四、工厂数字化与智能化新方向
1.工厂的数字化和智能化大体分为四个阶段
近两年一些企业开始为企业提供以生产环节为基础的数字化和智能化工厂改造方案。企业的数字化和智能化改造大体分成4个阶段：
自动化产线与生产装备，设备联网与数据采集、数据的打通与直接应用、数据智能分析与应用。这4个阶段并不是严格按顺序进行的，各阶段不是孤立的，边界比较模糊，很多具体应用方案可能跨越其中多个阶段。工厂的改造也不一定都是从自动化装备开始。
在单个工厂数字化的基础上，工厂通过C2M模式与消费者建立连接，通过工业互联网平台，与整个行业和产业上下游建立起连接。
工厂数字化和智能化的4个阶段
在工厂的数字化和智能化改造过程中，诞生了一些常见的类型化方案，如：设备接入、新型MES软件、AR辅助作业、工业大数据等。多数情况下客户工厂需要的方案跨越了数字化改造的多个阶段，但不同供应商的业务侧重点和覆盖范围各不相同，不少供应商或工厂实施的是跨越多阶段的方案，但自身技术和能力会侧重其中某个阶段的工作。也有华制智能、云智汇等企业声称提供智能工厂整体解决方案。从解决方案角度，报告分成四部分（图中标注1,2,3,4的4个虚线框）进行讨论。
工厂数字化和智能化的4个阶段
2.设备接入与数据采集
设备联网，数据采集是其它业务的基础。
工厂里设备各式各样，将设备接入网络，采集设备的数据传到服务器或云平台，是进行智能化生产的基础。有数据接口的设备，如机器人，机床，PLC控制器，智能化仪器仪表等，将设备数据传输到网关。没有现成数据的设备，通过安装传感器或进行智能化改造，增加通讯能力，基于有线或无线方式，将数据传输到网关。网关进行数据就地分析和存储，或将数据、分析结果汇总，通过有线或无线的方式，传输到公有或私有云服务器进行显示和后续分析。从事此类业务的企业，通常在设备接入基础上，发展数据分析及云平台业务，如英物互联、Ruff、匠迪信息、智物联、塔网科技等。
工业设备接入与数据传输各层结构
设备联网，数据采集面临诸多挑战。
设备的联网接入需要达成三个层次：互联(硬件接口的连接)、互通(软件层面的数据格式与规范)、语义互操作(语义的定义与规范)。
当前设备联网接入面临不少挑战：
数据不开放：由于技术保密等原因，一些设备的关键参数并不对外开放；
标准不统一：工业设备样式繁多，接口各异，通讯与传输协议各不相同，针对
各种非标设备和协议，需要进行相应的开发，消耗大量的时间和人力；设备无数据：一些设备和仪器仪表本身并不记录自身数据，需要进行智能化改造，增加通讯能力；
任务不明确：面向具体分析任务，应采集哪些数据需要经验，有时并不明确；
限制条件多：工业现场可能有电磁干扰、振动、位置等多种数据采集限制，对
布置传感器完成所需数据采集提出了更高的要求；
设备联网接入发展方向：
标准化：标准化是设备低成本互连互通的基础。互联互通层面，已经形成了一些比较通用的接口方案，如工业以太网、工业PON网及Modbus等。语义互操作层面，OPCUA协议已经成为国家推荐标准。国外很多设备在标准化方向已经做的比较好。国内一些行业组织也在牵头统一标准，组织国内设备向国际标准靠拢。
传输方式多样化：PON光纤网络和基于物联网、5G的无线通信等各种传输方式，成为新的重要方向。
OPCUA标准架构
设备联网，边缘计算在设备侧完成数据分析。
信息技术在工业应用中，一些凸显出来的问题，如：生产数据的实时处理，生产数据的安全性，过大的数据量带来的存储和处理压力等，催生了边缘计算在工业的应用。边缘计算，是指不将全部数据回传云端，而是在更靠近数据源侧的本地网内完成存储和运算，从而减少数据往返云端的等待时间，降低网络带宽成本，提高安全性和网络适应性。
