在6月29日由AspenCore与深圳市新一代信息通信产业集群联合主办的AIOT 2022国际生态发展大会-智慧机器人分论坛上，来自产业链不同位置的企业嘉宾带来了精彩的分享。

安谋科技高级产品经理柴卫华

机器人要如何变得更智能？需要NPU、CPU和GPU超强的处理能力，传感系统带来的卓越计算机视觉以及对身份认证和数据的绝对安全保障。安谋科技高级产品经理柴卫华从机器人底层处理器的角度，分享了全场景全域全栈解决方案，包括前端视觉处理器LINLONG“玲珑”，高性能AI处理器Zhouyi（周易）NPU、以及安全处理器Shanhai（山海）。

TI中国区处理器技术资深支持工程师杨宇

随着机器人越来越智能，应用场景也越来越多，在酒店、餐饮、娱乐、工业等等各个领域都有机器人在为我们服务。当前环境下，怎样利用实时控制技术和先进的信号处理开拓机器人和其他工业应用，加快向智能生产系统的过渡呢？TI中国区处理器技术资深支持工程师杨宇首先解释了机器人的四大分类：工业机器人、家用机器人、无人移动机器人和协作机器人，随后他从感知技术、实时控制、功能安全这三大技术特点出发，介绍了TI用于机器人领域的Sitara MCU：M2X系列、集成机器学习功能的Jacinto 7等产品。他表示，机器人系统造价、维护成本和开发成本都较昂贵，未来小型化和集成化将是实现机器人降本、人机交互安全和传感器融合的重要发展方向。

英飞凌大中华区电源与传感系统事业部高级市场经理张强

机器人的出现解决了人们三个主要的诉求：一、人干不了的活，交给机器人；二、人干不好的工作，交给机器人；三、人不想干的活，交给机器人。英飞凌大中华区电源与传感系统事业部高级市场经理张强从一个更高的高维度，把机器人分为工业机器人和服务机器人两大类。他认为，机器人未来发展的趋势主要围绕着智能化、自主性、连接、效率和安全。上游企业要从技术上实现以上趋势，除了传统的提升功率密度，实现有刷电机向无刷电机、铅酸电池到无铅酸电池的转变外，还要从传感器融合和数据安全上下功夫。

张强详细介绍了英飞凌用于机器人的功率、感知、连接和安全类产品，其中机器人上目前用得较多的MCU是工业级XMC系列，而未来要上路行驶的机器人则会用到车规级AURIX系列；IR ToF以前主要做避障，但业内头部扫地机器人公司的一款产品用英飞凌IR ToF替代了传统激光雷达，一颗芯片就实现了建图、导航、避障所有功能。

深圳阜时科技有限公司CTO王李冬子

在避障和导航方面，机器人和自动驾驶汽车有时候会用到同样的技术，例如激光雷达、机器视觉等。但机器人避障和导航方案比汽车难的地方在于不需要人工介入，同时FOV要求非常大，深圳阜时科技有限公司CTO王李冬子发现，机器人厂家需要小体积的固态雷达或者扫描方案，其中对大广角机械式雷达的需求最为旺盛；而在距离方面，机器人大部分要求在40米内完整掌握障碍物信息，最好能到100米。再加上安装方式、帧率、精度以及成本体积上的要求，王李冬子认为必须对传统雷达的架构进行优化。阜时科技的SPAD方案雷达将传统雷达产品方案中的PIN/SPD/SiPM等做成一颗全数字化SoC，取代原来架构中的信号链分立模块，实现了成本控制；同时传统方案中的FPGA和DDR SRAM也可以用IPCAM来替代，降低了整体复杂性，提高了可靠性。

美的集团AIoT首席硬件架构师陈苑锋

中国市场对服务机器人的需求巨大，在国家政策上也对机器人产业提供了必要的支持。从1986年底“863”计划研发特种机器人开始，经过多年发展，已经在2020年后进入市场启动期，主流机器人厂商分割瓜分该市场后实现盈利，商业模式已逐渐完善。美的集团AIoT首席硬件架构师陈苑锋将中国服务机器人按照服务目标场景和整体功能属性分为家务机器人、儿童教育机器人、养老陪护机器人和综合家庭助理机器人，并对每个品类的市场发展阶段和产品特点进行了分析。

展望未来陈苑锋认为中国企业要在服务机器人行业中脱颖而出，需要具备自有高端技术的研发实力、强大的供应链管控能力以及对产品场景深入研究并妥善优化。尤其是在高端主芯片、减速器、伺服电机、控制器和传感器等关键零部件上要做到自主可控，才能实现整机成本的降低，满足民用化需求。

爱华盈通信息技术有限公司行业市场总监农长霖

在数字化浪潮的冲击下，当前各行各业都在引入人工智能技术的应用。其中的趋势，可以用五个关键词来描述，分别是：下沉、渗透、大众化、智能化和融合创新。爱华盈通信息技术有限公司行业市场总监农长霖详细解释了这五个关键词为什么对AI应用的发展至关重要，以及如何通过“微算法”适应海量的端侧弱算力硬件，赋能模组、设备、机器人等应用场景。

基于整个AI算法的特点越来越偏端侧，爱华盈通提出的“微算法”概念核心是“微”，特点是模型小、资源占用少、算力小、低成本和低功耗。要求适应海量端侧的弱算力硬件，就要做到尽量小的算法模型、尽量少的存储和运算空间占用、尽量小的CPU或NPU算力占用、尽量低的功耗等，嵌入端侧硬件，满足普及型尽可能大的市场需求。农长霖认为，做好一款算法，不是简单地把模型训练出来，需要结合芯片型号和应用场景做深度优化，并且结合工程化，才能做到较好效果。

本文为《国际电子商情》2022年8月刊杂志文章，版权所有，禁止转载。免费杂志订阅申请点击