行业的发展趋势，GGII 认为，未来几年，协作机器人在各行业的渗透率将持续提升，整体需求将会延续增长态势。 本蓝皮书以协作机器人为核心，重点阐述了重点核心零部件的发展态势，其中包含减速器、无框力矩电机、关节模 组、力传感器等，结合协作机器人产业链各环节的技术特点，剖析协作机器人市场和技术脉络，同时对协作机器人的 应用行业、应用场景和应用趋势进行分析，旨在厘清协作机器人的发展脉络，帮助协作机器人产业链相关企业及投资 感谢以下联合参编单位（排名不分先后）： 遨博（北京）智能科技股份有限公司 法奥意威（苏州）机器人系统有限公司 华盛控智能科技（广东）有限公司 广州里工实业有限公司 江苏华途数控科技有限公司 深圳市鑫精诚传感技术有限公司 蓝点触控（北京）科技有限公司 上海步科自动化股份有限公司 目录 第一章 协作机器人市场概述 1 第一节 定义及分类 1 第二节 协作机器人特点 华盛控 70 第四节 里工实业 75 第五节 华途数控 82 第六节 步科股份 86 第七节 蓝点触控 95 第八节 鑫精诚传感器 99 第九章 协作机器人应用案例 104 第一节 模具行业 104 第二节 航空制造业 105 第三节 锂电行业 107

数据采集与处理..................................................................................37 4.2.1 传感器部署.................................................................................41 4.2.2 数据传输. 作为最新一代的人工智能平台，具备强大的数据处 理、模式识别和自主学习能力，能够有效应对水利工程中的复杂问 题。 在水利工程中，DeepSeek 的应用主要体现在以下几个方面： - 实时监测与预警：通过部署传感器网络，DeepSeek 能够实时采 集水文、气象等数据，并结合历史数据进行智能分析，实现对洪 水、干旱等灾害的精准预警。 - 优化水资源调度：DeepSeek 可以 根据多源数据（如降雨量、水库水位、用水需求等）构建动态模 可以根据地形地 貌、水文条件等数据，自动生成最优的枢纽布置方案，并通过虚拟 仿真技术对方案进行验证，确保设计的可行性和经济性。 为了实现上述应用，通常需要以下技术架构： 1. 数据采集层：通过传感器、遥感设备等获取水文、气象、工程 运行等多源数据。 2. 数据处理层：利用 DeepSeek 的数据清洗、特征提取等功 能，对原始数据进行预处理。 3. 模型训练层：基于深度学习算法，构建水文预测、设备故障诊

级自动驾驶功能的智能化传感器 ，如摄像头、激光雷达、毫米波雷达等， 能实时感知各类路面情况；还需要车辆的自动驾驶芯片有足够高的算力 ，能在毫秒之内识别信息 ，并提出应 对策略。 应用智能传感器是实现 NOA 的基础 无论是多传感器融合派厂商，还是视觉派厂商，都大量使用智能化传感器，他们是实现 NOA 的必要条件。 要实现 NOA 对智能传感器硬件要求很 高 高 特斯拉 Model 3 小鹏 G9 厂商要搭建起高效的算法模型 ，开发的系统既要能精准识别并处理各传感器获得的数据 ，还要能有效应对 模 型未考虑到的长尾问题。这大大增加了系统所需数据量 ，增加了开发难度。 特斯拉的 NOA 系统不仅能规划车辆行进路线等， 还会 实 时提供预警信息， 并能主动停止可能导致危险发生的 并线 等行为。 小鹏汽车开发的城市 NGP 的代码量 、 感知模型数量、 哪个隐藏层或神经元的问题； • 闭环验证较难， 缺少真实 数据验证。 应用 AI 大模型后， 自动驾驶算法的底层逻辑将变成“场景→车辆控制 ”的端到端模型 ，将感知、规划和控制 环节一体化 ，传感器采集到的信息直接输入神经网络 ，经过处理后直接输出自动驾驶的驾驶命令 ，不存在 各 子模块目标与总系统目标存在偏差的情况 ，保证效益最大化。当前 ，端到端模型暂时只被用于感知系统。 基于数据的

2 数据采集工具与技术...........................................................................58 4.2.1 IoT 传感器..................................................................................61 4.2.2 PLC 与 SCADA 为了进一步提高焦炭生产的效率，各生产环节可引入人工智能 技术，如：  实现自动化的煤料选择与配比：通过数据分析，确定最佳煤种 组合，减少人工操作，提高煤种利用率。  温度与气氛实时监控调整：利用传感器与 AI 算法，实时监控 焦炉内部环境，根据数据自动调整供气与温度，以保证焦炭的 最佳生产条件。  预测性维护：通过对设备进行数据采集与分析，提前识别潜在 的设备故障，减少停机时间。 在实际操作中，炼铁过程需要严格控制炉料的投放，监测炉内 温度和气体成分。通过大型传感器和监控系统，可以实时获取这一 信息，并结合 AI 大模型进行数据分析和预测，从而优化整个炼铁 过程。 为了提高炼铁效率和产品质量，可以考虑以下几点优化方案：  原料改进：选择高品位铁矿石和优质焦煤，降低杂质含量，提 高清洁生铁的产出率。  过程监控：采用先进的传感器技术，实时监测炉内温度、压 力、气体成分等参数。通过大数据分析，发现潜在的异常工