边缘计算在工业应用，主要体现形式为将数据清洗和分析算法前置到现场的类似“智能网关”的计算设备，实时完成生产数据的分析和处理，只将分析结果传送到云端服务器，如此通过云+端的架构，实现更高效和安全的数据分析处理。很多工业软件和数据分析企业除了提供基于公有或私有云的软件或数据分析方案，也提供基于边缘计算的解决方案。工业网关厂商中有些也已经在把产品升级为具备边缘计算能力的产品，如物联博通、映翰通、东土科技等。
工业数据采集分析的云计算架构和边缘计算架构示意
3.数据打通与直接应用
新型MES/ERP软件。
工厂生产经营过程中，很多都需要数据。过去工厂缺少很多一线生产环节数据，或信息传递较原始，效率很低，而且ERP、CRM、MES等各种信息系统互相独立，存在很多数据孤岛。如今开始有一些公司通过新型管理软件，对工厂的数据进行整合打通，并在此基础上提供更高效的信息传递、生产管理和协同。新形态管理软件名称以MES/ERP等呈现，但功能基本是实现过去MES、ERP、CRM甚至OA等功能的综合集成。很多企业提供给工厂的通常不只是一套软件，而是整套工厂改造的解决方案。
过去的工业软件多以单机、局域网、私有云的方式在工厂内完成部署。在工业企业上云的趋势下，一部分新型MES/ERP软件以公有云SaaS的方式布署，并增加了在移动端手机APP的呈现。
基于数据打通的运营管理。
近两年，一批相关企业以工业物联网、数字化工厂、新型工业软件为名，提供相关软件和服务。不同公司的业务侧重点和目标工厂有所不同，由于各环节相互关联，很多企业也提供面向不同阶段工厂的不同解决方案。相关企业如：黑湖制造、新核云、制云科技、匠迪信息、易往信息、全应科技等，其中部分企业获得了资本的投资，发展迅速。
基于数据打通的运营管理功能示例
部分获得投资的新型MES/ERP软件初创企业
装备生产企业基于IoT打造远程运维平台。
基于设备联网，一些企业为自家产品或装备制造企业提供装备远程运维解决方案。通过在装备中加装物联网设备，使装备厂商可以远程随时随地对设备进行监控、升级和维护等操作，更好的了解产品的使用状况，完成产品全生命周期的信息收集，指导产品设计和售后服务。基于IoT可以远程监控的指标如：设备分布，状态，用户活跃度监测；行业、地区、企业用量统计分析；远程异常报警，故障分析，授权开关机设备监测等。哐哐智造、匠迪信息等企业为装备工厂提供此类服务，树根互联根云、徐工信息Xrea、航天云网INDICS等工业物联网云平台也提供了相关功能。
远程运维平台可以延伸多种创新型业务。
在设备联网的基础上，装备制造厂商还可以开展各种创新型业务。三种典型业务及案例：
设备租赁：例如智能云科iSESOL平台工业版“滴滴”。设备状态可监控和远程管理，为设备共享提供了可能，通过网络查找并共享闲置的设备资源，提高设备的利用率，并可以按需付费，实时结算。实现了生产力装备的共享经济。
设备保险：例如树根互联根云平台，设备的运行数据为设备的风险评估提供了依据，基于之上可以开展保险等金融业务。基于对设备数据的分析，生成设备的综合状态评估，对设备损坏概率进行预测，将每一台设备运行数据作为定价变量来考虑，可以单独对每台设备提供更加准确、公允、动态的定价，结合设备主及企业的运营状况及信用风险模型，为保险业务提供更加精细的风险选择与精准定价模型。
