不同规模的集成商战略战术完全不同，小微集成商短期内是中国。工业机器人着陆的最大帮助
集成商作为整个产业链的最后一环，离客户最近，亲身服务客户，最了解客户需求，对应用场景理解最深，所以是行业中至关重要的一环。以前机器人本体仍然是一种通用当面对不同行业、不同应用场景时，A型标准产品在不同场景下的工作方式和工艺流程完全不同，所以机器人应用必须由集成商辅助，辅以各种二次开发解决流程应用问题，最终部署到终端客户，可见应用集成商的重要性。
但正因如此，集成领域呈现出一个重要的特点，就是项目的非标定制性很强，很难沉淀出标准的产品或者相对标准的模块化解决方案。每个项目都需要投入经验丰富的工程师，其规模扩张完全受限于工程师的能力和数量。更致命的是，不同行业的生产特点和流程完全不同，工程师不可能精通所有行业，这就意味着集成商想要拓展到不熟悉的行业时，需要先从新行业招聘专业人才。这些因素都制约了集成商的发展。
在近二十年的发展过程中，虽然出现了一些比较大规模的集成领域。公司但绝大多数中小集成商仍然受限于众多从业者激烈的同质化竞争，举步维艰。从人员规模和收入来看，集成商大致可以分为大、中、小、微四类。
一般来说年产值在5亿人民币以上，从业人数在400-500人以上。公司可以归类为大型集成商。国内这样的集成商屈指可数，而且基本集中在汽车行业的应用。他们创业十几年了，近几年一直伴随着中国汽车。工业通常，它依赖于一个或多个下游汽车主发动机制造商的客户。但由于客户市场情况的影响，其集成硬件水平基本是国际先进水平，国内厂商难度很大。机器人基本采取拒绝的态度。
与其他集成商相比，这类大型集成商规模大，实力强，整体呈现良性发展。虽然受到汽车行业本身天花板的限制，但他们总体上运营良好。但是近几年，随着一些资本介入这个行业，他们中的几个公司在资本的压力下，为了实现快速扩张，开始不计成本的抢订单，向客户支付大量的资金，改变了整个行业的生态，让整个行业进入了一个流动性极高，利润有限的状态。
而且这些集成商早期并没有在软件和技术上投入更多的研发和沉淀，仍然大规模采用国外的平台和软件，完全依靠工程师经验的积累和沉淀，并没有形成真正的差异化和核心竞争力。
年产值超过1亿，员工规模在200-300人的集成商可以归为中型集成商，主要服务于国内一些集中度较高的大型行业，如3C、家电、物流等，有大客户项目。这类集成商对国内生产感兴趣机器人排斥程度相对较低，在一些不重要的工艺或环节可以部分使用国产产品。机器人。一般来说，大中型集成商服务的客户技术实力都不错。
在项目设计阶段，客户也将参与其中，并与集成商一起确定关键的工艺应用和解决方案。并且在项目实施过程中，包括项目交付、使用、维护的各个阶段，都有专人负责。而且因为客户自身的专业技术能力较好，所以客户通常会指定采购核心部件和设备价格，稳定性和售后服务要求高，间接导致集成商整体成本更加透明，利润空间非常有限。
目前这两类集成商其实都是国内的。机器人距离还很远，由于短时间内国产。机器人其本身的性能、指标和可靠性的关系不太可能被大量采用。
公司规模在50人以下的，通常称为小集成商。这类集成商受自身实力的限制，其R&D投资很小。核心人员或管理人员通常与大中型集成商中的项目经理或工程师有所区别。小集成商通常会维持一个战斗力不错的小团队，可以应付大部分50-200万左右的小项目，但对人员规模非常敏感。
与现有的大中型集成商相比，由于现在的竞争环境与过去不同，不依靠外部资本的力量，依靠自身的自然发展，很难跨越100人的规模。但人员少，技术能力不足，很难承接更大的项目，所以总是无法扩大规模。而且因为小项目需要的人力少，通常小集成商不会接50万以下的订单。
因为小集成商的行业地位和口碑还没有完全建立起来，大量都是国产的机器人风险较难控制，所以除了部分项目，部分工序使用少量国产产品。工业机器人，这类集成商一般都是国内的工业机器人还是抱着观望的态度。
但是公司规模在20人以下的通常被归为微集成商。这样的集成商技术能力差，面对的是上面提到的一般客户。工业市场，即“长尾市场”，辐射能力有限，在一定地域范围内依靠自己的渠道实现销售和服务。
他们风险承受能力差，缺乏资金，不敢投入研发。此外，项目规模较小，通常在20-50万范围内。如果他们不小心控制风险，他们就会亏损。但有意思的是，目前这种积分器大量是国产的。工业机器人最活跃的下游应用提供商。
