走向新工业革命的智能制造

姚锡凡,景 轩,张剑铭,刘 敏,周佳军,2+

(1.华南理工大学 机械与汽车工程学院，广东 广州 510640；2.华中科技大学 机械科学与工程学院，湖北 武汉 430074)

0 引言

物联网、云计算、信息物理系统、大数据、深度学习等新一代信息通信技术(Information and Communication Technology, ICT)/人工智能(Artificial Intelligence, AI)技术的出现和发展，推动着新一轮产业革命来临。制造业是工业的基石，是国民经济的支柱产业。毫无疑问，新工业革命必将对生产模式产生颠覆性影响，必然导致新型制造模式的诞生。德国提出以信息物理系统(Cyber Physical Systems, CPS)为主要特征的工业4.0[1]，美国则提出工业互联网[2]。其实，不管是CPS还是工业互联网都致力于物理世界与信息世界的融合，因而工业4.0与工业互联网是异曲同工的，同时由于两者均诞生于制造业强国，在全球引起了极大的反响和认同。同时，还有从其他不同视角提出的新工业革命称谓[3]。我国先后发布了以智能制造为主攻方向的《中国制造2025》和以“两化”深度融合为主线的《关于深化“互联网+先进制造业”发展工业互联网的指导意见》以及《新一代人工智能发展规划》等一系列战略国策，以促进我国制造业的转型升级和人工智能发展。

目前，“互联网+”和“人工智能+”已成为制造业转型升级的主攻方向，实际上，前者与制造的深度融合就形成所谓的网络化制造，而后者与制造的深度融合则形成智能制造[4]。但是，不管此时的网络化制造还是智能制造，都与各自的前身有根本性的不同。比如，诞生于上世纪80年代的智能制造，当时英文用Intelligent Manufacturing(IM)描述，进入21世纪之后，随着物联网、CPS、大数据等“smart”技术的出现和发展，诞生了名为智能制造或智慧制造(Smart Manufacturing，SM)的新一代智能制造[5]。

因此，本文将对新工业革命与智能制造之间的关系，现有的制造模式如何走向新工业革命下的智能制造，我们所熟知的计算机集成制造如何与网络化制造和智能制造关联等问题展开探讨研究。

1 工业革命与制造模式的演化

尽管新工业革命已成为各国讨论和关注的热点，但由于学者的背景和视角不同，对历史上出现多少次工业革命众说纷纭[3,6]。虽然如此，人们普遍认可(第一次)工业革命起源于18世纪的蒸汽机技术，也普遍认可正在或即将发生新一轮的工业革命，同时对未来工业生产走向个性化制造也有比较统一的认识，但是对历史上工业革命次数以及将要发生什么样内涵的工业革命却有不同看法，工业革命与制造模式的演化如图1所示。

图1a归纳了几种典型的新工业革命提法，从发生频次来看，由最高的5次到最低的2次，甚至有人认为3D打印(增材制造)就将引起新一轮的工业革命[7]，取代以往工业革命所依赖的减材制造方式。Brynjolfsson等[8]认为目前所进行的产业革命是第二次机器革命——以增强人类思维能力为特征(暂且称智力革命)，强调生产的智能化，与以往致力于克服肌肉力量限制的工业革命(体力革命)形成了鲜明对照。而认为新一轮工业革命属于第三次的学者最多，其中通用公司(GE)[2]认为新一轮工业革命是第三次，即“工业互联网(第三次工业浪潮)=工业革命(第一次工业浪潮)+互联网革命(第二次工业浪潮)”，强调网络化和虚实结合的大数据智能制造；美国的Anderson[9]认为新材料和3D打印技术等数字化制造、创客运动和个性化定制等技术融合引起了新一轮工业革命，此前发生了以蒸汽机发明为代表的机械化生产的第一次革命和以“福特制”为代表的流水线生产的第二次工业革命；英国的Rifkin[10]从能源动力的视角出发，认为新工业革命是由互联网和可再生能源结合引起的，强调的是能源网络化和生产绿色化，此前已发生的两次工业革命分别是由印刷术和煤炭蒸汽机结合、电讯与燃油内燃机的结合而引起的。

德国将新工业革命称为工业4.0[11]，即基于CPS的第四次工业革命，强调工业的智能化，而前三次分别是工业1.0的蒸汽机械化、工业2.0的电气化和工业3.0的自动化。而英国的Marsh[12]认为历史上发生了5次工业革命，分别是少量定制、少量标准化生产、大批量标准化生产和大规模定制，目前正处在个性化定制阶段。而3D打印则是实现个性化定制的新兴技术，实现了制造方式从减材到增材的颠覆性转变，大幅缩减了产品开发周期与成本，也将推动材料革命，具有重大的应用潜能。在某种程度上，3D打印可以看作是以CPS的方式复兴和拓展了手工作坊生产[6]，但又不同以往个人单打独斗的手工作坊，它是一种实现个性化生产的新型制造模式，并与互联网社会化技术融合形成所谓的社会制造，强调用户参与到产品设计与制造中来。

