开放性的全栈式 智能服务机器人生态 开放性的全栈式智能服务机器人生态 目录 前言 03 第一章全球服务机器人市场概览 05 1.1. 概念定义及研究范围 06 1.1.1. 服务机器人概念定义 06 1.1.2. 服务机器人分类及报告研究范围 06 1.2. 全球服务机器人行业发展趋势分析 07 1.2.1. 全球服务机器人市场增长强劲 07 1.2.2. 技术变革推进行业创新发展 技术变革推进行业创新发展 09 1.2.3. 从专用迈向通用 10 1.2.4. 商用服务机器人行业进入下半场阶段 10 1.3. 服务机器人落地面临的机遇与挑战 11 1.3.1. 行业生态的开放性挑战 11 1.3.2. 服务机器人的通用性与泛化性壁垒 12 1.4. 服务机器人行业的ESG实践指引 13 1.4.1. 绿色供应链（E） 14 1.4.2. 全球市场合规认证（S) 15 1.4.3 3. 信息安全与隐私保护(G) 16 01 开放性的全栈式智能服务机器人生态 第二章 开放性的全栈式智能服务机器人生态 19 2.1.生态概念定义 21 2.2.行业下半场的生态发展路线 22 2.2.1.生态技术基础：基于模块化设计与AIoT的R2X 22 2.2.2.商业模式变革：多品类产品矩阵助力全栈式具身智能 29 2.2.3.通用的多元形态：专用+类人形+人形 30 2

港湾人寿和美国万通保险：引进数位人寿保险核保人 7 雷帝斯金融集团：智慧抵押流程 8 星展银行：以AI监控交易 9 AI诊断和治疗纪录编码：让人类真正发挥所长 10 电通：公民开发者的机器人流程自动化 11 84.51°和克罗格：自动化机器学习提高资料科学生产力 6 12 麦迪安网路安全公司：AI辅助网路威胁归因 13 印度星展行动银行：用客户科学优化客户服务 14 直觉软体公司：AI辅助写作，人负责提供规则 24 FarmWise：耐晒、抗雨淋的数位除草系统 25 北卡罗来纳州威明顿警察局：警务数位化 26 策安集团：AI同僚提升安管强度，同时照顾顾客 27 南加州爱迪生：预防现场事故的机器学习安全资料分析 28 MBTA：AI辅助柴油分析以利列车维修 29 新加坡陆路交通管理局：智慧城市里的铁路网管理 7 第二部 AI赋能下的职场大未来 30 用AI改变工作，需举全村之力 用AI改变工作，需举全村之力 31 人人都是技术人员，或至少有混合角色 32 让AI发挥作用的平台 33 智慧案件管理系统 34 新鲜人的就业机会将愈来愈少? 35 远距独立工作 36 机器（还）不能做什么 第三部 智慧协作时代的关键思考 37 智慧协作的未来 │注释│ 版权页 8 │写于书前│ 这个世界不缺管理思想。每一年，有数以千计的研究人员、从业人员和其他 专家，

提供整体信息化解决方案。餐厅现场以智能物联网机器 人为载体，借助人脸识别、服务交互和语音互动等人工 智能；后台借助云计算、大数据处理的物联网应用平台， 实现顾客从入店、点餐、用餐、支付、服务评估等全生 命周期流程的信息化处理。经过互联网和物联网技术改 造的娱乐化、好玩和有趣的餐厅，有效节约人力成本， 提升餐厅的信息化水平和管理效率，驱动顾客自传播“叫1。 2研究目标 通过研发具有无线通信功能的餐饮智能服务机器人 收稿日期：201 大数据分析等新兴技术的智慧餐饮升级，实现对餐饮服 务“售前”、“售中”和“售后”全生命周期的智慧管理 和应用，提升餐饮行业信息化水平和管理效率。简言之， 整合智能服务机器人研发和物联网管理平台能力开发的 资源，形成餐饮行业智能服务机器人与物联网管理平台 相结合的创新型餐饮行业信息化解决方案，针对政府部 门(食品安全监督部门和安全生产监督管理部门)、餐厅 及其管理者、餐饮联盟(如百度外卖)和就餐人员等不 占餐饮行业ICT信息化市场提供有吸引力的产品保障， 具体目标如图1所示。 2．1前端智能服务机器人研发 研发餐饮智能服务机器人，实现餐厅现场人脸识别、 餐位导引、点菜交互、现场送菜、服务交互、结帐付款、 7 万方数据 旁熏 物联网智 控平台 数据 交互 数据 处理 数据 管控 陶：薪巍同标蕊意躅 评估交互及餐位释放等功能，使用智能服务机器人释放 人力，节约人力成本，同时增强餐厅的趣味性，吸引更 多的顾客，形成餐厅自有的个性化和品牌化。