精准供应链：博创智能塑云平台，装备制造厂的设备联网后，也就同时了解了使用装备的产品生产厂家的生产和分布情况。同样以这些产品生产厂家为目标客户的上游原材料、周边服务商等，可以通过设备联网平台，精准的为产品生产厂家供应产品。
基于AR辅助工业作业。
AR有两大关键技术：计算机视觉和人机交互。计算机视觉解决机器对现实世界的理解问题，人机交互解决人与虚拟信息互动的问题。具体在智能制造中，AR的主要应用体现在于信息的增强，将很多不可见的信息叠加显示在视野上，辅助和引导员工更好的工作。显示虚拟信息有基于手机、平板、眼镜等方式，AR眼镜可以在不影响工人双手操作的情况下进行信息显示，在工业中较为常见，并以语音和手势等方式交互。
AR在工业主要有两种应用形态：
一是作业过程中的信息显示提示与引导。在工人进行生产操作、操作培训、设备巡检、设备维修等场景时，AR眼镜额外提供设备的图纸、运行数据、结构原理、操作步骤等信息引导或辅助操作人员执行操作。部分场景还可以通过图像识别，对操作正确性进行判断和给出错误提示。
通过AR的方式给出额外信息显示，可以在上岗前对工人进行培训，也可以降低上岗所需操作人员的技术水平要求，使工序标准化、规范化、降低出错率，避免危险工作的误操作等。
联想新视界复印机AR运维示意图
AR工业应用典型案例。
典型案例——波音生产线用AR辅助线束组装客机机身内部的线束错综复杂，以往工人们需要拿着飞机内部结构指令手册或参照PDF图才能一步步完成线束的组装和连接，工作流程冗杂繁琐，往往容易出错。使用谷歌眼镜后，工人们就无需拿着手册和电脑在机舱中到处跑，谷歌眼镜可投射出各个细节部分的组装方式来协助工作。数据统计，用上谷歌眼镜后，波音工人组装线束的错误率降低50%，时间缩短了25%。
二是远程指导系统。现场工程师佩戴AR眼镜，通过第一人称摄像头，将数据实时传送到远程专家，远程专家给出指导，指导信息以AR的方式显示给现场工程师，指导工程师完成操作。远程指导系统的价值，在于节约专家到现场的成本，降低高技术工作对现场人员的依赖。
AR工业应用的信息呈现方式，主要取决于AR眼镜，分成两代，一代是以GoogleGlass、EpsonBT350等为代表的2D信息显示（含双目立体），在眼前提供了一块额外的显示屏，进行信息的显示，有的还安装了第一人称摄像头，可以进行录像和简单图像识别。方案硬件成熟度较高，成本较低；第二代则是以HoloLens为代表，具备空间识别与追踪能力的3D信息显示，虚拟信息叠加在真实空间，显示效果更好，但硬件成本高，还不太成熟。
当前AR工业应用产业链还没有明确分层，工业需求可能涉及到软、硬件等多层面的修改，远未标准化，厂商都需要向工业企业提供整体解决方案。因此，国内外AR工业企业中，自身具备AR硬件研发的企业较多，可以针对需求迭代修改AR硬件产品。也有一些企业基于第三方硬件，如EpsonBT350、微软HoloLens开发工业应用。
AR工业应用主要面临的问题。
AR在工业的应用目前以试点和小范围案例为主，尚未批量应用，原因有多方面：
方案产品形态远未标准化，企业各异的需求需要同时涉及硬件研发、图像算法、网络开发、移动开发等方面，还需要深入理解工业具体工作流程，项目执行难度大，速度慢；
AR信息显示需要对接工厂数据系统，需要企业信息系统数据的打通和完善，很多企业信息化还不完善；
整体AR工业应用作用，投入产出偏低，功能有限，不解决刚需，企业意愿不强；
图像识别相关功能对于AR工业应用价值较大，但技术目前偏弱。
4.数据智能分析与应用
大数据在工业有多种应用方式。
