日初资本仲黎若：智能制造的产业趋势与投资视角

图片来源@视觉中国

文 | 钛资本研究院

科技与工业革命为每个时代带来独特机会，全球正在进入工业4.0阶段，基于大数据和物联网（传感器）融合的系统在生产中大规模使用，工业互联网重新定义生产流程。疫情加快智能制造发展进程，工业互联网、大数据分析、人工智能等技术与先进制造技术深度融合，全球智能制造市场预计将在2028年达到5,762亿美元，2021年到2028年复合年增长率预计将达 12.7% 。

智能制造进入关键“窗口期”，并呈现出自动化、数字化、规模化、生态化、绿色化的发展趋势。同时，在智能化转型路上，制造业企业正在多管齐下升级赛道：提升敏捷性以应对劳动力短缺和供应链不稳定，缩短产品上市周期，同时保障并提升产品质量，打造技术的产品化和集成化能力以部署智慧工厂，实现上下游之间的连接与协同，以及满足日益严格的ESG合规要求。

智能制造的发展趋势如何？未来有哪些投资机会？最近，钛资本投研社邀请日初资本执行董事仲黎若进行分享，她毕业于UCLA，拥有数学/经济理学士学位，曾就职于华为战略投资、中金资本联通基金、摩根大通。她重点关注智能制造、半导体、新能源汽车赛道，主导投资了绿米、未来机器人、乐动机器人、瑞云科技、美新半导体、佰维存储、Minieye、粒界科技等。本次分享主持人是钛资本董事总经理李志军，以下为分享实录：

智能制造产业趋势

全球正处于从工业1.0到工业4.0的变革阶段，每一次变革都孕育了新的机会。第三次工业革命是基于汽车自动化的改革，我们现在所处的第四次工业革命，是从自动化进化到智能化、柔性化的变革，基于大数据和物联网等技术革新去赋能现有的产业版图。

世界各国都在新一轮科技工业革命中发力，对此，我们首先基于时代的背景去理解。第一，中国大国崛起，国际格局发生变化，包括去全球化、保守主义思潮抬头等。第二，基于去全球化的宏观环境，我们必须拥抱变革。另一个维度，在俄乌战争引发能源危机的背景下，部分欧洲厂商迫于能源价格的压力对华示好，也有部分厂商向华施压，如苹果的供应链厂商基于美国的要求把产业链向东南亚地区转移。

回归各国对制造业的定义来看，中国制造业的特色是补短板、促创新，具体来说就是以智能制造为载体，以关键的制造环节智能化为核心，从端到端数据流为基础，形成网络互联的支撑。

我国的智能制造定义是比较全面的，美国的工业互联网定义相对偏协议、框架、游戏规则的制定，更注重产业协同和互联网的改造。德国的智能制造更务实一些，偏向于工厂自动化，以德国汽车工业为代表，推进了德国的智能汽车工厂自动化，包括智能机械臂等产业链的蓬勃发展。

中国工业制造行业现状如何？

纵观中国制造业所处现状，长期看好整体发展趋势。其中有三大因素，第一，虽然下半场进入去全球化阶段，但我国仍有很庞大的市场支持。第二是我国的工程师红利。第三是政府的大量资源投入。 中国提出从传统制造大国向制造强国转型，在疫情以及短期货币通缩的环境下，这其实是催化利好盘，将进一步强化制造业的地位。

从整体的供需关系来看，我国的人口红利在消失。我国前几年的劳动人口基数比较稳定，真正下滑的拐点应该是在2023年， 预计2023年劳动人口从9.6亿人降到8.6亿人，降幅为10%，2037年降幅将会达到15%。一方面供需端的老龄化导致劳动成本升高，将进一步促进自动化、智能化、数字化趋势；同时供给端的技术不断突破，成本不断下降，因此中国的智能制造转型是供给端和需求端双向驱动的结果。

