智东西4月26日消息，近日，科沃斯商用机器人发布了四款基于英特尔产品和技术的商用智能服务机器人，包括工具型金融服务机器人、零售营销服务机器人、巡检机器人以及通用运动底盘。
会后英特尔中国研究院院长宋继强、科沃斯商用机器人CEO高倩、CTO邵长东与智东西等少数业内媒体进行了交流。宋继强表示，“如何利用AI、5G、计算模式跨领域的技术推动力，加速对机器人的赋能，是机器人产业亟待解决的问题。”
2019年6月，英特尔曾联合科沃斯等科技企业联合发布了机器人4.0白皮书，对云-边-端融合的机器人系统和架构进行了定义及解读。高倩说，今后科沃斯和英特尔还将推出更多产品组合，加速向机器人4.0时代发展的步伐。
此次科沃斯商用机器人发布了工具型金融服务机器人BENEBOT5旺宝5、大屏营销服务机器人SHOWBOT秀宝、巡检机器人THINGBOT巡宝三款商用服务机器人和一款通用运动底盘NIMBOT敏宝。
高倩说，科沃斯商用机器人是2016年成立的公司，原先他们非常聚焦金融服务领域，并推出了第一代产品——旺宝。经过三轮迭代，最终发布了今天的旺宝5。旺宝5进一步强化了主动迎宾功能，可承担从迎宾接待、分流引导到业务咨询和办理的整条服务任务。
科沃斯商用机器人有限公司CTO邵长东在发布会上特别详细地描述了旺宝5的应用情境：当用户进入厅堂时，旺宝5能在3m左右的距离洞察用户动向，识别人脸；通过三维麦克风拾音，结合科沃斯自研的交互平台，旺宝5可以判断用户可能的所需业务，实现分流引导。
另外，旺宝5新增了可伸缩的外设托盘，可以协助用户办理非现金业务。接待闲暇之余，旺宝5可在厅堂内进行移动营销，边走边播，提高用户触达率。
高倩说，他们几乎每年迭代一次旺宝系列，在金融服务这条细分赛道上，目前已经做到了市占率第一。
“我们所面对的行业，本质上正发生着数字化的革命浪潮，万物智能化、互联化、数字化是当下的行业趋势。”高倩说，科沃斯目前采用平台化的设计思维和积木式的硬件思路，希望让他们的机器人能够更好地满足行业需求。
此次发布的几款商用服务机器人，均采用了英特尔酷睿i7处理器和支持机器人导航、避障、定位、建图算法的运算平台。另外在视觉上升级了MyriadX芯片，让机器人可以更好地进行进行人脸检测、人体检测和物体检测。
宋继强说，MyriadX相比上一代，在架构当中专门加入了针对深度学习加速的硬件加速部件，通过这个加速部件，芯片的计算量大幅度提升，性能上可以提升8-10倍左右。并且在此基础上还可以保持1瓦左右的较低功耗。他特别提到，MyriadX的软件支持也比较丰富，因此可以比较灵活地在终端和边缘侧使用。
酷睿i7作为高性能通用型处理器，一般在商用机器人中并不常见，宋继强说，现在之所以采用酷睿i7处理器，一方面是因为通常机器人处理的任务好几个任务都是同时发生的，需要用到通用计算能力，并且未来任务会越来越复杂。
酷睿i7的采用也是为了保证现在的机器人平台可以支撑未来几年的使用。不过他说，未来计算能力的要求会越来越强，更需要边缘智能计算。
宋继强说，从计算机自动化技术，到机器人自动化技术，它加上了感知和移动交互能力，感知这一块需要很多的传感器和传感器背后的数据处理能力，移动交互能力需要一些实时控制的能力。现在很多的机器人需要联网去借助云端的一些能力。而英特尔目前提供的硬件芯片或者是硬件设备可以完整的覆盖了这些方面。
而在软件方面，宋继强提到，像英特尔OpenVINO这样的工具包，可以只写一次程序就满足后期的硬件升级需求，因此对于机器人企业来说，软件切换的代价也非常小。英特尔软硬件一体的能力是他们的核心竞争力所在。
对此，邵长东补充道，从基本的CPU到传感器再到图形加速单元，科沃斯使用了一套英特尔的产品生态系统，产品的接口衔接、软件的兼容性以及整体开发难度都因此而降低了。
▲邵长东
他说，英特尔的AI计算能力，让商业机器人拥有了更强的图像算法能力、人机交互能力以及多机调度的能力，以及运动导航的基础能力。旺宝5、秀宝、巡宝均获益于此。
高倩说，在生态方面，科沃斯和英特尔的合作由来已久，比如对于云、边、端三个部分如何和机器人结合，一直都在与英特尔进行合作。技术和商用机器人的产品如何更好的结合落地是非常关键的。她说，科沃斯也很期待在解决方案的部分，可以和英特尔有更深的合作。
邵长东说，英特尔在感知、计算、软件平台等多个部分都有完善的解决方案。而他们在机器人运动、交互、硬件、边缘也有很多解决办法。这两部分其实是有望做更加密切的合作，推动行业解决方案的落地。
宋继强提到，在即将到来的机器人4.0阶段，机器人除了具有感知能力实现智能协作，还具有理解和决策的能力，达到自主的服务。要实现这一目标，需要利用好人工智能、5G和智能边缘等技术。
他在这里特别提到，智能边缘计算会加速发展。这几年来自机器的数据、来自AI算法所使用并且产生的一些数据增长是非常快的。不久后，这些数据量就没有办法全部传到云端处理了。
因为这些数据首先是要做很多智能化处理，很多数据都是来自于物理世界的数据，而不是人为处理后的结构化数据，并不能直接拿来进行分析和利用。
另外，数据来自于设备或者是边缘本身，就需要在那里做一些实时快速地处理，云端的网络带宽不足以支撑它，而且延时过长。这就要求把很多云端的能力下沉到边缘。根据延时的要求和数据处理量的要求，就会在不同的边缘位置进行部署。
不论边缘计算是云的边缘，还是网络的边缘，或是设备的边缘，最终的共同的目的都是为了把智能计算部署在最符合它带宽需求和延时需求的位置，让性价比达到最高。
关于边缘，宋继强还提到，目前边缘计算最大的特点就是各个不同领域有不同的需求，不同边缘的位置还需要根据不同应用领域去选定。所以现在最有实效的方法就是分而治之，根据不同领域做相适配的最优方案。
对于机器人而言，它在移动能力、场景感知能力和交互能力方面的需求大部分是相似的，它的差别在于不同领域场景复杂度是不一样的，有一些是很大的场景，比如数万平方米的商场，有一些是小的场景，比如说银行的营业厅只有百平米左右，未来可能还会有居家服务，老人看护等场景。
这些场景不尽相同，但它们的需求却集中在几大类共通点算法上，这几类算法，可以放在机器人终端上做，也可以放在比它能力更强但是靠近它的边缘上做。这就会涉及到一些原来只是在机器人本体上做的一些功能模块要迁移到边缘计算，如何迁移才可以做到比较无缝且有效呢？这就需要打造的统一的基础架构。