通過復盤全球工業機器人發展歷程，我們看到工業機器人經歷了從特種到通用、從機械到智能、從單一到復雜的演變過程。隨著工業機器人開始應用到各類下游行業，逐步替代人類重復勞動，產業價值開始逐步顯現。以ABB為例，拆解產業鏈環節來看，工業機器人核心部件包括傳感、執行、決策三層，其中IT架構是決定機器人智能化程度的核心，軟件重要性有望逐步提升。與此同時，隨著ChatGPT等大預言模型的興起，機器人正開始向具身智能演進，產業變革有望加速到來。

核心觀點

工業機器人逐步走向智能化/通用化，產業應用前景可期

全球工業機器人大致經歷三個發展階段：1）技術萌芽階段：初的工業機器人主要用于軍事、核工業等高危領域，以示教再現型機器人為主；2）產業崛起階段：ABB、庫卡、發那科等企業開始崛起，工業機器人開始具備感知和處理外界信息能力；3）產業升級階段：向通用工業場景延伸，智能化水平不斷提升。據IFR數據，2021年全球新增工業機器人安裝量為51.7萬臺，同比增長31.2%；據Inkwood Research預測，2021-2028年年全球工業機器人產值的CAGR將達14.7%。我們認為，隨著工業機器人智能化不斷升級，人口供給收縮和下游需求釋放驅動行業增長，產業應用前景可期。

IT架構是決定機器人智能化程度的核心，軟件重要性有望逐步提升

以ABB為例，拆解核心環節來看，工業機器人產業鏈包括上游核心部件、中游機器人本體及軟件、下游系統集成與應用，主要成本集中在減速器、伺服系統等上游核心零部件。從功能分類來看，工業機器人部件可以分為感知、執行、決策三層。ABB在傳感器、伺服系統/控制器、算法軟件等各層級均有布局，形成工業機器人全棧解決方案。我們認為，隨著工業機器人向智能化發展，已經逐步進入軟件定義階段，機器人正逐步演化為IT產品，軟件算法的差異將對機器人終能夠實現的智能化水平產生重要影響，軟件地位有望逐步提升。

AI賦能有望助力產業變革加速到來

我們看到，對于簡單的機器人任務，ChatGPT已經能夠以zero-shot的方式解決，對于課程學習、AirSim避障等復雜任務，ChatGPT可以在人類用戶on-the-loop交互下實現。從工業領域落地情況來看，目前具身智能還處在產業發展早期，AI應用集中在部分簡單場景。以ABB為例，2020年2月ABB與Covariant合作推出智能分選機器人，通過機器視覺算法提升識別效率和準確率。此外，2023年7月，ABB宣布與微軟合作，將GPT-4應用于工業分析等場景。基于此，我們認為，隨著ChatGPT等大模型的出現，機器人正開始向具身智能演進，產業變革有望加速到來。

風險提示：宏觀經濟波動；技術應用落地不及預期。

正文

工業機器人：逐步走向智能化/通用化，產業應用前景可期

發展歷程：工業機器人走向智能化/通用化發展

工業機器人的發展歷程可以分為三個階段：

技術萌芽階段（20世紀50-60年代，代工業機器人）：第二次世界大戰期間工業機器人的雛形始成，其初是出于軍事、核工業的發展需要，用來滿足代替人類進行放射性物質處理的遙控機械手。此后，美國發明家喬治·德沃爾早提出工業機器人的概念并于1954年申請“可編輯關節式轉移物料裝置”的專利。1958年，世界上家機器人公司Unimation成立，并于1959年利用喬治·德沃爾的專利推出了世界上臺真正意義上的工業機器人Unimate，開創了機器人發展的新紀元。在此期間主要為代工業機器人，即沒有自主決策能力和環境感知能力的示教再現型機器人。

