2015 年全球?qū)I(yè)服務(wù)機器人市場規(guī)模46 億美元，個人／家庭服務(wù)機器人市場規(guī)模22 億美元，2016－2019 年有望迎來持續(xù)快速增長。IFR（International Federation of Robotics，國際機器人聯(lián)盟）將服務(wù)機器人劃分為專業(yè)服務(wù)機器人和個人／家庭服務(wù)機器人。根據(jù)IFR統(tǒng)計，全球?qū)I(yè)服務(wù)機器人市場2010－2015 年CAGR 為5．1％，個人／家庭服務(wù)機器人市場同期CAGR 為33．6％。IFR 預(yù)測，2016－2019 年，全球?qū)I(yè)服務(wù)機器人市場將累計銷售231億美元，個人／家庭服務(wù)機器人市場為242 億美元。據(jù)此測算，2016－2019 年，專業(yè)服務(wù)機器人市場CAGR 為9．4％，個人／家庭服務(wù)機器人市場CAGR 為45．0％。
　　技術(shù)端：機器人智能性達到商用水平，API 與模塊化加速產(chǎn)品研發(fā)迭代
1 深度學(xué)習(xí)大幅推進服務(wù)機器人的智能性
　　深度學(xué)習(xí)是人工智能發(fā)展的重要里程碑，推動語音交互和圖像識別領(lǐng)域的快速發(fā)展。從1956 年達特茅斯會議開始，人工智能發(fā)展已歷經(jīng)3個階段。（1）第一階段：推理期（1956－1960s）。這一階段的主題是將邏輯推理能力賦予計算機系統(tǒng)，主要成就是開發(fā)出自動定理證明系統(tǒng)等；（2）第二階段：知識期（1970s－1980s）。這一階段研究人員致力于將人類的知識總結(jié)出來并交給計算機系統(tǒng)，主要成就是開發(fā)出了專家系統(tǒng)；（3）第三階段：學(xué)習(xí)期（1990s 至今）。研究者試圖讓計算機自己學(xué)習(xí)知識，這一階段的重要突破是深度學(xué)習(xí)的提出和發(fā)展。Hinton 在2006 年提出了深度學(xué)習(xí)算法，2012 年Hinton 的團隊利用深度學(xué)習(xí)算法在ImageNet 上大放異彩。隨后深度學(xué)習(xí)獲得業(yè)內(nèi)廣泛關(guān)注，同時吸引IT 巨頭的持續(xù)巨額投入，進而推動了語音識別、圖像識別、自然語言處理等領(lǐng)域的高速發(fā)展。
　　語音交互正在成為服務(wù)機器人人機交互的主流技術(shù)之一。人機語音交互的方式更類似于人與人之間的交流模式，目前服務(wù)機器人產(chǎn)品大都采用語音交互模式。國內(nèi)服務(wù)機器人主要采用科大訊飛、百度、思必馳、云之聲等企業(yè)提供的語音交互模塊。蘋果、谷歌、微軟、亞馬遜、Facebook、IBM 等IT 巨頭都已經(jīng)布局各自的語音識別技術(shù)。

表1：巨頭與初創(chuàng)型企業(yè)扎堆語音識別領(lǐng)域
　　得益于深度學(xué)習(xí)技術(shù)，語音識別取得長足發(fā)展，目前在某些領(lǐng)域已經(jīng)接近甚至超過人類。從1970 年開始，語音識別技術(shù)發(fā)展迅速，機器識別單詞數(shù)量呈指數(shù)式增長。目前，各主流語音識別平臺的單詞識別準(zhǔn)確率均已超過90％。2016 年10 月，微軟語音識別技術(shù)在行業(yè)標(biāo)準(zhǔn)Switchboard 語音識別任務(wù)測試中，實現(xiàn)5．9％的錯誤率，已經(jīng)達到專業(yè)速記員的水平。
　　圖像識別能力已達到人類水平。圖像識別能力同樣是服務(wù)機器人人機交互領(lǐng)域的重要組成部分。2012 年，Hinton 的團隊利用GPU 訓(xùn)練神經(jīng)網(wǎng)絡(luò)模型，將錯誤率由26％大幅降低至15％。此后，錯誤率逐年下降，到2015 年，微軟亞洲研究院計算機組的錯誤率已經(jīng)低至3．6％，而人眼識別錯誤率為5．1％。
2 API 和模塊化提升服務(wù)機器人產(chǎn)品的開發(fā)和迭代速度
　　API 和模塊化提升服務(wù)機器人產(chǎn)品的開發(fā)和迭代速度。服務(wù)機器人的智能模塊包括感知交互、認知決策、定位導(dǎo)航、運動控制等，技術(shù)跨度范圍極大。服務(wù)機器人初創(chuàng)企業(yè)一般最多只能對其中某一個模塊有深入研究，甚至許多初創(chuàng)企業(yè)只做平臺集成。在這樣的背景下，人工智能技術(shù)的API 接口開放和核心零部件的模塊化，無疑大大降低了服務(wù)機器人廠商產(chǎn)品開發(fā)和迭代的難度。目前，在服務(wù)機器人核心技術(shù)環(huán)節(jié)涌現(xiàn)出一批優(yōu)秀的企業(yè)，推動服務(wù)機器人集成產(chǎn)業(yè)走向成熟，使得服務(wù)機器人集成商可以將精力投入到產(chǎn)業(yè)化應(yīng)用和商業(yè)模式的探索中。
　　人工智能API 讓服務(wù)機器人廠商能夠借助外部力量實現(xiàn)產(chǎn)品的智能性。目前已有大量的開放的人工智能API（Application Programming Interface，應(yīng)用程序接口），范圍包括（1）機器學(xué)習(xí)和預(yù)測，（2）圖像識別，（3）文本分析、NLP 和情感分析，（4）機器翻譯，（5）語音識別?；ヂ?lián)網(wǎng)巨頭也開始加入開放人工智能API 的陣營中。2015－2016 年，谷歌陸續(xù)推出Google Cloud Vision API 和Google Cloud Speech API，其可被應(yīng)用于軟件或設(shè)備中。
　　連接上這兩個API 的設(shè)備可以將圖片和語音上傳到谷歌云端，經(jīng)過云端處理后，會返回需要識別的圖像和語音內(nèi)容。微軟開放的API 包括表情識別、語音識別、視頻識別等。人工智能API 接口開放大大降低了服務(wù)機器人廠商實現(xiàn)產(chǎn)品智能性的難度。

表2：大量的人工智能API 降低了服務(wù)機器人廠商實現(xiàn)產(chǎn)品智能性的難度