从AGV到人形机器人：机器人应用的发展趋势与解决方案

机器人产业正处于一个明显的转折点，以往的机器人多半是固定在生产线的工业机械臂，或沿着磁道、光轨行走的自动导引车（AGV）；如今随着AI、传感器、嵌入式运算与连接技术成熟，机器人正快速走向自主移动、环境感知与人机协作。尤其自主移动机器人（AMR）与AGV，已成为整体机器人市场中成长最强劲的次领域，并逐步扩散到仓储、物流、制造、医疗、农业、配送、餐饮与安防等场景。本文将为您介绍机器人应用的发展趋势，以及由安森美（onsemi）所推出的相关解决方案。

从市场数据来看，不同研究机构因统计范围与年份不同，给出的CAGR有所差异，但方向相当一致。新版AMR解决方案资料指出，2026至2031年全球相关市场将以约15.3%的CAGR成长，市场规模从2026年的51.8亿美元，成长到2031年的105.6亿美元。若细分机型，AMR在2023至2030年约有19%的CAGR，协作机器人（Cobot）高达32%，自动配送机器人（ADR）约30.3%，传统工业机器人则约13.4%。较早的数据也提到，仓储机器人约19%、配送机器人约30.3%的成长率；AMR/AGV在2022至2028年约16.8%，并认为部分机构给出的7%过于保守。
 
机器人发展的背后驱动力包括：AI与机器学习、物理AI（Physical AI）、传感器与连接技术进步、嵌入式计算效能提升、自动化需求增加、劳动短缺与人力成本上升，以及对工作安全与质量的要求。换言之，机器人不再只是“取代人力”，而是朝向“与人协作、补足人力缺口、提升生产力与安全性”发展，这也呼应Industry 5.0所强调的人机协作与高价值工作。
 
在应用场景方面，机型正从AGV走向AMR、协作与人形扩散。早期AGV主要依赖磁道、光轨或固定路径，环境控制程度高、感知需求较低。AMR则不同，它必须在动态环境中重新规划路径、侦测障碍物、避开人员与其他机器人，因此高度依赖SLAM（同时定位与建图）、深度传感、视觉与边缘计算，这也是为什么AMR的传感器用量与技术门坎明显高于AGV。
 
目前机器人机型可大致分为AGV、AMR、混合型机器人、人形机器人、机械臂与Cobot。AMR的应用更从仓库搬运，扩展到最后一哩配送、农业、巡检、医疗、旅宿、餐厅服务、安防、机场运输，甚至与机械臂结合成“AMR + 拣选／协作”系统，或与堆高机结合成“AMR + 叉车”。人形机器人则被视为下一波高复杂度应用，结合移动底盘、双臂、多自由度关节与深度视觉，对传感器、电源、电机控制与实时计算提出更高要求。

尽管成长强劲，机器人应用仍面临多项挑战。首先是前期投资高，尤其AMR与人形机器人需要大量传感器与计算资源；其次是员工培训与流程整合，企业必须学会与机器人协作；第三是功能安全与可靠性，例如ISO 10218-1等安全规范、避障冗余与人机共存安全；第四是成本、功耗与电池续航，尤其户外与多传感器系统；第五是传感器融合、标定与实时计算的复杂度。
 
展望未来，机器人应用将朝几个方向演进：一是从固定路径AGV走向自主AMR，再走向混合型、协作型与人形机器人；二是从仓库室内走向户外、医疗、农业、配送与公共服务；三是从单一传感器走向多模态融合与边缘AI；四是从传统总线走向单对以太网与无线连接；五是从硅基功率器件走向SiC、GaN与更高效率的电源与电机驱动。
 
整体而言，机器人产业的竞争焦点已不再是单一元器件，而是系统级集成能力。谁能提供从深度感知、HDR视觉、低功耗计算、10BASE-T1S连接、BLDC/GaN驱动到智能保护的完整方案，谁就更有机会在AMR/AGV、协作机器人与人形机器人的下一波成长中取得关键位置，这也正是目前半导体方案商积极布局机器人市场的核心逻辑。