工业大数据：大数据技术兴起后，诞生了一批以工业大数据应用为核心应用方向的企业，开展在工业的各个领域的应用，推出了一系列智能预测和分析解决方案。工业大数据主要应用方向有：预防性维修、智能生产优化、智慧供应链、智能营销等。报告主要讨论其中侧重生产环节的预防性维修和生产环节优化。
以IMS机械工程博士为核心团队，提供智能运维整体解决方案，主要在风电、轨交、机器人、数控加工等行业有成功案例。基于大数据平台，提供端到端的大数据整体解决方案，已服务新能源、石油天然气、电子制造、工程机械、环保、生物制药等领域。
观为监测，新三板企业，专注于工业运维领域的大数据预知性维护服务，已服务能源电力、智慧城市、石油化工、港口地铁以及军工等行业客户。
（1）预防性维修
预防性维修主要面向设备的运用环节。工业运维经历了4个阶段，目前已经从事后维修，逐渐向预防性维修发展。预防性维修可以有效减少设备停机，提高设备利用率，避免停机损失。
预防性维修主要依赖于数据和建模。建模过去主要有两种思路，一种基于机理辨别，对未知对象建立参数估计、进行阶次判定、时域分析、频域分析或者建立多变量系统、进行线性和非线性、随机或稳定的系统分析等，试图揭示系统的内在规律和运行机理；另一种则是基于AI相关的灰度建模思路，利用专家系统、决策树、基于主元分析的聚类算法、SVM和深度学习等深度学习相关方法，对数据进行分析和预测。
典型案例：天泽智云/阿里云ET工业大脑——风场智能运维系统
问题：传统风力发电机常在故障发生后“亡羊补牢”，维修复杂、周期长、成本高。
方案：利用传感器对风机进行实时监控，嵌入故障预测和异常监测模型实时分析，能够判断具体哪一个部件有什么样的风险，接下来会出现怎样的故障模式。再以预测性的视角进行排程，同时对风速进行实时预测，可以选择在风小的时候停下来进行维护，风大的时候尽量保持发电。通过结合维护排程优化的模型能够把整个维护过程当中的损失大幅降低。
结果：某海上风场，机械类故障提前28天早期预测，巡检效率提升30%以上，维护成本降低30%以上（天泽智云）；提前识别风机的潜在故障，变大修为小修，预计运维成本降低30%以上（阿里云ET工业大脑）。
（2）工业大数据用于生产过程优化
主要面向企业的生产过程。在制造过程数字化监控的基础上，用大数据、人工智能算法建立模型，研究不同参数变化对设备状态与整体生产过程的影响，并根据实时数据与现场工况动态调优，提供智能设备故障预警、工艺参数最优推荐，降低能耗，提升良品率等一项或多项功能，对于一些危险生产行业，还能用于控制降低风险。概括起来即：提质、增效、降耗、控险。
由于企业的生产过程，也是生产设备的运用过程，因此具体开展业务时，大数据分析企业主要依据客户企业需求提供整套方案，不进行明显区分。
典型案例：阿里云ET工业大脑——中策橡胶生产优化
问题：中策橡胶在橡胶密炼（橡胶生产的核心环节）过程中的能耗和次品率受原
材料及生产环境影响很大，导致综合生产效率波动大，生产成本控制难。
应用：阿里云将ET工业大脑应用于橡胶生产环节，根据密炼过程参数实时数据构造训练数据（如：排胶时刻的特征、胶料监测结果等），建立决策树模型，推荐最优的工艺参数，最终降低能耗，提升良品率。
结果：通过最优参数推荐，优化密炼工艺，提升混炼胶平均合格率3%-5%。
工业大数据应用现状。
目前工业大数据仍主要集中应用在能源、轨道交通、军工、电力等重工业行业，尤以风电行业居多。近两年，也开始向3C、新能源行业应用，但总体还不多。工业大数据当前主要以特征分析方法为主，也开始引入机器学习相关技术。
工业大数据面临几个核心问题：
