赵骥
清华大学国家CIMS工程技术研究中心高级工程师
当前，中国制造业在国际上的竞争力大幅提升，优势领域从以前的纺织、玩具等轻工业领域提升到高铁、大飞机、新能源汽车、光伏等高技术领域。事实证明，中国在这些领域已拥有核心能力。智能制造作为主攻方向之一，持续推动制造业高质量发展。
智能制造概念的提出，源于20世纪80年代兴起的人工智能热。考虑到信息技术的现状，我国将重点主要集中于CIMS（计算机集成制造系统），也就是制造信息化，希望通过集成——信息互联互通，带动企业效益的提升。40多年来，从国家高技术研究发展计划（863计划）CIMS，到中国工程院提出的数字化制造、数字化网络化制造、数字化网络化智能化制造，都为我国的两化融合、两化深度融合战略的实施起到了基础性作用，在航空、航天、船舶等重点行业培育了关键能力。
当今世界，国与国的竞争主要是综合国力的竞争，而衡量一个国家综合国力的重要指标之一就是国内生产总值（GDP）。2023年我国数字经济保持稳健增长，数字经济核心产业增加值占国内生产总值比重达到10%。数字经济推动制造业高质量发展，为了助力高端制造迈上新台阶，我们需要对人工智能新高潮下的智能制造发展进行研究和部署。
智能制造面临的一些问题与挑战
从近些年各级政府的产业鼓励政策到企业自发启动的项目，都能看到大量智能制造的实践案例。大到以整个工厂为对象进行智能工厂的建设，小到以单台设备或生产单元为对象进行自动化改造，其繁荣背后，也存在一些问题与挑战。
首先，数字化、智能化技术与企业渴望解决的问题差距较大。虽然很多企业也被授予未来工厂、智能工厂、灯塔工厂等各种称号，但实际上智能化对企业效益的贡献还不够明显。例如，对工业大数据、数字孪生等理论的研究很热、很超前，而创新性技术却难以落地应用，与企业需求匹配度不高。
其次，新一代人工智能领域尤其是生成式人工智能（AIGC）技术发展很快，但除了机器视觉以外，人工智能技术的其他方面在制造型企业应用案例较少，与人工智能技术的快速发展反差较大。
另外，一些企业对数字化、智能化的理解和对智能制造的认识还不充分，缺乏系统性、全局性的思考和布局。
实际上，智能制造只是一个概念，对于企业界而言，概念需要转变成有用的“东西”，如智能设备、智能生产线、智能车间、智能工厂等，通过这些有用的“东西”提升企业的价值创造能力。要达到此目的，避免走弯路，就需要加深对智能制造本质的理解和理论的认识，才可使技术与需求更好地匹配。
认识智能制造的本质
抽象通道，具象逐术。道是做事的原理和原则，术是具体的做事方法。只有把握了问题的本质，才能在解决问题时游刃有余。
飞机、汽车、计算机、手机、衣服等人类产品，都不是自然界原本存在的，而是由人“想”到并“制造”出来的。首先，要将人脑海中想象的产品特征表达出来；其次，要将制造过程（材料、工艺、方法）表达出来；再次，要将运营过程、销售过程和原材料的组织过程表达出来。当前，表达离不开计算机，离不开数字技术。数字化就是将物理的世界转换为数学的世界，根本目的在于将这些信息交由计算机去存储、计算、传输。当工业现场要求全要素连接、全线协同、全域智能时，本地的计算能力与存储能力就会不够，就需要将这些任务交给平台（工业互联网）去处理。计算机及网络平台代替人处理这些任务会更加高效。
现实问题往往很复杂，涉及的各种因素会纠缠在一起，为了方便表达与解决问题，需要对问题进行简化，而模型就是对现实问题的简化表达。模型用数学来表达，才可以把实际的问题转换成可计算的问题，交给计算机去解决。智能制造中的数学模型有很多，针对不同领域、不同问题会有不同的模型。这既可以是复杂系统的体系结构模型，也可以是描述演化逻辑（状态变迁）的过程模型，或是针对具体问题的机理模型（如运动轨迹、温度压力等物理属性变化等），当然，也可以包括数据模型。
单个模型只是描述了复杂制造中的某一侧面特性，如果需要将各个侧面的模型统一起来，则需要集成技术。从应用视角看，集成就是互联互通互操作，从理论视角看，每个模型只是描述了一个“小宇宙”，集成就是将各个模型连接成“大宇宙”。
