機器人代替傳統勞動力已經在進行，在那些重複動作的工序中機器人不僅完全能代替人工，甚至已經比人工更具有優勢，尤其是那些高危職業，機器人當人不讓！相比人工機器人有那些優勢呢？

機器人不會疲倦，可以24小時加班，效率高。機器人容易管理，不會鬧情緒，不會象人工似的要求老闆加工資，否則拿停工要挾。機器人在高危場合成本比人工低，象核輻射，高溫，點焊，噴漆，化工毒氣等工作環境人工操作失誤造成工傷成本巨大，機器人更適合。特殊機器人可以在承重，耐力，精準度，爆發力，速度等方面做到超越人工能力極限。

機器人相比人工的優勢還非常多，只要不考慮失業問題，人工智慧覆蓋到機器人領域基本上傳統勞動力都可以用機器人代替，這個時間不會太久，也許是10年。

下面是我接手的庫卡機器人影片及圖片。（影片我不會載入，誰教我下）

2013年中國工業機器人（300024）銷量達到36860臺，已超越日本成為全球第一大機器人市場。其中自主品牌企業在中國銷售工業機器人總量超過9500臺，佔全國工業機器人銷量的比重達到1/4。預計本體產值約90億元，本體加整合市場規模約270億元。

　　2014年中國市場共銷售工業機器人57000臺，較上年增長55%，約佔全球市場總銷量的四分之一，已連續兩年成為全球第一大工業機器人市場。

　　兩大因素驅動中國工業機器人市場快速增長。

　　第一個驅動力是機器代替人工。原因主要來自於兩個方面：

　　其一是低端勞動力供給不足。80、90後已經成為目前勞動力市場的主力，相比60、70後，他們訴求較多，其中的顯著變化之一是越來越少的人願意從事工資低、單調重複繁重、環境差的工作，導致低端勞動力供給不足，每到歲末年初這種“民工荒”現象在沿海地區表現尤為明顯，用人單位越來越傾向於用機器人替代人工，從事這類工作。

　　其二是工業機器人替代人工經濟性不斷提升。一方面，勞動力工資全面上漲。改革開放以來，中國城鎮就業人員年平均工資基本保持兩位數增速，到2010年已經超過5000美元，而且由於低端勞動力供給不足，近年來農民工工資漲幅比城鎮職工還要快。另一方面，機器人本體價格不斷下降。機器人價格下降不僅是國際趨勢，而且還因為主要國際巨頭紛紛在中國設組裝線，降低本體成本和價格。繼abb之後，安川和庫卡也開始在中國建設組裝線，並於2013年投產，兩家在中國最終年產量將合計達11000臺，相當於2011年中國工業機器人需求的近一半。川崎於2012年12月24日也釋出訊息要在中國建組裝線。

　　上述兩項因素，導致工業機器人替代人工的經濟性不斷提升，工業機器人投資回收期越來越短，有的甚至兩年就可以回本。

　　第二個驅動力是產業升級。日韓等國經濟轉型過程中，經濟增速都出現大幅下降，日本GDP從1956-1973年年均複合增速9.22%，下降到1974-1991年年均複合增速3.95%，產業結構也出現三個變化：一是傳統重化工製造業在經濟總量中的佔比逐漸萎縮，產業內重組與整合明顯加強;二是高附加值、技術密集型的新興產業規模迅速擴大，機械化、自動化及智慧化裝置的大規模普及導致企業生產效率和競爭力大幅提升;三是服務業佔比上升與消費升級並存。

　　反觀中國，目前經濟發展與日本70年代初類似，勞動力成本上升、能源緊張、資源匱乏、環境汙染嚴重，適時調整經濟結構，大力發展知識和技術密集型產業、促進升級是中國經濟能否順利跨過中等收入陷阱的關鍵，而經濟結構轉型和產業升級需要大量的自動化成套裝置相配套。

　　（一）最快15至20年中國將普及工業機器人

　　中國政府對於工業機器人的各項扶持政策並不亞於當年的日本和南韓，本土企業已經擁有了一定積累，並獲得了25%的市場份額，儘管存在應用成本高等問題，但工業機器人安裝量成倍增長已成定勢，預計3-4年內中國機器人應用規模將高居全球第一，10年內機器人密度即每1萬名工人的機器人數將超過500臺。若各外部因素不出現大幅波動，預計中國最快在2030年工業機器人在各行業內提供的生產力全面超過企業工人。

