▍核心观点

传感器是机器人重要组成部分，价值量或仅次于关节模组。

根据YOLE数据，2015-2021年无人机及机器人传感器市场从3.51亿美元增长至7.09亿美元，复合增长率高达12.4%，其中光学传感器占比达74%。传感器市场高增长率表明机器人对于传感器有强烈需求。

机器人传感器可以分为内部传感器和外部传感器，其中内部传感器主要用于测量机器人自身状态，以实现独立行走、动态平衡、一般肢体动作等；外部传感器模仿人类感官，包括视觉、触觉、听觉、嗅觉、味觉、接近觉等传感器。

通常来说，关节模组是人形机器人价值量占比最高的环节，占比一般在40%以上，通过梳理人形机器人传感器的可能应用位置与数量，人形机器人传感器价值量占比或仅次于关节模组。

视觉：机器人视觉的要点在于移动场景、精细描绘和高集成度。

机器人自主导航与汽车自动驾驶技术系出同源，其中机器人视觉受限于内部空间，需具有更高集成度。

机器人自主导航与汽车自动驾驶共同的三大关键技术为环境感知、规划决策与执行控制，自动驾驶和机器人主要通过传感器来获取周围环境信息。常用的视觉和环境感知传感器为摄像头、雷达（毫米波、激光、超声波等）、红外传感器、GPS、IMU等。

马斯克在股东日表示，特斯拉已经打通了FSD和机器人的底层模块，实现了一定程度的算法复用。FSD算法利用传感器数据进行环境感知，这些传感器也可以帮助机器人感知周围环境，识别物体、人和障碍物等。

力控：多维力矩/力传感是目前最优解，电子皮肤或为触觉终极方案。

目前机器人力控方案大致有3类，分别为电流环力控、多维力矩/力传感器力控、被动力控（弹性体），其中多维力矩/力传感器力控是当前力控的最佳方案，其硬件包括关节部位的单轴力矩传感器和机器人执行器末端的6轴力传感器。

同时，机器人若要模拟人体的触觉，以及实现人体皮肤对温度、湿度等外界物理量的感知，则电子皮肤可能是最佳路径之一。电子皮肤需要集成各类传感器和集成电路，并使用柔性的材料制作，壁垒较高，目前尚未在机器人领域大量应用。但从泛用性与仿生性角度，电子皮肤或是机器人触觉的终极方案。

▍机器人逐渐迈入智能时代，重视传感器环节增量机会

传感器：万物互联的基础环节，广泛应用于消费类与工业类产品

传感器：

传感器是一种检测装置，能感受到被测量的信息，并能将感受到的信息，按一定规律变换成为电信号或其他所需形式的信息输出，以满足信息的传输、处理、存储、显示、记录和控制等要求。

智能传感器集传感单元、通信芯片、微处理器、驱动程序、软件算法等于一体，具有信息采集、信息处理、信息交换、信息存储等功能。按照外界输入的信号变换为电信号采用的效应，可将传感器分为物理量传感器、化学量传感器和生物型传感器三大类，按照“工作原理+应用领域”的分类依据具体展开，可分为压力传感器、惯性传感器、磁传感器、光学传感器等。

万物互联的底座，智能传感器下游行业应用广泛。

从发展历程看，传感器经历了结构型、固体型、智能型三个阶段，而前两类传感器，已经无法满足当今时代对数据采集、处理等流程的需求，因此，融合了AI技术的智能传感器开始受到关注。

当前，智能传感器在工业4.0时代扮演着十分重要的角色，其是是物联网技术的最底层和最前沿，对物联网产业发展有着十分重要的意义。从产业链角度来看，智能传感器上游主要为设计、原材料以生产设备供应，下游涵盖多个领域，包括消费电子、工业控制、汽车电子、医疗电子等。

市场空间将逾500亿美元，家电+汽车+工控是智能传感器的主要应用领域。

根据Allied Market Research的预测，2020-2026年，全球智能传感器市场规模年均增速有望超过14%，预计到2026年，全球智能传感器市场规模接近800亿美元。从具体的下游分别看，智能传感器主要聚焦在消费类产品和工业类产品，2017年家电和汽车分别占比达到23.15%和18.52%，占主要部分。此外，工控、医疗、飞机和船舶等领域对智能传感器的使用量也较为普遍。

通过在主要的 C++ 库中开源新排序算法，全球数百万开发人员和公司现在可以在云计算、在线购物和供应链管理等各行各业的人工智能应用中使用它。这是十多年来对排序库的首次更改，也是通过强化学习设计的算法首次被添加到该库中。这将这视为使用人工智能逐步优化世界代码的重要里程碑。