Koren[13]以美国汽车制造业为例,认为制造(生产)模式经历了三次重大转变:①大规模生产替代手工生产;②大规模定制生产替代大规模生产;③个性化生产替代大规模定制,如图1b所示。这与Marsh提出的5种生产方式中的后3种一致。

这些研究从不同视角揭示了新一轮工业革命即将来临，也描绘了制造业的未来走向。总结起来，这些不同称谓的新工业革命主要特征包括数字化、智能化、网络化、定制化、个性化、绿色化和社会化，而不同新工业革命称谓，只是强调某个或某些特征罢了。实际上，新一轮工业革命是新能源、新材料、先进制造、工业机器人、新一代ICT/AI等众多技术协同创新和突破性发展的结果，任何一项单一的技术都不足以引发新一轮的工业革命，判断工业革命诞生依据主要看是否有新科技群效应及是否带来人类生产方式和生活方式的重大变革[3]。

在新工业革命愿景下，智能机器(系统)将替代人类绝大多数体力劳动和相当部分的脑力劳动，使人类得以更多时间从事创造性工作，同时也减少资源与能源的消耗和浪费，使制造业朝可持续的方向发展。由于工业4.0理念是由德国政府倡导提出的，并获得了世界的广泛关注和认可，特别是其基础技术CPS融合了众多信息技术，而其他称谓的新工业革命所依托的基础技术，或多或少都与CPS相关，甚至可归纳到CPS之下，且CPS本身是一种智能系统[14]，它与制造技术的深度融合就形成所谓智能制造(SM)[15]，因此工业4.0被认为是以智能制造为主导生产方式的革命。

从历史上看，在(第一次)工业革命之前，我国GDP曾占世界的三分之一，但在18世纪后期，英国诞生了由蒸汽机引起的第一次工业革命后，人类从农业社会进入工业社会，制造业从手工作坊生产逐步走向大规模生产，使欧洲GDP曾占世界的40%。20世纪初，诞生于美国的第二次工业革命，特别是福特发明的流水线，使汽车大规模生产水平达到了高峰，其GDP约占世界35%。尽管以计算机和互联网为代表的第三次工业革命仍诞生于美国，但此时美国GDP占世界比重有所下降，特别是受到日本丰田发明的精益生产的挑战(此时日本GDP占世界的20%多)，引发了美国对传统大批量生产方式的思考，并由此引起其对制造业的再度重视，美国大力发展敏捷制造、3D打印等新先进制造业，重新夺回了制造业的世界领先地位。然而，随着经济全球化和制造业向发展中国家转移，2010年后中国制造业GDP超过了美国，但在整体GDP上与美国相比仍有很大差距，在制造业的国际分工中，我国处于“微笑曲线”的底部，是“世界工厂”，产品设计与科技创新中心仍在美国，如图2a所示。

从图2b可以看出，大规模个性化生产是未来制造业发展的必然趋势，因此新一轮工业革命(特别是工业4.0)将更加关注个性化产品的智能化生产，像3D打印这样的新型制造技术由于在单件小批量生产中具有优势而获得了广泛应用。但制造业不是如图1b那样简单地从大规模生产转向大规模定制，再转向大规模个性化生产，因为即使个性化产品也包含通用的模块、定制的模块以及个性化的模块[16]，由于各国或地区生产力发展水平不均衡，人们对产品需求的层次也有所不同[17]。产品究竟采用何种生产方式生产，由各国企业技术水平和市场需要决定，如在1955年美国汽车生产达到大规模生产的高峰[13]，而当时我国汽车生产正处于起步阶段；再如螺丝螺母和轴承等社会需求量非常大的标准件，无疑最适合采用大规模生产方式来制造。

新一轮工业革命是以往工业革命的延续和发展，其产品生产模式也是如此。因此，在未来可预见的时间里，大规模生产、大规模定制和大规模个性化生产将并存，三者组成如图3所示的优势互补的长尾制造[6]，其中大规模生产主要关注“头部”的大批量标准化生产；而大规模定制和个性化生产组成所谓“长尾”，却关注“尾部”的小批量或单件产品生产，并随着新工业革命的纵横深入，在客户的需求多样化背景下,所占市场份额将越来越大。大规模定制是连接大规模生产和个性化生产的桥梁，本质上是由推式的大规模生产和拉式的定制化生产相结合形成的一种推拉式生产模式[17]。

