今年3月，科創板公布了首批企業名單。在科創板企業潛在標的中，機器人相關企業成科創板最受青睞的企業之一。
隨著機器人行業的高速發展，機器人與雲相結合的概念於2010年首先被提出，但是由於當時網際網路技術的限制，雲機器人仍處於研究階段，始終沒有突破性的技術進展。但隨著我國在5G通信技術上的發力，雲機器人也迎來了新的發展契機。
谷歌最愛的機器人科學家戈德堡曾預言：未來將會是雲機器人的天下，家務機器人、手術機器人、無人駕駛車、無人機等都將與充滿資源和數據信息的遠程終端相連。
肯·戈德堡
肯·戈德堡是全球計算機學院排名前十的加州大學伯克利分校信息技術公益研究中心人類與機器人跨學科研究項目的主任，自動化科學研究實驗室主任，工業工程與運籌學部門特聘講座教授兼主席，聯合拉加利福尼亞大學60個學科CITRIS「人與機器人」計劃的主任，以及全球機器人自動化「RoboGlobal ETF」的諮詢委員會成員。
戈德堡還是位受歡迎的公眾演講家，曾在世界經濟論壇，谷歌，TEDx，Web 2.0，亞馬遜，通用電氣等活動中發表500多場主題演講。
相比普通機器人，雲機器人都具備哪些優勢呢？讓我們看看肯·戈德堡是怎麼說的。
優勢1：數據規模龐大
雲機器人的第一個優勢就是數據規模大。以家務機器人為例，人們希望它能自動打掃衛生，整理房間，但它所能識別的物體是有限的，當它遇到無法識別或它「不知道」的物體時，就需要求助於網際網路。由於雲機器人今後會和雲端互聯，它們就可以利用雲端索引產品信息，就此識別家裡的每一樣東西。雲端裡面包含了各種產品的數據，例如圖片、代碼等等，機器人可以從涵蓋了所有物體信息的雲端中獲取數據，通過這些大數據來獲取產品信息、「認識」產品。
優勢2：雲計算功能強大
機器人是如何看世界的呢？假設機器人想清理一張桌子，它所看到的其實是非常嘈雜的界面，它的感知很粗糙，對「看到」的物體無法進行精確的操作，這是因為機器人目前還有很多「不確定性」的問題。這種問題是由多方面原因造成的，最主要的一個原因是感知的不確定性，即便使用最高清的攝像頭，也很難明確物體在空間裡的位置，而另一個原因是控制的不確定性。
對此，其中一種解決方案是通過數學計算對不確定性的分布進行採樣，但這是一個非常複雜的計算過程。更好的方法是通過遠程大數據中心進行處理和控制。我們可以把機器人和大量的計算機資源通過雲端互聯，然後利用已有的族群計算，做一些統計模型，再在雲端進行分析。像亞馬遜、微軟、英特爾等巨頭公司都提供雲計算服務，使用雲計算服務的公司就不需要面對這些不確定性。
優勢3：資源公開共享
在非洲，戈德堡教授的研究團隊曾建立過一個機器人網絡系統。這些機器人的設計成本比較低，主要用於教育目的，孩子們通過機器人就可以共享很多不同學科的知識。就像知識公開互享一樣，雲機器人的第三個優勢就是資源公開共享。人們可以通過雲端，共享自己的代碼和設計。我們可以看到，機器人一旦互聯，機器人本身就可以進行大量的知識分享，就像我們人類分享知識一樣。
優勢4：學習能力高強
大量的機器人可以通過數據共享的雲端一同學習某些信息，並通過這些信息提高自身的業務能力。這就是雲機器人的第四個優勢——高強的學習能力。
舉個例子，機器人怎樣拿起各種各樣形狀不同的東西，這在機器人行業裡其實是一個巨大的挑戰。如果機器人能把這件事做好，對工廠、倉庫來說，這都將是個非常大的進步。
戈德堡教授已經在實體機器人上做了各種各樣的實驗。研究人員讓一大組機械臂、機器人與伺服器終端相連，讓他們不斷地去抓取不同的物體。之後，研究人員再把這些機器人所收集到的所有物體模型的數據儲存在雲端上，與其他機器人共享，讓其他機器人去深度學習這些物體的數據。結果，每一個機器人通過對物體數據的不斷學習，都能知道如何抓取所有測試過的物體，並且抓取的成功率非常高。
再如，特斯拉公司通過每一輛投入使用的無人駕駛車收集行車數據，大量的數據收集之後，特斯拉無人駕駛車的數據以每天一百萬英裡的速度增加，而更早開始的谷歌在無人駕駛方面的數據僅為兩百萬英裡。因此特斯拉有能力憑藉更大的數據資產，使無人駕駛車的學習能力呈指數型增長，最終反超谷歌。