產業崛起階段（20世紀末期，第二代工業機器人）：1968年起，Unimation先后將機器人制造技術轉讓給日本川崎、英國GKN公司，工業機器人業務擴張到日本和歐洲，開始走向產業化和全球化。1969年，ASEA公司研制出全球首臺噴涂機器人，川崎成功推出了日本臺液壓動力機器人“川崎 Unimate 2000”。此后，更多公司入局工業機器人領域，形成了以ABB、庫卡為代表的歐洲機器人企業以及以川崎、發那科、安川為代表的日本機器人企業格局，機器人市場穩步增長。在此期間，工業機器人從代發展到第二代，能夠感知外界信息并進行簡單的處理和反饋。

產業升級階段（21世紀初期，第三代工業機器人）：隨著工業自動化的發展，工業機器人不斷拓展應用場景、發展核心技術。1）從應用場景來看，工業機器人能達到更快速度、更高度，以及更大范圍的大小型號和負載，實現在大型工件搬運生產、物流運輸、食品飲料、生物制藥、汽車制造等更加廣泛和智能的場景應用。2）從技術發展來看，工業機器人核心技術得到快速發展。2002年美國波士頓公司和日本公司共同申請了臺“機械狗”智能軍用機器人專利；2004年安川和ABB均開發了可以同步控制多臺機器人的控制器；2006年意大利柯馬公司推出了款無線示教器；2015年ABB推出世界上臺真正意義上的協作機器人YuMi。在此期間工業機器人進入第三代，具備智能化特點，可以利用各種傳感器、測量器獲取信息并利用智能技術進行識別、理解和反饋。

工業機器人四大家族憑借在原有業務的優勢和對機器人技術的高度掌握占據高位。以ABB的發展歷程為例，公司成立于1988年，是由具有百年歷史的兩家電氣公司——電氣照明和發電機制造商ASEA和高壓電氣傳輸公司BBC合并而來，此后ABB成為了電氣和自動化領域的技術，提供全面且日益數字化的電氣化、運動和自動化解決方案。在此基礎之上，ABB對業務結構進行調整，延續其前身ASEA公司在工業機器人領域的布局，開始快速發展機器人業務，自1974年推出世界上臺微電腦控制的機器人以來，ABB不斷取得突破性創新，不斷完善工業機器人在產業鏈上的產品布局，并通過技術創新提升性能。

市場現狀：“四大家族”占據的穩增長市場

工業機器人市場規模穩步增長，全球新增裝機量快速增長。根據IFR數據，2021年全球新增工業機器人安裝量為51.7萬臺，同比增長31.2%，2012-2021年復合增長率為12.0%。根據Inkwood Research數據，未來全球工業機器人市場規模將保持穩定增長，從2020年的553.7億美元增長至2028年的1653.5億美元，2021-2028年復合增長率為14.7%。

工業機器人市場集中度較高，以機器人“四大家族”為主。根據IFR數據，2020年全球工業機器人市場中，發那科、ABB、安川、庫卡四家占比超過65%，其中發那科排名占比17.3%，ABB第二占比15.7%，安川和庫卡分別占比12.9%和12.1%。“四大家族”的主要業務和在機器人領域的核心技術各不相同，安川和庫卡以機器人業務為核心，而發那科和ABB則分別起家于工廠自動化設備和電力業務。其中ABB的業務以電氣、運動控制、過程自動化、機器人與離散自動化為核心的，2022年電氣業務營收占比47.9%，機器人與自動化業務占比10.8%。

驅動力：人口供給收縮和下游需求釋放驅動行業增長

人口老齡化導致人力成本上升，機器替人為大勢所趨。的生育率已連續多年下降，據國家統計局，2021年中國15-64歲人口占比已降至68.3%。企業用人成本不斷攀升，根據國家統計局數據，2022年中國制造業就業人員人均工資已達86933元，同比增長5.2%，高于GDP增速。勞動力成本上升的長期趨勢將成為工業機器人產業發展的強大驅動力。

新能源汽車的爆發為工業機器人帶來需求釋放。由于新能源汽車的帶動，汽車行業進入下一輪擴張周期，工業機器人將持續受益。以中國為例，據同花順數據，從2021年起新能源汽車銷量進入爆發式增長階段，2023年6月銷量超過80萬輛。

