2025年已经过完了，但是《中国制造2025》年其实发展正当时，虽然历经10年取得了很多可圈可点的成就和示范案例，但仍然面临着一些新的发展挑战。笔者就结合自己所了解的业务范围，结合这几天发愤图强的在b站上面学习各种先进技术，也结合自己已有的科研案例经验，简单的梳理一下吧。

（1）智能决策与推理已经成为智能制造发展的核心重点

过去10年，企业进行了大量的数字化系统建设，已经积累了很好的基础了，尤其是在管理性质系统方面，比如mes系统等，不管在流程的规范性，还是业务的协同方面。得到了很好的发展。但这些其实远远不够，或者说这些工作其实主要是提高效率，并没有接触到企业真正需要的智能决策与推理。

人工智能技术的发展，为企业的智能决策与推理提供了良好的技术支撑和发展想象空间。

比如工艺设计，从检索式到派生式，这种数字化结构化的基于流程和规范的方式，虽然仍然是当前的建设重点，但已经有大量的企业不满足这种建设追求了，对于创成式工艺设计提出了很多的追求，创生式工艺也真正进入了企业的视野当中了。不管是用人工智能的agent的等相关技术还是后续可能出现的其他技术，这些其实都是技术手段，真正重要的是将工艺设计的物性知识融入进去，实现智能推理与决策。

其他方面比如aps，基本上已经没有企业只追求单一车间的这种aps了，而是需要面向企业整体的一体化贯通的科研生产计划平台。并且对于aps的要求已经不仅仅只是现有经验，或者手工模式下的计算机实现或者说结果产生，而是需要给出当不能够满足计划目标的时候，应该给出解决方案，比如外协决策，加班决策，资源调整决策等等，这其实就是典型的智能决策与推理。另外，在这个过程当中很明显的能够感觉到现有的mrp运行方式必须要进行颠覆性的改变了，这个将对现有的数字化生态产生深远的影响。

（2）产品加工生产的机床设备和装置的智能化仍然是长久发展的重点

对于简单的产品加工装配等生产，其实通过基本的自动化是可以解决很多问题的，但对于高价值高性能或者复杂的产品加工装配等生产，其所依托的机床设备和装置的智能化，仍然是持久发展的重点。

比如在零件加工方面。为了解决复杂薄壁结构件的加工变形问题，目前探索比较成熟的是类似优铣系统的自适应刚度变化的进给调整，以及面向复杂型面特征的几何自适应补偿加工。但这个其实仍然是远远不够的，需要进一步探索从控形到控性方面的相关技术，尤其对于高价值零件，不仅仅是精度保证，而应该面向零件运行环境的精度保持方向进行转变，从要求上来说这必然涉及到内部的应力控制，从技术上来说则需要探索代理仿真、干涉情况下加工轨迹的自动生成、基于变形耐受的工艺参数优化、加工刀具磨破损实时监控与预测等先进的智能处理技术。

比如对于复杂产品的装配，基本上都会走向基于机器视觉和力反馈等多维传感支持下的实时决策与执行控制。但现在一件一议的处理方式，远不能满足企业的实际需求，应该进一步的进行模块化扩展。

比如对于检测，虽然之前基于人工智能技术发展了很多基于机器视觉的智能处理相关的方法。但目前的方法基本上来说都是基于大样本训练来实现的图像识别等，但随着企业竞争的加剧，小样本乃至无样本情况下的机器视觉应用，仍然需要探索新的技术模式。

（3）面向工业智能的人工智能应用仍然面临着诸多挑战。

人工智能的范式基础其实还是transformer，在此基础上各种各样的人工智能应用的发展风起云涌，但说实话，感觉在工业智能仍然是被遗忘的或者说略显忽视的一个领地。面向工业智能的人工智能技术应用，绝不是现在市面上所看到的这些的简单复制与扩展，而是需要从底层来形成新的技术架构，可能需要面向不同的工业问题或场景形成不同的技术架构，其实最关键的还在于问题的数学建模。

经历了这么长期的工业技术研究与发展，其实现在很难说哪一个工业领域或者说问题场景没有已有的知识积累而是从白手起家的。不管是老问题还是新问题，相关的领域知识和经验与人工智能技术的发展融合是必须要面临的。但同样很显然的是，现有的这些领域知识和经验其实并不足够，否则的话也就不成为问题了。因此，利用人工智能的技术或者范式，利用这些不充分或者说片段的领域规则知识和经验，形成一种解决问题的新技术架构，就是当前亟待解决的一个问题了。

知识图谱或与此相类似的比如人工智能提出的rag技术，可能是需要关注的一个可以借鉴参考的发展方式，可以肯定的是照搬是不行的。领域规则知识或经验，不仅仅是一种定性的描述，而很多可能都是有条件的定量，这是领域规则知识和经验的特点，必须在新的架构方式当中得到重视，才有可能得到期望的结果。

来源：微信号  智能制造随笔

作者：王爱民

该作品已获作者授权，未经许可，禁止任何个人及第三方转载。