機器人自身也在變革，總體向更安全易用、更利于普及、更智能的方向發展。我們認為未來十年以下三大發展趨勢解決行業痛點，促進機器人真正普及，也蘊藏著巨大投資機會。
首先，通用軟件平臺降低機器人行業門檻
電腦和智能手機的快速普及主要內在動力就是通用的操作系統和應用軟件，機器人也一樣。不同的機器人廠商使用的操作系統、中間件以及編程語言各有區別，，增加了使用成本和機器人應用范圍。通用軟件平臺（操作系統）就是解決這一問題，讓使用機器人像使用智能手機一樣便利。
目前通用軟件平臺有多種，包括微軟也推出了商用機器人軟件開發平臺。應用最廣泛的是美國Willow Garage公司開發的ROS，它就像應用在機器人上的安卓系統，配合類似手機APP分發渠道的軟件開發社區，目前支持ROS的機器人已經有40多種，包括FANUC、ABB、安川、ADEPT等大型企業，未來有很大潛力成為通用的、標準的機器人控制系統。
關于ROS的一組數據：2015年，VC在基于ROS操作系統的機器人公司投資超過1.5億美元。2015年5月全球共有70000多個獨立IP下載了900萬次ROS程序包。截止2015年ROS開發者社區里面的1840位成員一共寫出了1000萬行代碼。
圖表1：常用機器人軟件開發平臺
通用軟件平臺大大降低了機器人的開發門檻，社區中的成熟軟件可以直接刷入機器人使用；未來配合3D打印技術，使小企業甚至個人也有機會成為機器人開發者。蘊含的機會在于，可能出現針對ROS系統的二次開發或者優秀的應用軟件，成為像智能手機APP那樣的“爆款”。
其次，人機協作促進機器人普及，機器人走向融合的開端
人機協作是工業機器人發展的新形態，把人的智能和機器人的高效率結合在一起，共同完成作業；簡單來說就是“人”直接用“手”來操作機器人。人機協作是機器人進化的必然選擇，特點是安全、易用、成本低，普通工人可以像使用電器一樣操作它。
協作機器人和傳統工業機器人，就是個人電腦和專業大型計算機的區別。它不再需要非常專業的工程師安裝調試和復雜的系統集成，開箱后對普通工人簡單培訓即可使用。未來傳統工業機器人更多用在大批量、周期性強、高節拍的全自動生產線，協作機器人用在個性化、小規模、變動頻繁的小型生產線或者人機混線的半自動環境。
根據美國ABI Research的報告，2015年至2020年期間，協作機器人市場份額有望增長10倍，從接近9500萬美元升值到超過10億美元。將由以下三個主要市場驅動：電子制造和電子制造、中小型企業及尋求機器人優化解決方案的企業。
圖表2：2014-2020E協作機器人出貨量預測
協作機器人結構簡單，主要通過軟件整合來實現功能。硬件構成主要是球形關節、反向驅動電機、力覺/視覺傳感器及更輕的材料，傳統的減速機等核心零部件未來將不再關鍵。目前協作機器人處于市場導入期，成本仍然較高，效率低，使用不如人意，主要機器人廠商推出各種協作機器人搶占入口，國內企業有了跟外資站在同一起跑線的機會。新松、埃夫特、遨博智能2015年都推出了協作機器人。
協作機器人更深層的意義在于，未來3-5年隨著價格的下降，有潛力成為中小企業和家庭都能使用的桌面級設備。應用范圍也不限于工業，在醫療、農業、服務業也有用武之地，是機器人走向融合的開始。
最后，機器視覺、深度學習讓機器人更智能。
人工智能首先應用于工業機器人領域，主要就是機器視覺和深度學習。
機器視覺是現有的機器人從自動化設備轉變為智能機器的一個關鍵因素。最初是作為機器人的輔助工具，提高柔性和對工作環境的反饋，主要應用于引導和定位、檢測和識別等，隨著工業大數據和深度學習的發展，未來將使機器視覺成為智能生產系統的主導，做出決策和預判斷。
2014年全球機器視覺規模持續走高，達到36.7億美元。主要分布在北美、德國、英國、日本、中國等地區和國家，其中中國占到8.1%；預計到2018年全球市場規模將達到50億美元。
圖表3：2007-2018年全球機器視覺市場規模
圖表4：2014機器視覺地區占比
深度學習推動機器人擺脫預編程序的束縛，真正走向智能化。深度學習使機器人可以像人一樣通過學習掌握新的技能，適應未知的工作環境。深度學習在工業機器人的應用分為三個層次，一、機器人通過試錯學會新技能；二、多臺共享經驗提高學習效率；三、機器人可以預防并且自行修復故障。目前已經到了第二個階段。
2016年是深度學習元年，深度學習走向商業化和開源。FANUC和人工智能初創企業Preferred Networks合作推出了深度學習機器人，無需工程師調試可自己學會挑選工件。ABB、豐田都在開發基于深度學習的工業產品，國際巨頭谷歌、facebook、特斯拉都宣布開源其深度學習服務。
圖表5：深度學習走向商業化和開源
機器視覺和深度學習使初創企業或者小企業也有機會跟大型企業平等對話，對機器人行業潛在的影響是顛覆性的。
隨著機器人的智能化和普及化，無論采用哪種方式，傳感器都會變得越來越重要，機器人對傳感器的需求未來3-5年內有望爆發。