目前以工业4.0为代表的新一轮工业革命为我国制造业发展带来了新机遇。此前，我国错失了前三次工业革命，能否抓住工业4.0的机遇，对我国未来制造业的发展具有决定性作用。但是，与从3.0直接迈向4.0的工业化发达国家不同，对尚处于工业发展中的我国而言，既要追赶工业4.0，又要补工业2.0/3.0的课，即需要兼顾大规模生产、大规模定制和大规模个性化生产，以满足社会对产品的多样化需求，因此，长尾生产的智能化研究对我国制造业发展具有特别重要的意义。

2 新工业革命下的智能制造

2.1 智能制造演进

人工智能发展可分为以符号智能(逻辑推理/符号主义)为主的第一代人工智能(AI1.0)和以计算智能(机器学习/连接主义)为主的新一代人工智能(AI2.0)，当然，这仅仅是从技术突破角度上作的粗略分类。

智能制造(IM)是在上世纪80年代末随着AI研究及应用深入而提出来的，诞生于工业3.0时期，此时制造业已开始进入大规模定制生产(对标工业化发达国家，世界上不同国家进入大规模定制生产时代是不同的)。对于大规模定制这样高度抽象的生产模式，其具体实现有多种技术或方法，当时主要使能技术为计算机及PLC(programmable logic controller)技术，但当时主流制造模式并不是智能制造，而是在20世纪70年代随计算机(局域)网络而出现的计算机集成制造(Computer Integrated Manufacturing, CIM)和精益生产,以及90年代基于IP/TCP的互联网兴起而诞生的以敏捷制造和虚拟企业等为代表的网络化制造模式。

智能制造随着AI发展而不断演化(如图4)，特别是最初由日本于1989年提出、后来多个国家加入的智能制造系统(IMS)国际合作研究项目[18]，使IM得到快速发展。此外，模糊逻辑(Fuzzy Logic, FL)、神经网络(Neural Network, NN)、遗传算法(Genetic Algorithm, GA)等计算智能在80年代兴起，以及以多智能体为代表的分布式人工智能在90年代的兴起，都在某种程度上促进了IM发展[5]。但当时智能制造(IM1.0)主要借助符号推理或专家系统等第一代AI(AI1.0)技术加以实现，而专家系统(符号推理)存在对领域专家的依赖性、知识获取的困难以及解决问题的灵活性等问题。因此，当时IM应用于制造中的某些局部环节，以“智能孤岛”形式存在，对彼时处于支配地位的CIM/网络化制造仅起到了辅助作用[4]。

进入21世纪后，得益于计算能力的提高、大数据的兴起以及深度学习算法突破，AI进入了以计算智能为主的新阶段(AI2.0)。伴随着以物联网、云计算等为代表的新一代ICT的出现和发展，先后出现了制造物联、云制造等新一代网络化制造模式[19]，而随着以大数据和深度学习为代表的新一代ICT/AI技术的应用，形成了大数据驱动的新一代智能制造模式(SM或IM2.0)，也孕育着以智能制造为特征的新一轮工业革命(工业4.0)。实际上，新一代网络化制造与新一代智能制造相伴而生，彼此交互融合，此时网络化制造也变为智能化制造，制造物联(网)就是如此演化的例子[20]。因此，新一代智能制造，将以(工业)互联网为基础设施(如图4右下角)，不仅实现了广泛的互联互通——贯穿于设计、生产、管理、服务等制造活动的各个环节，而且还由工业3.0下的配角跃升为工业4.0生产的主角。

新一代智能制造，通过物联网、务联网、内容知识网、人际网与先进制造技术深度结合，形成信息物理生产系统乃至社会信息物理生产系统[21]，与传统符号系统的推理与知识表示不同，机器学习(计算智能)是由数据驱动的，通过学习建模，再进行预测和动作；而基于知识的系统或专家系统本质上是一个具有大量专门知识和经验的计算机程序系统，该系统内置有知识库和推理机，其中知识库中存放了求解问题所需要的知识，推理机负责使用知识库中的知识去解决实际问题，例如产生式专家系统采用If…then…else…规则实现，这种基于有限的预定规则范式无法处理未曾预先定义的问题，只是机械地执行程序指令完成既定设计，因此其应用极其有限。

制造系统集成演化，从集成方式来看，从工业3.0下的计算机集成演化为工业4.0下人机物的协同集成，以及从企业局部集成演化为企业的纵向集成、横向集成和端到端的集成；从智能集成来看，从符号智能演化为感知智能和认知智能的融合；从系统结构上来看，从以结构化数据为主的集中式控制演化为以非结构化数据为主的分布式控制。