智能制造如何定义？

智能制造主要以工业互联网作为统称，本质是帮助工厂提升效能，实现资产保值增值。 制造业是一个重资产的行业，投资工厂的ROI比轻资产的ROI周期更久，如果产业转型不够及时，工厂主会面临资产的贬值，抓手就是通过工业互联网平台，把设备端生产线、工厂供应商、产品和客户紧密连接，通过软硬耦合、自动化、智能化的方式实现降本增效、提质增收。智能制造在推进的过程中，每个细分产业的信息化水平、数字化程度、演进和智能化硬件端的渗透，都是不同的，不能一概而论。

再看智能制造的产业规模和产业周期。

对制造业产业规模和产业周期而言，中国制造业拥有五万亿美元的市场，信息化更是千亿市场。工厂自动化设备大概拥有两千亿的市场，新的增量市场主要体现在工业互联网平台、5G专网软件平台、工业软件，以及各类机器人、工业自动化设备等。

让我们看看各个板块所处的产业阶段，首先，工业软件领域是国产化率较低的一块，EDA、CAD等渗透率不足5%，现在还处于导入期，产业集中度也很低。其次是工业互联网平台，业内有两种类型的公司：一类是大厂分拆，比如海尔、三一基于自动化、数字化能力积累了一套体系，然后把这块资产剥离出来，赋能到其它行业；另外一类，是细分赛道的一些隐形冠军，如烟草、化工、水务等领域。此外，资本密集度较高的工业自动化设备，硬件比软件的市场规模更大一些，核心原因还是ROI的测算方面，硬件的ROI测算相对直观。

分享一个流程制造的案例。

智能制造主要分流程制造和离散制造。 流程制造针对一些连续性、管控可靠性要求比较高的生产过程，在这个过程中，会有能耗大、污染高的问题，对生产过程的优化和设备健康的管理要求非常高，代表产业如石油、化工。这一块智能制造的算法的优化的核心是聚焦生产工艺和工序的优化。通过机理的学习、模型的迭代优化生产效率，同时帮助高能耗企业满足碳排放要求。

再看离散制造的案例。

离散制造的零部件种类较多、数量较繁杂、产品协同难度较大，智能制造的核心是对生产过程做一些优化。 以生产汽车的四大工艺为例，包括冲压、焊接、喷涂、总装。比如特斯拉主要致力于减少汽车零部件，通过精简生产步骤，缩短生产时间，降低制造成本。最近国内也在竞相效仿引入一体化压铸工艺来减少自身的汽车零部件。对于汽车行业而言，最大的难处不在造车，而在于造车的工厂，在离散制造端，算法优化的核心更多体现在对生产流程和生产节拍的深度理解。

智能制造投资视角

智能制造分哪几个维度和环节？首先，场外有不同的产品设计协作部门进行产品的定义，其次，在工厂内部有各类生产型软件、制造执行系统，连接控制层，控制层通过控制单元来控制下游的执行端硬件。智能制造通过软硬件赋能四个层次（应用层、企业层、控制层、执行层），把工艺机理的算法以及执行端的硬件连接到一起，形成闭环。越往下游，空间会更大。硬件端近几年来资金密度比较大，硬件端有一定的产品通用性，包括自动化设备、机器人等。

硬件端主要是自动化设备端，从二级市场的角度来看，设备端的抗周期性表现还是不错的。软件端主要是应用层和企业层的软件，包括办公软件（金蝶、用友等），和工业软件（中望软件），近期在二级市场有一定估值回调。

智能制造产业价值链曲线如何？

按照价值曲线分布来看，由于执行层硬件具备通用化和规模化特点，市场规模更大，而硬件规模化本质是降本能力，总体毛利相对低一点。 再往上游看企业层和控制层，工业互联网的平台层以及上游的工业软件端，总体毛利水平会更高一些，尤其是偏SaaS类型的工业软件，但国内的工业软件细分程度更高，比如做流体力学的软件就分船舶、军工等不同板块，所以工业软件主要还是关注国产替代紧迫性的机会。对于中游的工业互联网端平台性机会，主要看它在细分赛道的头部位置，每个工业细分赛道也会有足够大的市场空间。