信息物理系统（CPS）是智能制造的核心技术，包含物理空间和数字空间两部分。问题-模型化、模型-算法化、算法-软件化，这是构建一个信息物理系统的基本步骤。在一个产品及其制造过程中，物理空间的力、热、声、电和光等统一存在于其物理对象中，而数字空间的力学模型、热学模型、声学模型、电学模型和光学模型等，相互之间并不是统一的，而是分离的。一方面是由于学科的划分，另一方面不同的模型只适用于特定的具体问题。信息物理系统中的这些模型需要连接在一起，统一在一个物理空间和数字空间相连接的孪生体上。这种连接机制的数学表达是什么？黎曼几何给我们以启示和思考方向。
在智能制造场景中，针对诸如力、温度、速度、能量等物理属性的模型计算，常常需要设定具有实际物理意义的坐标系。在黎曼几何中，把物理几何化，空间不再是用坐标系表达的空间，而是用很多不同的坐标系表示成的流形（manifold）。然后，采用一种机制将不同的空间关联起来。
作为深度学习的基础，神经网络也是一种连接模型，又被称为“连接主义”。
智能制造需要理论体系。虽然，智能制造涉及材料、机械、控制、计算机、通信、人工智能等多个学科，从应用视角看，是典型的复杂系统，但是，其理论不应该是各个学科知识的“拼凑”，应当有其独立的理论体系。我们需要重视智能制造理论体系的构建。在实践中，不少问题表面看是技术问题或工程问题，归根到底是理论的缺乏。
人工智能新高潮为智能制造打开新天地
自2016年AlphaGo战胜人类围棋世界冠军以来，人工智能热潮一浪高过一浪，波士顿动力的Atlas人形机器人、斯坦福大学的Mobile Aloha机器人表现出的感知、决策、执行的流畅配合令人印象深刻。2020年至今，生成式人工智能派生出的各种应用如ChatGPT、Sora等将大模型推至浪尖，人工智能不断掀起新高潮。
神经网络模型是“黑箱”模型的典型代表，神经元彼此相连，形成了智能的基础，但智能并不体现在神经元上，而在于神经元彼此的连接（突触）。连接的强度被称为连接的权重，通过调整权重，使同样的输入产生不同的输出。深度学习网络规模非常大，有些达到上千层、参数多达几千亿个。参数越多，非线性越强，对复杂任务的表达也就越好。
生成式人工智能取得的突破性进展为人类社会提供了新的工具和思路。文本生成、图像（视频）生成在媒体、娱乐和教育等领域有广阔的应用前景。在目前取得成功的领域，对结果的验证基本都是靠人的感官体验、主观判断。对于制造现场，要求的是精度、客观和严谨。生成式内容能否用于解决制造业所面临的问题，是否可信可用，需要进一步研究与观察。无论怎样，人工智能的新热潮，为智能制造的高水平发展打开了一个新的天地。
国务院印发的《新一代人工智能发展规划》，提出中国人工智能发展“三步走”的战略目标，并确定了大数据智能、跨媒体智能、群体智能、混合增强智能、自主智能系统的专项框架。智能制造成为新一代人工智能创新应用的首要领域，采用新的人工智能成果解决制造业面临的问题，被人们寄予厚望。
以大模型为代表的人工智能的突破性进展，使通用人工智能成为当前全球最具挑战性、最具催化力、最具赋能特征的战略性技术之一。对此，我们要加快推动人工智能发展，大力推进数字化转型，形成制造业新质生产力，加快实现新型工业化。
当前，人工智能赋能智能制造（“AI+制造”）已成为全球共识，各国纷纷制定策略，以人工智能融合制造业各环节发展。大模型驱动下具身智能、群体智能已成当前热点。大模型加持的智能机器人将有望服务于制造业各类场景，实现真正意义上的“机器换人”，完成复杂、高危作业任务。“AI+制造”深度融合应用阶段是关键环节数据+深层机理智能优化，人工智能应用由单点场景应用向全流程综合化演进。
2024年6月20日，2024世界智能产业博览会在国家会展中心（天津）开幕，加油机器人吸引参观者。
从系统的角度看待智能制造