半導體、光伏、鋰電等行業也有望帶來大量工業機器人需求。汽車與3C電子是工業機器人需求量大的兩個行業，如今3C電子需求相對疲軟，大部分企業開始積極探索汽車和3C之外的業績增長點，如半導體、光伏、鋰電等。2022年全球半導體市場規模達5735億美元，隨著AI帶動算力芯片設計、制造、封裝等產業需求，半導體擴產有望帶動工業機器人建設需求。

IT架構是智能化核心，軟件重要性有望逐步提升

工業機器人產業鏈：可分為上游核心零部件、中游機器人本體及軟件以及下游系統集成及應用三個環節。上游核心零部件包括傳感器、控制器、減速器、伺服系統，傳感器主要分為內部傳感器和外部傳感器，伺服系統主要包括伺服驅動器和伺服電機兩個部件；中游包括機器人本體制造及配套軟件產品；下游包括系統集成及應用，系統集成即將各種機器人、傳感器、控制器、軟件等組合以形成一個完整的自動化生產線，工業機器人應用覆蓋廣泛，其中主要應用領域為汽車制造、電子電氣、食品制造、金屬加工及制藥行業等。

上游核心零部件為工業機器人主要成本來源，盈利能力強勁。從成本來看，2020年工業機器人60%的成本由上游核心零部件構成，其中減速器、伺服系統、控制器分別占比35%、25%、10%，機器人本體僅占比15%。從毛利率來看，盈利能力較強的環節主要集中在上游核心零部件，2020年減速器、伺服系統、控制器的毛利率分別約為40%、35%和25%，中游本體制造毛利率較低僅15%，下游系統集成毛利率較高為35%。

以ABB為例，按照具體功能結構，我們可以將工業機器人核心部件歸納為：感知層、執行層、決策層。具體來看：

感知層：工業機器人的信息初來源

傳感器是機器人的“感知器官”，是機器人實現與環境交互及運動的信息來源。傳感器用來感應和采集各種信息，并按照一定規律將被測量的信息轉化成便于傳輸和處理的有用信號。傳感器通常由敏感元件和轉換元件組成，其中敏感元件是指傳感器中直接感應被測量的部分，轉換元件是指傳感器能將敏感元件的輸出轉換為適于傳輸和處理的電信號部分。傳感器一般分為內部和外部傳感器，內部傳感器主要測量機器人內部系統狀態，如溫度、轉速、電壓等；外部傳感器主要測量外界環境的信息，包括位置傳感器、速度傳感器、力傳感器、視覺傳感器等。

機器人傳感器市場規模穩步增長，市場集中度較低。根據Mordor Intelligence預測，全球機器人傳感器市場規模預計將從2023年的6.16億美元升至2028年的9.24億美元，2024-2028年CAGR為8.4%。機器人傳感器市場主要參與者來自全球不同國家的眾多企業，包括瑞士寶盟集團、泰科電子；美國ATI、Tekscan、Futek、森薩塔、霍尼韋爾；日本發那科、TDK、歐姆龍集團等。

力傳感器是工業機器人的重要傳感器，ABB集成力控技術是力傳感器主要技術之一。工業機器人大多為機械臂形態，由機器人的動力關節和連接桿件組成，力傳感器可以對機械臂上的力度進行實時監控并進行反饋。隨著機器人向智能化發展，對與外界交互的柔順控制需求更高，對力控技術提出了更高的要求。為了提高傳感器的靈活度和精度，2014年ABB成功開發了集成力控技術，基于此技術，ABB提供3種集成式力控傳感器，兼容其IRB 140到IRB 6700的大部分工業機器人。配備該技術的機器人能根據外部實時回饋信號應對制造過程中的細微變化，像人類一樣拿捏易碎物品或執行精密作業，編程時間也可縮短。

