近年来随着人工智能技术的飞速发展，在越来越多的场景中我们能够看到服务机器人正在逐渐实现落地应用。根据IDC预测，服务机器人的消费将会持续增长，到2022年市场规模将会达到770亿美元，从2018到2022年服务机器人的每年增长比率持续在26.3%。到2022年中国将成为全球最大的服务机器人市场，将占到全球市场份额的38%，紧随其后的就是美国和日本。
针对服务器机器人发展的现状、市场痛点和业务场景的探索，科沃斯商用机器人公司CEO高倩日前在深圳举办的亿欧2019大湾区国际科技峰会的机器人论坛上分享了自己的观点。
两大驱动力带动服务机器人增长
服务机器人是庞大机器人家族中的一个年轻成员，根据其用途不同，可以划分为保洁机器人、教育机器人、医疗机器人、家用机器人、服务型机器人及娱乐机器人，应用范围非常广泛。服务机器人强调在开放非预设环境下完成轻型、非高精度作业，且尽可能低成本之下的可接受寿命，而且由于服务机器人直接与人接触，故而对于安全性，可靠性要求很高。
高倩表示，服务机器人快速发展，得益于内外部驱动力的双重推动。第一、从外部驱动力来看，人口老龄化速度加快，2015年，我国60岁以上人口占总人口的比重达到16.15%，预计2020年，这一比重将达到17.17%；2018年我国人均GDP接近1万美元，进入“中等发达国家”行列，可见，劳动力由过剩转向短缺的拐点已经来临。同时，国家层面也推出了《关于推进工业机器人产业发展的指导意见》、《机器人产业发展规划（2016-2020年）》等一系列强有力的战略政策，以支持机器人产业的发展。 2017年12月，全国掀起建立机器人企业的热潮，在全国有78个机器人园区。
图：科沃斯商用机器人CEO高倩。
第二、内部驱动力，主要体现在机器人部件技术逐步成熟，机器人作业精度和速度逐渐改善，再加上一些企业提供端到端的一站式解决方案，全套的产品和服务也为客户端提供了极大便利。此外，随着机器人企业和产品数量的增长，机器人的价格也将会下降，客户端的回报期也在逐渐缩短。价格的下降和回报期变短，都加速了服务机器人在市场上的普及。
高倩特别指出，服务机器人的精度和可靠性指标非常关键。如果说有3000台机器人，平均无故障时间是30天的话，那么算到每一天，厂商有一百台机器人每天都在修。客户体验就非常差，所以可靠性要求非常高。此外，服务型机器人对场景化的要求高，在银行、商场和教育场景的服务机器人，不仅硬件不同，软件内容也不同，需要根据客户需求进行定制化的端到端开发。还有，由于结合行业客户定制化开发，交付流程也比较长，需要机器人企业在工程化的部分投入很大精力，很难想象做一个通用化的产品放到每个行业都能覆盖，必须有专业的运营团队或工程化团队到实际环境中帮客户解决问题。
客户需求变化，带动服务机器人持续迭代和价值增长
“服务机器人从眼球效应到泛娱乐到工具化，从多功能通用到垂直场景耦合，从产品化思维到行业解决方案，在迭代中进步。高倩对记者表示,“行业中，各家在核心算法及软硬件人才储备方面的差异并不是很大，成熟的落地产品和解决方案才是痛点。”
科沃斯商用目前基于紧密结合行业业务系统、满足核心业务需求的产品思想，首先选择了银行、司法、零售等行业进行了深入研究，并实现了产品规模化落地应用。
在最近三年中，以银行客户需求变化为例，高倩分析了产品迭代的逻辑。银行1.0版本中，客户对服务机器人定位是高科技感的展示，主要是信息查询作用；到了2.0的版本，银行客户对科沃斯提出要求，机器人的定位是大堂经理，主要对来银行办理业务的客户进行引导，随着客户需求进一步提升，客户希望机器人与其他的业务流程互联互通，对业务做深度的挖掘。银行3.0时代，越来越少人进入银行网点，银行客户提出要做智慧化方案，提高客户的体验。
从2015年至今，科沃斯服务机器人“旺宝”已经经历了3年的迭代，而这三年里它在金融机构线下实际网点中的应用，让科沃斯对服务机器人和工作场景的关系有了更深刻的理解。在银行和非银行场景，科沃斯的旺宝机器人接待量要超过1729万次，在金融市场，实现了70多次成功营销，200多次引导接待和500多次优质的服务。
为了更好地提升场景落地能力，科沃斯商用在核心技术架构中囊括了运动智能、图像智能、对话智能和AIOT在内的四大能力以及由人机交互平台、运动平台和商用机器人服务中台组成的三大平台。
高倩表示，服务机器人的目标路径，探索场景只是手段，为用户带来价值才是目标。“银行业目前是我们服务的最大群体，由于深耕场景，数据积累的质量更加垂直，AI模型迭代能力更强，产品本身AI能力就有长足的进步。”
对于5G时代的到来，高倩表示非常期待。她展望道：首先，目前在机器人在本地端以及本地端处理的能力、图像、交互等都依赖于网络、数据传输的速度和网络配置。如果5G商用，大带宽、高可靠性、海量连接逐步实现，本身处理的能力和速度上有更好的体感变化。其次，机器人场景中一直提倡“云边端”，从云端做训练，边缘器更接近于本地处理的综合，“云边端”三块结合在一起，加上5G整个骨干网络的构建，机器人可以做的事情更多，可以处理的效果和速度更快，成长能力会更强。
閱讀更多 電子發燒友觀察 的文章
