300024机器人股票，机器人替代传统劳动力还需要多少年？
AI机器人将会如何颠覆制造业？看完这篇就懂了
面对AI机器人带来的破坏式创新，全球制造业该怎么把握机会，在自动化典范转移的乱局中，占有一席之地？
AI机器人将会如何颠覆制造业？
这篇文章我们将聚焦目前大量运用传统机器手臂及自动化设备，具有自主学习能力而且灵巧的AI机器人，是如何影响制造业流程及整体产业结构？供应链上的各厂商又该如何应对AI带来的破坏性创新？
「未来已经到来，只是先被一部分人看见。」— 作家威廉·吉布森
The future is already here — it's just not very evenly distributed. — William Gibson
制造业自动化现况根据国际机器人联合会（IFR）发布的最近报告，全球工业机器手臂的出货量在2018年创下新记录，达到384,000台。其中中国仍是最大市场（占比35%)，接着是日本，美国，中国台湾地区排名全球第六。
汽车以及电子制造业依然是工业手臂的最大应用市场（占比60%)，远远领先其他包含金属，塑胶及食品等产业。具体原因是由于传统机器人和电脑视觉的限制，目前除汽车业和电子业以外，仓储、农业和其他产业几乎都还没开始使用机械手臂。而这样的情形将会被AI机器人及深度学习等新技术所改变。看到这里，你可能会想：自动化及工业机器手臂在制造业既然已经有几十年的历史，该自动化或可以被自动化的部分应该都已经自动化了，还有什么创新的空间呢？
出乎意料！就连自动化程度最高的汽车制造业，离所谓的全自动化关灯工厂（lights out factory）也还有很大一段距离。举例来说，汽车组装的部分大多依然是由人工来完成。这也是车厂最劳力密集的部分，平均一间汽车工厂里有3分之2的员工都在装配车间。就连一向追求革新与颠覆，主张追求最高自动化的特斯拉CEO马斯克，都不得不公开承认，特斯拉生产线自动化的进度不如预期。
究竟为什么自动化这么困难？自动化至今无法跨越的技术限制
现今的自动化生产线普遍为大量生产设计，因此能有效降低成本，但也因此缺乏弹性。面对消费者越来越短的产品生命周期，越来越多的少量多样客制化生产需求，人类往往比机器人更能够应对新的产品线，也不需要花费很多时间去重新编写程序或更改制造工序。
1. 灵巧度与复杂度
尽管科技在快速进步，人类还是比机器人灵巧许多。在走访电子代工厂商的过程中发现，尽管组装产品（assembly）已经高度自动化，但备料（kitting）的程序还是必须由人来完成。
备料在制造及仓储业都很普遍，是提高生产效率的重要步骤。指的是把组装产品需要的各个零散部件集合起来，打包并放置在工具包（kit）的过程。之后机器人再从工具包中拿取各个零件并进行组装作业，这时候因为各个零件都在一个固定的位置和角度，自动化编程相对容易。相反，备料时必须从杂乱无序的零件盒中识别并拿取零件，零件的位置角度不一，甚至可能重叠或缠绕在一起，这对现有的机器视觉及机器人技术都是一项挑战。
2. 视觉与非视觉性的回馈
另外一方面，很多复杂的装配作业需要靠作业员的经验或「感觉」。不论是安装汽车座椅或是将零件放入工具包里，这些看似简单的动作，事实上都需要作业员或机器人接收，并根据各种视觉甚至触觉信号，来调整动作的角度及力道。
这些精细的微调使得传统的自动化编程几乎派不上用场，因为每次捡取或放置物品都不完全相同，需要像人一样有从多次的尝试当中，自主学习归纳的能力，而这正是机器学习，特别是深度及强化学习，能够带给机器人的最大改变。
KIT工具包。
AI可以让生产线机器人做到哪些事？AI带给机器手臂最大的改变就是：以往机械手臂只能重复执行工程师编写的程序，虽然精准度及速度都很高，但却无法应对任何环境或制程改变。但是现在因为AI，机器可以自主学习更复杂的任务。具体来说，AI机器人较传统机械手臂在3大方面有重大突破：
1. 视觉（Vision System）
就算是最高端的3D工业相机，仍然无法像人眼一样，既可以精准判断深度距离，又可以识别透明的包装、反射表面、或是可变形物体。这也是为什么很难找到一款相机，既可以提供准确的深度，又能够识别大多数的包装及物品，然而，这样的情形很快就会被AI改变。