執行層：決定工業機器人實際運動的準確度

機器人的“肌肉”——伺服系統

伺服系統是機器人的“肌肉”，是一種自動控制系統，能夠jingque地跟隨或復現某個過程。伺服系統由驅動器、驅動電機、伺服編碼器及配套軟件組成。伺服驅動器控制伺服電機，其作用是將控制信號轉換為電機運動的驅動信號，一般通過位置、速度和力矩三種方式對伺服電機進行控制，實現高精度的傳動系統定位。伺服電機是控制機械元件進行運轉的發動機，接收到伺服驅動器的驅動信號后，將電能轉化為機械能，即將電壓信號轉化為轉矩和轉速以驅動控制對象。伺服編碼器一般安裝在伺服電機末端，用于測量轉角及轉速，是伺服系統的信號反饋裝置，對伺服系統的精度有著關節作用。

ABB伺服驅動器及伺服電機產品性能優越，覆蓋電壓及功率范圍較大。ABB的伺服驅動器能滿足大部分電壓范圍應用場合，定位精度較高。MicroFlex e190 和 MotiFlex e180 高度集成了以太網的靈活連接和電機反饋技術，并針對要求苛刻的運動應用進行優化。ABB伺服電機也同樣擁有完整的產品系列，功率覆蓋范圍滿足大部分應用場合，高轉速及高轉矩滿足能夠實現高動態響應及控制。

ABB為其伺服產品提供了專門的選型和調試工具。Servosize是針對ABB伺服產品的選型工具，支持的產品有MotiFlexe180、MicroFlexe190和E530伺服驅動器以及eSM、DSM和HDS伺服電機。MintWorkbench、ServoComposer和AutomationBuilder是針對ABB產品的編程和調試工具。MintWorkbench可用于MotiFlexe180和MicroFlexe190伺服驅動器的編程和調試，ServoComposer可用于E530伺服驅動器的調試，而AutomationBuilder則可用于運動控制PLC的編程和調試。

機器人的“關節”——減速器

減速器機器人的“關節”，是連接伺服電機和執行機構的中間裝置。減速器通過齒輪嚙合將伺服電機高轉速的動力轉化為低轉速、高轉矩的機械運動傳遞到執行機構上，起到匹配轉速和傳遞轉矩的作用。減速器的輸出轉速、傳動精度、輸出轉矩等決定了對應運動軸的運動速度、定位精度和承載能力。一般來說，工業機器人的每一個關節都需要搭配一個減速器，工業機器人大多為六軸，故一般一臺工業機器人需要六個減速器。減速器可以分為諧波減速器和RV減速器，諧波減速器使用簡單、精度較高，但結構剛性不及RV減速器，日本哈莫納科為全球大諧波減速器生產商；RV減速器結構剛性較好、輸出轉矩大，但其內部結構較為復雜、制造成本高、傳動精度略低，日本納博特斯克為全球大RV減速器生產商。

工業機器人企業減速器自產程度較低，大多采取外購。減速器市場集中程度較高，據哈工大2021年發布的《中國機器人產業發展報告》，日本哈默納科、納博特斯克和住友占據了85%的份額，其中納博特斯克是RV減速器的發明者，占據全球工業機器人減速器市場的60%，并在以及數控機床自動換刀（ATC）裝置的RV減速器市場占比80%，工業機器人四大家族減速器自產能力較弱，均外購納博特斯克的減速器。日本哈默納科是全球早研發生產諧波減速器的企業，減速器市場占比第二位15%。

決策層：決定工業機器人性能的關鍵

控制器在機器人結構中承擔“小腦”的作用，是決定機器人性能的主要因素。控制器接收傳感信息并據此生成對應的控制指令，控制機器人完成動作任務。控制器包括硬件和軟件兩部分，硬件為控制計算機和示教器，其中示教器是進行機器人手動操縱及配置與編程的手持裝置；軟件主要為以控制算法為核心的運用軟件和系統。控制器的工作原理是將檢測單元的輸入信號與設定值信號進行比較，并對偏差信號進行運算，然后將運算結果輸出到執行器，又執行器改變操縱變量再輸出到被控對象。