人形机器人正处在一个微妙的节点上。一方面，2026年被业界视为量产“元年”，全球出货量同比激增近三倍，不过，另一方面，机器人进工厂至今未能大规模推广，核心原因是作业效率不及人工、泛化能力不足。出货量暴涨与真实落地之间的落差，正是当前人形机器人产业最值得关注的核心命题。
 
从数据看，人形机器人正处于从实验室走向商业化的加速期。根据市场研究机构SAG的报告，2026年上半年全球人形机器人出货量约1.91万台，较2025年同期的5100台增长近三倍，预计全年出货量接近6万台。当前行业已进入“早期商业化”阶段，重心正从技术演示转向真实商业价值创造。
 
不过，出货量的快速增长并不能掩盖产业化的深层困境，机器人产业化之前必须跨越的“三座大山”——数据、模型和应用。
 
第一座山：数据稀缺与模型瓶颈。具身智能大模型尚未迎来“ChatGPT时刻”。VLA（Vision-Language-Action）模型与世界模型之争仍在继续，遥操作、通用操作接口（Universal Manipulation Interface, UMI）、第一人称数据与模型（Ego）、合成数据等多条数据采集路线“内斗”，谁也没能说服谁。更关键的是，真实物理交互场景的合规数据极度稀缺，尤其缺少摔倒、打滑、物体破碎、人机干预等故障数据，导致模型无法学习异常处理；同时数据跨本体不通用，统一标注与对齐标准缺失。
 
第二座山：硬件与场景的错配。当前可能有70%左右的产品在真正落地过程中都要进行一轮深度重构，才能满足场景的真实需求。早期本体研发多遵循科研逻辑，机械臂的负载、末端执行器乃至是否需要灵巧手，往往并非由场景方真实作业需求反推而来。而机器人走进工厂后，各家灵巧手自由度、构型、传感器方式各不相同，数据无法互通，进一步放大了适配难度。
 
第三座山：量产供应链的四大门槛。当机器人从几十台样机迈向千台、万台量级时，精度、一致性、良率、成本和产能同时浮出水面。核心关节的精密一致性、灵巧手的寿命与可靠性、力觉标定的标准化、以及批量复制能力，构成量产的四道关键门槛。以灵巧手为例，当前产品寿命普遍在十万次级，但工业级连续作业场景要求达到百万甚至千万次级别，“差了一到两个数量级”。
 
人形机器人的量产与成本问题仍需被攻克，人形机器人既要求接近消费电子的成本，又要求接近车规级的可靠性，还需要远高于传统工业产品的运动精度，这几乎是一套全新的制造标准。精密电机元器件、力与触觉感知、计算与控制是人形机器人的“高风险”系统组件，执行器与感知系统面临的技术挑战尤为突出。
 
人形机器人的商业化正沿着“工业制造—仓储物流—商用服务—家庭场景”的路径梯次推进。当前的目标是让模型在特定场景边界内可靠工作，而非追求通用智能的全面突破，具身模型的“GPT时刻”最乐观也需3至5年才能到来；若定义为“陌生环境下自主闭环完成新任务”，则可能需10年左右。
 
人形机器人的成本正在逐步下探，结合出货放量共同推动成长曲线，但真正的考验在于——当机器人走出展厅、进入真实的工厂与仓库，它能否像人类一样理解异常、适应变化、稳定交付。这不仅是技术问题，更是一场关于制造能力、供应链协同和产业耐心的系统性战役。

SLAM是AMR自主导航的核心，需要完成动态环境建模、地图构建、障碍物侦测与跟踪、路径规划、定位与里程计等功能。传统上，LiDAR是SLAM的主流方案，但LiDAR成本高，因此近年出现明显的技术转向：从LiDAR转向iToF（间接飞行时间）与全局快门双目视觉。
 