2.2 新工业革命与新一代智能制造

工业4.0是德国于2013年正式提出的以智能工厂(智能制造)为主要特征的新一轮工业革命，但此前，欧盟、美国和中国就已经开展了智能工厂相关研究[22]。德国于2005年6月基于物联网启动了SmartFactoryKL项目[23]；美国作为物联网和CPS起源国，先后开展了相关研究，如2008年IBM提出了“智慧地球”的概念、2011年成立了智能制造领导联盟[24]、2012年通用公司提出了工业互联网概念[2]；我国早期着重于射频识别(Radio Frequency IDentification, RFID)技术在制造中的应用，后来则着重于物联网与制造融合而成的制造物联(Internet of Manufacturing Things, IoMT)研究[20,24]。由此可见，工业4.0最初是由物联网(Internet of Things, IoT)在制造业中的应用而引起的，随后务联网(Internet of Services, IoS)、智能工厂(Smart Factory, SF)和CPS也成为其组成部分[25]。如图5所示，SF是工业4.0的重要组成部分，也是外延更广的智能制造(SM)的组成部分；CPS可看作是一种由物联网(IoT)和务联网(IoS)融合而成的系统[21]。因此，SM是一种基于CPS的制造模式，而工业4.0的主导生产方式是智能制造(智能工厂)。

波士顿咨询公司则认为工业4.0包含大数据与分析、自主机器人、模拟仿真、水平与垂直的系统集成、工业物联网、网络信息安全、云计算、增材制造、增强现实(Augmented Reality, AR)9大支撑技术[26]。然而，这些技术绝大部分可以归类到图5所示的工业4.0四大要素之中。

事实上，新一轮产业(工业)革命的蓬勃发展立足于现代科学技术的突破：计算机硬件水平的提升，促进了机器智能的发展，开启了机器学习、人工智能的新篇章；计算机软件水平的提升，使计算资源在时空分布上得以优化，使其配置更加灵活、可控，推动了云计算、雾计算、边缘计算的发展；5G网络、无线传感网络、物联网等ICT技术的发展，使信息的传播具备大吞吐量、广泛性和实时性，大数据智能也得以飞跃式发展；增材制造和智能装备等工业技术的突破革新也是工业4.0至关重要的环节。大数据与人工智能相结合赋予机器强大的计算能力、推理能力、学习能力乃至创新能力；优化的计算资源配置有助于制造系统的分布式融合发展；ICT与虚拟仿真技术相结合促进了信息物理的融合，为智能制造的落地提供了更多可能。

智能制造作为新一轮产业革命的主导生产模式，是一个涉及多个学科的复杂系统工程，需要用标准化手段来统一认识和引领发展。德国率先提出工业4.0的概念，并将其作为智能制造来研究，在2014年4月发布了德国工业4.0标准化的路线图1.0版，规划了工业4.0所需要的工业自动化技术和IT技术的标准化工作，并于2015年从层次结构、类别(功能)和生命周期&价值链3个维度构建了工业4.0参考体系架构模型(Reference Architecture Model Industrie 4.0，RAMI4.0)[27]，其中层次结构维度是在IEC 62264企业系统层级架构的标准基础之上，补充了产品/工件的内容，并由个体工厂拓展至“连接世界”；功能维度包括信息物理系统的核心功能，分为资产、集成、通信、信息、功能、业务6个层次；第3个维度从以产品全生命周期视角出发，描述了以零部件、机器和工厂为典型代表的工业要素从虚拟原型到实物的全过程。美国国家标准技术研究所(National Institute of Standards and Technology, NIST)从产品、生产系统、业务3个维度以及制造金字塔构建智能制造的生态系统[28]，获得了意义更加明确的参考体系架构[29]；而工业互联网联盟(Industrial Internet Consortium, IIC)基于ISO/IEC/IEEE42010:2011标准，于2015年发布了跨行业的工业互联网参考体系架构(Industrial Internet Reference Architecture, IIRA)[30]。在我国，工信部和国家标准化管理委员会于2015年12月联合发布了《国家智能制造标准体系建设指南(2015年版)》，从系统层级、智能特征和生命周期3个维度构建智能制造系统架构，2018年再次更新这个架构[31]；而工业互联网产业联盟先后发布了2个版本的《工业互联网标准体系》，构建包括网络、平台、安全3大功能的工业互联网体系架构[32]。日本价值链促进会于2016年12月参照德国RAMI 4.0发布了工业价值链参考架构(Industrial Value Chain Reference Architecture, IVRA)，然后于2018年4月将IVRA更新为“IVRA-Next”[33]，从资产、活动、管理的角度对智能制造单元(Smart Manufacturing Unit, SMU)进行详细的定义。

