中国における産業用ロボットへの投資と発展の3つの効果

中国における産業用ロボットへの投資と発展の3つの効果

最近、工業情報化省は2020年の我が国のロボット産業の運営状況を発表しました。データによると、2020年1月から12月まで、全国の産業用ロボットの生産台数は237,068台に達し、前年同期比19.1%増加しました。全国の指定規模以上の産業用ロボット製造企業の営業収入は531.7億元で、前年同期比6.0%増加し、総利益は17.7億元で、前年同期比26.9%減少し、第1四半期から第3四半期にかけて24.4ポイント減少しました。 2020年12月、全国の産業用ロボットの生産台数は29,706台に達し、前年比32.4%増加した。それに先立つ2019年の産業用ロボットの世界販売台数は約37万3000台で、前年比11.6%減となった。2012年を除いて過去10年間で初めての減少となった。中国市場の反循環的成長は、間違いなく世界の産業用ロボットの発展の原動力となっている。

[[385943]]

産業用ロボットは、インテリジェント製造における最も代表的な機器の 1 つです。中国の人口ボーナスが徐々に消滅するにつれて、労働コストはますます高くなり、製造業の輸出が輸入に取って代わり、製品の品質はますます厳しくなり、国内需要の拡大には生産能力の加速と生産効率の向上が求められています。ロボットの応用範囲は今後も様々な分野に拡大していくでしょう。特に、わが国の産業用ロボット企業は次々と設立され、技術は徐々に成熟し、産業チェーンは徐々に改善され、価格と品質は徐々に市場に受け入れられ、企業の自動化改造意欲も高まり続けています。将来、ロボットは人間と同様の視覚体験、音声認識、感覚認知、判断力、意思決定能力を備え、プログラムを最適化し、自己強化学習を行い、人間にはできない複雑なタスクを実行することさえできるようになります。

外国の産業用ロボットと比較して、国産の産業用ロボットには3つの大きな特徴があります。

まず、市場では、ローエンドが遅れてスタートし、ハイエンドが追いついています。国内のロボット企業はスタートが遅く、技術経験の蓄積が不十分で、産業チェーンが未完成であり、まだ成長段階にあり、全体的に比較的遅れた状態にあります。現在、国産ロボットの供給市場は主に中小企業に集中しており、大企業の市場は海外のロボットメーカーがほぼ独占している。現在、中国市場の約30%を国産産業用ロボットが占めています。海外のロボット企業と比較すると、国内の産業用ロボットは依然として不利な状況にあります。

第二に、製造においては、組み立てが主な方法であり、自社生産によって補完されています。産業用ロボットは通常、本体、コアコンポーネント、システム統合の 3 つの部分で構成されます。コアコンポーネントには、減速機、サーボモーター、コントローラーが含まれます。私の国の産業用ロボットのコア部品は輸入に大きく依存しており、その結果、国は組み立て工場と化しています。 GGIIデータによると、2019年の中国の精密減速機、サーボシステム、コントローラーの現地化率はそれぞれ約30%、22%、35%でした。国内のコア部品と海外のコア部品の間には依然として大きなギャップがあります。コア3部品がコストの70%以上を占めるため、コスト構成はおおよそ本体22%、サーボシステム24%、減速機36%、制御システム12%、その他6%となります。国内の産業用ロボット企業は利益率が低く、3つのコアコンポーネントは技術的障壁が高く、投資コストが高く、回収期間が長いという問題があります。主要コンポーネントの独自の研究開発にもかかわらず、それらはまだ市場に広く受け入れられていません。コア部品は長期間輸入する必要があり、供給サイクルが長く、価格も高いため、国内メーカーの存続と発展に深刻な制約となる。

  • まず、減速機の分野では、産業用ロボットに使われる精密減速機は基本的に日本が独占しています。 4 つの主要なロボット ファミリには、産業チェーンにおいて 1 つの特徴があります。つまり、減速機は外部から購入する必要があり、残りのコンポーネントは自社で製造できるということです。現在、ナブテスコのRV減速機のシェアは約60%、ハーモニック減速機のシェアは約15%です。国内企業にとって、輸入減速機の購入コストは外国企業に比べて少なくとも1~2倍高くなります。
  • 第二に、サーボシステム分野では、安川電機に代表される日本企業とシーメンスに代表されるドイツ企業によって市場がほぼ独占されており、中国はサーボシステムにおいて完全に不利な立場にあり、国産化率はわずか10%に過ぎません。
  • 最後に、コントローラ分野では、ロボットの「4大ファミリー」はすべて独自の産業用コントローラを持っており、FANUC、KUKA、ABB、YASKAWA がそれぞれ約 16%、14%、12%、11% の市場シェアを占めています。コントローラーはロボットの頭脳であり、国産コントローラーに必要なハードウェアチップは依然として輸入する必要がある。さらに、海外と比較すると、中国製コントローラーのソフトウェアアルゴリズムには大きな差があります。海外から中国に販売されるコントローラーのアルゴリズムは公開されておらず、アルゴリズムのレベルは産業用ロボットの動作精度に直接影響します。したがって、中国のコントローラーメーカーが国際的な技術レベルに到達するには、まだ長い道のりが残っています。

第三に、性能面では精度が高くなく、信頼性も高くありません。工作機械と同様に、産業用ロボットの性能は主に精度と信頼性によって測定されます。国内の産業用ロボット企業は、一般的に外国製の減速機や制御システムを使用してロボットを組み立てていますが、製品の均質化が進んでおり、競争上の優位性が明確でなく、精度や信頼性を保証することが困難です。