视觉与ToF方案各有优势，全局快门影像传感器可避免机器人移动时产生运动伪影，适合高速导航与条形码读取；高动态范围（HDR）则能应付仓库、工厂与户外混合光照，避免过曝或暗部细节流失。深度传感方面，dToF适合长距离，iToF适合近中距离与高分辨率3D深度。安森美所推出的Hyperlux ID系列AF0130/AF0131即整合iToF深度传感与部分深度处理能力，可降低系统功耗与外部器件需求。此外，SWIR（短波红外）可扩展到400–2100 nm波长，为农业、半导体检测等特殊应用提供新可能。
 
传感器融合也成为必要设计。单一传感器难以在所有光照、天候与场景下稳定运作，因此系统会结合LiDAR、iToF、超声波、雷达、全局快门相机与IMU等，通过冗余与互补提高可靠性与安全性。这不仅是SLAM的输入基础，也是功能安全与人机协作的前提。
 
从系统角度看，一台AMR可拆解为七大子系统：电机驱动、配电、传感器融合、有线通信、LED照明、锂电池充电与处理器。通用框图则包含电池充电（PFC + LLC）、机器人电源管理（电池管理、DC-DC、电流保护）、数据撷取（影像、超声波、LiDAR、力／扭矩传感）、处理器（CPU/FPGA、内存、电压监控）、电机控制（电机驱动、SiC/GaN、MOSFET、位置传感）、照明与音频，以及通信（10BASE-T1S、蓝牙）。
 
在电源与充电方面，PFC与LLC是AC/DC充电器的核心，可提高功率因子与转换效率；电源树则以Buck转换器与LDO提供多路电压。安森美所推出的FAN6500xx系列同步降压控制器、NCP189/NCP59801等LDO、NIS3071四通道eFuse、NCP81428热插入智能保险丝，构成从输入保护到负载供电的完整方案。
 
电机驱动是机器人最主要的耗能来源，因此BLDC控制、栅极驱动与功率器件至关重要。安森美提供NCD83591三相栅极驱动、T10系列MOSFET、GaN驱动NCP51820与iGaN家族NCP58920/21/22，以及SiC MOSFET，可对应40V到650V以上电压，并降低导通损耗、切换损耗与EMI。位置传感则有NCS32100电感式位置传感器，具备6,000 RPM全精度与约±50角秒精度，可替代部分光学编码器。
 
连接方面，10BASE-T1S正逐步取代CAN、LIN、RS-485等传统总线。它只需单对非屏蔽双绞线，速率可达10 Mbps，支持多节点与PLCA碰撞避免，能大幅降低线束成本与复杂度。安森美的NCN26010/26000与新款T30HMTTS2500即为代表。
 
视觉方面，安森美以Hyperlux家族为核心：LP系列主打超低功耗，LH系列主打低光与eHDR，Hyperlux主打最高动态范围与LED闪烁抑制，SG系列主打小尺寸全局快门，ID系列则主打iToF深度传感。搭配PYTHON、XGS、AR0234CS、AR0822、ARX383、AR0544等传感器，可覆盖从VGA到20MP的多元需求。PRISM参考相机模块生态则可加快原型开发与量产导入，并与NVIDIA、Qualcomm、NXP、AMD Xilinx等平台合作。

从AGV沿着磁道搬运货物，到AMR在动态环境中自主导航，再到人形机器人尝试走进工厂与家庭，机器人应用的演进脉络清晰可见：这是一条从“固定路径”走向“自主感知”、再走向“通用协作”的路。支撑这条路径的，是感知融合、SLAM、深度视觉、高效率电源与电机控制、单对以太网连接，以及边缘AI计算的持续突破。安森美所推出的一系列机器人相关解决方案，是一套覆盖感知、计算、供电、驱动与连接的完整解决方案，正在缩短机器人从原型到量产的距离，将是您在Industry 5.0时代人机协作不可或缺的一环。