机器视觉在过去几年取得了巨大的进展，几间来自于硅谷及波士顿的新创，包括OSARO和Covariant，利用深度学习（deep learning），语意分割（semantic segmentation），及场景理解（scene understanding）提高了低价相机的深度及影像识别，让制造商不需要使用昂贵的相机，也能得到足够准确的影像信息，成功识别透明或反射物体包装。
深度学习物件识别范例，由左至右分别为Mask-RCNN, Object Modeling, Grasp Point Prediction。
2. 可扩充性（Scalability）
深度学习不需像传统机器视觉一样，需要事先建构每一个物品的3D模型。只需要输入图片，经过训练，人工神经网络就能自动识别影像中物体。甚至能使用非监督或自监督学习，降低人工标签数据或特征的需要，让机器更近接近人一样的学习，免去人为干预，让机器人面对新的零件再也不需要工程师重新编写程序。随着机台运作，收集到的数据越来越多，机器学习模型的准确度也会进一步提升。
目前一般生产线通常有振动台、送料器、输送带等周边设备，确保机器人能够正确拿取需要的部件。如果机器学习再进一步发展，让机器手臂更加智能，或许有一天这些比机械手臂更昂贵四五倍以上的周边设备将不再被需要。
另一方面，由于深度学习模型一般储存在云端，这也让机器人能够互相学习，共享知识。举例来说，若有一台机器手臂经过一个晚上的尝试，学会如何组合两个零件，便能够很轻易地将这个新的模型更新到云端，并分享给其他同样也连结到云端的机器手臂。这不但省去了其他机器的学习时间，也确保了品质的一致性。
3. 智能放置（Intelligent Placement）
一些对我们来说一点也不困难的指令：请小心轻放，或把物品排列整齐，对机器手臂而言却是巨大的技术挑战。
如何定义「小心轻放」？是在物体碰触到桌面的瞬间停止施力？还是在移动到距离桌面6公分处放手让物体自然落下？或是越靠近桌面就越降低速度？这些不同的定义又会怎麽样影响物品放置的速度和精确度？
至于将物品「排列整齐」就更困难了，先不论每个人对整齐的定义都有所不同，为了能将物品精准地放置在想要的位置和角度，我们首先必须要先从正确的位置拿取物品：机械手臂依然不如人手灵巧，且目前一般机器手臂大多使用吸盘或是夹子，要做到人类关节及手指的灵活度，还有一大段距离。
其次我们要能即时判断夹取物体的角度位置及形状大小，以下图的杯子为例，需要知道杯口朝上或朝下，要侧放或直放，也要知道放置的地方有没有其他物品或障碍物，才能判断将杯子放在哪裡才能最节省空间。 我们因为从出生开始就在学习各种取放物品的任务，这些复杂的作业几乎不加思索就可以完成，但机器并没有这样的经验，必须重新学习。
AI机器手臂。
经由AI，机器手臂可以更精准地判断深度，还可以通过训练，学习判断及做到杯子朝上，朝下等不同状态。也可以利用对象建模（Object Modeling），或是体素化（Voxelization），来预测及重建3D物体，让机器可以更准确掌握实际物品的大小和形状，进一步将物品放到该放的位置。
AI机器人将如何颠覆制造业？
现在我们知道AI可以让机器做到许多以往做不到的事，但这对制造业现行的产业结构又会有什么影响？谁能够把握住新科技典范转移技术带来的机会？哪些公司又会面临前所未有的挑战？
AI机器人带来的破坏式创新（Disruptive Innovation）破坏式创新由哈佛商学院教授克莱顿·克里斯滕森（Clayton Christensen）在其著作《创新的两难》（Innovator's Dilemma）当中提出。理论的中心思想是：
产业中的既有业者一般会为了服务现有客户（通常也是利润最高的客群），而选择专注于「持续式创新」，改善现有的产品及服务。此时，一些资源较少的小公司把握机会，瞄准被忽略的市场需求，而取得进入市场的立足点。
破坏式创新又分为以下两种：
（1）低阶市场创新
一般大家较为熟悉的是「低阶市场创新」，数字照相技术就是一例。早期的数字相机不仅分辨率不佳，而且还有快门延迟很长的问题，但随着数字照相品质及分辨率逐渐进步，数字相机逐渐从低阶市场晋升为主流。讽刺的是，柯达虽然研发出数字相机，但却因为无法放弃当时该公司占据全球3分之2的胶片市场，而最终被新技术淘汰。这正是所谓的「创新的两难」，既有业者虽然看到新科技的威胁，但却因为现有公司结构，策略等种种原因无法及时应对。
（2）新市场创新
「新市场创新」则是指新进公司瞄准既有公司尚未服务到的「新市场」进行创新。例如，电话刚推出的时候只能被用来做短距离的本地沟通，因此电报产业当时的领先者Western Union拒绝购买发明家贝尔的专利，因为该公司最赚钱的是长途电报市场，当时甚至不认为短途沟通会是一个市场，更不用说预见后来人人都用电话沟通的情景了。