数据采集：国内部分企业的设备没有使用国际标准工业协议，设备数据解析成本高。很多工厂的网络条件也不好，数据传输受到影响。
市场教育：工业企业在大数据实施路径如何选择、投入产出如何评估、业务流程如何配合等方面都普遍存在困惑。
快速复制：工业大数据通常以项目形式针对个案具体分析，难以快速复制和扩展，商业角度看增速较慢。
部分国内工业大数据企业融资情况
为适应企业的需求，工业大数据的服务方式在两个方向不断发展。
开放的工业互联网云平台：大数据服务企业，从单纯的算法分析，逐渐将算法和服务开放化，平台化，最终向互联网云平台发展，为企业提供上云和数据分析服务。
封闭的企业经验库系统：出于数据安全性考虑，大型生产企业会在内部构建私有云经验库系统，将全厂数据平台打通，沉淀并对数据分析，将企业的经验固化起来，构成企业的经验库系统，成为企业的重要竞争优势。
工业大数据演化进程
工业大数据只是解决工业各种问题的众多方法中的一种，能对部分问题进行优化改善，工业生产中很多更核心的技术研发、工艺、人员管理等问题，并不能指望工业大数据解决。
通过数字化双胞胎迈向更高阶段智能化。
数字化双胞胎DigitalTwin:
在工厂全面数字化的基础上，产品研发类企业通过数字化双胞胎，从而实现更高阶段智能化迈进。数字化双胞胎以数字化方式为真实产品、设备、工厂等物理对象创建虚拟模型，模拟其在现实环境中的行为特征，创建对应的仿真数字化模型，完整真实在数字世界中再现整个企业，使企业在实际投入生产之前即能在虚拟环境中优化、仿真和测试，在生产过程中也可同步优化整个企业流程。数字化双胞胎具体包括“产品数字化双胞胎”、“生产工艺流程数字化双胞胎”和“设备数字化双胞胎”三个领域。
典型案例：吉利汽车花了两年多实施基于数字化双胞胎的数字化工厂，已经有两个基地采取到了数字双胞胎技术，实现了成本的降低，生产过程的优化和产品质量的提升。明年吉利会对所有新生产线全部使用数字化双胞胎理念建设。
5.工厂与消费者、行业的连接
基于数字化智能柔性生产和大数据驱动的供应链，C2M模式直接连接消费者和工厂，提供产品的个性化定制成为可能。C2M消除了传统中间流通环节导致的信息不对称和种种代理成本，极大降低了交易成本。使企业可以零库存生产，拥有充足的现金流，同时实现管理自动化，减少财务费用和管理费用。
C2M典型案例有酷特智能的西装个性化C2M定制平台酷特云蓝，海尔CosmosPlat个性化定制平台等。酷特云蓝：消费者可以自由输入自己的体型数据和个性化需求，支持全球客户DIY自主设计，自主决定工艺、款式、价格、交期、服务方式，自己设计蓝图，提交订单后七个工作日交付成品西服。
从行业内部看，一些行业领先装备制造企业，一方面实现自身工厂的智能化制造，一方面基于自身的设备物联网功能，逐渐汇集和整合行业的设备数据，搭建行业大数据平台，并吸引产业上下游共同参与构建本行业互联网云平台生态系统。以注塑机厂商博创智能为例，其发展路径如下图所示。
制造企业向互联网云平台发展。
互联网云平台迎来新机遇。
从大环境看，工业信息化产业链的分层和聚合，工业企业上云的发展，先进工厂的能力输出等，促使工厂的信息化和智能化朝着工业互联网平台发展。
基础技术发展充分，行业本身降本增效、转型升级的需求，国家层面的大力推动，三大因素共同推动工业互联网平台迎来重大机遇。
尤其国家层面当前在大力推进工业互联网平台建设。2018年也是工信部提出实施三年行动计划的第一年，预计相关政策和措施将逐步推出，具体将沿平台培育、试验验证、企业上云、工业APP培育四大方向开展。
