本土化企業(yè)越來越意識到要開發(fā)自主技術和產品,解決國外卡脖子問題。要實現(xiàn)智能制造技術的自主可控,首先應該完善人才培養(yǎng)機制,完備基礎科學積累,加快技術創(chuàng)新升級;其次,國產企業(yè)想要走向高端應用,還要解決客戶信任度的問題,歸根結底還是要把技術做好,才能讓產品應用落地。
作為“十四五”規(guī)劃的開局之年,2021年智能制造業(yè)大有可為。在5G、云計算、AI(人工智能)、IoT(物聯(lián)網)等新興技術的不斷推進下,制造業(yè)經過融合發(fā)展逐漸朝著智能化加速模式轉型和產業(yè)升級。
4月16日,在鎂客網舉辦的機器人與智能制造高峰論壇上,來自機器人與智能制造產業(yè)鏈上下游的企業(yè)和高校為大家介紹了機器人的最新研究成果,以及機器人與智能制造未來的發(fā)展趨勢。
蓬勃發(fā)展的機器人市場
機器人可大致分為工業(yè)機器人、服務機器人和特種機器人三類,其中工業(yè)機器人占比最大,是智能制造行業(yè)發(fā)展的重要推動力。據(jù)賽智時代整理的數(shù)據(jù)顯示,2020年我國機器人市場結構中,工業(yè)機器人占機器人市場總規(guī)模65%,服務機器人占比27%,特種機器人占比8%。

圖:2020年我國機器人市場結構
捷克作家恰佩克曾提出機器人的三個概念:安全、感知與自我繁殖。一直以來,我國工業(yè)機器人技術無論在安全性能還是感知能力方面都還很薄弱。近年來,制造業(yè)持續(xù)飛速發(fā)展,市場對工廠生產效率和質量提出了更高要求,不斷推動智能制造從自動化向智能化演變和升級。作為智能制造的重要標志,我國的機器人技術也在不斷創(chuàng)新和發(fā)展,市場持續(xù)向好。
據(jù)IFR(國際機器人聯(lián)合會)統(tǒng)計,我國工業(yè)機器人密度在2017年達到97臺/萬人,已經超過全球平均水平,預計我國機器人密度將在2021年突破130臺/萬人,達到發(fā)達國家平均水平。經初步統(tǒng)計,2019年我國工業(yè)機器人市場規(guī)模達到57.3億美元,到2020年,國內市場規(guī)模進一步擴大,預計將突破60億美元。

圖:2015-2020年中國工業(yè)機器人銷售額及增長率變化趨勢
機器人2.0,全面賦能智能制造
智能制造是基于新一代信息通信技術與先進制造技術深度融合,貫穿于設計、生產、管理、服務等制造活動的各個環(huán)節(jié),具有自感知、自學習、自決策、自執(zhí)行和自適應功能的新型生產方式。其核心是有效利用數(shù)據(jù)來改進和自動做出決策、預測和實時行動,優(yōu)化工業(yè)產出。根據(jù)集邦咨詢(TrendForce)旗下拓墣產業(yè)研究院表示,預估2024年全球智能制造市場規(guī)模將達到4000億美元,年復合增長率達10.1%。

圖:2020-2024年全球智能制造市場規(guī)模
工業(yè)機器人是智能制造的重要環(huán)節(jié),是衡量一個國家創(chuàng)新能力與高端制造業(yè)水平的標志。因此,工業(yè)機器人在感知、學習、決策等功能上也需要不斷創(chuàng)新與發(fā)展。從智能化程度上看,機器人具有機器和人兩大類屬性。機器人1.0更偏向于前者,而機器人2.0則更偏向于后者,逐漸朝更加智能、靈活、安全的方向發(fā)展和演變。
工業(yè)4.0的提出,要求傳統(tǒng)制造業(yè)在速度、柔性、響應速度和效率等方面有大幅度提升,在保證高質量的同時降低生產成本。在AI、AR、機器視覺的推動下,機器人2.0在決策、交互能力上較前代有了質的飛躍。另一方面,機器人2.0對安全性要求上升到新的高度,協(xié)作機器人的應用讓安全性的定義范圍逐漸擴展,不僅要保證機器人本身的性能安全,還要求機器人與周圍環(huán)境高度配合,保障周圍人與物的安全。
國產化背景下,智能制造如何發(fā)展?
“十四五”規(guī)劃提出了智能制造發(fā)展目標,即加快數(shù)字化普及速度,加快智能轉型。國家政策的支持下,智能制造產業(yè)融合逐漸擴大,加之以美國為首的技術打壓和封鎖讓國際大環(huán)境日益嚴峻,在智能制造領域掀起了一股“國產化替代”的熱潮。
熱潮之下,國產化進程也遭遇了很多挑戰(zhàn)和難題。從核心的底層技術到總線協(xié)議模式,我國智能制造產業(yè)都受制于國外。本土化企業(yè)越來越意識到要開發(fā)自主技術和產品,解決國外卡脖子問題。要實現(xiàn)智能制造技術的自主可控,首先應該完善人才培養(yǎng)機制,完備基礎科學積累,加快技術創(chuàng)新升級;其次,國產企業(yè)想要走向高端應用,還要解決客戶信任度的問題,歸根結底還是要把技術做好,才能讓產品應用落地。