　　（二）工業機器人時代提升產業質量與廣度

　　機器人的全面應用將會對生產方式和效率、產業結構乃至生活方式都帶來深遠的影響。首先，實現生產柔性化智慧化。生產模式將由集中向分散方式轉變，產品同質化向個性化轉變，實現實時最佳化且自我組織的產業鏈。其次，將對中國工業及相關產業產生重大影響，由於工業機器人的普及對於其他智慧製造裝備提出了非常高的要求，帶動整個智慧製造裝備產業的發展，導致一個包含新型工業PC、網路化PLC、自動化及通訊元器件、高精度感測器、智慧儀器儀表、智慧生產線等相關整機零部件的超萬億市場將被創造出來。最終，工業機器人普及將為企業員工帶來工作方式和環境的全新變化，全新的智慧自動化生產工作方式使得工作不再被工廠等地理位置所限制，轉為虛擬的、地域靈活的遠端方式開展，員工將擁有高度的管理自主權，隨時調整並切換工作和生活狀態。

　　（三）工業機器人時代對社會提出更多挑戰

　　工業機器人時代也將使社會面臨更多挑戰，技術性失業的情況異常嚴峻。預計機器人全面應用後中國將釋放就業人口超過2.4億，以受過初等教育的成熟生產性勞動力為主，這其中有多大比例能被迫轉型為技術人員或轉投服務等行業乃至創業自謀出路，其對中國乃至全世界的影響只能透過實踐來證明。針對機器人大潮所造成的深遠影響，中國法律法規、意識形態、社會結構等方方面面其實都沒有做好準備。但無論如何，正如汽車代替騾馬、電腦代替打字機、網際網路替代傳統交流方式一樣，工業生產中機器人代替人工勞動力這一趨勢必將到來

作為一名科技工作者，我來回答一下這個問題。

首先，機器人代替一些傳統人力崗位是一個逐步發展的過程，隨著人工智慧技術的不斷髮展，以及機器人應用場景的不斷完善，未來將有大量的傳統崗位任務逐漸由機器人（智慧體）來完成，而這個過程也將促進人力崗位不斷完成崗位升級，從而不斷提升崗位附加值。

隨著當前人力成本的不斷提升，一些傳統行業領域內的低附加值崗位出現了招聘難的問題，所以當前傳統行業，尤其是製造業和服務業，對於機器人的呼聲還是比較高的，這也為機器人的落地應用奠定了一定的基礎。

當前機器人在生產領域的應用已經有了較長一段時間的積累，以汽車製造領域為例，當前有大量的生產任務都是由機器人來完成的，這也在很大程度上提升了汽車製造的效率。相信隨著生產場景的不斷完善，未來大量的智慧裝備將走進生產環境。

雖然機器人在生產環境下正在發揮著越來越重要的作用，但是要想讓機器人替代傳統勞動力並不是一件容易的事情，而且也不會出現瞬間替代的現象，這一定是一個逐步替代的過程。當前人工智慧行業正處在發展的初期，能夠替代的人力崗位還是比較有限的，從當前產業結構升級的大背景來看，未來智慧機器人會逐漸走進傳統行業，一些大型的生產企業將會率先實現智慧化。按照當前整體的發展規劃來看，未來十年將是一個快速發展期。

最後，對於當前的職場人來說，要想在未來的智慧化時代具有更強的崗位競爭力，一定要注重人工智慧相關知識的學習。

AI機器人將會如何顛覆製造業？看完這篇就懂了

面對AI機器人帶來的破壞式創新，全球製造業該怎麼把握機會，在自動化典範轉移的亂局中，佔有一席之地？

AI機器人將會如何顛覆製造業？

這篇文章我們將聚焦目前大量運用傳統機器手臂及自動化裝置，具有自主學習能力而且靈巧的AI機器人，是如何影響製造業流程及整體產業結構？供應鏈上的各廠商又該如何應對AI帶來的破壞性創新？