尽管上述4个国家的智能制造/工业互联网参考架构的出发点、思考问题的角度和所关注的应用领域各有差异(如图6)，但它们都包含制造智能化的核心理念和技术基础，并指导标准体系建设工作。实际上，德中美三国在各自提出的智能制造参考架构中，分别罗列出已有标准，同时指出现有标准的不足和新需求。德国将RAMI4.0发布为本国的工业标准DIN SPEC91345，并于2017年春季发布为国际标准IEC PAS 63088，确认了该框架下现有标准多达700项，并指出标准的新需求和未来的行动计划[27]。上述研究表明，现有的制造标准不足以支撑智能制造的实现，特别是缺少网络信息安全、基于云的制造服务、供应链集成和数据分析方面的标准[28]，也缺乏成体系的标准化框架[34]，而面向服务仍是需要解决的主题[35]。对此，NIST提出了面向服务的智能制造架构，利用制造服务总线连接制造系统内外的各种服务领域，包括操作技术(Operational Technology, OT)、信息技术(Information Technology, IT)、虚拟化和管理等[36]，而IBM提出了包括边缘层、工厂层和企业层的工业4.0参考架构[37]。

随着新一轮科技与产业革命的不断深入发展，制造业正在经历巨大变革，社会信息物理生产系统[38]和包容性制造[39]应运而生；而日本则在更宽泛的意义上提出了一种虚拟空间与现实空间高度融合的社会形态——社会5.0，它将狩猎社会视为起点，认为经历农耕社会、工业社会、信息社会的进化之后，将进入如图7所示的第5阶段的超智能社会[40]。

不管是工业4.0/智能制造、工业互联网还是社会5.0，它们共同特征在于实现虚拟空间与现实空间高度融合，它们之间的关系如图8所示。从外延来看，社会5.0>工业互联网IIRA>工业4.0=智能制造(SM)。德国工业4.0深度聚焦于制造过程和价值链的生命周期。美国工业互联网注重跨行业的通用性和互操作性，应用行业领域比工业4.0宽、但比社会5.0窄。日本社会5.0着眼于社会构成和人类服务，涉及社会的各行各业，不仅将制造、能源、交通、服务等原先各自独立的系统组织起来，还将诸如人事、会计、法务的组织管理功能以及提供创意等人类工作价值组织起来，进而达到细分社会的各种需求，将必要的物品和服务在必要时以必要的程度提供给需要的人，使所有人都能享受优质服务，建立超越年龄、性别、地区、语言差异，快乐舒适生活的社会。

图8只是笼统地显示这些概念之间的关系，实际上它们之间存在更详细的对应关系。美国IIC与德国工业4.0平台工作组共同发布了一份关于IIRA与RAMI4.0对接分析的白皮书，指出IIRA与RAMI4.0在概念、方法和模型等方面有不少相互对应和相似之处，而差异之处则具有很强的互补性。此外，我国智能制造体系架构和日本IVRA与RAMI4.0也有对应关系，彼此之间也开展合作研究。如果说以往互联网解决的是人类社会社交与消费的问题(也即消费互联网问题)，那么互联网向实体经济应用演进升级而成的工业互联网(又称为产业互联网)，则是在全面互联的基础上，通过数据流动和分析，形成智能化产业变革。工业互联网又称为工业物联网(Industrial Internet of Things, IIoT)[41]，这从IIC报告得到印证[30]。工业互联网与国内提出的“互联网+”理念相吻合，在工业领域就有“互联网(物联网)+工业”，而具体到制造业就有“物联网+制造”(制造物联网)[20]。从这个意义来说，则有“工业4.0=智能制造=制造物联网”。此外，日本经济产业省提出“互联工业(Connected Industries)”[42]相类似的概念。

物联网在新一轮工业革命中扮演着重要角色，被当作CPS的同义词使用[43]，甚至被认为引起新一轮经济革命[44]。从实现视角来看，工业物联网参考架构有3种主要模式[30]：①由边缘层、平台层和企业层构成的3层架构模式；②网关介导的边缘连接和管理架构模式；③分层的数据总线模式。

3 新一代智能制造发展趋势

如前所述，新工业革命下的智能制造是众多技术融合发展的结果，并且还处于不断发展演化之中。归结起来，新一代智能制造(SM)最明显的两个发展趋势是：①从百花齐放的各种新兴智能制造模式演化为融合统一的智慧制造或社会信息物理生产系统；②从集中演化为分布、从被动演化为主动。

3.1 从百花齐放走向统一融合

当初，物联网(IoT)与制造技术融合形成了所谓智能工厂(SF)[23]或制造物联[24]，而将云计算(广义上的务联网(IoS))与制造技术融合称为云制造[45]。由于CPS的内涵和外延比IoT和IoS广泛得多，特别是随着基于CPS的工业4.0理念被世界各国普遍接受，人们往往将新兴的智能制造模式都归结到工业4.0下基于CPS的智能制造(SM)[1,21,46]旗下。而基于CPS的智能制造又称为信息物理生产系统(Cyber-Physical Production System，CPPS)[47]，或称为工业信息物理系统(Industrial Cyber-Physical System，ICPS)[48]。