几大因素推动工业互联网平台迎来新机遇
互联网云平台标准架构。
工业互联网平台及工业物联网尚无公认的准确定义，目前市场号称工业互联网平台已经很多。一般认为，工业物联网/互联网分为IaaS、PaaS和SaaS三层。工业互联网产业联盟编写的《工业互联网白皮书》中，对工业互联网平台功能架构定义如图所示。
工业互联网云平台标准架构
互联网云平台四大类参与企业。
目前的工业物联网平台已经有很多，参与方大体分为四类，生产制造企业，工业装备企业，工业软件企业和IT技术企业。
互联网云平台概念范围区分。
根据各工业互联网云平台概念范围大小不同，亿欧智库将其概念范围由小到大划分成三个层次，分别是工业物联网（IndustrialInternetofThings）、工业互联网平台和工业综合互联网平台。
工业物联网/IIOT
以设备联网、数据分析和应用开发为核心，包含IaaS和PaaS层部分。是工业互联网的基础，但不含上层SaaS部分内容。例如国外著名的GEPredix，PTCThingworx等。主要构建工厂、客户、开发者的生态。
工业互联网云平台
在IIOT基础上，包含了SaaS层部分，将工厂各种相关运营、管理的云服务都纳入进来，实现了产品全生命周期运维的上云化。用友精智云、富士康BEACON都属于此类。生态中增加了企业上下游各种合作伙伴。
工业综合互联网平台
在工业互联网云平台基础上，增加了工业B2B对接、产品个性化定制等功能，构建工厂和用户、不同企业间基于网络的大生态。航天云网，海尔等属于这种。
不同互联网云平台类型分布。
互联网云平台的现状与未来。
工业互联网平台还可以分为综合云平台和行业云平台，其中行业云平台面向特定行业，将行业内相关企业聚集在平台，固化行业知识，促进行业内数据分析与信息对接。广义的工业互联网平台很多，但具备完整IoT数据接入，大数据分析，集成应用系统SaaS的平台并不多
工业互联网云平台具体实施大概分成三种：面向工厂定制解决方案；工厂自助接入与自助开发；数据共享与开发者生态。目前大部分工业互联网实施方式处于第一种方式，即以面向工厂的整体解决方案的方式实施，很多以私有云的方式部署。国外第二种也比较多，但目前国内开放软硬件交由企业自行接入云平台，对很多制造企业而言实施有难度，应用并不多。第三种方式只有极少数平台做到。
工业互联网当前面临的主要问题：
难以接入数据：由于标准不统一等问题，设备数据接入网络还存在诸多问题，数据缺失为上层应用带来了诸多困难。
难以构建生态：数据的全面上平台有难度，数据上平台后，构建开发者生态也有相当的难度，当前数据分析开发者还很少。
投入产出不一定成比例：整套方案实施复杂，但收益很多时候难以清晰计算，有可能不如换生产设备实际价值更大。
过去两年工业互联网云平台主要是大公司在探索，大公司试点阶段，很多公司将过去的自身能力沉淀和输出，逐步整合成平台开放出来。未来将主要是推广阶段，相当一段时间内，工业互联网平台将会是各种概念混杂的状态，也将从综合云平台演化出越来越多的行业云平台。2018年开始，工信部也将认定10家国家级平台和多家行业平台，中小企业未来或将逐步加入以上云平台，但总体工业互联网云平台的落地可能远不如想象的快。
五、先进制造新势力的机遇与挑战
5.1工业机器人新势力的机遇与挑战
（1）长短期市场机遇都在
机器人新势力的机遇：