工业自动化产业链核心机会有哪些？

执行层的核心构成为工业自动化，工业自动化产业链的上游包括一些核心零部件，例如计算存储单元的芯片、导航系统、感知系统和驱动系统。 上游有将近70%的国产化率，不过，芯片端尤其是大算力芯片的国产化率，还有很大差距，在导航端以及感知端，已经涌现出很多不错的公司。驱动系统这一领域，偏中高端的减速器、伺服系统和控制器被四大家族所垄断，而在中低端领域，我国的汇川、绿的等，也实现了一定规模的国产替代。在中游的本体端，主要定义的是工业机器人，在过往几年，有很多工业爆款出现，包括无人叉车、AGV、AMR等等。本体端已经跨越了产品定义的阶段，每个领域都有一些比较清晰的头部玩家。

再到下游的设备和系统集成端，半导体领域国产化率较低，例如光刻机、离子注入设备、薄膜沉积设备等。另外一类就是国产化率较高的新能源行业的设备端，尤其锂电和光伏两个领域。我国的设备国产化率非常高，主要受益于新能源赛道的产能扩张。

再看看新形态，上游的零部件的创新技术。机器拟人化是未来发展方向，例如脑机技术、柔性抓取技术、光谱技术、仿生学技术、力控及爬壁等创新技术都将驱动行业变革。而中游的本体，一些新兴的应用，例如软体机器人、检测机器人、纺织机器人等垂直赛道涌现出来。再往下游看新形态，设备形态趋于工作站集成化形态，工作站的集成定义是指产线流程中某一段的自动化，比如无人仓储。

对于工业自动化的投资，可以关注几个维度：上 游核心供应链的国产替代机会，下游确定性增量的高景气行业的自动化需求，以及一些创新技术和创新场景的机会。二级市场上游的核心零部件端和下游的设备端倍数会更高一点，受益于高景气赛道的拉动。

从整体的产业周期阶段来看，我国在锂电和光伏这两个赛道的部分上游供应链CR5集中度已经达到70%以上的水平。我国在新能源布局占领了战略的制高点，未来持续看好新能源出海的机会，例如今年新能源汽车的出口也有非常好的数据，接下来国内的车企出海份额会持续提高。

半导体行业受到经济下行，尤其是消费电子板块的影响，行业处于清库存的阶段，周期下行可能会延续到明年的第二、三季度，同时国内企业又处于国产替代的上升周期，未来持续看好关注半导体设备端和上游材料端的机会。

最后，谈谈工业自动化产业链微笑曲线。

按照利润率和市场规模两端来看，上游的核心零部件和下游系统集成，会处于工业自动化的微笑曲线的两端，中游的本体机器人的利润率会薄一些。随着部分本体品类进入同质化竞争阶段，产业价值链也发生变化，本体向下游集成化延展，在垂直场景进一步深化一体化解决方案能力。

问答

Q1：对于智能制造赛道的一些企业，我们判断值得投的标准到底是什么？您认为智能制造赛道里面，企业需要建立壁垒的方式是什么？怎样才能在这个赛道里处于头部地位？

A：智能制造是科技赋能制造业，核心标准是市场规模有多大，技术壁垒有多高，以及产品的差异化程度。做软件的赋能和做硬件的赋能是有一定差异的，比如工业软件中对于细分领域、求解算法的深度理解，都是不一样的体系。平台型的生产流程管理的公司，对整体生产工艺的机理理解要求非常高。对于做自动化的硬件公司，从产业的终局来讲，硬件最终都会同质化，需要具备降本化规模化能力，因此切入的赛道需要足够大，有足够深度，同时产品力也需要不断迭代，通过切入深水区的场景，构建壁垒。

Q2：整个智能制造产业链还是比较长的，包括设计、生产、仓储、运输环节，这些环节里，你认为哪些值得我们重点关注？

A：这些环节所代表的产业属性各有不同，比如说设计环节，这种公司天花板不高，但是撬动了千亿级的赛道，估值溢价非常高。第二类是生产类的，分硬件和软件，软件像工业互联网平台公司，是比较垂直的，很难跨行业。有的设备是通用型的，有的设备是垂直类的。比较具备通用型的是仓储和运输，仓储和运输的产品形态相对标准化，可以做到一定程度的跨行业。