随着IoT/IoS/CPS的发展，诞生了工业大数据或制造业大数据的概念，同时催生了诸如预测制造[49]和主动制造[50]那样的大数据驱动智能制造。实际上，大数据诞生于Web2.0的互联网时代，最初主要由人与人交互(人联网/人际网/移动互联网)引起，同时人际网(人联网/社交网络)与3D打印等技术的融合，诞生了社会制造[51]。无疑，随着新一代ICT/AI的进一步发展，以及其与制造技术的深度融合，还会涌现出其他超出CPPS范畴的新一代智能制造模式，因此需要研究包括社会系统(社会制造)在内的更广泛的制造模式[5,21]。

研究表明，虽然这些从不同视角提出来的新兴制造模式具有不同的产生背景和侧重点，但它们向融合发展已成为一种趋势[19]。智慧制造(Wisdom Manufacturing/Wise Manufacturing, WM)正是将互联网的4大支持技术——人际网或人联网(Internet of People, IoP)、内容知识网(Internet of Content/Knowledge, IoCK)、务联网(IoS)和物联网(IoT)与制造技术深度融合而提出的一种人机物协同制造模式[52](如图9)。若用M表示制造(Manufacturing)，用I表示(未来)互联网(Internet)，则I={IoP,IoCK,IoS,IoT}、WM=I∩M={IoP∩M,IoCK∩M,IoS∩M,IoT∩M}。

综上所述，新一代智能制造已从最初着重于物理系统的感知与集成(如制造物联)，进一步与信息系统融合，形成CPPS；再进一步与社会系统融合，形成社会信息物理生产系统(Social CPPS, SCPPS)[38]——智慧制造(WM)[53]，延伸和拓展了工业4.0下的CPPS理念。由此可见，现有新兴智能制造模式可以统一于智慧制造/SCPPS架构之下[5]，如图10所示。

物联网和务联网在工业4.0中支撑CPS(如图5)，类似地在智慧制造中支撑CPPS(CPS+制造)，进一步与人际网(IoP)结合，进而支撑SCPPS；而内容知识网(IoCK)，包括数据—信息—知识—智慧(Data-Information-Knowledge-Wisdom，DIKW)，起到桥接其他三大支柱技术的作用。在AI以“数据为王”的今天，从某种意义上来说，IoCK就是大数据，但又不限于此，还包括语义Web和知识图谱等。IoCK与制造技术的融合，就形成包括IM、大数据驱动的智能制造、基于语义Web的智能制造等制造模式[54]。

在实际生产中，企业要严格按照产品生产工艺流程才能制造出所需产品。具体而言，前述的“四网”要与智能工厂相互协调才能实现工业4.0的理念，因此根据制造系统的输入输出以及各个要素之间关系，得到融合于一体的社会信息物理生产系统(如图11)[21]：

(Input,Relation,SCPS,IoP,IoS,

IoT,IoCK,Factory,Output)。

式中：Input表示输入元素集,包括客户要求、数据、材料、能源、资本和劳动力等；IoS表示务联网，包括云计算和面向服务架构(Service-Oriented Architecture，SOA)等；IoT表示物联网；SCPS表示桥接制造中的社会世界、信息世界与物理世界；Relation表示系统组件之间的相互作用以及IoT、IoS、IoCK、IoP和SCPS之间的联接和协作；Factory(工厂)根据生产过程中的Relation(关系),在IoT、IoS、IoCK、IoP和SCPS的支持下将原材料转化为产品来满足客户的需求；Output表示系统的输出元素集,包括产品和/或服务以及解决方案等。

从层次构架来看，WM从下至上包括了组织符号学的物理层、经验层、语法层、语义层、语用层和社会层[55]，分别对应于大数据驱动的主动制造的资源层、感知层、数据层、预测层、决策层和应用层[50]；从系统构成来看，WM又包括社会系统、信息系统和物理系统3个子系统[53]，相应地诞生了社会制造[51]、赛博制造(Cyber manufacturing)[56]和物联制造(又称为制造物联)[24]，并可通过大数据和区块链将3个子系统链接起来，如图12所示。从DIKW金字塔模型来看，WM达到DIKW模型的最高层次——智慧层次，并随着大数据与深度学习为代表的新一代AI的兴起，更加强调大数据智能所起的作用[5]。由于新一代智能制造具备学习和认知的能力，具备了生成知识和更好地运用知识的能力，因此制造系统变得越来越智能化，人的智慧与机器智能相互启发性地增长，也使制造业的知识型工作向自主智能化的方向发生转变[57]。

