众多，其中AI芯片为核心，主要分为云端 训练芯片、云端推理芯片和端侧推理芯片； ◆ 机器人传感器方面，力传感器、电子皮肤、 视觉传感器、惯性传感器是人形机器人迈 向具身智能的关键传感器。这类传感器不 仅价值量较高，且与人形机器人的智能化、 仿生化和高自由度等发展方向紧密相连； ◆ 自动驾驶载具传感器方面，智能驾驶系统、 智能座舱系统、智能动力系统所需的传感 器数量，随自动驾驶等级的提升而增加。 02 具身智能产业链中游： --------------------------- 05 • 上游芯片 --------------------------- 06 • 上游机器人传感器 --------------------------- 07 • 上游自动驾驶载具传感器 --------------------------- 09 • 上游机器人执行器与驱动系统 --------------------------- 2025/06 • 具身智能产业链上游的基础支撑包括AI芯片、传感器、执行器、驱动 系统等硬件，以及AI算法与大模型、操作系统等软件供应商；中游为 具身智能本体集成，包括机器人、自动驾驶载具；下游为应用场景 具身智能产业链分析——产业链全景图谱 具身智能产业链全景图谱 来源：头豹研究院 上 游 硬件 核心基础支撑 软件 AI芯片 传感器 执行器与驱动系统 通信模组 能源管理 AI算法与大模型

技术，作为科技领域的关键一环，正站在变革的十字路口。 传统的单一传感模式，在智能化时代的浪潮下，逐渐暴露出其局限性。它已难以满足环境认 知、精确定位以及交互体验等多方面的严格要求。在智能化的大背景下，环境认知需要更加全面、 准确的信息获取，精确定位要求更高的精度和可靠性，而交互体验则追求更加自然、流畅的感受。 单一传感模式由于其自身的局限性，无法同时兼顾这些需求。 然而，2025 年的感知技术将迎来全新的发展格局。它将在多个前沿领域展现出令人瞩目的突 破。多模态融合技术，将多种传感器的数据进行深度整合，为环境认知提供更丰富、准确的信息； 超低延迟网络技术，能够实现数据的实时传输，为远程控制和实时反馈提供有力支持；3D 空间 计算技术，将构建出逼真的三维空间模型，为虚拟现实、增强现实等领域带来全新的体验；情感 与语音识别技术，则进一步拉近了人与机器之间的距离，使交互更加自然和人性化。这些领域的 旨在利用多种类型的传感器，全面采 集来自环境的多源数据，并通过先进的数据融合算法进行深度整合，从而获得比单一传感 器更为准确和全面的环境认知。 在实际应用中，所涉及的传感器种类繁多，包括视觉传感器（如摄像头）、听觉传感 器（如麦克风）、触觉传感器、温度传感器、压力传感器甚至化学传感器等。这些传感器 各自具有独特的功能和优势，能够从不同角度获取环境信息。例如，视觉传感器可以捕捉 图像和

和缩影，但目前的建设中存在着数据压力不平衡、感知节点数量少、无线传感能力 有限、非结构化数据分析能力不足等问题。 本文首先分析了国内外的研究现状，通过需求分析确定了满足绿色环保需求、 高效快捷需求、安全防范需求和智慧人文需求为系统的开发目标，并做出了以下工 作：1）进行了信息平台的总体设计，提出了园区的整体技术架构和功能架构，并对 传输网络、传感系统等组成部分进行了设计；2）针对园区海量数据采集和传输的需 输的需 求，采用了组网方式多、节点增删灵活、能耗低、节点容量大的 ZigBee 技术，对其 传感器节点、路由器、协调器等系统硬件和采集节点、路由器、协调器等系统软件 进行了设计，并将这一方案应用于园区的海量环境数据采集和传输，实现了环境智 能监测的采集层和传输层的各项功能；3）针对安保功能、环境灾害救援功能、智慧 物流功能等对于视频的需求，采用了以光流场分析技术为基础的智慧视频用于目标 程度，设计了基于卷积 神经网络的学习机用于系统的深度学习和在线升级，完成了智慧视频为多项功能服 务的目标，实现信息的互联互通。 文章所采用的 ZigBee 技术很好地解决了智慧园区对于海量无线传感数据的采集 和传输问题，并利用智慧视频技术实现的行为检测和识别功能用于多项服务，以这 两项技术为基础的信息平台很好地满足了智慧园区的实际需要。 关键词 物联网；智慧园区；信息平台；ZigBee；智慧视频

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机构了解当前 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 2025 年协作机器人产业发展蓝皮书 目录 第一章 ..................... 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 ................................