图4：全球传感器市场应用领域格局（前瞻产业研究院）

国内市场仍由外资主导，高端传感器芯片约 80%依赖海外。

当前，我国传感器市场仍旧由外资主导，国内供给能力略有不足，全球龙头企业如爱默生、西门子、博世、意法半导体、霍尼韦尔等跨国公司占据约 60％的国内市场份额，尤其在高端市场，约 80％的 传感器芯片依赖海外企业，剩余的份额也只要集中在几家上市公司手中。

从国内格局看， 当前市场较集中，我国传感器行业 TOP5 企业占据了国内传感器市场约 40％以上的份额， 其余约 60％为中小企业，产品或主要集中在中低端，或未实现大规模应用。

图5：2020年中国传感器行业份额（来源：前瞻产业研究院）

图6：2020年中国传感器市场集中度（来源：前瞻产业研究院）

传感器是机器人重要组成部分，价值量占比仅次于关节模组

当前机器人传感器细分市场规模约7亿美元，其中大部分为光学传感器。

机器人用传感器与其他领域传感器有一定差异，如机器人特有的空间限制、灵敏度要求、高度集成的反馈决策系统等。根据YOLE数据，2015-2021年无人机及机器人传感器市场从3.51亿美元增长至7.09亿美元，复合增长率高达12.4%，其中光学传感器占比达74%。传感器市场高增长率表明机器人对于传感器有强烈需求。

模拟人类感知需要一套复杂的传感器系统，包含内部传感器和外部传感器。

以人类的感官来类比机器人传感器系统，一台能完全模拟人类的机器人身体上会用到大量传感器，用于提供视觉、听觉、触觉、位置等信息。机器人在感知能力上可以模仿人类，也可以超越人类，传感器性能与数量均有望在未来突破人体上限，使机器人能够完成高度复杂的任务与动作。

从分类上看，机器人传感器可以分为内部传感器和外部传感器，其中内部传感器包括位置、速度、力、加速度等物理的传感器，主要用于测量机器人自身状态，以实现独立行走、动态平衡、一般肢体动作等；外部传感器模仿人类感官，包括视觉、触觉、听觉、嗅觉、味觉、接近觉等传感器。

机器人传感器价格昂贵，其价值量占比或仅次于关节模型。

相较于用于检测机器人各个内部系统的内部传感器，用于获取机器人的作业对象对外界环境的相关信息的外部传感器价值量更高，也是目前众多机器人应用探索的方向。

通常来说，关节模组是人形机器人价值量占比最高的环节，占比一般在40%以上，通过梳理人形机器人传感器的可能应用位置与数量，人形机器人传感器价值量占比或仅次于关节模组，其中视觉、力控、听觉属于通用型机器人必备传感器，嗅觉、味觉等为非必需传感器，只有特定工作场景需要配备。

▍视觉与力矩传感器或为机器人下一个超级赛道

视觉：机器人视觉要点在于移动场景、精细描绘与高集成度

机器人自主导航与汽车自动驾驶技术系出同源，其中机器人视觉受限于内部空间，需具有更高集成度。

与汽车视觉类似，机器人视觉需要在移动场景中做到精细描绘，这对感知单元提出了较高要求。同时，机器人（尤其是人形机器人）受限于内部空间，其感知单元需具有更高集成度。

机器人自主导航与汽车自动驾驶共同的三大关键技术为环境感知、规划决策与执行控制，自动驾驶和机器人主要通过传感器来获取周围环境信息，同时也会通过高精度地图和IoT技术来扩展环境感知能力。常用的视觉和环境感知传感器为摄像头、雷达（毫米波、激光、超声波等）、红外传感器、GPS、IMU等。

摄像头：机器人的眼睛，包括普通单目摄像头与深度摄像头。

1）普通单目摄像头：

通过图像匹配进行目标识别，再通过目标在图像中的大小去估算目标距离，缺陷在于对距离的识别依赖于图像识别的准确度；

2）单目结构光深度摄像头：

由一个RGB摄像头、结构光投射器（红外）和结构光深度感应器（CMOS）组成，通过投影一个预先设计好的图案作为参考图像（编码光源），将结构光投射至物体表面，再通过深度感应器接收该物体表面反射的结构光图案，由于接收图案会因物体的立体形状而发生变形，因此可以通过该图案在摄像机上的位置和形变程度来计算物体表面的空间信息；

3）双目深度摄像头：

双目摄像头的原理与人眼相似，通过对图像视差进行计算，直接对前方景物进行距离测量；

4）ToF深度摄像头：

即飞行时间摄像头，由光源、光学部件、传感器、控制电路以及处理电路等几部单元组成，通过给目标连续发送光脉冲，利用传感器接收从物体返回的光，通过探测光脉冲的飞行（往返）时间来得到目标物体的距离。