而AI机器人带来的，正是「新市场的破坏式创新」！
传统机器人与AI机器人的创新策略比较。
目前汽车及电子制造业占工业机器手臂出货量的60%，这也导致市场领先者发那科（FANUC）、ABB、KUKA、安川（YASKAWA）专注于「持续式创新」：做他们最擅长，客户也最需要的，进一步提高速度及精度。这也使得其他诸如仓储业、食品制造业，或制造业中的「备料程序」成为被忽略新市场。这些客户并不需要这么高速度，高精度的作业，但需要机器手臂更灵活，更能弹性自主学习识别及处理不同的零件或是工作。
新创AI机器人公司看到这样未被满足的需求，开始将人工智能应用在机器人上，使得机器手臂可以被用在备料，包装，仓储等新市场。他们使用较低阶的相机搭配机器学习模型，让以往只能由人工作业的备料，货物分拣等程序自动化，让机器手臂可以被运用在更多不同的地方，甚至整个产业。
有趣的是，这些新创公司一般不自行生产机器手臂，而是专注于开发机器学习模型、机器视学及控制软件，在硬件方面则选择跟既有机器手臂厂商合作。因此，你可能会想，就算这些机器手臂公司不追求AI创新，他们也不会被时代淘汰，因为自动化还是需要硬件的供应。
但是，这样想忽略了几件事：
首先，有些机器手臂公司已经先嗅到了商机，并开始一边与这些新创公司合作，一边建立自己的AI团队。这些公司因为率先采取行动，可以更快地在这些以往服务不到的新市场中建立客群，进一步领先竞争对手。
其次，随着AI应用的普及，产业链中的最大价值，会逐渐由硬件转向软件及数据。 这点，我们已经可以从无人驾驶汽车的发展趋势中看出。一但无人车可以做到高度自主，大部分的价值都会在掌握无人驾驶汽车机器学习模型及自驾数据的特斯拉，或Google等公司的手里。这也是为什么车厂人人自危，不是积极并购就是跟硅谷的软件AI新创公司合作。相比起来，机器手臂及制造商对AI技术的接受速度似乎还不及汽车制造商。
AI机器人带来的挑战与机会
制造业自动化产业链。
AI及机器人的结合带来许多的可能性，但是这些改变绝非一蹴而就。机器手臂公司纵使开始投资AI，也依然会面临当初柯达所面临的「创新者的两难」。
要如何重新打造组织及发展策略，才能够让转型的负面影响降到最低，也考验各个公司管理阶层的判断与决心。
另一方面，开发全新市场也绝非简单的事，新创公司仍需要和制造厂商密切合作，开发更贴合客户需求的解决方案。 制造业的流程甚至比仓储更复杂多样，新创公司虽然了解AI及机器人技术，但却不一定了解制造流程。这也给制造厂商一个抢得先机成长转型的最佳机会。
如果制造厂商能够率先和这些新创公司合作，不仅能通过流程自动化提升生产效率及品质，还能做到以往较难做到的少量多样客制需求，摆脱大量制造，削价竞争的红海策略。更可以成为新一代AI机器人的试验场，和国际新创合作开发针对电子或半导体制造业的专属解决方案。
300024机器人算不算人工智能？
如果你问的是“300024机器人”这个，额……这是股票。如果你问的是这家公司是不是人工智能的公司，他们现在有在积极推动人工智能在机器人领域的应用，但不算人工智能公司
索迪斯工作场所是怎样的？
索迪斯总结出工作场所十大未来趋势包括：灵活的组织架构、跨国员工、新一代机器人(300024,买入)、隔代学习、个人品牌走入职场、重新定义工作场所体验、2030年可持续发展议程、激发千禧一代人才的潜能、健康3.0。
其中，“新一代机器人”这一趋势，备受中国市场关注。如下是索迪斯对这一趋势的深度解析。
新一代机器人，正在改变我们的工作方式
如今，现代科技正呈指数地快速增长着。机器人激增、流程自动化和人工智能代表了第四次工业革命的到来，当我们着眼于此，我们未来的生活和工作的方式已经变成了未知数。
关于工作场所在未来如何演变，各种对立观点一直争论不休。各类组织希望工人们可以接受机器人同事，能联手机器人一起提升生产力，并解放部分员工投入到更具创造性的工作中。而另一方面，部分焦虑的员工则担忧机器将会取代他们的工作，令人工成为过去时。这两种派别的观点都有充分的论据。
源自未知的威胁
现在A股里的科技股都有哪些？
A股市场里面科技股太多了，科技股就是指哪些具有高技术含量的股票，所以科技板块已经包含了很多领域的，类似5G、芯片、电信服务、电信设备制造、计算机软硬件、新材料、新能源、航天航空、有线数字电视、生物医药制品等等，科技股是范围太广，谁都无法统计完整的。