6.1 物联网的感知层技术 （一）传感器技术 传感技术同计算机技术与通信技术一起被称为信息技术的三大支柱。从仿生学观点，如果 把计算机看成处理和识别信息的“大脑”，把通信系统看成传递信息的“神经系统”的话，那么传 感器就是“感觉器官”。 传感技术是关于从自然信源获取信息，并对之进行处理（变换）和识别的一门多学科 交叉 的现代科学与工程技术，它涉及传感器（又称换能器）、信息处理和识别的规划设计、开发、 划设计、开发、 制／建造、测试、应用及评价改进等活动。获取信息靠各类传感 器，它们有各种物理量、化学 量或生物量的传感器。按照信息论的凸性定理，传感器的功能与品质决定了传感系统获取自然 信息的信息量和信息质量，是高品质传感 技术系统的构造第一个关键。信息处理包括信号的预 处理、后置处理、特征提取与选择等。识别的主要任务是对经过处理信息进行辨识与分类。它 利用被识别（或诊 断）对象与特征信 断）对象与特征信息间的关联关系模型对输入的特征信息集进行辨识、比较、 分类和判断。因此，传感技术是遵循信息论和系统论的。它包含了众多的高新技术、被 众多的 产业广泛采用。它也是现代科学技术发展的基础条件，应该受到足够地重视。 微型无线传感技术以及以此组件的传感网是物联网感知层的重要技术手段。 （二）射频识别（RFID）技术 射频识别（Radio Frequency Identification，简称 RFID）是通过无线电信号识别特定目

自身 以及外置传感器的实时数据采集，利用分布在各层环境中 的计算和处理平台，依托围绕设备运转特征与风险指针相关 性的算法模型，提供设备故障维护精确性判断的方法体系。 预测性维护不仅仅围绕单一的故障预测构建数据应用，其过 程和结果状态信息也为整个智能制造数据体系所整合，成为 数字化生产计划与管理的一部分，帮助提升制造的专业化水 平和运作效率。 通过设备数控 系统及传感器 采集实施数据 机器状态监测 及诊断 数据采集 数据分析 搭建故障预测算法 并借由数据积累 持续提升算法精度 进行生产计划及 维修排程决策 故障预测及决策支持 自动化设 备数据 (PLC数据) 传感器 数据 1 通过传感器及PLC采集实施生产数据 资料来源：罗兰贝格 2 本地数据 传输设备 本地边缘计算 3 本地数据 实时传输 故障预警(如与 MES系统连动） 4 维修完毕、重启生产后 恢复正常数据采集作业 结合对数字化运维的丰富洞察及项目的实战经验积累，罗 兰贝格已开发出一套从设备引入机遇识别、解决方案设计 到落地实施的一站式预测性维护解决方案，关键构成要素 如下： 1. 硬件：主要负责本地数据采集及分析，涵盖数据采集设备 （传感器+数据传输设备）及边缘计算服务器： a) 数据采集设备：主要进行数据采集、数据上传及模型下 发等工作。 b) 边缘计算服务器：主导相关边缘应用如AI预测及本地 数据缓存等。相比云端计算，通过边缘计算器的搭建

设备发热量，提前调整冷却系统输出冷量，减少滞后响应导致的 能耗波动。 技术原理：利用时间序列算法（如 ARIMA）或深度学习模型（如 Transformer）对负载趋势建模。 （2）温湿度精准控制 通过多区域传感器数据融合，动态调整空调送风温度、风量，确 保机柜进风温度均匀，避免局部热点，同时减少过度制冷。 3.能耗分析与节能优化 （1）能效指标监控与优化 实时计算 PUE、WUE（水利用效率）等指标，分析各环节能耗 基于预制模块化数据中心场景的冷却系统智能调优技术报告（ODCC-2025-06005） 10 图 6 架构分层示意图 1.感知层 传感器网络：部署温度传感器（服务器机柜、空调出风口、冷通 道等）、湿度传感器、压力传感器（水管、风管）、流量传感器（冷却 水管道）、电力传感器（设备功耗）等，实时采集环境与设备运行数 据。 末端设备：空调机组、冷水机组、冷却塔、水泵、风机等冷却系 统核心设备，集成智能控制器（如 降低冷却系统与设备的技术指标。 4 冷却系统智能调优技术应配备信息数据库，记录并保存运行记 录。 5 冷却系统智能调优技术应具备报警与诊断功能，具体包括但不 限于： 1） 系统自诊断功能； 2 ）传感器、设备故障报警功能； 3） 参数超限报警和执行保护动作的功能。 6 冷却系统智能调优技术应对冷却系统主要设备进行监测与控 制，如下图 7 所示： 基于预制模块化数据中心场景的冷却系统智能调