「未來已經到來，只是先被一部分人看見。」— 作家威廉·吉布森

The future is already here — it"s just not very evenly distributed. — William Gibson

製造業自動化現況

根據國際機器人聯合會（IFR）釋出的最近報告，全球工業機器手臂的出貨量在2018年創下新記錄，達到384,000臺。其中中國仍是最大市場（佔比35%)，接著是日本，美國，中國臺灣地區排名全球第六。

汽車以及電子製造業依然是工業手臂的最大應用市場（佔比60%)，遠遠領先其他包含金屬，塑膠及食品等產業。具體原因是由於傳統機器人和電腦視覺的限制，目前除汽車業和電子業以外，倉儲、農業和其他產業幾乎都還沒開始使用機械手臂。而這樣的情形將會被AI機器人及深度學習等新技術所改變。看到這裡，你可能會想：自動化及工業機器手臂在製造業既然已經有幾十年的歷史，該自動化或可以被自動化的部分應該都已經自動化了，還有什麼創新的空間呢？

出乎意料！就連自動化程度最高的汽車製造業，離所謂的全自動化關燈工廠（lights out factory）也還有很大一段距離。舉例來說，汽車組裝的部分大多依然是由人工來完成。這也是車廠最勞力密集的部分，平均一間汽車工廠裡有3分之2的員工都在裝配車間。就連一向追求革新與顛覆，主張追求最高自動化的特斯拉CEO馬斯克，都不得不公開承認，特斯拉生產線自動化的進度不如預期。

究竟為什麼自動化這麼困難？

自動化至今無法跨越的技術限制

現今的自動化生產線普遍為大量生產設計，因此能有效降低成本，但也因此缺乏彈性。面對消費者越來越短的產品生命週期，越來越多的少量多樣客製化生產需求，人類往往比機器人更能夠應對新的產品線，也不需要花費很多時間去重新編寫程式或更改制造工序。

1. 靈巧度與複雜度

儘管科技在快速進步，人類還是比機器人靈巧許多。在走訪電子代工廠商的過程中發現，儘管組裝產品（assembly）已經高度自動化，但備料（kitting）的程式還是必須由人來完成。

備料在製造及倉儲業都很普遍，是提高生產效率的重要步驟。指的是把組裝產品需要的各個零散部件集合起來，打包並放置在工具包（kit）的過程。之後機器人再從工具包中拿取各個零件並進行組裝作業，這時候因為各個零件都在一個固定的位置和角度，自動化程式設計相對容易。相反，備料時必須從雜亂無序的零件盒中識別並拿取零件，零件的位置角度不一，甚至可能重疊或纏繞在一起，這對現有的機器視覺及機器人技術都是一項挑戰。

2. 視覺與非視覺性的回饋

另外一方面，很多複雜的裝配作業需要靠作業員的經驗或「感覺」。不論是安裝汽車座椅或是將零件放入工具包裡，這些看似簡單的動作，事實上都需要作業員或機器人接收，並根據各種視覺甚至觸覺訊號，來調整動作的角度及力道。

這些精細的微調使得傳統的自動化程式設計幾乎派不上用場，因為每次撿取或放置物品都不完全相同，需要像人一樣有從多次的嘗試當中，自主學習歸納的能力，而這正是機器學習，特別是深度及強化學習，能夠帶給機器人的最大改變。

KIT工具包。

AI可以讓生產線機器人做到哪些事？

AI帶給機器手臂最大的改變就是：以往機械手臂只能重複執行工程師編寫的程式，雖然精準度及速度都很高，但卻無法應對任何環境或製程改變。但是現在因為AI，機器可以自主學習更復雜的任務。具體來說，AI機器人較傳統機械手臂在3大方面有重大突破：

1. 視覺（Vision System）

就算是最高階的3D工業相機，仍然無法像人眼一樣，既可以精準判斷深度距離，又可以識別透明的包裝、反射表面、或是可變形物體。這也是為什麼很難找到一款相機，既可以提供準確的深度，又能夠識別大多數的包裝及物品，然而，這樣的情形很快就會被AI改變。