2020年、全国のロボット投資・融資への熱気は衰えることなく、その中でも産業用ロボット投資・融資が最大の割合を占めました。啓察局のデータによると、2020年に中国のロボット産業では242件の投資・融資案件があり、総額は約267.7億元だった。そのうち、産業用ロボット融資が33%と最も高い割合を占めた。


中国における産業用ロボットへの投資と発展に関しては、考慮すべき「3つの効果」として次のことが挙げられます。

まず、製品の代替効果が大きいため、諦めてベンチャーキャピタルを選択することはできません。品質が向上したからといって、製品が存続し続けることはあり得ません。コダックの倒産のように、新しいアイデアや新しい需要によって置き換えられる可能性が高いのです。ロボットが人間に取って代わることは、インテリジェント時代の主流です。ロボット産業への投資を断念することは、野心的なハイテク企業にとって大きな損失となるでしょう。

第二に、企業間のマシュー効果は明ら​​かです。追いつくよりも、買収する方がよいでしょう。ロボット産業は規模の経済性があり、強い企業はさらに強くなり、弱い企業はさらに弱くなります。限られた時間内に弱い企業が発展できなければ、業界の大手企業に締め出され、最終的には消滅してしまう可能性があります。例えば、美的はかつてKuka Roboticsを買収したことがある。下流家電産業の企業である美的はロボット工学の分野には関与しておらず、インテリジェント製造の分野では伝統的なリーダーではない。 「車線変更と追い越し」という買収戦略を採用するのは良い選択かもしれない。独自のロボット企業を立ち上げる場合、成長中の中国企業の経験から学ぶだけでなく、成熟した外国の巨大企業と競争する必要もあるだろう。両分野での競争に直面している美的は、まったく競争力がない。Kuka Roboticsを買収することで、美的は世界トップクラスのロボットメーカーの1つに直接なることができる。

第三に、産業放射線の影響が現れています。未来を待つのではなく、今のために戦ってください。将来的には、ロボットのインテリジェントなコラボレーション機能がますます高度化します。例えば、Midea による Kuka の買収は、産業用ロボットとシステム ソリューションの分野での同社の能力強化にも役立つでしょう。

<<:  ブラックミラードッグが帰ってきた!ボストン・ダイナミクスの「ビッグ・イエロー・ドッグ」がスペースXで爆発現場の調査に当たっている

>>:  2021年の産業用ロボットの6つの主要トレンド

ブログ    

推薦する

自律走行車の障害物回避、経路計画、制御技術の詳細な説明

1 はじめにインテリジェント交通システムは、複雑な環境における困難な自律性と安全性の問題に対処するた...

PaLMを超えて!北京大学のマスターがDiVeRSeを提案し、NLP推論ランキングを一新した。

1,750億のパラメータを持つGPT-3や5,400億のパラメータを持つPaLMなど、大規模言語モ...

ブックマークにおける不正行為の特定におけるグラフィカル モデルの応用

概要グラフィカル モデルは通常、問題自体に複数の相互に関連する変数があるシナリオで使用され、これらの...

...

2023年に出現するサイバー脅威、AI、量子コンピューティング、データ汚染まで

ハッカーや詐欺師が新しいテクノロジーを入手したり、古い脆弱性を悪用する新しい方法を考え出したりするに...

顔認識の混乱が蔓延しています。企業は規制に準拠しながら顔認識技術をどのように適用できるでしょうか?

2012年以来、情報セキュリティに対する世間の注目はますます高まっており、今年の315 Galaで...

Deeplearning4j: JVM 向けのディープラーニングと ETL

[[410828]]この記事はWeChatの公開アカウント「Java Architecture M...

アルゴリズムエンジニアの日常生活において、トレーニングされたモデルが失敗した場合はどうすればよいでしょうか?

[[353013]]みなさんこんにちは。今日は職場でのアルゴリズム エンジニアの日常生活、つまりモ...

AIの未来: 次世代の生成モデルの探究

ニシャ・アーヤ著翻訳者 | ブガッティレビュー | Chonglou生成 AI には現在どのような機...

ChatGPTに勝つ? OpenChat が 105.7% のパフォーマンスでスタンフォード AlpacaEval オープンソース リストのトップに

一夜にして、新しいオープンソースモデル「OpenLLM」がChatGPTを打ち負かしたというニュース...

人工知能の新たな用途:死者の蘇生

映画では必ず蘇生のシーンが出てきますが、現実の世界でも人間を冷凍保存するプロジェクトがあります。その...

自動運転車の「おとぎ話」にはどんな本当のチャンスが隠されているのでしょうか?

[[186930]]次に最も重要なテクノロジーは何でしょうか? 多くの人が「人工知能、VR、自動運...

完全なルーティングアルゴリズムの設計目標の分析

ルーティング アルゴリズムには通常、次の 1 つ以上の設計目標があります。最適化:最適化とは、メトリ...

Google ナレッジグラフ プロダクト マネージャーへのインタビュー: 探検するために生まれた

Google は最近、検索ページの新しい機能である Google ナレッジグラフをリリースしました。...

2023年のGenAI技術応用動向の観察

生成型人工知能 (GenAI) は技術革新の最前線にあり、さまざまな業界の変革と発展に新たな可能性を...