主要原因是客户承受能力有限，对成本非常敏感，对投资回报时间要求高。他们一般希望在一年内收回成本。同时，终端客户本身也不专业，不懂自动化，甚至之前没有接触过。工业自动化需要集成商做很多事情。教育而且即使在项目运营初期，也需要人长期待在工厂里。如果这类微项目采用国外的本体配置，集成商将完全无利可图。
所以这部分应用市场和大量微集成商都是中国的。工业机器人本体是目前真正的下游市场。
因此，在短短的三五年内，国内机器人只能在小微集成商中广泛使用，这种情况不会有太大改变，主要是本体和通用性能差工业由于客户的高度分散性和成本敏感性。但从目前观察到的市场情况来看，终端客户虽然有明确的需求，但对自动化或工业机器人有欲望，但最终使用效果并不理想。总的来说，买的贵，用的贵，不稳定，不好用。
同时，集成商也抱怨不赚钱，生存困难，双方都对现状不满。客户对结果的不满意主要是由一般工业客户的生产特点导致。不同于大批量流水线的标准化生产，小规模制造通常表现为小批量多品种生产，产品类型变化频繁，对柔性要求较高，目前还只是处于机器换人阶段，不需要自动化生产线。
但是工业机器人技术自诞生以来，本身并没有实质性的改变，仍然是严格按照外部输入运行，不具备独立特性的实现。机构集成器的任务是将各种夹具和辅助设备与机器人共同完成分配的工作，这也使得机器人它只能在固定的场景和条件下工作，无法实现柔性生产，因此无法满足大量“长尾”小型制造客户的需求是必然的。
一旦切换不同的工作内容，客户很难快速切换，仍然需要求助于集成商，导致生产中断，效率低下。
对于小型和微型集成商，由于机器人缺乏基本的智能性、自主性和灵活性，也导致大部分项目都是非标准项目，每次接到新项目都需要重新设计和调试。而项目工程师一直重复着同质化的低技术工作，技能提高了，成就感差。他们通常抱着赚几年钱的心态。
有一点能力的工程师在积累了一些经验后，会考虑离开自己的企业，这将导致团队裂变严重，无法吸引更多优秀的人员进入，使得团队的技术水平成为瓶颈，表现为技术能力弱；同样，因为项目无法标准化，无法快速复制，需要更多的人来完成更多的项目。公司很难快速管理和扩展。
同时，项目部件无法批量采购，质量控制参差不齐，项目实施始终处于反复调试修改的状态。由于客户对自动化的认知水平较低，在这个过程中往往会提出不合理的要求，于是集成商看似不错的毛利不断提高，服务用尽。工程师疲惫不堪，而客户却抱怨连连。
如何才能有效解决这些问题？解决这个问题的关键不仅在于集成商本身，还在于上游的本体厂商。集成商进一步降低成本的唯一途径就是标准化。先找准某个区域潜在需求可观的特色行业，分析其应用场景和流程，形成标准化的工作站方案，批量生产，快速迭代加载的流程。
这样既可以达到标准化的目的，又可以因批量的增加而降低整体成本，提高利润空间，可以为终端客户提供更具竞争力的产品；从上游的本体厂商方面来说，也需要做出更大的推广和改进来加速下游的标准化进程。比如通过集成各种传感器(包括视觉、触觉等)来增强。)机器人系统的适应性，从而降低了非标准化和集成的难度。
同时，本体业务增加了对行业技术的研究，使机器人更简单，更简单，更专业，还增加了对集成商和终端用户的技术培训，输出技术，向集成商转让部分技术，促进集成商更好地服务终端用户。只有通过本体商和集成商的紧密结合，才能更快的推动和落地整个标准化进程。
虽然目前大中型集成商对国产产品的使用并不强烈工业机器人会，但是随着国内本体水平的不断提高，这部分市场会逐渐被蚕食。当然，前提是国内的本体师不再执着于低价战，保持合理的利润空间，把更多的精力和力量投入到最重要的研发上。汽车行业因为应用非常成熟，空间相对较小；但是，对于国内3C市场来说，如果市场容量大，集中度高，可能是一个中等规模的集成商，R&D能力强。机器人一个本体学家的好机会，会很容易促成大规模集成商的诞生，当然也对集成商的能力要求更高。
目前，3C工业90%以上的前端工序已经实现了自动化，后端的装配工序由于对象小、灵活性要求高，自动化难度更大。工业高得多。同时，由于3C行业产品更新换代的加快，流程也在更新优化。对于集成商和本体论者来说，过分强调产品本身，离开了对流程的理解，是很难在3C行业立足的。