機器視覺在過去幾年取得了巨大的進展，幾間來自於矽谷及波士頓的新創，包括OSARO和Covariant，利用深度學習（deep learning），語意分割（semantic segmentation），及場景理解（scene understanding）提高了低價相機的深度及影像識別，讓製造商不需要使用昂貴的相機，也能得到足夠準確的影像資訊，成功識別透明或反射物體包裝。

深度學習物件識別範例，由左至右分別為Mask-RCNN, Object Modeling, Grasp Point Prediction。

2. 可擴充性（Scalability）

深度學習不需像傳統機器視覺一樣，需要事先建構每一個物品的3D模型。只需要輸入圖片，經過訓練，人工神經網路就能自動識別影像中物體。甚至能使用非監督或自監督學習，降低人工標籤資料或特徵的需要，讓機器更近接近人一樣的學習，免去人為干預，讓機器人面對新的零件再也不需要工程師重新編寫程式。隨著機臺運作，收集到的資料越來越多，機器學習模型的準確度也會進一步提升。

目前一般生產線通常有振動臺、送料器、輸送帶等周邊裝置，確保機器人能夠正確拿取需要的部件。如果機器學習再進一步發展，讓機器手臂更加智慧，或許有一天這些比機械手臂更昂貴四五倍以上的周邊裝置將不再被需要。

另一方面，由於深度學習模型一般儲存在雲端，這也讓機器人能夠互相學習，共享知識。舉例來說，若有一臺機器手臂經過一個晚上的嘗試，學會如何組合兩個零件，便能夠很輕易地將這個新的模型更新到雲端，並分享給其他同樣也連結到雲端的機器手臂。這不但省去了其他機器的學習時間，也確保了品質的一致性。

3. 智慧放置（Intelligent Placement）

一些對我們來說一點也不困難的指令：請小心輕放，或把物品排列整齊，對機器手臂而言卻是巨大的技術挑戰。

如何定義「小心輕放」？是在物體碰觸到桌面的瞬間停止施力？還是在移動到距離桌面6公分處放手讓物體自然落下？或是越靠近桌面就越降低速度？這些不同的定義又會怎麼樣影響物品放置的速度和精確度？

至於將物品「排列整齊」就更困難了，先不論每個人對整齊的定義都有所不同，為了能將物品精準地放置在想要的位置和角度，我們首先必須要先從正確的位置拿取物品：機械手臂依然不如人手靈巧，且目前一般機器手臂大多使用吸盤或是夾子，要做到人類關節及手指的靈活度，還有一大段距離。

其次我們要能即時判斷夾取物體的角度位置及形狀大小，以下圖的杯子為例，需要知道杯口朝上或朝下，要側放或直放，也要知道放置的地方有沒有其他物品或障礙物，才能判斷將杯子放在哪裡才能最節省空間。 我們因為從出生開始就在學習各種取放物品的任務，這些複雜的作業幾乎不加思索就可以完成，但機器並沒有這樣的經驗，必須重新學習。

AI機器手臂。

經由AI，機器手臂可以更精準地判斷深度，還可以透過訓練，學習判斷及做到杯子朝上，朝下等不同狀態。也可以利用物件建模（Object Modeling），或是體素化（Voxelization），來預測及重建3D物體，讓機器可以更準確掌握實際物品的大小和形狀，進一步將物品放到該放的位置。

AI機器人將如何顛覆製造業？

現在我們知道AI可以讓機器做到許多以往做不到的事，但這對製造業現行的產業結構又會有什麼影響？誰能夠把握住新科技典範轉移技術帶來的機會？哪些公司又會面臨前所未有的挑戰？

AI機器人帶來的破壞式創新（Disruptive Innovation）

破壞式創新由哈佛商學院教授克萊頓·克里斯滕森（Clayton Christensen）在其著作《創新的兩難》（Innovator"s Dilemma）當中提出。理論的中心思想是：

產業中的既有業者一般會為了服務現有客戶（通常也是利潤最高的客群），而選擇專注於「持續式創新」，改善現有的產品及服務。此時，一些資源較少的小公司把握機會，瞄準被忽略的市場需求，而取得進入市場的立足點。