5G概念股总共有199只股票，分别如下：烽火通信、中兴通讯、吴通控股、金信诺、剑桥科技、中际旭创
图一
图二
图三
图四
图五
芯片概念股，A股市场里面总共有193家，分别为：紫光国微、中科曙光、士兰微、三安光电、北方华创、长川科技、长电科技、通富微电、华天科技、江丰电子、江化微、上海新阳等。
图一
图二
图三
图四
图五
A股市场里面的科技股除了以上5G和芯片之外，同样还有很多零散的科技股，下面进行总结，个股明代如下：
工业自动化：
智云股份（300097）、科大智能（300222）、蓝英装备（300293）、汇川技术（300124）、宝德股份（300023）、海得控制（002184）、天奇股份（002009）
焊接（输送）设备：
佳士科技（300193）、瑞凌股份（300154）、南京熊猫（600775）、锐奇股份（300126）、、泰尔重工（002347）
工业机器人：
、亚威股份（002559）、华中数控（300161）、三丰智能（300276）、巨轮股份（002031）、软控股份（002073）、新时达（002527）、、机器人（300024）、GQY视讯（300076）、金自天正（600560）、博实股份（002698）、工大高新（600701）、钱江摩托（000913）、秦川发展（000837）、英威腾（002334）、上海机电（600835）、山河智能（002097）、金鹰股份（600232）
机器人控制器：
慈星股份（300307）、科远股份（002380）
家用机器人：
紫光股份（000938）
万讯自控（300112）
法因数控（002270）
海伦哲（300201）
日发精机（002520）
雷柏科技（002577）
小盘科技股名单如下：
600848 自仪股份
600151 航天机电
000777 中核科技
002130 沃尔核材
601727 上海电气
600872 中炬高新
002083 孚日股份
002227 奥 特 迅
600703 三安光电
600478 科力远
600482 风帆股份
000957 中通客车
002218 拓日新能
600550 天威保变
000012 南 玻A
600111 包钢稀土
600586 金晶科技
600460 士兰微
600517 置信电气
600875 东方电气
000009 中国宝安
000973 佛塑股份
600328 兰太实业
600674 川投能源
002121 科陆电子
002091 江苏国泰
000541 佛山照明
600537 海通集团
000868 安凯客车
002006 精功科技
600516 方大炭素
600290 华仪电气
000811 烟台冰轮
600590 泰豪科技
600378 天科股份
002080 中材科技
600363 联创光电
600312 平高电气
002088 鲁阳股份
000055 方大集团
600481 双良股份
600884 杉杉股份
000400 许继电气
002090 金智科技
以上就是我个人收据的科技股名单，仅供大家参考，以上个股仅回答问题所用，不构成大家的买卖建议，自行买卖盈亏自负。
创业板中有国企吗？
创业板中有国企。这样的票很多，创业板主要是针对中小企业和高科技企业，对企业的属性没有要求，央企和各地国资委旗下有很多类似的公司，最终选择在创业板上市。点击交易软件的“F10”查看股东进出或者各大财经网站查询个股资料就可以看到是否是国资委控股。比如:
启源装备(300140) ：是创业板中少有国有控股企业。有强大的中字头背景。实际控制人是国务院国有资产监督委员会。
机器人（300024）：背后是中科院，国家级的三大中心集于一身。
钢研高纳（300034）：实际控制人是国务院国有资产监督委员会。
龙源技术（300105）：实际控制人是国务院国有资产监督委员会。
......
创业板，又称二板市场（Second-board Market）即第二股票交易市场，是与主板市场（Main-Board Market）不同的一类证券市场，专为暂时无法在主板上市的创业型企业、中小企业和高科技产业企业等需要进行融资和发展的企业提供融资途径和成长空间的证券交易市场，是对主板市场的重要补充，在资本市场有着重要的位置。在中国的创业板的市场代码是300开头的。
还没有评论，来说两句吧...