【
中国智能制造网 学术论文】当前，在技术端，服务机器人智能性已达到商用水平，API 与模块化加速产品研发迭代。在应用端，服务机器人已构建出“六维度模型”。未来，这两个方面依旧是服务机器人的布局关键所在。
服务机器人景气度一路飙升 技术和应用是布局关键
2015 年专业服务机器人市场规模46 亿美元，个人/家庭服务机器人市场规模22 亿美元，2016-2019 年有望迎来持续快速增长。IFR将服务机器人划分为专业服务机器人和个人/家庭服务机器人。根据IFR统计，专业服务机器人市场2010-2015 年CAGR 为5.1%，个人/家庭服务机器人市场同期CAGR 为33.6%。IFR 预测，2016-2019 年，专业服务机器人市场将累计销售231亿美元，个人/家庭服务机器人市场为242 亿美元。据此测算，2016-2019 年，专业服务机器人市场CAGR 为9.4%，个人/家庭服务机器人市场CAGR 为45.0%。
技术端：机器人智能性达到商用水平，API 与模块化加速产品研发迭代
1 深度学习大幅推进服务机器人的智能性
深度学习是人工智能发展的重要里程碑，推动语音交互和图像识别领域的快速发展。从1956 年达特茅斯会议开始，人工智能发展已历经3个阶段。(1)阶段：推理期(1956-1960s)。这一阶段的主题是将逻辑推理能力赋予计算机系统，主要成就是开发出自动定理证明系统等；(2)第二阶段：知识期(1970s-1980s)。这一阶段研究人员致力于将人类的知识总结出来并交给计算机系统，主要成就是开发出了专家系统；(3)第三阶段：学习期(1990s 至今)。研究者试图让计算机自己学习知识，这一阶段的重要突破是深度学习的提出和发展。Hinton 在2006 年提出了深度学习算法，2012 年Hinton 的团队利用深度学习算法在ImageNet 上大放异彩。随后深度学习获得业内广泛关注，同时吸引IT 巨头的持续巨额投入，进而推动了语音识别、图像识别、自然语言处理等领域的高速发展。
语音交互正在成为服务机器人人机交互的主流技术之一。人机语音交互的方式更类似于人与人之间的交流模式，目前服务机器人产品大都采用语音交互模式。国内服务机器人主要采用科大讯飞、百度、思必驰、云之声等企业提供的语音交互模块。苹果、谷歌、微软、亚马逊、Facebook、IBM 等IT 巨头都已经布局各自的语音识别技术。
得益于深度学习技术，语音识别取得长足发展，目前在某些领域已经接近甚至超过人类。从1970 年开始，语音识别技术发展迅速，机器识别单词数量呈指数式增长。目前，各主流语音识别平台的单词识别准确率均已超过90%。2016 年10 月，微软语音识别技术在行业标准Switchboard 语音识别任务测试中，实现5.9%的错误率，已经达到专业速记员的水平。
图像识别能力已达到人类水平。图像识别能力同样是服务机器人人机交互领域的重要组成部分。2012 年，Hinton 的团队利用GPU 训练神经网络模型，将错误率由26%大幅降低至15%。此后，错误率逐年下降，到2015 年，微软亚洲研究院计算机组的错误率已经低至3.6%，而人眼识别错误率为5.1%。
2 API 和模块化提升服务机器人产品的开发和迭代速度
API 和模块化提升服务机器人产品的开发和迭代速度。服务机器人的智能模块包括感知交互、认知决策、定位导航、运动控制等，技术跨度范围极大。服务机器人初创企业一般多只能对其中某一个模块有深入研究，甚至许多初创企业只做平台集成。在这样的背景下，人工智能技术的API 接口开放和核心零部件的模块化，无疑大大降低了服务机器人厂商产品开发和迭代的难度。目前，在服务机器人核心技术环节涌现出一批的企业，推动服务机器人集成产业走向成熟，使得服务机器人集成商可以将精力投入到产业化应用和商业模式的探索中。
人工智能API 让服务机器人厂商能够借助外部力量实现产品的智能性。目前已有大量的开放的人工智能API(Application Programming Interface，应用程序接口)，范围包括(1)机器学习和预测，(2)图像识别，(3)文本分析、NLP 和情感分析，(4)机器翻译，(5)语音识别。互联网巨头也开始加入开放人工智能API 的阵营中。2015-2016 年，谷歌陆续推出Google Cloud Vision API 和Google Cloud Speech API，其可被应用于软件或设备中。