Q3：除了工业机器人、高端装备、数控机床，什么样的企业、标的或方向值得我们去关注？

A：首先设备赛道有一定周期性，基本上在扩产能之前12到14个月的前置周期。布局设备有两个要素，一是它所处的赛道要足够宽、足够长周期，第二是它的品类具备通用化特点，数控机床其实就是偏通用化的产品，现在中低端设备国内的公司也能做，但是高端化是比较薄弱的，比如高端注塑机、高端数控机床和德日厂商还是有很大差距。第二类就是技术驱动创新的一些机会，围绕一些高景气行业，例如光伏赛道技术驱动下（Topcon\HJT）的新设备机会，以及锂电里面的一些机会。第三类就是国产替代，例如国产化率低的半导体设备。

Q4：您觉得无人仓储、无人工厂在哪些行业可以最先落地？

A：无人仓储和无人工厂还是取决于整个产业对于生产节拍的紧迫性要求。如果按照紧迫性来排序的话，顺序是汽车、锂电、光伏。汽车生产的自动化比例是非常高的，设备到设备之间打通后，人的因素作用就没有那么大，这取决于汽车生产节拍的要求。这几个领域，相对处于起步阶段的就是光伏，光伏才刚刚开始上一些自动化，主要还是做中间转运的自动化。

Q5：未来是否会有大量“专精特新”、国产替代的上市公司？是否会有大量并购交易存在？

A：是存在一些并购机会，例如工业软件领域，对于部分初创公司来讲，可能是被华大九天和中望收购。纵观国外的偏细分垂类领域的公司，也是通过不断的并购整合形成一家平台型公司。而有些品类可以通过收购整合，有些品类不具备并购条件。从更深层的投资角度来讲，需要看二级市场怎么定义“专精特新”，其市场天花板的估值如何体现，这块儿目前还不够清晰。这对一级市场下半场投资提出了一些挑战，可以通过国产替代的紧迫性和赛道景气度情况，去筛选“专精特新”的一些投资机会。

钛资本研究院观察

制造企业不断寻求产品设计、生产流程、供应链的优化，数字技术和数字治理成为制造企业管理未来工厂、理解数据、并保持竞争力的必要工具。未来制造企业基于数据分析洞察，借助数字孪生、深度学习、智能化设备等实现精准执行，将更加高效、无人为干预、可持续地优化制造能力。

工业4.0解决方案互联互通、去中心化决策、数据透明、技术支撑和持续优化的特征，将加速制造企业向代表工业4.0最高成熟度的自适应阶段过渡。技术进步将允许相关解决方案并行管理越来越多目标，这些改变将塑造未来十年制造业格局，现在正是制造业做好准备，抓住机遇进行下一步行动的时机。钛资本将持续陪同行业领先者扩张、发展，不断攀登商业高峰。

盘点风头正盛的10家德国人工智能初创企业（制造业）

关键词 ：人工智能；模块化装配；低代码；深度学习；质量控制；眼动追踪；机器人技术；

2018年，德国联邦政府公布了《德国人工智能发展战略》，以推动德国在人工智能领域的研发、技术应用及产业政策，力争通过创立“人工智能—德国制造”的新品牌来保持德国的核心竞争力。德国目前正在加快人工智能领域研究向应用领域转化，核心是让广大中小企业真正用上人工智能技术，用好人工智能技术。

德国雄厚的工业积累结合中小企业自身的资源配置，是他们把人工智能技术优先落地到工业领域，比如优化生产流水线，提升机床加工效率，降低质量检测中的坏件率等应用场景的重要原因。在这篇文章中，我们将向读者介绍10家专注于制造业的德国人工智能初创企业在人工智能技术上的应用探索。

