从数据/信息/知识/智慧的DIKW金字塔模型而言，因为数据都来自于机器/设备层，没有数据，则任何工业互联网平台或者人工智能算法都会成为无源之水。因此，对于机器人行业来说，技术趋势之一是通过采用*新的ICT技术，强化机器人（OT）和信息系统（IT）之间的融合。

图1：机器人+信息系统

       目前，M2M通信一般采用IEC 61158标准的各种现场总线，但因为历史以及商业方面的原因，IEC 61158标准化了19种现场总线，而这些现场总线的硬件接口以及物理层/应用层均不完全相同，除非采用同一厂家（协议标准）的产品，否则在现场无法做到互联互通。

       从这种现实困境来说，过多的标准等同于没有标准。时间敏感网络（TSN）是IEEE 802.1下面的一个工作组，通过在数据链路层引入新的时间同步方面的协议，解决标准的以太网因为非确定实时传输导致无法在工业现场使用的问题。 

       从另一个层面而言，为应对设备层之间（水平集成）和设备-云端之间（垂直集成）即插即用的挑战，在通信层/信息层会使用独立于平台和供应商、集成式地址空间和信息模型、面向服务架构（SOA）的OPC UA规范。

       机器人和信息系统的融合会给一些新商业模式提供条件，比如目前主流的机器人维护模式还是定期巡检的方式，通过对机器人上传到云端的数据进行存储和分析，可以从网关供应商转向预测性维护服务提供商；又比如通过对物流机器人运行数据的存储和分析，可以从物流行业机器人供应商（提供机器人集成解决方案）转向物流服务（按照搬运包裹的使用量计费）提供商。

       机器人和人工智能的融合

       商业变革2：企业间市场→消费者市场

       虽然PLC/PAC行业有众多的供应商，但是每一家硬件供应商提供的集成开发平台均支持IEC 61131-3标准规定的编程语言规范（IL，STL，LD，FBD，SFC）。反观机器人行业，缺乏统一的编程语言规范，各个供应商不仅集成开发平台软件不同，语法规范以及特殊应用指令亦不尽相同。

       另一方面，目前的机器人控制器架构，只是符合ISO 8373对于机器人的定义“自动执行工作的机器装置，按照预先编排的程序运行”所需实现的功能（机器人控制，逻辑控制，安全控制，系统通信），可以实现自动化，无法实现智能化。

      上述两个因素，为机器人的编程使用和维护调试设定了比较高的门槛，从而导致其应用场景目前还主要集中在企业间市场（to B）。

      人工智能技术的引入，会大大降低机器人的使用门槛，比如人和机器人之间可以通过语音或者可穿戴智能进行交互和控制，从而可以使普通消费者也能控制使用机器人；比如通过采集不同任务情况下产生的人/环境/机器的交互数据并分析，从而可以自动调整机器人的运动路径。

      随着各种人工智能芯片（FPGA，GPU，DSP，ASIC）算力的不断提高和开源平台的不断涌现，我们会看到集成人工智能的机器人控制器的出现，使机器人的使用和维护变得更加简单和快捷，从而使其应用场景向消费者市场（to C）扩展。

      机器人和柔性工具的融合

      商业变革3：大规模生产→大规模定制

      事实上，机器人至今依然缺乏柔性，即便以使用*成熟的汽车工业（某些整车厂的“自动化率达到100%”）为例，现有的技术方案并不能达到《德国工业4.0战略计划实施建议》白皮书中“支持定制生产：何以满足客户个性化的需求”章节所预期的“……各个客户的需求，将同一厂家某一产品组的部件加入到另一产品组中”。

      从汽车制造业历史来看，虽然目前消费者可以定制的项目已经比福特T型车时代连车漆都无法改变（“任何顾客可以将这辆车漆成任何他所愿意的颜色，只要它是黑色的”）的处境有了极大的改善，但是，随着90后和00后逐渐占据主流消费群体时，他们对个性化的要求越来越强烈，越来越注重产品设计和使用体验，我们的生产制造系统必须变得更具柔性，才能迎合消费者需求变化的大趋势。

      机器人会越来越多地和柔性工具相结合，比如协作机器人（HRC）+AGV小车（Autonomous），使得协作机器人不再局限于某一个单元、区域，而是提升为生产线团队中的“自由机器人”，从而使得生产线可以自我组织（“静态”的生产线→“动态”的生产线）；协作机器人（HRC）+柔性夹具（Flexible EOAT），使得协作机器人可以更好地实现新功能，以适应多品种生产的需要。

了解更多ABB机器人