2015 年全球專業服務機器人市場規模46 億美元，個人／家庭服務機器人市場規模22 億美元，2016－2019 年有望迎來持續快速增長。IFR（International Federation of Robotics，國際機器人聯盟）將服務機器人劃分為專業服務機器人和個人／家庭服務機器人。根據IFR統計，全球專業服務機器人市場2010－2015 年CAGR 為5．1％，個人／家庭服務機器人市場同期CAGR 為33．6％。IFR 預測，2016－2019 年，全球專業服務機器人市場將累計銷售231億美元，個人／家庭服務機器人市場為242 億美元。據此測算，2016－2019 年，專業服務機器人市場CAGR 為9．4％，個人／家庭服務機器人市場CAGR 為45．0％。
　　技術端：機器人智能性達到商用水平，API 與模塊化加速產品研發迭代
1 深度學習大幅推進服務機器人的智能性
　　深度學習是人工智能發展的重要里程碑，推動語音交互和圖像識別領域的快速發展。從1956 年達特茅斯會議開始，人工智能發展已歷經3個階段。（1）第一階段：推理期（1956－1960s）。這一階段的主題是將邏輯推理能力賦予計算機系統，主要成就是開發出自動定理證明系統等；（2）第二階段：知識期（1970s－1980s）。這一階段研究人員致力于將人類的知識總結出來并交給計算機系統，主要成就是開發出了專家系統；（3）第三階段：學習期（1990s 至今）。研究者試圖讓計算機自己學習知識，這一階段的重要突破是深度學習的提出和發展。Hinton 在2006 年提出了深度學習算法，2012 年Hinton 的團隊利用深度學習算法在ImageNet 上大放異彩。隨后深度學習獲得業內廣泛關注，同時吸引IT 巨頭的持續巨額投入，進而推動了語音識別、圖像識別、自然語言處理等領域的高速發展。
　　語音交互正在成為服務機器人人機交互的主流技術之一。人機語音交互的方式更類似于人與人之間的交流模式，目前服務機器人產品大都采用語音交互模式。國內服務機器人主要采用科大訊飛、百度、思必馳、云之聲等企業提供的語音交互模塊。蘋果、谷歌、微軟、亞馬遜、Facebook、IBM 等IT 巨頭都已經布局各自的語音識別技術。

表1：巨頭與初創型企業扎堆語音識別領域
　　得益于深度學習技術，語音識別取得長足發展，目前在某些領域已經接近甚至超過人類。從1970 年開始，語音識別技術發展迅速，機器識別單詞數量呈指數式增長。目前，各主流語音識別平臺的單詞識別準確率均已超過90％。2016 年10 月，微軟語音識別技術在行業標準Switchboard 語音識別任務測試中，實現5．9％的錯誤率，已經達到專業速記員的水平。
　　圖像識別能力已達到人類水平。圖像識別能力同樣是服務機器人人機交互領域的重要組成部分。2012 年，Hinton 的團隊利用GPU 訓練神經網絡模型，將錯誤率由26％大幅降低至15％。此后，錯誤率逐年下降，到2015 年，微軟亞洲研究院計算機組的錯誤率已經低至3．6％，而人眼識別錯誤率為5．1％。
2 API 和模塊化提升服務機器人產品的開發和迭代速度
　　API 和模塊化提升服務機器人產品的開發和迭代速度。服務機器人的智能模塊包括感知交互、認知決策、定位導航、運動控制等，技術跨度范圍極大。服務機器人初創企業一般最多只能對其中某一個模塊有深入研究，甚至許多初創企業只做平臺集成。在這樣的背景下，人工智能技術的API 接口開放和核心零部件的模塊化，無疑大大降低了服務機器人廠商產品開發和迭代的難度。目前，在服務機器人核心技術環節涌現出一批優秀的企業，推動服務機器人集成產業走向成熟，使得服務機器人集成商可以將精力投入到產業化應用和商業模式的探索中。
　　人工智能API 讓服務機器人廠商能夠借助外部力量實現產品的智能性。目前已有大量的開放的人工智能API（Application Programming Interface，應用程序接口），范圍包括（1）機器學習和預測，（2）圖像識別，（3）文本分析、NLP 和情感分析，（4）機器翻譯，（5）語音識別。互聯網巨頭也開始加入開放人工智能API 的陣營中。2015－2016 年，谷歌陸續推出Google Cloud Vision API 和Google Cloud Speech API，其可被應用于軟件或設備中。
　　連接上這兩個API 的設備可以將圖片和語音上傳到谷歌云端，經過云端處理后，會返回需要識別的圖像和語音內容。微軟開放的API 包括表情識別、語音識別、視頻識別等。人工智能API 接口開放大大降低了服務機器人廠商實現產品智能性的難度。

表2：大量的人工智能API 降低了服務機器人廠商實現產品智能性的難度