连接上这两个API 的设备可以将图片和语音上传到谷歌云端，经过云端处理后，会返回需要识别的图像和语音内容。微软开放的API 包括表情识别、语音识别、视频识别等。人工智能API 接口开放大大降低了服务机器人厂商实现产品智能性的难度。
核心部件的模块化加速了服务机器人厂商的生产研发过程。核心部件的模块化有利于服务机器人厂商通过外购的方式获得机器人产品所需的功能。以导航移动模块为例，思岚科技推出模块化机器人自主定位导航系统SLAMWARE，其仅有硬币大小，集成了基于激光雷达的同步定位于建图(SLAM)及配套的路径规划能力。宿主系统可以利用SLAMWARE 提供的通讯接口，并结合SDK 实时获取的高精度机器人位置信息与SLAMWARE 自主构建的环境地图数据。
应用端：两类目标用户，三类产品作用，构建“六维度模型”
1 服务机器人“六维度模型”
根据目标用户和产品作用，构建“六维度模型”。各类服务机器人相互间差异化极大，例如，达芬奇手术机器人、科沃斯扫地机器人、大疆航拍无人机，虽然都属于服务机器人，但其背后的产品逻辑显然是不同的。我们从目标用户类型和产品作用类型两个角度对服务机器人的应用端进行分类，提出服务机器人的“六维度模型”。这样分类的优点在于：(1)避免笼统地将所有服务机器人放在一个框架下讨论。例如，我们将指出人力成本上升仅能够推动“替代人类”的服务机器人产品发展；(2)避免陷入穷举罗列相关公司的困境。IFR 将服务机器人分成2 大类，13 小类，具体产品上百种，穷举罗列的方式无法构建分析主线。
分类角度一：按照目标客户类型，分为to B 和to C 两类产品。同样类型的服务机器人，主打to B 市场还是to C 市场，决定了其不同的发展模式。例如，to C 的航拍无人机和to B的缉毒无人机，在价格定位、销售渠道、商业模式上都有明显的区别。(1)to B 的服务机器人：主要是指专业级服务机器人，面对的客户是企业、政府、机构等。类型包括军用、农牧、物流、运输、医疗、建筑、清洁、检测、水下、救援等。(2)to C 的服务机器人：主要指家用和个人服务机器人，面对的客户是个人或家庭，类型包括家务、娱乐、教育、养老护理、安防等类型。目前，我们也观察到to B 的企业和to C 的企业在产品上有交互融合的趋势，例如，大疆在占领to C 的航拍无人机市场后，又推出to B 的农业植保机。
分类角度二：按照产品作用类型，分为替代人类、辅助人类、创造新领域，三类产品。
(1)替代人类：为了降低人力成本或者提高工作安全性，在很多领域已经开始用服务机器人去替代人类的工作，例如酒店送递机器人和防爆机器人；(2)辅助人类：在部分领域，服务机器人并不是为了替代掉人类，而是提升工作质量，典型的例子是达芬奇手术机器人和IBM Waston；(3)创造新领域：服务机器人发展也创造了许多新领域的尝试，目前这些领域大都处于市场探索和验证阶段，例如智能虚拟助理、情感机器人、编程类的玩具机器人等。
2 两类目标客户：to B 产品和to C 产品
(1)to C 产品
to C 的产品主要关注价格、易用性、产品生态。to C 的产品直接面对终端消费者，前期需要大量的市场培育和推广支出，所以相较于to B 产品，其实现收入和利润的周期一般较长。to C 的产品的优势在于能够逐渐形成自身的品牌优势和产品生态。我们认为，满足以下三个标准的to C 服务机器人企业值得我们关注，(1)低价而又高性价比的产品；(2)易用性强，能够被消费级用户快速学习、使用方便的产品；(3)围绕核心产品建立产品生态。
关注点1：低价而又高性价比的产品。打开to C 市场需要两点，(1)产品智能性能够满足客户的理性期待，这点主要通过更多数量和更高质量的智能模块集成来实现；(2)产品价格足够低，满足C 端客户的承受能力。基于这两点，to C 的厂商需要在技术追求和成本控制之间取得平衡。目前国内已经脱颖而出的to C 服务机器人公司，例如大疆、科沃斯、优必选等，都是通过低价，同时又高性价比的产品来打开to C 市场，并实现规模化销售。
我要评论