器人以及晶圓庫和自動換電站等，實現了生產車間的全自動化。Gyrobot機器人能與多樣的半導體生產設備準確對接，精準上下料，可針對多種尺寸及多種物料抓取。更有捷螺的自動換電站，2 分鐘高效完成機器人電池自動更換，全程機器人不斷電、不離線。保障捷螺智能機器人 7*24 小時不間斷作業，提高在線續航能力和工作效率,期間無需人員操作。圖 12捷螺智能 AMR 自主移動機器人用于半導體封裝智慧制造產線圖 12捷螺智能 AMR 自主移動機器人用于半導體封裝智慧制造產線292、珞石機器人在消費電子行業的應用2、

70、珞石機器人在消費電子行業的應用珞石機器人（ROKAE）是一家成立于 2015 年的中國高科技企業，專注于多關節工業機器人、協作機器人等系列化產品的研發、生產和銷售。蘋果包裝盒全自動生產線。蘋果包裝盒全自動生產線。蘋果包裝盒自動生產線是蘋果公司包裝生產制造的一個縮影。產線采用 2 臺珞石 XB7L 工業機器人協同作業，可完成定位、刮膠、上下料等多道精密工序，生產一個包裝盒僅需 1.9 秒，機器人重復定位精度0.03mm，結合視覺確保精準定位，有效保證上下料精度。機器人采用基于動力學的最優運動規劃技術OptiMotion，可實現業內領先的速度機器人采用基于動力學的最優運動規劃技術OptiMotio

71、n，可實現業內領先的速度，滿足熱熔膠產品對機器人節拍的嚴苛要求。機器人性能可靠穩定，可長時間運行，保證生產連續性。精密零件力控裝配。精密零件力控裝配。在一些復雜精細的力控裝配場景中，如筆記本主板生產過程中的內存條裝配，由于裝配精度要求較高，同時需監控裝配過程中的力，避免損壞工件。因此機器人不僅需要具備高精度運動控制，還需具備與人手類似的柔性裝配能力，以位置控制為主的傳統機器人難以應對挑戰。珞石柔性協作機器人所有關節均內置高精度力矩傳感器，兼顧高精度運動控制與外界力感知控制能力，所有關節均內置高精度力矩傳感器，兼顧高精度運動控制與外界力感知控制能力，重復定位精度精度優于 0.02mm，力控精度可

72、達 0.5N，配合先進力控搜索規劃技術，可實現人手般精準、柔順的裝配過程。30圖 13 珞石柔性裝配產線圖 13 珞石柔性裝配產線手機主板檢測。手機主板檢測。電子產品要經過一系列嚴格的檢測環節，傳統人工作業成本高、效率低，且會出現誤檢，影響良品率。高精度機器人與視覺系統協同作業高精度機器人與視覺系統協同作業，有效保證取放手機主板的準確性。1 臺機器人輕松應對 6 臺檢測工位的上下料需求，同時采用雙夾爪設計，將產能提升至每小時 480 件，大幅提升生產效率。3、追覓配送機器人在裝備制造行業的應用3、追覓配送機器人在裝備制造行業的應用坦途創新智能制造（杭州）有限公司是一家多元化科技產品生產加工制造

73、企業，擁有高速生產倍速線、板鏈線、機械化輸送線、自動化包裝線，總面積超過 3.6 萬平方米。面對現代工業智能化浪潮，企業引入追覓配送機器人 D1，推動其智能制造水平進一步提升。圖 14 追覓 D1 在坦途創新智能制造工廠圖 14 追覓 D1 在坦途創新智能制造工廠31追覓 D1 采用 LDS 與 VSLAM 雙重定位系統，無需對場地進行改造，最快僅需 30 分鐘即可完成部署。面對廠區復雜環境，D1 能夠精準定位，自主導航，并高效進行全局路徑規劃，從容應對各種動態場景。D1 能夠精準定位，自主導航，并高效進行全局路徑規劃，從容應對各種動態場景。其智能動態避障功能精度可達厘米級，即使在狹窄通道中也

74、能順暢通行。此外，D1 支持多機協同作業，可根據任務需求實時規劃最優路線，高效、安全地將物料準確送達指定位置。D1 不僅搭載了卓越的智能技術，還具備高達 40 公斤的強大載重能力，并支持多種承載方式，可靈活適應工廠庫房揀選、產線物料運輸及成品配送等多樣化生產場景。4、大族檢測機器人在航空和汽車零部件行業的應用4、大族檢測機器人在航空和汽車零部件行業的應用大族機器人有限公司成立于 2017 年 9 月 7 日，公司專注于智能機器人及其在各類工業場景中的應用，憑借精準、穩定、易用的性能，大族機器人為制造業轉型升級提供更高效的智能裝備。航發葉片掃描與檢測應用。航發葉片掃描與檢測應用。航發葉片是一種典

75、型的自由曲面零件，檢測難度大、要求極高，人工檢測存在效率低、不精準等弊端。大族機器人與合作伙伴共同打造的航發葉片掃描與檢測應用工作站有效整合了掃描系統 5 微米掃描精度及大族機械臂達到并優于0.02mm 的重復定位精度，實現 1+12。該工作站配備 2 臺大族協作機器人，一臺負責執行航發工件上下料工序、一臺負責三維掃描儀的引導工作，協同完成自動化掃描，整個掃描與檢測過程不超過 3 分鐘。汽車空調出風口組裝及檢測應用。汽車空調出風口組裝及檢測應用。汽車空調出風口組裝及檢測的工序相對細致、麻煩，采用人工流水線作業方式，每一道工序需要配備一名工人，且流水線完全鋪開所需場地面積較大。終端客戶采用 2臺

76、大族 E05 協作機器人對產線進行自動化升級改造，將組裝、檢測工32序合并，與生產工人共同作業，協作完成任務。另外，大族 E05 協作機器人也具備體積小、運轉靈活等優勢，能在狹小空間正常作業。5、樂聚人形機器人在電纜行業的應用5、樂聚人形機器人在電纜行業的應用夸父人形機器人系華為云與樂聚機器人戰略合作以來取得的階段性成果，通過盤古具身智能大模型使得人形機器人在智能化、泛化能力上得到了顯著提升。目前，雙方研發進程已經打通了人形機器人數據收集、云端訓練、部署推理的工作流程，形成了系列工具鏈雙方研發進程已經打通了人形機器人數據收集、云端訓練、部署推理的工作流程，形成了系列工具鏈。華為云與樂聚的合作圍繞“盤古具身智能大模型+人形機器人”，在制造業、家庭典型場景下機器人泛化能力的提升進行了市場調研、測試開發和場景驗證，為打造通用場景的人形機器人展開了聯合創新。在制造場景下，華為云與樂聚團隊深入亨通線纜車間一線展開調研，針對工業企業的普遍性業務痛點，進行技術可行性分析，定義整體產品形態、任務指標和行動計劃，以掃碼包裝、物流搬運、沾錫工序等作為典型場景進行驗證。圖 15 搭載盤古大模型的夸父在江蘇亨通工廠實習圖 15 搭載盤古大模型的夸父在江蘇亨通工廠實習