Arculus——颠覆传统流水线，实现模块化装配

随着定制需求的增加和创新周期的加快，传统的流水线制造无法跟上步伐。总部位于慕尼黑的Arculus的使命是将20世纪的一维装配线转变为未来更方便，更灵活的模块化生产过程，从而能够更高效地制造当今最复杂的产品。该公司专注于自主移动机器人、模块化生产平台和移动自动化软件解决方案，利用其人工智能驱动的软件与自主移动机器人(AMR)搭配，为每辆汽车创建一条定制化的工厂路径。

根据首席执行官Fabian RusitscHKa的说法，在全面实施时，这种方法可以帮助一家大型OEM制造商实现每年超过1.5亿欧元（约11.7亿人民币）的成本节约。

该系统不仅为更先进的自主移动机器人设计，同时也可以与更基本的自动导引车（AGV）一起工作。

AISight——方便实用的机器诊断技术

来源：AiSight

AiSight GmbH是一家提供易用、可拓展机器诊断解决方案的创新型公司，总部位于德国柏林。公司致力于开发和生产即插即用型解决方案，以满足日益增长的工业设备状态监测和预防性维护需求。AiSight技术能依据振动和温度传感器以及人工智能数据分析，帮助制造企业减少设备意外停机时间，优化生产过程质量。目前，该公司已被环境和流量传感器解决方案供应商Sensirion收购。

收购后，AiSight与Sensirion共同覆盖了从传感器开发到完整解决方案和服务的整个价值链。AiSight在云技术、数据分析和人工智能方面的专业技术与Sensirion在传感技术、硬件开发、生产技术和B2B企业客户基础方面的优势形成互补。通过合作，未来Sensirion和AiSight将提供性能优异、方便实用的机器诊断技术，满足广泛设备和应用需求。

您可以在专栏中了解到更多德国人工智能应用和采访视频。

ArtiMinds——为未来机器人技术做好准备

依靠特殊的编程软件环境来模拟机器人应用，使用模块化原理生成程序代码并降低维护成本，并能够独立于制造商工作，同时缓解熟练工人的短缺。这些正是德国采埃孚集团通过使用初创企业ArtiMinds的机器人编程套件（RPS）所能实现的事。通过使用RPS，即使是很复杂的机器人应用程序，只要是有了合适的组件，也可以由企业内部员工实现灵活操作。

机器人正在自我维护

维护机器人系统所需的工作对企业来说是一个大问题。在某些应用中，磨损以及材料特性随时间的变化会改变。ArtiMinds研发的机器人工具学习与分析（LAR）正在帮助企业及早进行干预，只需单击几下即可进行更正，甚至可以使机器人自动适应。

在操作过程中，LAR会不断收集每一次动作的数据。基于此数据收集，例如，如果抓地运动中出现不正确的信息，该软件可以及早检测并发出警告。避免了昂贵的维护工作。

Deevio——基于深度学习的质量控制解决方案

初创企业Deevio于2018年成立于柏林，是柏林深度技术公司WATTx的衍生企业。该公司基于深度学习技术，开发自动化线下质量控制解决方案。

Deevio的深度学习解决方案基于学习缺陷概念的模型，该模型可以直接集成到现有的机器视觉系统。具有较高的灵活性和巨大的成本优势。通过使用这类模型，可将伪错误率从50％降低到1％。目前该解决方案已经在德国企业行业、铸造行业以及制药行业进行了应用。

Deevio得到了柏林投资银行Pro FIT计划的支持。合作的目标是研究和开发用于自动质量控制的连续学习算法。该项目由欧洲区域发展基金会（EFRE）共同资助。

conductiv.ai——零迭代制造

Conductiv.ai 是一家位于柏林的人工智能初创公司，该公司专注于为半导体等精密制造业提供人工智能解决方案，Conductiv.ai 过程控制使用机器学习和基于物理模拟的独特组合来创建复杂流程的自我完善数字双胞胎，从而轻松实现成本和材料优化，以最大限度地降低成本和上市时间。

通过自动化机器学习、联合学习和混合建模，该平台使用户能够跨多台机器和流程步骤快速建模和自动化复杂的物理系统。AutoML 允许自主算法选择和超参数搜索，从而实现快速准确的 AI 模型。这家初创公司已经与欧洲最大的半导体工厂 GlobalFoundries Dresden 验证了他们的方法。

