本文来自中国电子报。
4月26日，在2024中关村论坛期间召开的“智能制造创新发展论坛”上，中国工程院院士李培根表示，智能工厂建设是AI赋能新型工业化的重要抓手，其核心在于智能机器人、数字孪生、大模型等关键技术在工业场景中的深层次渗透与应用。
第一个核心：智能机器人
发展至今日，智能工厂建设已经离不开机器人。李培根指出，现在企业里装配线上大量的机器人都是在封闭环境下工作，实际上并不是真正的智能机器人。未来制造业里的机器人可以走出仓储和制造环节，进入到开放环境，这是今后一个重要方向，该场景的实现主要依靠自主移动技术（AMR）。
目前，车间里的自主导引小车大多是按照固定路径移动的，实际上真正的自主移动技术没有这些限制，它基于地图定位技术，通过扫描作业环境并自主更新地图，无需辅助固定信标，对工作场地几乎没有改造需求，非常适合部署在复杂、动态的生产场景中。日本牧野Makino的车间中，采用了运用AMR技术的机器人，可以同时照看多台机床，上料、下料、装刀具、卸道具等操作都不在话下。
机器人的应用范围不应局限于企业内部，而是应该能够应对各种操作条件、人口稠密的空间甚至其他自动化设备。“走出以往的受控仓储和制造环节，机器人将为各行各业带来发展机遇。”李培根说道。
比如，人形机器人具备高度自动化，且适用于各种复杂环境，是智能工厂建设的一个重要探索方向。特斯拉计划率先在汽车装配过程中引入人形机器人。奔驰正在和机器人开发商Apptranik合作，希望把人形机器人用到工厂，用于装配零件。
“通过以类似人类的能力不需要改造环境就能应对复杂的人类环境，使用场景更广，能作为简单、重复、危险的劳动力替代，也能在适应非标服务场景的同时满足情感需求和交互。”李培根表示。此外，机器人还具备学习功能，越用越聪明，工厂还可以通过机器人实现新老员工的技能传承。
第二个核心：数字孪生
李培根强调，智能工厂应该是充分应用数字孪生技术的工厂。数字孪生不仅仅是产品、设备的数字孪生，还包括车间、工厂，以及供应链的数字孪生。
举个例子，华中数控把数字孪生技术用在数控机床上，实时控制机器装备。通过对从机床上采集的孪生数据进行分析仿真，可以让使用者更清楚的认识机床的行为，从而进行更精准的控制与操作。
“数字孪生工厂不应该仅仅是对物理工厂一些简单的数字记录、数字呈现，而是要能通过数字孪生系统采集的实时数据，反过来指导车间或者工厂的运行，乃至供应链竞争，使工厂运行在最佳状态。”李培根说道。
实际上，车间、工厂需要的是一个数字孪生的工厂平台。数字系统实时记录真实系统的运行情况，分析哪些参数需要调整，并且实时调整来保证质量，保证效果。而供应链数字孪生体现在企业中，企业不仅要有好的供应链系统，还要有数字化供应链。而且不同于早就应用于供应链的传统的、离线独立的仿真，基于数字孪生的仿真是实时的、动态的，能够与物理系统交互连接。
第三个核心：AI大模型
李培根认为，未来智能工厂需要洞察一些复杂和高阶的关联。AI大模型对世界高阶相关性的认识已经远远超越人类，要重视其在智能工厂建设过程中的应用。
大模型是指具有大量参数和复杂结构的机器学习模型。其Transformer架构有两个重要功能，一个是单词的向量化，像ChatGPT一次可以提取300至500种属性来描述“苹果”这一个单词，不同类型、不同地区的苹果它都很清楚，这是人类难以做到的；另一个是自注意力，强调关系的寻找，ChatGPT5读一本将近2000页的书，读完之后便可以把握其中从头到尾所有词与词之间的关系，而人类的认知难以与之齐肩。
回到工业制造场景，数控系统内部电控大数据是主要数据来源。数控系统内部的大数据包括运动轴状态、主轴状态、机床运行状态、机场操作状态、程序状态等等，如果把这些数据收集起来进行分析就会发现它与零件加工质量、精度和加工效率之间存在复杂的关联关系，采取相应措施可以显著提高生产质量。
“如果对机床精度、装配误差问题、热和动力学误差、机床全生命周期误差控制等问题追根溯源，里面可能会有无数需要我们考虑的复杂的关系，比如机床部件、零件、精度、运动参数、转速等，这些关系在制造过程中很难考虑周全。”李培根坦言。不过，大模型的出现或许可以帮助智能工厂洞察更为复杂的高阶关联。