长期市场前景看好。中国已经是世界几大制造业大国之一，很多行业有完整的产业链配套，制造业发达。但随着中国人口老龄化加速，劳动力成本升高及年轻人择业观的变化，工厂的劳动力成本越来越高。与此同时，伴随着中国制造业转型升级，消费升级，市场对产品一致性和品质的要求提高，两方面因素将长期共同推动中国制造业机器换人。长期看，未来机器人市场可能是千亿级市场，国内替代的机会还很大，且国内企业如果能够突破核心技术，将可能扭转产业地位和话语权，能够占据的市场空间也将显著增加。
短期市场空间存在。虽然国外机器人已经占据了汽车等重型机器人的主要市场，但近几年出现的3C电子市场等新兴增量市场，国外厂商响应不及时，个性化服务跟不上，且新兴产业对产品的技术要求稍低，给了国产机器人凭借价格和服务优势抢占市场的机会。随着这些新兴增量市场的快速增长，能够助推国产机器人厂商快速崛起。随着国产机器人产业的加速，有望进一步拉低机器人价格，使更多行业机器人的投资回报期突破2-3年的接受门槛，逐步释放更多新的行业应用场景。
（2）资本和算法助推新的机会
资本和国际贸易战为企业破局恶性循环带来了机会。过去的市场环境下，企业为生存优先做系统集成，即便自主研发产品，由于核心零部件外购，产品性能不达标同时价格又高，导致没有竞争力，销量少，没有充足资金继续研发，形成恶性循环。有了资本的支持，企业可以销量不好的情况下，持续投入研发，掌握核心技术，同时改善企业用于垫付项目的现金流，加速企业的市场拓展。4月份中兴事件和国际贸易战，则让很多下游企业意识到了自主核心技术的重要性。为了避免完全受制于人，他们也将适当比例采购国产产品，为国产产品研发提供资金支持。国家层面各种政策也在向先进制造领域倾斜。
算法软件侧机会更大。很多机器人新兴技术与软件、算法相关，中国在相关领域人才也很丰富，只是之前进入工业领域的较少，如果人才和资金到位，中国在软件相关领域赶超国外厂商机会很大。
（3）并购为行业带来新机遇
最近几年，机器人领域并购热潮兴起，越来越多制造企业开始布局智能制造，或并购机器人相关核心技术。作为资本的重要退出通道，并购的增多有助于促进资本的入场，对于机器人行业也是好的机遇。
2014年以前，机器人相关并购很少。2015年开始，国内机器人相关并购金额和企业数量都在持续增高，并且被并购企业的估值也在逐步上升。不过大部分的被并购公司估值在1亿到10亿之间，总体而言并不高。
国内机器人并购大概分为本体企业收购集成商、行业装备厂商/集成商收购本体企业、产品生产企业通过收购全产业链布局机器人等几种，其中，据亿欧智库统计，行业装备厂商/集成商收购本体企业的情况占到了并购总数的约50%。随着机器人在各行业应用增多，未来行业集成商并购机器人厂商的可能性较大。
（4）海外并购曾掀起高潮
2015年之前，国内企业在海外的机器人相关并购比较少，2016年，以美的近300亿元收购库卡为标志，机器人相关海外并购掀起高潮。2017年国内企业在海外的并购有所回落，但总量仍然不少。相比于国内的收购，国外被收购企业的估值总体要高一些，且估值分布更为均匀，超过10亿元的仍然很少。（4）海外并购曾掀起高潮
从收购目的看，收购上游核心技术（控制和视觉）、下游集成应用成为海外并购主要目的。据亿欧智库统计，两者合计约占73%，其中核心技术41%，下游集成32%。随着国内部分有实力机器人企业完成布局，可选标的减少及国际贸易摩擦加剧，中国企业的海外并购或将放缓。
（5）上游核心技术和行业集成商被并购机会大
通过近两年的一系列海内外并购，一些国内生产加工企业和机器人企业初步完成了产业链上游和下游的布局。
未来随着机器人行业应用的增多，重点行业有影响力的集成商和上游核心技术厂商，成为被并购标的的机会较大。