以ABB為例，OmniCore工業機器人控制器為工業機器人提供強勁性能。其中C系列是 OmniCore 家族的緊湊型控制器，不僅在尺寸上大大減小，而且具備靈活的集成能力；E系列是超緊湊控制器，旨在滿足客戶運行緊湊電子產品裝配線的需要；V系列（特韌型）是模塊化OmniCore控制器系列中的中型控制器，主要面向工業環境中的中型和大型機器人進行優化，例如MH/MT、弧焊。

ABB的IRC5是機器人控制器技術的行業。ABB IRC5控制器包含單柜型、雙柜型和緊湊型，其中單柜型IRC5由控制器和FlexPendant示教器兩個硬件部分組成。使用者可以在FlexPendant示教器或FlexPendant示教器上的RobotStudio上對機器人進行編程。此外，IRC5采取靈活的模塊化分布設計。模塊化分布設計較集中式控制器更為靈活，IRC5由控制模塊和驅動模塊組成，可選增過程模塊，使得IRC5可以靈活控制一臺六軸機器人和伺服驅動工件定位器。其中，控制模塊自帶主計算機，能夠執行控制算法，為多達36個伺服軸進行復合路徑計算，并可指揮四個驅動模塊。此外，IRC5還提供靈活性、安全性、模塊化、應用程序接口、多機器人控制和PC工具支持。

ABB控制器由其優越的運動控制技術支持。QuickMove、TrueMove和MultiMove是ABB的核心運動控制技術，它們對于機器人的精度、速度、周期時間、可編程性以及與外部設備同步性等機器人性能指標的提升起到了重要作用。TrueMove保證了機器人的路徑精度，能夠確保不論速度或運行模式如何，甚至是在安全保護停止、進程停止、程序停止或斷電后，機器人的運動路徑也會遵循編程路徑；QuickMove則能夠在短時間內實現運動控制，可以根據不同的工作任務自動優化軸的加速度和速度，從而實現更高效、更的運動控制，提高機器人的生產效率和精度，循環速度比競爭對手快25%；MultiMove的引入進一步鞏固了ABB在先進機器人系統和功能方面的地位，可以確保多達4臺機器人協同運行。

貝加萊控制系統為ABB機器人提供強大集成架構。據公司官網，2017年4月ABB宣布收購貝加萊，貝加萊在工業軟件行業處于地位，是 PLC、工業 PC 機、伺服系統控制的真正，其擁有完整的集成架構。2019年，ABB和貝加萊聯合開發了一種將ABB機器人集成到貝加萊機器控制系統中的解決方案。該方案簡化了機器人的編程，實現工作臺和機器人的并行工作、提高了機器人運動和傳感器的同步、實現對機器人的仿真模擬，使開發更加便捷。

IT架構：軟件地位有望逐步提升

以ABB為例，工業機器人IT架構是決策系統的底座。在工業機器人的決策系統中，我們看到控制器起到了調度機器人行為、執行復雜指令的重要作用。拆解決策系統來看，底層的基礎控制硬件和控制軟件，是工業機器人IT架構中的核心底座。

硬件：主控設備由DSQC1000主計算機等核心硬件構成。單柜型IRC5搭載DSQC1000主計算機，是整個控制器的大腦，用來接收機器人運動數據和外圍信號，并將信號發送到各單元；軸計算機接收機器人軸串行測量板返回的位置數據，并與原來的位置數據進行比較和運算輸出新的位置和速度控制參數；主伺服驅動器用來驅動分布在機器人6個軸上的伺服電機；I/O模塊用來連接外部信號，是用戶自定義的輸入、輸出信號板；安全面板用來連接安全相關的信號，正常工作時LED燈保持點亮。

軟件：一般由操作系統和算法庫構成。操作系統主要包括VxWor（嵌入式實時操作系統）及使用較多的開源操作系統Windows CE、嵌入式Linux、嵌入式Linux、μC/OS-Ⅱ以及通用ROS 平臺。其中算法庫包括底層算法庫和應用工藝算法庫，底層算法庫是直接在計算機操作系統上開發出的算法，控制算法用來規劃機器人的運動點位，動力學算法用來識別機身負載物的轉動慣量；應用工藝算法庫是軟件使用人員二次開發的算法。RobotWare是 ABB 嵌入式工業機器人控制器專用軟件系列，用于控制 ABB 公司生產的各種工業機器人。所含選購插件可為機器人用戶提供一系列豐富系統功能，如多任務并行、對機器人傳輸文件信息、外部系統通信、先進運動任務等。