目 标多、识别维度复杂的痛点，揭示“目标难识别”的核心矛盾；人车家互 联场景针对车辆移动性、家庭网络封闭性、个人终端多样性的特征，剖析 “通信链路跨域跨网难构建”的现实阻碍；智能体互联场景围绕机器人、 AR 设备等交互终端的意图传递需求，指出“通信意图难感知”的技术短板。 基于三大场景的诉求拆解，本白皮书进一步提炼出智能互联面临的“目标 识别精度不足、跨域链路适配性差、意图感知协同性弱”三大挑战。 年）》等政策构建了信息消 费“新三样”（智能网联汽车、人工智能终端、具身智能机器人）的全产业链支持体系，明确推动 其向智能化、网联化跃迁，核心目标是打造“人、车、家”全域互联的新型消费生态。这一政策导 向不仅激活了消费端智能产品的创新活力，更催生了以“协同”为核心的新型智能互联场景。未来， 以智能手机为交互中枢、智能车辆为移动空间、家庭智能机器人为场景化服务载体的“家庭新三样”， 将成为社会新生活的主线条，重构个人日常场景的连接逻辑。 智能化 升级的关键力量。从工业机器人的精密协作到人形机器人的灵活交互，从无人机集群的协同作业到 AGV 小车的群体协同，具身智能体正在重新定义智能系统与物理环境的交互模式。相较于传统的固 定业务模式，具身智能交互的通信需求呈现出高动态性、强突发性和强临时性三大特征。 第一，工业协作机器人场景——多机器人动态任务分配与实时协同 高水平智能工厂中，多台协作机器人需要在共享工作空间内完成复杂装配任务。以汽车生产线为例，

你可以拥有任何颜色的 T 型车，只要它是黑色。 ----- 亨利 - 福特（ 1885 年） 02 方案架构 智能工厂的建立 要素 2 ：真实环境 机器对机器（ M2M ） 资源利用效益 网络基础设施 要素 4 ：人的因素 人 - 机交互（ MMI ） 验收与安全 数据和隐私保护 培训和教育 法律条款 要素 3 ：经济环境 商业模式 生产过程可监控透明化 • 人、机、物、法的有机融合 • 绿色能源，可持续的发展 • 产品的个性化与定制化 • 产品与设备可通信 • 产品与顾客可连接 • 涵盖产品生命周期的服务体系 • 传感器、机器人、 PLC • 接口具备可连接 • 设备直接的对话 M2M • 存储、预测、执行与自我管理 • 远程维护 • 预防性维护 • 自动运行的物流仓储系统 • 自动化立体库与 RFID 标签 设备 3 设备 4 设备 5 设备 6 设备 7 设备 8 设备 9 设备 10 1 2 3 4 5 镜 像 1. 设备监听：系统通过被动 抓取来纪录工业互联网的所 有数据 2. 机器学习：技术基于从原材料到成 品间生产各环节，提供打造一个进化 的，自我学习及数据驱动的模型。 3. 数据分享：系统提供对生产流 程各方面实时数据和历史数据可 视化解决方案。 平伟私有云 时间序列大数据

搭建个性化定制平台，实现平台与各系统之间互联互通（ ERP 、 MES 、 WMS 、 PLM 、 PDM 系统等） 路径 目标 个性化定制基础搭建 •制造：初步实现数字化、智能 化生产；实施‘’机器代人‘’策略，引 用 AGV 自动引导系统 • 销售：初步搭建个性化定制入口 • 物流：实现零部件数字化管理 个性化定制能力提升 •价值链：销售、研发、供应链、 制造和物流 IT 系统流程打通 (XX 电商门户 ) 引入 流量 搭建 入口 建设个 性化定 制平台 用户咨询 用户社区交互 用户定制 用户支付 订单查询 物流配送 反馈 & 评价 智能工厂 支撑 自动化生产 -工业机器人应用； -AGV 自动引导系统； -自动检测生产线； -…… 柔性化制造 -排序供货 /SPS 配送； -自动识别技术； -模块化生产； -…… 智能化应用 -VR/AR 技术应用； -多模式人机交互； 此， XX 智能制造应实现数字化、自动化、标准化 和智能化生产。 数字化生产 通过将生产系统、逻辑 处理器、工业机器人和 科技手段全方位连接网 络，使整个生产环节在 运用大数据的基础上更 为高效。 标准化生产 在冲压、焊接、组装和 喷漆全过程应用大量的 生产机器人，实施”机器 代人”战略，提高生产效 率。 智能化生产 自动化生产 运用 AR 增强现实和 VR 虚拟现实技术，进行虚 拟校检、测试和装配