随着焊缝跟踪、信息传感、离线编程、智能控制、人工智能等技术的迭代突破，焊接机 器人的智能化水平迎来显著提升。通过搭载激光传感器与 3D 视觉系统，智能焊接机器人可 精准识别焊缝位置、尺寸及形状特征，实现焊接路径的自主规划，推动焊接技术向“免示教” 方向演进。当前，焊接机器人正经历从传统示教型向“免编程”、“免示教”型的深刻转型。 智能焊接解决方案（如智能焊接机器人、自动化焊接工作站及集成视觉传感的智能系统）不 先进技术，包括机器人技术、人工智能、机器视觉、传感器技术、自动化控制和软件工程。 目前来看，智能焊接机器人尚处于发展早期阶段，入局者正持续增加，在众多细分领域已陆 续有相关批量化落地案例。GGII 判断，未来几年智能焊接将有望进入快速发展期，届时将 涌现出诸多优秀的系统方案商、机器人厂商、传感器厂商等。相较于传统示教型设备，智能 焊接机器人是融合机器人技术、人工智能、机器视觉、传感器技术、自动化控制与软件工程 钢 结构、船舶、隧道桥梁和能源等细分领域已形成批量化落地案例。高工机器人产业研究所 （GGII）判断，未来几年智能焊接技术将进入快速发展期，并催生一批具备竞争力的系统方 案商、机器人本体厂商及传感器供应商。 高工机器人产业研究所（GGII）数据显示，2024 年中国市场焊接机器人销量达 5.25 万 台，同比增长 12.9%；预计 2025 年销量将增至 5.75 万台，同比增长约 9

智能驾驶系统由车端传感器、车端平台层、车端算法层、 云端服务层四大部分组成，车端平台层以芯片、域控制 器、车载通信和操作系统等驱动摄像头、激光雷达、毫 米波雷达等传感器进行环境感知，并通过车载通信实现 车云协同；车端算法层整合管理域、算法、应用及安全 域，实时解析传感器数据生成决策指令；云端提供全导 航、数据管理和模型训练等功能，通过 OTA 向车端推 送更新。系统通过“传感器数据反馈、车端实时推理、 智能驾驶概念与发展辨析 05 图 1-2 智能驾驶整体技术架构图 车端传感器层包含摄像头、激光雷达、毫米波雷达、车 载通信等设备，具有多模态融合、全天候工作的特点。 摄像头提供高分辨率图像识别交通标识，激光雷达构建 三维点云感知障碍物轮廓，毫米波雷达实现恶劣天气下 的目标探测，车载通信模块保障车内外信息交互。这些 传感器通过平台层的接口进行数据同步与时空对齐，形 成环境感知的冗余体系。其采集的原始数据经平台层预 下发。芯 片提供 AI 算力支撑神经网络推理，域控制器集成多源 数据处理，操作系统实现硬件资源调度与任务管理。该 层作为算法层的硬件载体，负责将传感器层采集的数据 进行预处理并传输至算法层，同时将算法决策转化为具 体的控制信号，是连接传感器、算法与执行机构的神经 中枢。 车端算法层划分为管理域、算法、应用、安全域等，核 心特点是融合实时决策与多重安全保障机制。管理域 通过 OTA

