天津工博会自动化展来电洽谈 振威工博会

机器学习技术与实体经济融合领域

　　机器学习是人工智能技术体系的一个通用环节，机器学习使用归纳、综合方法，运用数据导入算法模仿人类智能。学习方式主要分为有数据学习和无数据学习：当前有数据学习显然广受欢迎，包括“监督学习”“无监督学习”“半监督学习”“深度学习”“迁移学习”等；无数据学习法主要为“强化学习”。有数据学习的典型应用为深度学习，深度学习包括DNN(深度神经网络)、CNN(卷积神经网络)、RNN(循环神经网络)和LSTM(长短期记忆网络)等，它不依赖数字经济的发展，而是由人做数据标签，采用神经网络算法，学习效率不高、能源资源浪费，如AlphaGo下场棋要消耗3000美元电费。

　　强化学习只需要人类输入规则，机器就能通过自我奖励、自我诱导方式，跟自己下百万盘棋，不断自我完善，AlphaGo Zero三天内就打败了已经学习了几千盘棋的AlphaGo；数字技术发展越好、标准化数据量越大的领域往往人工智能发展越迅速，这就说明机器的学习能力不是人为训练的结果，而是数字经济发展到一定阶段顺其自然的结果。从使用场景上来说，有数据学习适用于规则活动领域的人工智能，是经验、控制使然；无数据学习适用于创新、无定论的领域，比如棋类竞赛、新药探索、艺术创作等，是创新、自由使然。

多关节机器人行业销量增长

从细分市场来看，根据负载能力不同，多关节机器人可分为轻小负载机器人(负载≤20kg)和中大负载机器人(负载>20kg)，由于国内外厂商多在轻小负载机器人市场发力，轻小负载机器人市场增长速度相对明显，但轻小负载机器人市场格局较为分散，导致市场竞争越来越激烈，市场同质化问题也愈发严重。

　　相比于轻小负载机器人市场，中大负载机器人市场集中度较高，我国市场主要由外资企业占据主导，其中发那科、川崎、安川、库卡、ABB五家外资企业合计市场占比达到70.2%，但由于中大负载机器人应用场景相对有限，市场增长速度缓和，现阶段未呈现出高增长态势。

　　多关节机器人多应用于汽车制造业，近年来，受传统汽车需求放缓限制，多关节机器人市场增速有所放缓，但随着新能源汽车市场占比不断提升，新能源汽车有望成为带动多关节机器人市场需求提升的重要驱动力，届时轻小负载机器人将仍是市场需求重点。

工业机器人行业发展困境

工业机器人行业发展困境 1.高质量人才培养及维持 作为技术密集型行业，智能制造装备行业对从业人员的技术水平和综合素质等要求较高，需要员工具备机械、软件、系统、精密加工与装配等方面的综合知识与经验。由于起步相对于发达国家较晚，我国智能制造装备行业在人才培养和储备方面相比之下显现不足。未来，随着我国经济由高速增长阶段转向高质量发展阶段，智能制造装备行业将是加快转变经济发展方式和提高经济整体素质及竞争力的重要战场。 2.国际头部厂商具备先发优势 中国工业机器人本体及应用技术水平长期落后于发达国家，大部分市场份额仍被国际头部厂商所占领。中国整车生产企业中自主企业仍与外资厂商、合资厂商处于长期竞争过程中，国产产品的技术积累和市场开拓需经历必要过程，国产厂商需要逐步被用户认可的过程。国产厂商需要进一步提升自身产品竞争力，以可靠性、价格和本土化服务优势赢得客户信任。

为什么我们要追求“专精特新”

“专精特新”在很大程度上是解决“卡脖子”问题的锏，是突破层层的关键一环。我国虽然是全世界拥有联合国产业分类中所列全部工业门类的国家，但产业基础能力建设不足的问题和领域自主研究的空白仍然比较突出。这既有基础装备和技术能力不足的问题，也有产业链上“断点”“堵点”较多，缺少具有国际竞争力的“锏”技术的问题。

“专精特新”的在于创新。历经千难万险，惊涛骇浪，我国经济发展到当前这个阶段，如何在把握优势的基础上，实现供给侧改革，实现产业转型升级的华丽转身已经是、企业乃至全体普通百姓的心结。科技是生产力，已进入经济发展的十字路口，这一点就显得尤为重要。科技创新既是发展问题、更是生存问题。我们像需要隐形那样需要大量“专精特新”中小企业，惟其如此，才能连接“断点”、疏通“堵点”，承接上下游，提升产业链供应链的韧劲，限度解决“卡脖子”难题，摆脱“”束缚，实现更高质量的发展。