党的二十大报告提出了推动制造业高端化、智能化、绿色化协同发展的重要任务，旨在构建智能制造（Intelligent Manufacturing, IM）产业发展新格局，高效实施供给侧结构性改革，并促进数字经济与实体经济的深度融合。
在数字经济的背景下，随着大数据、人工智能、云计算等科技创新的不断发展，智能制造业蓬勃发展。《智能制造发展规划（2016—2020 年）》进一步明确了智能制造的内涵：它基于新一代信息通信技术与先进制造技术的深度融合，贯穿了制造活动的各个环节，具备自感知、自学习、自决策、自执行、自适应等功能的新型生产方式。
智能制造具有自主化决策、灵活生产多样化产品、快速应对市场变化的特点。人工智能与制造系统结合，利用机器学习、模式识别等模型提升了工厂管理系统能力。物联网的应用将设备连接起来，实现了机器之间的通信和互相沟通，实现了人与机器的融合。整个流程都有数字孪生模型，系统包括现实世界的一切，如应用和操作指南手册等。
一、大模型引领智能制造
近年来，智能制造逐渐成为全球工业发展的重要趋势之一，而人工智能（AI）大模型的出现和应用正是智能制造向前迈进的重要驱动力之一。
首先，工业大模型的部署将成为智能制造的核心支撑。通过在工业生产和制造过程中应用 AI 大模型，可以实现更加智能化和灵活化的生产模式。这些大模型可以通过学习和分析大量数据，提高生产效率、优化生产流程，并且在预测性维护、质量控制等方面发挥重要作用。因此，加速工业大模型的部署将成为智能制造发展的重要推动力。
其次，建立完善的标准体系是智能制造发展的基础。随着智能制造技术的不断发展和应用，相关标准体系的建设变得尤为重要。这不仅包括技术标准，还包括安全标准、数据标准等方面。通过建立统一的标准体系，可以提高智能制造产品的质量和安全性，促进产业发展和国际交流合作。
此外，对龙头企业的支持和引导也是智能制造发展的关键。龙头企业在智能制造领域具有丰富的经验和技术积累，可以在关键技术装备的研发和应用方面发挥重要作用。国家层面应设立智能制造发展基金，为企业的智能制造项目提供资金支持，推动智能制造技术的创新和应用。
综上所述，AI 大模型的应用将成为智能制造的重要驱动力，加速工业大模型的部署、完善标准体系建设以及支持龙头企业的发展，将为智能制造的发展奠定坚实的基础，助力中国智能制造走向更加智能化、高效化的未来。
二、 AI+智能制造总体架构
AI+智能制造方案构建了面向制造、能源电力、采掘等各垂直行业，以基础硬件设备、软件系统平台、解决方案三大层级为核心，生态协同为保障的技术架构。与主要依赖本地算力的传统工业架构相比，AI+智能制造方案通过软硬结合的方式，将成为未来智能化工厂的标准解决方案，提升产品质量检查和缺陷识别、生产作业过程识别以及安全行为等视觉识别的精准性、高效性。
图 1-1 AI+智能制造总体架构图
三、 AI+智能制造关键技术
“AI+”通过整合 5G、数字孪生、边缘计算、区块链等先进数字技术，凭借“全面连接、信息共享、上下联动、资源整合”等优势，深度激活行业“脉络”，全面融入 45 个国民经济大类，对重塑工业体系、大力推进新型工业化的关键支撑效应正逐渐显现。
3.1 5G 工业网络技术
1、5G 通信增强技术
5G TSN（时间敏感网络）技术通过高精度时间同步，实现工厂内无线 TSN，保障工业互联网业务端到端的低时延。5G 高频和多天线技术支持工厂内的精准定位和高宽带通信，大幅提高远程操控领域的操作精度。5G 边缘计算加速工业 IT 及 OT 网络融合，通过边缘数据处理、跟踪及聚合能力的增强，提升工业互联网业务的高可靠、低时延等性能指标，优化资源共享和用户体验。
2、网络切片
5G 网络切片技术支持多业务场景、多服务和质量、多用户及多行业的隔离和保护。网络切片是提供特定网络能力的、端到端的逻辑专用网络。一个网络切片实例是由网络功能和所需的物理/虚拟资源的集合，具体可包括接入网、核心网、传输承载网及应用。