”量子处理器 和中国“祖冲之三号”芯片的相继亮相，不仅象征着量子计算从实验室变量 向“文明常量”的转变，也预示着全球科技竞争正迈向一个全新的阶段。在 这一历史性节点上，量子计算、量子安全与量子传感三大领域的技术突破 和融合发展，共同构筑起未来科技竞争的核心支柱。 量子计算领域，美国依托深厚的芯片技术和算法创新，构建起硬件与 软件双重优势，而中国则以举国体制推动在超导、离子阱、量子网络等多 要经济体根据各自的战略定位与产业基础，也在探索多元并进的安全防护 模式；而在量子传感领域，针对于各物理量的测量均已实现了跨越式进化， 即国际计量标准量子化，目前各项传感技术正从传统的单点应用向网络化 协同迈进。 本报告综合了从北美、欧洲、中国到亚太各区域的全球量子科技产业 发展现状与趋势，系统梳理了量子计算、量子安全与量子传感三大核心领 域的核心技术进展、产业融合以及政策布局情况，深入剖析了当前技术理 2024年，量子安全领域在量子密钥分发、抗量子加密、量子随机数发生器三个 方向持续发力，推动多技术融合、应用落地。此外，量子通信网络不断扩展，相关 的存储器、中继器也在同步构建。 第一章 2024产业发展概览 11 量子传感重要进展 • 科罗拉多大学博尔德分校将测量精度提高了六个数量级，推进了钍-229核时钟的研究。 • 加州理工学院与斯坦福大学在基于光镊的光钟中执行量子计算，以便使时钟更加精确。 • 中国科学技

技术驱动：关键硬件实现国产化自研或大幅降价，大模型的 爆发降低开发成本，共同促进机器人落地通用场景 资料与数据来源：公开资料 数据收集与预处理 在智能机器人开发中，大模型 可整合来自摄像头、传感器等 设备采集的图像、声音、物理 信号等数据，将原始数据转化 为适合模型训练的高质量数据 集，极大提升数据准备效率与 质量。 1 大模型 模型训练环节 大模型可实现多任务学习，让 激光雷达随着在智能驾驶系统 中的规模化落地，已大幅降价。 据国联证券测算，2024年用于 ADAS系统的激光雷达均价，将 同比下跌15.56%至3800元。 3D视觉相机 六维力传感器 六维力传感器的生产涉及高精 度的制造工艺和复杂的装配流 程，成本居高不下。国内企业 正在进行技术攻克实现国产化， 如中航电测成功研发六维力传 感器。 集成边缘计算设备、第三方工 具和相关配件提升性能，3D机 绿的谐波、瑞迪智驱、福德机器人、 同川科技、中大力德、昊志机电 鸣志电器、伟创电气、拓邦股份、步科 股份、昊志机电、禾川科技、鼎智科技 感 知 系 统 雷达 编码器 摄像头 力传感器 触摸传感器 奥比中光、森云智能、 海康机器人、奥普特科 技、凌云光技术 柯力传感、东华测试、 中航电测、凌云股份、 坤维科技、宇立仪器 纽迪瑞科技、苏州能斯 达、三三智能科技、慧 闻纳米科技和钛深科技 思岚科技、速腾聚创、禾赛科技、北醒光子、

该等检测可通过数字化的形式对某一物理实体或 流程进行动态呈现，从而有效反映系统运行情况。 企业可根据所获得的信息采取实际行动，例如调 整产品设计或生产流程。 数字孪生不同于传统的计算机辅助设计（CAD）， 也并非另一种以传感器为基础的物联网解决方 案。5数字孪生的功能远高于这两者。计算机辅助 设计完全局限于计算机模拟的环境中，在复杂环 境建模方面取得了一定成效；6物联网系统的功能 比数字孪生简单，可用于位置检测和整个组件的 而将数字孪生应用于生产流程则能够产生功能强 大的应用程序。图1呈现了物理世界中某一生产流 程的模型，及其在数字世界中的数字化镜像。数 字孪生是对工厂环境中实际情况的准实时虚拟复 制。实际生产流程中部署了数以千计的传感器， 共同收集各个不同层面的数据，包括生产机械的 行为特征、半成品（厚度、颜色质地、硬度、转 矩、速度等）以及工厂内部的环境状况等。该等 数据不断传输至数字孪生应用程序，并由该程序 完成数据聚合。 作用。这一过程体现了数字孪生所具备的巨大潜 力：数以千计的传感器持续开展重要检测，并向 数字化平台传输数据。数字化平台进而开展准实 时分析，通过比较透明的形式优化运营流程。 图1的模型呈现了五大驱动要素——物理世界的传 感器和促动器、集成、数据和分析，以及持续更 新的数字孪生应用程序。以下是对图1这些构成 要素的概括性介绍： • 传感器——生产流程中配置的传感器可发出信号， 数字孪生可通过信号获取实际流程相关的运营和