1973年，美国约瑟夫·哈林顿博士首次提出CIM（Computer Integrated Manufacturing，计算机集成制造），指出它是未来制造业企业的生产模式。CIM的核心观点有两个：第一，信息视角即整个生产制造过程实质上是信息的采集、传递和加工处理的过程；第二，系统视角即企业的各种生产经营活动是不可分割的，要统一考虑。
随着时代的进步，CIM涉及的各项技术不断发展，有些已经非常成熟，虽然概念一直在更新，但挑战依然存在。我国在20世纪80年代到21世纪初的国家863计划/CIMS工程中提出的信息集成、过程集成、企业集成，依然是目前大多数企业数字化转型的关键着力点，具有指导性意义。
智能制造是智能技术（特别是新一代信息技术）在制造全生命周期的应用中所涉及的理论、方法、技术和实践。我们需要从系统的角度看问题、讲大局，目标在于TQCSE（Time，时间；Quality，质量；Cost，成本；Service，服务；Environment，环保）。智能制造的发展要“顶天立地”。“顶天”就是要与各种前沿科学的研究进展同频共振，将人工智能、极端制造、脑机接口、信息技术、新材料等领域的最新研究成果吸收、应用到制造业。同时，要在制造业的各个层面都有所作为，贯穿产品创新设计、加工制造、装配、测试、管理、营销、售后服务、客户关系、仓库物流供应链、报废处理等制造、管理全流程，达到制造业智能增长、包容性增长、可持续增长的目标，“效益、竞争力、可持续发展”是智能制造的出发点和目标，根本在于企业的核心能力建设，这就是“立地”。
制造业企业的智能化改造是复杂的系统工程，系统集成首当其冲，它不仅包含硬件、软件的互联互通，还涵盖设备、管理、产品研发、客户服务等方面，通过数字平台打造价值链（营销、研发、制造、供应链）的互联互通，实现产品的个性化定制，形成新的竞争优势。
随着智能制造的纵深发展，工业软件已成为推动制造业高质量发展的重要力量。工业软件是现代工业体系的“大脑”，围绕工业问题，将工业知识、业务逻辑转换成算法，软件系统能与人对话（接收人的指令，给人反馈结果），能控制硬件及装置（电动、机械、液压、气动），将各种工业系统运行情况以直观的形式呈现出来。VR技术的成熟会使人机交互界面更为丰富，3I（Immersion、Interaction、Imagination）使沉浸感、交互感、想象力更加充分。
2024年6月19日，安徽省芜湖市，工人和工业机器人在8AT自动变速箱智能化生产流水线上作业。
工业软件在智能制造中起着枢纽性作用。工业软件黏性很大，用户一旦要放弃某个在用的系统，困难极大。中国工业软件起步较晚，实现超越的机会主要在于工业互联网的应用。制造的互联网化会使原有工业软件体系发生调整，原有庞大的系统可以通过微服务基本单元松耦合方式实现，灵活组配。如同新能源汽车实现“超车”一样，这是我国工业软件国产化、换道超车的一次重要机会。
应重视我们的短板，即智能制造装备与核心零部件国产化率较低；工业软件对外依赖程度高；智能化系统集成生态尚未形成，不同端口标准协议存在差异，导致全流程智能化改造过程中硬件、软件集成的兼容性、互操作性和适配性较低，实现人工智能融合难度大等。
近代以来，人类文明的进步都伴随着“机器换人”的过程。通常技术进步在消除一类工作的同时，会自动创造出另一类或多项工作。其实，替换一直都在以渐变的形式进行，替代人的手、脚、脑或某一部分器官的作用。企业管理、工厂运行必须顺从人性，适应人的变化，适应社会的变迁。智能制造的目的之一就是为了去掉或减轻人的劳作痛苦。“机器换人”都会经历机器“不会做”“做不好”“能做好”“超越人”等阶段。值得强调的是：人工智能的新成果将在工业系统、服务系统运行中逐步解放人类的双手，人类的分工已经开始并将有重大的调整。对于这种颠覆性的变化，我们需要未雨绸缪，确保人工智能安全、可靠、可控。
展望未来，人工智能的新成果会不断丰富智能制造的内涵，各种新的应用将不断涌现，新一代智能制造必将推动产业更上一层楼。
稿件来源：中国网信杂志