Gestalt Robotics——智能工业自动化

Gestalt Robotics 于2016年成立于德国柏林，该公司的技术基于机器人、计算机视觉、现代ICT方面的专业知识，为非自然移动，视觉资产检测以及库存盘点和库存评估等非结构化环境提供解决方案。Gestalt Robotics的解决方案涵盖自主研发的软硬件，重点在于交互和感知。能够在高度可扩展的基础上提供有关智能交互和环境分析的更多智能机器人解决方案。三位联合创始人分别是Eugen Funk博士（前德国航空航天中心计算机视觉专家）、Jens Lambrecht教授（前德国电信创新实验室的机器人专家）、Thomas Staufenbiel（前空客赛峰运载火箭公司科研人员）。

Gestalt Robotics是德国人工智能工业应用的实践者，基于一个统一的技术平台，可以通过模块化技术模块为客户的个性化需求提供可扩展的解决方案。 这些解决方案例如支持AI的图像处理，智能机器人应用程序，自适应辅助系统和自主移动平台服务。从而为客户带来切实的增值解决方案，解决实际中的工业挑战。

Tvarit——使用人工智能降低铸造过程的废品率

Tvarit GmbH 是一家面向金属加工行业的定制型人工智能解决方案提供商，使用该公司的人工智能解决方案，企业可以开始预测重要的 KPI，包括设备效率、生产质量、能源使用和碳足迹。这些预测可以使废品率降低 20% 到 50%，并能显著减少能源费用，从而实现可持续和零浪费的制造过程。

人工智能 + 领域知识促使获得更好的结果

但仅靠人工智能并不是完整的解决方案。像 Tvarit 的工业人工智能解决方案这样的平台，可以通过添加来自模拟范例的领域知识来创建更准确的混合模型。这些范例是通过理解产品中发生的某些类型的缺陷，并形成相关的知识而制定的。

该平台由连接到边缘服务器的传感器组成，边缘服务器从云端将信息发送到使用预测建模、评估和风险分析的 Tvarit 人工智能软件。

当所有要素整合并创建一个混合模型时，便可以模拟实际情况并使这些预测更加准确。这就像汽车中的自动巡航控制系统，但因为你现在有了雷达，所以不会撞到墙上。

德国慕尼黑电子元器件展信息采集，寻找先进技术和产品

该公司是国内一家致力于气体传感检测技术领域的科技型企业；目前正在寻找德国（欧洲）具备领先技术的公司合作，合作模式持开放态度，代理销售、技术引进、合资公司、收购均可讨论。该公司目前正在寻找一名慕尼黑附近的留学生或华人，协助他们在11月15号举办的德国慕尼黑电子元器件展上进行信息采集工作。

【任务明细】

1：按照要求整理收集符合条件的产品并翻译成中文； 2：现场了解产品/技术相关情况，展会后进行书面和口头汇报； 3：组织协调企业后续的线上会议，以及相关背调工作；【要求】中英德流利沟通；有传感器专业背景的学生优先考虑；符合条件的可以直接私信联系我们；

如您需要在相关德国展会上寻找先进技术和产品，请直接与我们取得联系。

truphysics——通用智能机器人平台

德国truphysics公司于 2015 年在德国斯图加特成立，该公司研发虚拟和增强现实仿真解决方案以及基于 AR 的应用程序和智能机器人系统的研发。

该公司研发的TruOS系统是新一代智能机器人的大脑。它控制机器人系统的每个组件，使用户能够直观、快速地对机器人进行编程和操作，而无需任何先验知识或编程经验。用户可以使用应用商店上提供的各种技能来扩展其机器人的功能，这些技能不断适应用户不断变化的需求和要求。

这些技能包可以分为四个不同的类别进行培训和实施。这些类别包括视觉、语音、传感器和远程。然后可以进一步分类为基于人工智能（例如深度强化学习）、计算机视觉（例如人脸识别）或通用服务（例如，其他平台的 API 或远程导航服务等工具）。 不同的技能可以重叠并组合使用，以便根据个人要求在给定任务上训练机器人。