图 1-2 网络切片管理架构图
每个虚拟网络之间是逻辑独立的，任何一个虚拟网络发生故障都不会影响其他虚拟网络。依据应用场景可将 5G 网络分为 3 大类：移动宽带、海量物联网和任务关键性物联网。由于 5G 网络的 3 类应用场景的服务需求不同，且不同领域的不同设备大量接入网络，这时网络切片就可以将一个物理网络分成多个虚拟的逻辑网络，每一个虚拟网络对应不同的应用场景，从而满足不同的需求。5G 网络切片技术可以为不同的应用场景提供相互隔离、逻辑独立的完整网络，从而实现 5G 网络共享，节约宝贵的频谱资源，建设行业虚拟专用网络。
3、边缘计算
边缘计算在靠近数据消费者的地方提供计算、存储能力，以及边缘应用所需的云服务和基础设施环境。相比于集中的云计算服务，边缘计算解决了时延过长、汇聚流量过大等问题，为实时性和带宽密集型业务提供更好的支持。边缘计算与接入方式无关，5G 标准设计原生支持边缘计算，提供架构、移动性、会话管理等方面的灵活部署能力。应用功能随网络功能下沉，部署到靠近接入基站的位置。
5G 网络支持在转发路径上灵活的插入分流点，引导对应的数据流进入边缘节点。随着用户移动，可支持不同等级和方式的业务连续性保障。要求分流能力可向应用开放，提供转发路径优化和加速服务。
3.2 数字孪生
数字孪生技术的发展源于新一代信息技术与不同领域技术的融合，是在CPS、建模仿真、大数据与人工智能技术的基础上发展起来的一门新兴技术。
1、物联网技术
数字孪生是物理世界在数字世界的孪生，如何实现数字孪生与物理世界的虚实映射是数字李生实施的基础。物联网是以感知技术和网络通信技术为主要手段，实现人、机、物的泛在连接，提供信息感知、信息传输、信息处理等服务的基础设施。随着物联网的不断健全和完善，数字李生所需的各种数据的实时采集、处理得以保障。在空间尺度上，由于物联网万物互联的属性，面向的对象由整个产业垂直细分至较小粒度的物理实体。同时，在时间尺度上，由于物联网实时性的提升，使得不同时间粒度的数据交互成为可能。以上使得数字李生正在变得更加多样化和复杂化，使得数字世界和物理世界能够在物联网的支持下进行时间和空间上细粒度的虚实交互，以支撑不同尺度的应用。
2、大数据技术
数据是数字孪生系统动态运行的最重要的驱动力量。
随着数据时代的到来，大数据分析应运而生。通过体现大数据海量、异构、高速、可变性、真实性、复杂性和价值性等特征，大数据分析面向解决具体问题提出相应的算法和框架模型。对数字李生系统而言，大数据分析为深度探索物理空间事物提供可能，而通过数据可视化，为数字孪生系统揭示物理实体的隐性信息提供了有效工具。
3、多领域、多层次参数化机理模型建模技术
物理实体的机理模型是数字孪生系统的骨架。近年来，不同领域混合的多层次精准建模方法为数字孪生技术对物理世界真实描述提供了使能技术。首先，其综合复杂物理实体涉及的针对诸如机械、电气、液压、控制及具体行业特征进行综合建模的能力，为数字孪生系统对物理实体的有机综合分析提供了高可用技术；其次，物理实体机理模型的多层次表述能力，可使得模型在不同空间粒度上对实体进行客观真实表述；再次，参数化建模方法为数字孪生实体机理模型对物理实体在时间维度上变化的映射，即模型的动态更新能力，提供了有效手段。
4、人工智能技术
数字孪生系统对工程应用的重要意义在于其智能分析和自主决策能力。人工智能技术的发展，可通过和传统的建模仿真分析技术结合，有效赋能数字孪生系统，使得数字孪生系统可针对过去、现在的状况进行综合智能分析，并进行自主决策，对物理世界的变化进行准确判断和决策，对物理世界的活动进行智能化支撑。
5、云／边缘协同计算技术
数字孪生系统是庞大复杂的系统，然而其对物理世界的感知和决策支持往往具有时效性和个性化的特点。云／边缘协同计算技术，可有效地发挥云端强大的存储／计算能力和边缘端个性化实时感知和控制能力，为数字孪生系统的高效运行提供支撑。