总之，大型集成商要对生产线、物流、系统进行深度整合，加强软件开发、数据解读、接口处理等方面的投入，努力打造更加系统化的解决方案，增强客户粘性，提供更高的附加值。
只有高效地为客户的制造工艺提供最合适的解决方案，拥有自主软件开发的能力，甚至拥有自主研发和制造。工业机器人全方位系统集成商的能力，才有可能获得爆发式的机会，成为行业巨头；规模相对较小的集成商应该在某些高增长和规模相对较大的领域进行专业化和深化。不要执着于开发超出自身能力的大型自动化线，而是要针对细分行业机器换人的特点，快速推广标准化程度高的专业化工作站，实现快速增长，而不是单纯依靠人员扩张。
让机器人启用智能传感器工业机器人将成为差异化和未来蓝海应用场景拓展的最有力武器，视觉首当其冲。
如前所述，在中国这个特殊的市场，最终用户和权利的分散工业自动化行业的陌生感导致了它的正确工业机器人易用性提出了更高的要求。工业机器人经过几十年的发展，虽然在精度和性能上已经达到了相当成熟的水平，但是在易用性和智能性上还是比较落后的，不仅中国如此，日本和德国也是如此。工业机器人发达国家也是这种状态，怎么改善？工业机器人很好用，借助传感器，甚至一些新兴的人工智能算法，大大扩展了。工业机器人的应用领域变成了工业机器人从业者最应该思考的。
只有在这方面，中国才能和其他国家站在同一起跑线上，才有资格和能力同台竞技。通过传感器赋权，这样工业机器人能够应对以前完全不可能或难以应对的场景，真正打开差异化的应用和市场，对于行业避免大规模同质化低价竞争也具有重要意义。在各种传感器中，视觉作为最重要的方向，必然会首先得到业界的关注和重视。
机器视觉不是新技术，也不是新话题。工业该领域实际上已经使用了许多年。以前主要是各种类型工业汽车生产线负责测试和测量。存在工业机器人在该领域，vision也不是新进入者，例如在焊接机器人现场使用的激光焊缝跟踪是典型的视觉传感器应用。然而，机器视觉是工业机器人行业的应用还比较少，造成这种现象的原因比较复杂，可以归纳为以下几点:
1、视觉团队工业对应用场景的知识和理解有限，机器人厂商和集成商虽然可能知道客户的痛点和要求，但是找不到合适的解决方案提供商，供需之间存在信息不对称；
2、视觉人才的数量是有限的，而要解决终端客户的问题，必然需要视觉和机器人团队合作。协作推动这种跨学科的合作本身是困难的；
3.机器视觉的结合机器人应用场景不清晰，无法对视觉提出具体要求，无论是硬件模块还是软件算法，使得整体进度缓慢；
4.在应用场景相对清晰的领域，目前主要是定位和引导，两种力量的结合才刚刚开始。技术方案远不成熟，稳定性都有很大问题，更别说成本高了。就视觉成本和机器人当成本倒挂的时候，显然不可能引入大量的视野；
5.在技术层面上，由于视觉系统的需要和机器人控制器通信并传输指令。作为可视化解决方案提供商，需要连接各种控制器。这是一个没有技术含量的东西，但是要花费大量的时间和精力。更不用说过程中控制器厂商的支持了。
以上是视力还未能工业机器人领域大规模应用的原因主要有几个，但基本上是两类:技术成熟度和成本。目前还没有一个放之四海而皆准的视觉解决方案。目前，最常见的机器人以加载卸载的应用为例，首先，根据工业视觉方案根据节拍和不同物料输送方式的要求，需要选择不同的技术路线，比如输送带方式可能更适合激光线扫描；但如果拍频要求高，光照复杂，零件材质接近镜面，或者视场较大，相移结构光方案并不实用。
因此，基于不同的场景，硬件模块的选择可能会完全不同，这对可视化解决方案提供商的算法和解决能力提出了更高的要求。而且因为还没有大规模应用，上游硬件模块厂商的成本和价格都很高，这使得现在的可视化程序成本相当高，大多在20万以上，差不多工业机器人车身和其他部件成本的两到三倍。如此高的成本使得大规模的市场应用几乎不可想象。
但随着这两年视觉技术和产业的不断进步，应用市场在逐渐增大，方案的成本也在快速降低，有望在两到三年内达到可以批量应用的位置。所以对于工业机器人业界现在积极与视觉厂商合作，不是为了目前大规模推广视觉集成和应用，而是和视觉厂商一起走向市场一线，了解终端客户的需求和应用场景，找到批量应用的标准方案，为两三年内的批量复制和扩展打下坚实的基础。