从交互的角度来看，若人机交互越自然、机器与环境的交互越自主，则系统智能化程度越高。随着联接与感知能力的突飞猛进，人机物将在数据构筑的虚拟信息空间中进行交互，随着手机和穿戴设备等的普及，特别是AR为人类感知添加了新维度，突破了物理世界的局限，同时人—人、机—机、物—物、人—机—物能够相互进行通信，感知设备和环境的变化，具有自适应性和自主智能的机器与人合作，协同完成复杂制造任务，进而通过IoT、IoS、IoCK、IoP连接成庞大的社会信息物理生产系统。

3.2 从集中走向分布、从被动走向主动

SM早期研究将物理节点感知的数据传送到云中心进行处理，虽然云计算中心较好地实现了大批量(历史)数据处理以及资源共享与优化配置，但将导致数据中心节点负载大、传输带宽负载量重、网络延迟明显、生产实时性难以保证以及安全和隐私等问题[58-59]，同时也使网络边缘物理设备(节点)缺少自主能力。在新一轮工业革命背景下，随着制造物联终端与连接规模的快速扩展，传统集中式信息处理与管理的模式难以适用，将逐步演进为集中式管理与分布式自治相结合的模式[60]，而应运而生的雾计算[61]或边缘计算[62](由于边缘计算和雾计算概念具有很大的相似性，这里不对两者加以区别使用)，使边缘设备成为数据消费者和生产者[63]。

据国际数据公司预测，到2020年企业在边缘基础设施上的投入将占物联网基础设施总费用的18%，近50%新建的物联网应用将在具有综合分析能力的物联网平台实施[64]。边缘(雾)计算与云计算的有机结合，为新工业革命时代的智能制造提供更完美的数据处理平台[60]。云计算负责非实时、长周期数据的大数据分析，能够在预测性维护、业务决策等领域发挥特长；边缘计算聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行，以分布式信息处理的方式实现物端的智能和自治，并为云端提供必要的边缘设备数据，而云计算通过大数据分析输出业务规则或优化结果，将其下发到边缘处，实现系统整体的智能化。如，在图12所示的底部物联制造中，位于虚拟空间的“集中式”任务调度系统，完成自动导引车(Automatic Guided Vehicle, AGV)与机器的作业调度和协调，而分散位于物理空间的AGV，通过雾(边缘)计算以分布式信息处理的方式实现雾端(物端)的智能和自治。

这种云雾结合的SCPPS，与传统CIM采用事后或反应性调度策略不同，它采用事前的主动性调度策略，如在质量问题/故障问题/交货期延误发生之前，就采取行动以防这些问题发生。这种主动性实质上是利用无所不在的感知收集各种相关数据，并通过对所收集的大数据进行深度分析，挖掘出有价值的信息、知识或事件，自动反馈给业务决策者，并根据系统健康状态、当前和过去信息，对外部环境及情形作出判断或预测，主动配置和优化制造资源[50]。

云雾协同虽然可有效应对智能制造中海量的大数据，但如何保障生产设备与数据的安全仍然是必须面对和急需解决的问题，而强调去中心化的区块链[65]所特有的数据加密保护和验证机制为解决该问题提供了一种手段，同时也有利于知识产权(如3D模型)保护[66]。边缘(雾)计算与区块链融合，将为业务实时、业务智能、数据聚合与互操作、安全与隐私保护等关键技术问题提供支持[60]。因此，区块链被产业界视为引发第四次产业革命的核心要素之一[67]。

在虚拟化/服务化和数字孪生[68]支持下，最终可建立物理世界和社会世界的数字镜像映射，并将感知、分析判断、预测、决策能力纳入其中，完成整个生产过程智能化。此时，人类生产实验可以在虚拟空间突破时空限制，快速遍历各种模拟与仿真，无需再在物理世界进行实验，即使不得已要进行，也能做到一次成功。

4 走向现实的长尾智能制造

如上所述，新工业革命时代仍会存在大规模生产、大规模定制和个性化生产3种基本生产方式(长尾制造)，因此随着以“人工智能+”为主要特征的新工业革命到来，长尾制造必然走向智能化。新工业革命的目的不是消灭大规模生产，而是比以往任何时候都能更好地满足社会对多层次多样化产品的需求。比如，对于女装生产，成衣批量生产企业主要制作位于图13的bc段人群集中的衣服(实际分为150/XXS、155/XS、160/S、165/M、170/L、175/XL、180/XXL尺码系列生产)，而位于两侧的“长尾”(ab和cd)部分，以往主要采用手工制作(价格通常较高)，目前已可在互联网上定购制作(比直接购成衣价格稍高，等候时间也更长)。展望未来，随着人类生产水平的提高，以及对个性化成衣的追求，部分人即使能买到合身的大众化成衣，也会转向网上订购加工所需衣服，使得成衣需求曲线扁平化(如图13中的虚线所示)，但仍然存在成衣大批量生产方式，更不用说布料的大批量生产了。又如，当今主流的智能手机仍采用大批量生产为主(有限的若干个产品类型供选择)，其个性化定制主要体现于服务方面，用户可设定自己喜欢的界面和下载所需的APP软件等。由此可见，究竟采用哪种生产方式来制造产品，是由市场决定的。“智能化”不是目的，业务发展、提质增效、节能降耗才是促使更多企业最终选择智能制造之路的根本原因。