战 人工 慢 湖 是以其自然格式存储的数据的系统或存储库 ，通常是对象 blob 或文件。 数据湖通常是所有企业数据的单一存储 ，包 括源系统数据的原始副本和用于报告 ， 可视化 ，分析和机器 学习等任务的转换数据。 数据湖可以包括来自关系数据库 （行和列） 的结构化数据 ， 半结构化数据（ CSV ， 日志， XML ， JSON ） ，非结构化数据（电子邮件 ， 文档 ， PDF 成本低、快速构建、全量数据、高算力、人工智能 分析场景 报表 ， BI 、仪表盘 机器学习、预测分析、数据画像、数据发现 企业数字化的数据挑战 管理问题 数据规范执行 数据质量监控 数据变更管理 使用问题 查询不便 关联关系不清晰 有效信息过少 数据问题 多存储系统 高频数据变化 大数据量 用友云数据中台 数据智能 分析、报表、搜索与机器学习 智慧数据服务 社会化大数据 + 企业小数据 技术 ，确保数据在客 户、产品单元和数据平台之间利用的合规 全量数据 面向业务 ，全量聚合云、移动、边缘以及符合 价 值需要的社会化数据 面向智能 智能为先 ，构建数据流水线支持智能的搜 索、分析和机器学习 ，支持智能的数据运营 。 " : , " " 用友云企业数据营销中台的特点卜 " ., · · 简单易用 公有云、专属云一个架构 ，开箱即 用的产品化部署支持 ，简化 IT

https://ymatrix.cn/download 关系应用 时空应用 文本检索 流计算应用 机器学习应用 应用 Confidential 1 公共基础设施 SQL 统—优化器 内存引擎 OLTP 引擎 OLAP 引擎 时序引擎 备份 ⻆⾊ 监控 从单节点到数百节点 支持 100PB 级原始数 据量 关系应用 时空应用 文本检索 流计算应用 机器学习应用 Confidential 1 │ ©202 四维纵 横 应用 Maste r Matrix DB 为数字化时代而设计的一站式大数据 平台 • timebucket; 高级查询 • 指标对齐：指标采集时间点通常不会精确—样，有的时候需要对某个时间窗口的数据进行 分析，这都可以直接通过 SQL 来实现 • 对齐是机器学习中非常常见的操作，通过 SQL 可以大幅提升开发效率 ©202 1 Confidential 四维纵横 31 │ Confidential │ ©202 1 四维纵 横 SELECT

268.2 亿元，年复合增长率 38.6% ；大数据服务市场规模将达到 165.9 亿元，年复合增长率 41.4% 。初步估算数据管理市场约 43 亿， 核心发展方向：数据资产管理、 数据可视化以及机器学习 企业越来越重视数字化运营 ，核心重点是数据管理、可视以及数据治理 大数据能力框架，数字资产管理作用将被关注 基础大数据产品逐步成 熟，数据安全、数据开 放以及主数据管理需求 旺盛。 From 自然语言处理 高级分析 （预测性、规范性分 基础分析 ) （描述性、诊断性分析 ) 商务分析，展板 报告 增强分析和优化组合 （无处不在；自动化；算法 集… 市 ) 数据科学，人工智能 / 机器 学 习 新趋势及挑战 / Gartner 数据分析和数据管理演进模 型 卓 越 数 据 分 析 逻辑 数据仓库 使能 商业 成功 10:09:46 粤 B 67890 黑 坂田五和大道 obs://bucket1/ wang ei/cars/file002 f • 实时机器学习、深度学习，增强实时数据分析 能力 • SQL 中调用各种机器学习算法和深度学习框架， 降低 AI 能力使用门槛 • 使用 SQL 进行图片识别，快 速完成非结构化数据处理 AI 能力与 SQL 融合，懂 SQL

为资产管理 的内容，提供资产录入、管理、变更等管理功能。可通过流量监控开放端口、主 动外连行为等。 （2）安全监测  安全告警感知 事件监测以丰富的工业威胁模型识别、全面的检测策略、智能机器学习、高 效的沙箱动态分析，以及云端威胁情报匹配能力为基础，以安全事件为切入点， 以威胁对象为聚合条件，动态梳理当前热点安全场景，将海量告警转化为几十条 甚至十几条事件，无需关注搜索、过滤、聚合之间的逻辑差异，通过点击数据得 安全事件关联建模、安全事件统计建模、威胁情报建模和 AI 学习建模，利用分 析引擎进行数据深入分析，提升安全威胁检测准确率。  基线分析 支持网络行为基线分析能力，可识别新资产上线、新网络行为、新网络连接 通信等。 以机器学习的方法建立工控网络的通信基线模型，对工控系统网络环境建立 四类安全基线：资产基线、访问关系基线、流量基线、行为基线。通过基线学习、 异常检测的方式，可以对异常情况进行发现和预警，提前发现 APT 阅等功能，能够更快地获取到本地安全运营的态势情况，并通过更加便捷、简单 的方式进行安全指令下发，极大提升用户体验。 2.1.4 方案创新点和实施效果 1.项目先进性及创新点 （1）基于智能机器学习的威胁感知技术创新 本项目中涉及的安全监测数据量大，通过基于智能机器学习的威胁感知，可 自动收集、分析和学习系统正常运行状态下的数据行为，在此基础上智能提取用 户节点的行为特征，并自动生成容易理解的操作规则、白名单、配置规则等，实