仍在创新路上的服务型机器人

面对时代的进步，英特尔也在逐步改变自己的“航行轨道”。一边在为用户及企业级客户提供性能可靠的核心物理部件，一边又深入客户的角色中，从中帮助客户寻找创新模式。

如今，英特尔已经完全适应了角色的转变，多条业务线齐头并进，也已产生共鸣。如果说，芯片处理器是英特尔核心的业务，那么在与客户的合作之间迸发出质的变化，则是市场对于英特尔及其客户的肯定。IoT解决方案则是英特尔最为直观的质变体现之一。

位于上海闵行区紫竹科技园的英特尔，有一个中国物联网部门。其解决方案主要针对的是零售、金融、酒店餐饮以及教育行业，并分布应用于不同城市的每一个角落中，例如学校的K12数字白板是基于英特尔OPS解决方案；银行柜台、医院诊室及教室终端也有英特尔朝能云端解决方案；当然还包括商超、酒店、餐厅，英特尔POS设备的解决方案。

除此之外，营业厅服务自助设备成为了近期比较热门的关注点，我们可以从许多视频平台以及媒体网站中都能够看到它们与作者互动的身影。然而这些活跃的身影背后也有一些问题所在，英特尔公司物联网事业部中国区首席技术官及高级首席工程师张宇直接提出：“现在的自主设备大多是静态、被动的设备”。并补充道：“随着AI和大数据的发展，这些设备会越来越智能。”

相对于静态服务设备，服务型机器设备更多的是替代人力接近客户，不仅能够自主的适应场景，也能够降低隐患。更重要的是可以为行业降低成本运营节省人力的开支，这也就意味着服务型机器设备减轻了人们的工作量，而这些工作目前的体现主要源于收集、清洁和分配等类型。

服务型机器人带来了新的商机，据《财富商业见解》报告称：“2018年全球服务机器人市场规模为112.5亿美元，预计到2026年将达到461.3亿美元，在预测期内的复合年增长率为19.4％”

虽然，服务型机器设备能够完成不同客户的需求，但是场景碎片化、功能性的特点直接导致其开发周期长，客制化成本高。基于服务型机器设备的生产痛点，英特尔认为如果可以在生态中建立一个标准化的参考设计，那么或许就可以在一定的程度上，帮助客户解决他们的痛点。所以英特尔推出了英特尔智能移动机器参考设计。

据英特尔技术人员介绍，英特尔智能移动机器参考设计主要分为两大模块：导航模块（主板设计）和自助终端外设模块（I/O扩展版）。

其中导航模块主板可以帮助机器人建图、导航、定位，并且能够满足交互传感器所需要的数据算例处理的功能。导航模块则采用了3.5寸的小板型，适用于不通的体态的机器人。另外，导航模块可以使用英特尔U系列处理器产品，低功耗的性能可以满足移动机器人对功耗续航能力的要求。

而自助终端设备则是一块I/O扩展板，该扩展板可以根据客户需求自行定制，简单来说可以满足各种不同的I/O外设和各种交互功能外设传感器的需求。因为这个扩展板和主板连接，并适用定义好的标准化连接，对于客户来说英特尔智能移动机器可以作为参考设计，能够根据设备不同的功能算力来选择相应的处理器设备的主板卡。同时搭配不同的I/O扩展外设卡，可以让客户更灵活的设计机器人设备，从而降低设计成本，提升研发效率，缩短研发周期。

不过，需要注意的是标准化不是产品趋同，在思岚科技联合创始人兼CTO黄钰珅看来，标准化与差异化并是一个相互矛盾的问题，他认为这个标准只是技术层面的标准，应用则会根据不通的场景实现各种用户的需求。而从英特尔的角度来看，不同的场景的机器人算力有不同的配置，不同的配置又会有不一样的效果，参考设计则恰好能够帮助客户实现差异化的机器人，并且快速进入细分行业。

2020年疫情为机器人行业提供了更好的发展机会，在疫情期间，配送机器人及清洁机器人则刚好符合各大服务业的应用场景。“经过验证，全球整个行业在以20%的速度成长，而中国又领先全球，预计将会以30%的速度引领全球市场。”而随着5G的普及，则更易于促进移动机器人市场，英特尔预测5G更大的宽带，会使越来越多的移动终端计入物联网领域，同时新的技术也会随着5G的普及而惠及机器人行业。

因为，以5G的方式介入，对移动终端来说则会有更便捷的手段进行数据传输。这将表明学校中的移动智能设备、医院的移动智能设备会越来越多的被接纳采用，接入设备的数量则会越来越多。但是从云端到终端的数据并不足以支撑机器人能够与用户产生交互，这也就意味着产品更需要一定的AI算法来支撑。

对于客户来说，高性能、低功耗是推进算法能力更行迭代的准则之一。英特尔不断的推出性能强大、能耗更低的平台，则更有利于机器人对于环境的分析和理解。例如零售行业的移动智能机器人更能理解消费者的语义，在互动的同时，可以依照情景来提供增强现实的相应场景。黄钰珅认为：“智能机器人不仅可以提供实用化的服务，还可以更聪明的提供服务，让消费者享受服务，这是下一代融合各种场景因素的机器人。”张宇则与之有着相似的看法，他表示：“未来机器人应该是一个自主的机器，在根据使用者理解人的意图之后，也应该可以自助调整，并去定义和实现他所遇到的人工智能的模型或者是人工智能的一些推理策略。”

讨论机器人，就离不开AI的能力。从逻辑层讨论，在黄钰珅看来，AI是一项庞大技术的统称，他提到了一个很有意思的观点，既AI的能力随着硬件的提升而产生改变，去适应人类，那么人类也需要学会在AI能力提升的阶段性中，去适应机器。在机器与人共处的阶段里，这因该是一个双方磨合、适应的过程，就算因为开始的“误解”而产生鸿沟，其发展的趋势也因该是越来越小，这是一个技术发展的过程。

而从技术层面来讲，张宇则认为现阶段AI与人的认知不符是由于人工智能网络模型的不适用，另外则是模型结构是绝对的，其所训练的数据并不是依托于类似的场景所收集而成。简单来说就是利用另外一个场景所收集的数据来训练现阶段场景的AI。“对于用户而言，更希望得到一个智能且贴心的AI交互方式，这是理解人意图的最终期望，并可以根据人的意图不断地进行调整。这项能力目前还缺乏调整的手段，但是英特尔在创新，与之相似的应用模式产靠上也在不断地完善和设计，这也是英特尔与厂商联合共同研发的方式。”