ABB還提供各種針對不同應用場景下不同功能的軟件包。包括噴涂軟件包、上下料軟件包、拾料軟件包、機加工軟件包、切割軟件包、碼垛軟件包、PickMaster揀選包裝軟件包等。為焊接、切割、拾料、碼垛等專門環節提供了定制化的軟件服務，提高特定生產環節的工作效率。

此外，工業機器人的編程方法一般包括示教編程和虛擬仿真編程。示教編程需要由操作者對機器人進行逐步的作業引導，通過示教器操作告知機器人需要完成的動作，示教操作完成后即生成程序，機器人即可按照生成的程序復現全部示教動作，適用于自動生產線等重復作業機器人。虛擬仿真編程是通過編程軟件實現編程和仿真兩個功能，不僅可以編寫程序，還可以對機器人運動進行模擬仿真以驗證程序有效性。虛擬仿真編程需要配備機器人廠家專門的編程軟件，例如ABB的Robot Studio。

Robot Studio是ABB機器人仿真和編程軟件，一方面提供可視化編程環境是機器人編程更加靈活高效，另一方面強大的仿真功能可以幫助用戶進行機器人應用程序的開發和測試。2023年1月，ABB通過云功能增強了其 RobotStudio 機器人編程和仿真軟件，新的 RobotStudio Cloud 使個人和團隊能夠在任何設備上遠程實時協作進行機器人單元設計。

IT架構：軟件地位有望逐步提升。我們認為，隨著工業機器人向智能化發展，已經逐步進入軟件定義階段，機器人不再是一個機械制造品（迭代慢/軟硬高度耦合），而逐步演化為IT產品（迭代快速/軟硬解耦）。不論是操作系統、算法庫、還是編程開發軟件，在機器人迭代過程中，正扮演著越來越重要的角色，軟件算法的差異將對機器人終能夠實現的智能化水平產生重要影響。基于此，我們看好機器人產業變革下，IT軟件發展機遇，軟件地位有望逐步提升。

AI賦能有望助力產業變革加速到來

產業趨勢：工業機器人正在向具身智能演進

ChatGPT將人類從機器人流程中的in-the-loop變為on-the-loop。目前，機器人pipeline（流程）需要一個專門的工程師in-the-loop編寫代碼來改進流程。而ChatGPT的引入，可以替代人類在循環中的位置，人類（技術或非技術均可）用戶可以以on-the-loop的形式，通過語言命令與語言模型交互，實現無縫部署各種平臺和任務。

人類用戶在機器人pipeline中評估ChatGPT輸出的質量和安全性。人類在機器人pipeline中的任務主要包括：1）定義機器人函數庫。機器人函數庫（high-level robot function library）一方面面向機器人平臺，能夠調用和指導機器人相關動作；另一方面面向ChatGPT，保證庫中函數的命名應能便于ChatGPT理解和遵循。2）構建prompt。Pompt描述任務目標，并標識允許ChatGPT使用的函數庫中的函數。此外，還可以包括約束信息，或者告知ChatGPT如何組織其響應。3）分析評估ChatGPT輸出結果并反饋。用戶以on-the-loop的形式，通過直接分析或模擬來評估ChatGPT輸出的代碼，并就輸出代碼的質量和安全性向ChatGPT提供反饋。4）迭代。不斷迭代chatgpt生成的結果直到符合人類預期，并確保終的代碼可以部署到機器人上執行。

簡單任務：ChatGPT能夠以zero-shot的方式解決簡單的機器人任務。對于簡單的機器人任務，用戶只需提供prompt和函數庫描述，不需要提供具體的代碼示例，ChatGPT即可zero-shot解決時空推理、控制真實無人機和無人機工業檢測等問題。1）時空推理：要求ChatGPT控制一個平面機器人，用視覺伺服捕捉籃球位置。2）真實世界無人機飛行：使用ChatGPT和API控制一個真實的無人機，完成物體尋找任務。3）AirSim工業檢測：基于AirSim模擬器，利用ChatGPT控制模擬域無人機進行工業巡檢。