激光雷达：

激光器发射出脉冲激光打到物体引起散射，一部分光波会反射到激光雷达的接收器上，根据激光测距原理可计算出距离信息。脉冲激光不断地扫描目标物，就可以得到目标物上全部目标点的数据，用此数据进行成像处理后，即可得到精确的目标物体图像。激光雷达分为单线和多线，常见的多线激光雷达有4线，8线，16线，32线和64线。其缺陷在于激光雷达易受大气条件及工作环境烟尘等影响，难以实现全天候工作，且成本高昂。

毫米波雷达：

毫米波是指波长在 1-10mm 之间的电磁波,换算成频率后,毫米波的频率位于30-300GHz 之间。与红外、激光等光学导引头相比，毫米波导引头穿透雾、烟、灰尘的能力强，传输距离远，具有全天候全天时的特点。同时，毫米波雷达性能稳定，不受目标物体形状、颜色等干扰。其主要缺陷在于成本较高，价格仅次于激光雷达。

超声波雷达：

超声波雷达是利用传感器内的超声波发生器产生 40KHz的超声波，再由接收探头接收经障碍物反射回来的超声波，根据超声波反射接收的时间差计算与障碍物之间的距离。超声波雷达成本较低,探测距离近，精度高,且不受光线条件的影响，因此常用于泊车系统中。其缺陷在于检测角度较小，一辆车可能需要在不同角度安装多个超声波雷达。

红外传感器：

红外传感器的测距基本原理为发光管发出红外光，光敏接收管接收前方物体反射光，据此判断前方是否有障碍物。根据发射光的强弱可以判断物体的距离，它的原理是接收管接收的光强随反射物体的距离而变化，距离近则反射光强，距离远则反射光弱。

特斯拉Optimus已与 FSD算法打通，机器人在行走时可实现环境感知与记忆。

特斯拉在2023年股东日上展示了Optimus最新成果，包括成队列地在Cybertruck生产车间行走，并且在行走的同时进行环境感知与记忆。马斯克表示，特斯拉已经打通了FSD和机器人的底层模块，实现了一定程度的算法复用。FSD算法利用传感器数据进行环境感知，这些传感器也可以帮助机器人感知周围环境，识别物体、人和障碍物等。

视觉传感领域国内优秀企业已具备全球竞争力，多为整套视觉传感方案提供商。

海外企业多是布局全面的综合供应商，而我国的传感器起步相对较晚，在高端传感器方面的发展落后于欧美日韩等发达国家，但目前已出现海康威视等龙头。从业务上看，国内视觉传感领域的优秀企业多能提供从硬件到算法的整套视觉传感解决方案。

力控：多维力矩/力传感是目前最优解，电子皮肤或为触觉终极方案

目前机器人力控方案大致分为三类，其中多维力矩/力传感器力控为当前最优方案：

1）电流环力控：

通过电机的电流闭环做力闭环反馈控制，适用于直驱电机或者带小减速比的应用场景。其优点在于成本低，不需要增长额外的传感设备，而缺点在于精度较低，响应较慢，适用场景有限。

2）力矩/力传感器力控：

机器人中的力传感器主要有关节部位的单轴力矩传感器和机器人执行器末端的6轴力传感器，测量机器人内部受力情况，以及末端执行器与外界环境交互的受力情况。这类力控方法是性能最佳，但成本最高的方案，典型应用案例为KUKA LBR iiwa机械手。特斯拉Optimus在旋转关节执行器处配置了力矩传感器，其在股东日上展示了机械手控制力道不打碎鸡蛋的视频，显示出优秀的电机转矩控制能力。

3）被动力控（弹性体）：

在末端执行器上添加弹性体，通过弹性体形变测量力矩，或用于向终端施加恒定力。该方案常用于低成本、高集成度的场景。

电子皮肤：最具潜力的触觉传感器，有望成为机器人触觉终极方案。

机器人若要模拟人体的触觉，以及实现人体皮肤对温度、湿度等外界物理量的感知，则电子皮肤可能是最佳路径之一。想要复刻天然皮肤的功能，电子皮肤需要集成各类传感器和集成电路，并使用柔性的材料制作，壁垒极高。

在实现上述工艺的同时，电子皮肤与机器人本体的包裹结合、信号传输等方面均是难点，因此，电子皮肤目前尚未在机器人领域大量使用。但从泛用性与仿生性角度，电子皮肤或是机器人触觉的终极方案。

力控传感器领域，国内尚未出现绝对龙头，未来机器人有望带来大量需求，推动国内企业快速发展。

在力控传感器领域，国内企业与海外龙头差距较大，海外相关企业多为电子元器件综合供应商，而国内企业尚未出现类似于视觉领域的绝对龙头。机器人有望带来大量力控传感器需求，国内相关企业有望持续受益。