综上，物联网、大数据、多领域／多层次／参数化实体建模技术、人工智能技术、云／边缘协同计算技术相互交互，相互融合，加速推动着数字孪生的落地应用。
3.3 区块链技术
工业互联网平台在部署过程中工业数据需要上云，企业对自身隐私数据泄露存在担忧而不愿参与其中，阻碍了工业互联网平台的推广。因此需要一项技术解决工业互联网中博弈多放的互信协作问题，以及各企业对自身数据的控制权问题。区块链是由多种技术集成创新形成的分布式网络数据管理技术，通过区块链的加密算法、访问控制、隐私保护、入侵检测等技术，可以实现工业企业内部各个环节的数据共享、网络加密及访问权限控制等功能，并且可以利用区块链分布式的特点促进产业链的协同和产融协同。
工业互联网平台下两种技术在兼容与调和过程中并不是简单的技术嵌入，而是需要在更多模式上进行升级。对于区块链如何同工业互联网平台进行业务上的集成与融合、各项标准制定也是未来需要研究的重点。随着“区块链+工业互联网”融合研究以及各项标准制度的发展与完善，再加上对区块链核心技术的不断研究和更多模式上的升级和探索，区块链技术将在工业互联网中网络安全保障、资源高效分配、制造数据追溯、智能协同制造等方面发挥更大的推动作用。
四、大模型赋能制造业升级
在人工智能发展上，未来数字化的高峰一定是大模型推动下的智能化，人工智能的指数级跃变将会给城市发展带来巨大机遇。大模型的应用具有广泛的前景和潜力，有望在制造业等领域取得重大创新发展，帮助企业生成更加丰富、动态和交互式的内容，从而实现更好的用户体验。随着技术的不断进步，大模型将为数字化转型和创新发展做出重要贡献。
伴随以 ChatGPT 为首的生成式 AI 同工业领域深度融合，工业或将成为大模型重点应用垂直领域。生成式 AI 从研发设计、生产制造等角度为工业全环节赋能。在工业研发设计环节，生成式 AI 可以与 CAD（计算机辅助设计）、EDA（集成电路设计）、CAE（计算机辅助工程）等工业设计软件融合，连接云计算数据库，更好地调用已有的设计模块，有效提升研发效率和开发精度。
例如 Cadence 公司推出了新一代系统芯片设计技术（Allegro X AI technology），研发人员运用其生成式 AI 功能可简化系统设计流程，将 PCB（印刷电路板）设计周转时间缩短至原来的十分之一。在工业生产制造环节，ChatGPT 可以帮助机器像人类一样交流，并执行大量任务。西门子将 ChatGPT 技术与现有的自然语言技术相结合，有效实现了操作者与系统自然语言的交互；BMW 依靠英伟达 Omniverse 平台，以虚拟方式优化生产线、机器人和物流系统的布局，加强全球工厂联系，提升服务效率。国内，创新奇智发布了奇智孔明 AIGC 引擎，该产品将提升工业生产制造环节的生产效率，降低生产成本。
如今，智能制造已不仅限于生产过程或单体智能，而扩展到了产业价值链的各个环节，跨领域技术的深度融合和创新也变得更为重要。智能制造推动着企业创新发展，改变了传统的生产方式，促成了新的产业形态和商业模式的形成。信息化与工业化的深度融合不仅提升了智能制造企业自身的创新发展能力，还破除了区域间、行业间制造业发展不平衡的现状。
智能制造通过新一代信息技术、自动化技术、工业软件及现代管理思想在制造企业全领域、全流程的系统应用而产生。其应用使制造业企业实现了生产、管理、服务和产品智能化，促进了企业的创新发展。
本文摘编自中国高科技产业化研究会发布的《2023-2024年度中国智能制造产业发展报告》。
在此声明以上观点和内容，仅代表原作者和出处，与数治网DTZed 无关，如有出错或侵害到相关合法权益，请通过电邮与我们联系：cs@dtzed.com。
在文末扫码关注官方微信公众号“idtzed”，发送“入”直通相关数治x行业共建群、AIGC+X 成长营，@老邪 每周免费领取法规、标准、图谱等工具包。
欢迎先注册，登录后即可下载检索智能制造等相关标准、白皮书及报告。更多高质量纯净资料下载，在文末扫码关注官方微信公众号“idtzed”，进入公众号菜单“治库”。