破壞式創新又分為以下兩種：

（1）低階市場創新

一般大家較為熟悉的是「低階市場創新」，數字照相技術就是一例。早期的數字相機不僅解析度不佳，而且還有快門延遲很長的問題，但隨著數字照相品質及解析度逐漸進步，數字相機逐漸從低階市場晉升為主流。諷刺的是，柯達雖然研發出數字相機，但卻因為無法放棄當時該公司佔據全球3分之2的膠片市場，而最終被新技術淘汰。這正是所謂的「創新的兩難」，既有業者雖然看到新科技的威脅，但卻因為現有公司結構，策略等種種原因無法及時應對。

（2）新市場創新

「新市場創新」則是指新進公司瞄準既有公司尚未服務到的「新市場」進行創新。例如，電話剛推出的時候只能被用來做短距離的本地溝通，因此電報產業當時的領先者Western Union拒絕購買發明家貝爾的專利，因為該公司最賺錢的是長途電報市場，當時甚至不認為短途溝通會是一個市場，更不用說預見後來人人都用電話溝通的情景了。

而AI機器人帶來的，正是「新市場的破壞式創新」！

傳統機器人與AI機器人的創新策略比較。

目前汽車及電子製造業佔工業機器手臂出貨量的60%，這也導致市場領先者發那科（FANUC）、ABB、KUKA、安川（YASKAWA）專注於「持續式創新」：做他們最擅長，客戶也最需要的，進一步提高速度及精度。這也使得其他諸如倉儲業、食品製造業，或製造業中的「備料程式」成為被忽略新市場。這些客戶並不需要這麼高速度，高精度的作業，但需要機器手臂更靈活，更能彈性自主學習識別及處理不同的零件或是工作。

新創AI機器人公司看到這樣未被滿足的需求，開始將人工智慧應用在機器人上，使得機器手臂可以被用在備料，包裝，倉儲等新市場。他們使用較低階的相機搭配機器學習模型，讓以往只能由人工作業的備料，貨物分揀等程式自動化，讓機器手臂可以被運用在更多不同的地方，甚至整個產業。

有趣的是，這些新創公司一般不自行生產機器手臂，而是專注於開發機器學習模型、機器視學及控制軟體，在硬體方面則選擇跟既有機器手臂廠商合作。因此，你可能會想，就算這些機器手臂公司不追求AI創新，他們也不會被時代淘汰，因為自動化還是需要硬體的供應。

但是，這樣想忽略了幾件事：

首先，有些機器手臂公司已經先嗅到了商機，並開始一邊與這些新創公司合作，一邊建立自己的AI團隊。這些公司因為率先採取行動，可以更快地在這些以往服務不到的新市場中建立客群，進一步領先競爭對手。

其次，隨著AI應用的普及，產業鏈中的最大價值，會逐漸由硬體轉向軟體及資料。 這點，我們已經可以從無人駕駛汽車的發展趨勢中看出。一但無人車可以做到高度自主，大部分的價值都會在掌握無人駕駛汽車機器學習模型及自駕資料的特斯拉，或Google等公司的手裡。這也是為什麼車廠人人自危，不是積極併購就是跟矽谷的軟體AI新創公司合作。相比起來，機器手臂及製造商對AI技術的接受速度似乎還不及汽車製造商。

AI機器人帶來的挑戰與機會

製造業自動化產業鏈。

AI及機器人的結合帶來許多的可能性，但是這些改變絕非一蹴而就。機器手臂公司縱使開始投資AI，也依然會面臨當初柯達所面臨的「創新者的兩難」。

要如何重新打造組織及發展策略，才能夠讓轉型的負面影響降到最低，也考驗各個公司管理階層的判斷與決心。

另一方面，開發全新市場也絕非簡單的事，新創公司仍需要和製造廠商密切合作，開發更貼合客戶需求的解決方案。 製造業的流程甚至比倉儲更復雜多樣，新創公司雖然瞭解AI及機器人技術，但卻不一定了解制造流程。這也給製造廠商一個搶得先機成長轉型的最佳機會。

如果製造廠商能夠率先和這些新創公司合作，不僅能透過流程自動化提升生產效率及品質，還能做到以往較難做到的少量多樣客制需求，擺脫大量製造，削價競爭的紅海策略。更可以成為新一代AI機器人的試驗場，和國際新創合作開發針對電子或半導體制造業的專屬解決方案。