復雜任務：在人類用戶on-the-loop交互下，ChatGPT能夠完成更復雜的機器人控制任務。對于更復雜的問題，ChatGPT沒法zero-shot完成或者完成效果有限，此時人類用戶可以以文本反饋交互的方式輔助ChatGPT，完成課程學習、AirSim避障等任務。1）課程學習：教授ChatGPT簡單的拾取和放置物體技能，并將所學會的技能按邏輯組合用于更復雜的區塊排列任務。2）AirSim避障：ChatGPT構建了避障算法的大部分關鍵模塊，但仍需要人工反饋無人機朝向等部分信息。人工反饋均是的自然語言，但ChatGPT能夠理解并在適當的位置進行代碼修正。

落地情況：ABB等頭部廠商積極擁抱產業變化

工業機器人領域AI應用還處于探索階段，賦能部分智能識別和智能編程環節。以ABB為例，通過其人工智能機器人物品揀選器賦能電商物流領域。根據Statista的數據，未來五年內全球電子商務收入預計將增長50%以上，從2019年的1.7萬億歐元增至2024年的2.6萬億歐元。ABB積極發掘人工智能機器人解決方案在物流、倉儲、包裹和郵件分揀等廣泛應用中的巨大機遇，據公司官網，2020年2月公司和硅谷人工智能初創公司 Covariant 宣布建立合作伙伴關系，將人工智能機器人解決方案推向市場。Covariant的協變大腦是一種通用人工智能，它允許機器人在周圍的世界中觀察、推理和行動，完成對于傳統編程機器人來說過于復雜和多樣化的任務。Covariant 的軟件使機器人能夠進行強化學習：通過反復試驗自行適應新任務，從而不斷擴大它們可以挑選的物體范圍。ABB 和 Covariant AI 支持解決方案在 Active Ants部署，該公司是荷蘭電商服務提供商。

AI和機器視覺提升賦予機器人人類靈巧性，提升揀選智能識別效率和揀選速度。據公司官網，2023年4月25日，ABB 通過推出基于人工智能和視覺可以在倉庫和履行中心的非結構化環境中準確檢測和揀選物品，大大提高揀選速度和度。使用機器視覺和人工智能，物品拾取器可以在吸力夾具拾取物品并將其放入指定的箱子之前確定每個物品的佳抓取點。該系統不需要任何人工監督或有關其挑選的物品的物理屬性的信息，能夠在動態和非結構化環境中處理各種物品，并通過ABB視覺系統實現高精度揀選，準確度超過99.5%，每小時可拾取多達 1,400 個未分類的物品。該產品目前適用于各種負載和應用，可安裝到三種 ABB 機器人之一 - IRB1200、IRB 1300 和 IRB 2600。

ABB與微軟合作，利用生成式AI賦能工業分析。據公司官網，2023年7月5日，ABB與微軟合作將生成式AI功能整合到工業數字化解決方案中，本次合作旨在通過部署Copilot功能，使ABB Ability Genix工業分析和AI套件及其應用可以進行更直觀的用戶交互，進一步發揮關聯數據的價值，從而提升效率和可持續發展性。ABB Ability Genix 是一個綜合性的模塊化工業物聯網、分析和AI平臺。ABB將通過Azure OpenAI服務，包括GPT-4等大型語言模型(LLM)將生成式AI整合到Genix平臺和應用中，實現代碼、圖像和文本生成等功能。新的Genix Copilot應用將提供直觀的功能并簡化各個流程和運營的關聯數據流來增強用戶體驗。通過為行業管理人員、職能專家和車間工程師提供實時的可執行洞見，改善決策質量并提高生產力。據ABB，此類洞見有望將資產生命周期延長高達20%，并將意外停機時間減少多達60%。