Pupil Labs——全球第一款深度学习驱动的眼动追踪眼镜

对于VR/AR行业，眼部追踪技术是一项关键技术，有了它才能实现真正的沉浸式体验。除了成为用户界面的重要部分，眼部追踪技术还能减小设备的运算压力并增强虚拟物体的真实性。

Pupil Labs为德国初创团队，成立于2013年，目前团队有9个人，两个创始人Will Patera和Moritz Kassner(CEO)都来自MIT。该公司推出的一系列眼动追踪方案不仅可以匹配现有的主流VR头显带来眼动追踪，还可以匹配微软 HoloLens 或者其他 AR 眼镜。

Pupil Invisible

该公司研发的Pupil Invisible是全球第一款深度学习驱动的眼动追踪眼镜，可应用于运动竞技、工业设计、景观设计、城市规划等领域。

Micropsi——人工智能机器人控制系统

过去几十年间，传统工业机器人在生产线上发挥出重要的作用，其快速和精确的位置控制，加速了生产的进程。但这些机器人仅适合于固定轨迹的任务，例如从A点移动到B点，执行零件的切割、组装和喷漆等工作。对于一些复杂或动态的环境，处理未知形状的工件，涉及灵活多变且技术要求高的任务，例如表面抛光，对于环境和轨迹有严格要求的工艺，工业机器人显得难以胜任。

总部位于德国柏林的机器人软件公司Micropsi Industries试图通过颠覆性的人工智能技术填补了工业机器人行业的这一关键缺口。借助MIRAI机器人控制系统，Micropsi赋予第三方机器人“手眼协调”的功能，使部署和重新部署机器人以及原本工业机器人不可能完成的复杂运动变得更加经济和快捷。机械臂可以根据视线实时决定如何移动，并且无需编程便可以从人类那里学习相应的动作。

相关问答

NOEO是一种由德国制造的智能马桶,它采用一体式设计,不受水压限制,并且具备停电冲水、全自动翻盖、清洗加热和烘干等功能。此外,该产品还支持语音控制,并且不需...

[最佳回答](1)本小问的特点,依据材料一的图示可知,特点是对劳动力数量的需求变小;对矿产资源的依赖降低;对市场需求的依赖度提高;对网络信息的依赖度提高;对科...

[回答]新一代信息技术和新一代人工智能与制造业的深度融合,正在引发深远的变革。为了在世界制造业格局变化中占据有利地位,德国提出“工业4.0”,美国提出...

去年早些时候,“互联网+”曾经被视为“智能制造”的灵丹妙药。经过一段时间的争吵、实践和沉淀,“制造业+互联网”的融合,才勉强修成正果。这看上去不过是一个...

德国提出了工业4.0行动计划,也就是以智能制造为主导的第四工业革命。德国在提出工业4.0概念之后,制定了八个优先行动计划。德国提出了工业4.0行动计划,也就是...

工业4.0则是利用信息化技术促进产业变革的时代,也就是智能化时代。这个概念最早出现在德国,2013年4月的汉诺威工业博览会上正式推出,其核心目的是为了提高德...

[回答]~接下来我为大家简单介绍一下我们深圳技术大学的中德智能制造学院开设的专业以及研究情况专业设置:机械设计及其自动化(智能制造与机器人)、电子科...

工业4.0时代,制造业如何实现智能制造产业升级!首先来看目前制造业已经开始在实现智能制造了!那基于这个前提我们讨论一下,全世界智能制造的步伐还是会加快!...

德国被称为“欧洲最强大的经济和工业强国”,考虑到德国在研究、技术、科学和教育上投入的时间和精力就毫不奇怪了。德国在1901年获得了第一个诺贝尔奖,在第二次...

由于人工智能技术不断发展,将来会有部分行业和岗位会应用到人工智能技术,达到节省人力,提供工作效率的效果。一、这些行业可以用到人工智能技术AI真的来了!...