式液冷设备，主要包含管道，冷却工质过滤系统，阀门、传感器等。 8) 二次侧冷却系统 secondary side cooling system 二次侧冷却系统是机柜与冷量分配单元之间进行热交换的循环系统。与服务 器相连，冷却工质在管路内循环带出发热元件产生的热量，与一次侧冷却系统进 行热交换的冷却系统。对于冷板式液冷设备，主要包含管道，冷却工质循环泵， 换热器，冷却工质过滤系统，阀门、传感器等。 三、 冷板式液冷系统介绍 服务器，弹性适配不同算力场景。 （3）高可靠性：将动环、IT 网管以及整个机房资源纳入数字化管理平台，支持 未来 AI 智慧化系统接入，实时分析负载与温度场，动态调节泵速、流量及冷却路径； 配备漏液检测、压力传感与冗余泵组，毫秒级隔离故障模块，提升系统故障自愈能力， 实现智慧运营。 3. 系统架构及解决方案 液冷云舱采用单相冷板式液冷架构，各子系统基于标准化机柜模型搭建，创新采 用新型风液同源 10 所示。 图 10 舱体通道部件参考示意图 （1）通道门（2）控制天窗（3）翻转天窗（4）云舱框架（5）显示屏（6）云舱底座 云舱通道顶部或门楣处预留监控摄像头、烟雾报警器、温度传感器等监控器件的 安装位置，门控端柜或构件处预留门禁的安装位置。云舱通道标准宽度为 1200mm，可 按用户要求根据实际情况合理调整。 3.2 冷量分配单元 CDU 冷量分配单元 CDU

产业发展转型 • 各国大力推动制造业、服务业等各行业的 智能化转型升级 • 服务机器人将有效提高生产效率，助力产 业数智化转型发展 人工智能 物联网 传感器技术 执行器与驱动系统 灵巧手 视觉传感器 实时监控 机器学习 运动控制器 超声波 传感器 数据管理 计算机视觉 服务机械臂 激光雷达 设备互联 自然语言处理 服务机器人 中国厂商领跑全球市场 中国厂商凭借技术创新和产品优势，在全球市 面迎来关键性突破并推动了整个行业的创新与 发展。 从智能决策能力的提升来看，深度学习和自然 语言处理使机器人能够处理复杂的数据，并基 于实时数据进行自我学习和适应，从而提供个 性化的交互与服务，极大地提升了用户体验。 通过先进的传感器技术与AI算法结合，服务机器 人可以实时感知周围环境，识别动态障碍物并 做出智能反应，在保障安全的同时高效地完成 各类服务任务。此外，IoT技术的应用使得服务机 器人与周围设备形成一个全面互联的生态系统， 移动模块、 操作模块、交互模块、传感模块和数据处理与 通信模块为核心。通过这种灵活的设计， 服务 机器人能够大大提升在不同场景中能够灵活应 对复杂任务的能力。 服务机器人的模块化设计主要包含以下要素： 1.移动模块 移动模块是服务机器人的基础部分，负责机器 人的机动性和导航，主要由底盘、驱动系统和 运动控制器组成。其主要功能包括： • 自主导航与避障：硬件配置的激光雷达、传感器 和摄像头与运动控制系统的结合，使机器人能够

实现数据的自动化 、实时化采集和更新。 传感器采集：在新材料研发实验室和生产车间， 部署大量 高 精度传感器， 如温度传感器 、压力传感器 、应变传感器 、成 分分析仪等 。这些传感器能够实时 、精准地采集材料 在不同 状态下的物理和化学参数， 如材料合成过程中的温 度变化 、 压力波动， 材料性能测试中的应力应变数据， 以 及材料成分 的实时分析数据等 。传感器通过有线或无线传 输技术， 将采 求较高的数据， 如实时采集的传感器数据 、用户行为数 据、 社交媒体上的新材料相关信息等，使用 NoSQL 数据库，如 MongoDB 、Cassandra 等进行存储 。NoSQL 数据库具有 灵活的数据模型， 能够适应不同类型数据的存储需求， 并且 在读写性能方面表现出色 。例如， MongoDB 的文档型数据 模型适合存储传感器采集的实时数据， 能够快速写入和查 能够自 动识别数据中的噪声 点 、离群值和异常数据模式 。例如， 利用聚类算法对材料成 分数据进行聚类分析 ，将偏离正常 聚类的数据点识别为异常 数据并进行处理；使用异常检测 算法对生产过程中的传感器 数据进行实时监测 ，及时发现 设备故障或异常工况导致的异 常数据， 提高数据的准确性 和可靠性。 数据转换： 采用专业的数据转换工具和技术， 将不同格式 、 不同编码 、不同单位的数据转换为统一格式，