因此，在未来的工业生产中，任意数量(低至1件)产品都可以以合理的价格生产出来，大规模生产可为大众提供低成本的产品和服务，大规模定制为少数人或某群体提供定制化的产品和服务，而个性化生产为单个客户提供个性化需求的产品和服务。对于一个具体的产品生产，首先通过市场调研和需求，根据产品类型、产量大小、质量要求、投资收益等进行多方面权衡，通过综合评估来确定最合适的生产方式。但不管是大规模生产、还是大规模定制和个性化生产，在新一代ICT/AI融合作用下都变得智能化。

AI可帮助企业优化业务流程，实现客户体验个性化，增强预测和决策能力，进而改变企业的运营模式。未来无所不在的AI将贯穿整个产品价值链(如图14)，在产品的研发阶段，AI可辅助企业实时预测需求、优化研发，并塑造面向未来的成功产品；在生产与装配阶段，AI可使企业以较低的成本和更高的质量生产商品和服务，同时减少维护和维修；在销售与服务阶段，AI帮助企业以合适的价格、正确的信息和准确的目标客户来促销产品，同时可提供丰富、个性化和方便的用户体验[69]。因此，AI对“尾部生产”(大规模定制和个性化生产)影响巨大，特别是对个性化生产的整个价值链产生变革性影响，虽然对“头部”的大规模生产影响更小，但在万物互联时代，仍可通过大数据智能技术持续减少和消除各种等待和浪费，通过识别质量问题的根源，进而帮助消除缺陷[70]，同时通过智能电网使能源利用效率得到极大提升，形成以精益智能制造为代表的工业4.0下的大批量生产。精益工业4.0概念的诞生便是工业4.0下大批量生产智能化的最好例证，它通过精益管理和工业4.0融合而成[70]。

不管哪种生产方式都是按客户和市场需求来生产,通常是在客户订单分离点(Customer Order Decoupling Point, CODP)上游采用大批量生产通用、模块化的零部件,在CODP下游根据客户订单形成定制化的最终产品。从图14来看，大规模生产只有从销售活动开始才是由客户订单驱动的,即使如此，在信息化高度发展的今天，也可利用物联网、大数据和AI来洞悉用户需求的变化，为客户提供更好的售后服务，大规模生产的智能手机便是最好的例证。当然，个性化定制必能更好地满足个性化需求，且用户在产品设计时就参与到其中。现有大规模定制主要是在产品装配时，根据用户选定的模块进行组装，如用客户定制一台计算机，商家根据其选定的屏幕尺寸、内存、CPU等进行组装后交付给客户。

新一代AI呈现出大数据深度学习、跨界协同、人机物融合、群体智能等新特征，并拥有强大的数据收集能力、智能视觉能力、自然语言处理能力，将大幅提升企业效率和决策水平，不仅能为工厂内部的生产以及维护、质量与物流等提供支持，还能为产品设计开发和供应链管理等提供支持，在企业运营中具体应用包括[71]：

(1)机器视觉 通过视觉、X射线或激光信号感知生产环境，比如用摄像头对零件和产品进行分类。

(2)语音识别 处理语音听觉信号，比方用虚拟语音助手处理操作员有关质量问题的评论。

(3)自然语言处理 分析文本和解释语义，比如从报告生成摘要。

(4)信息处理 从非结构化文本中析取知识并获取查询答案，如通过搜索产品相关的文字报告。

(5)数据学习 预测或者分类，如利用机器和流程产生的历史数据来预测事件。

(6)规划与探索 轨迹规划，选择一系列的行动让特定目标最大化，如让AGV识别最佳的下一步。

(7)语音生成 通过文字或声音语言与人类交流沟通，如朗读指令。

(8)处理与控制 操纵物体，如让不需要特殊培训的机器人从储存箱中捡起未分类的零件。

(9)导航与运动 在受限的物理空间移动，如让AGV在工厂内自主移动并优化路线。

5 智能制造展望

纵观历史，现代集成制造就是在ICT/AI技术推动下不断向前发展的。如果说个人计算机(Personal Computer, PC)的出现标志着工业3.0的开始，那么物联网与务联网(云计算)的融合就代表着工业4.0的开始。在PC时代，“计算机+制造”诞生了各种各样的计算机辅助技术CAX(CAD/CAM/CAE/CAPP)，随着计算机局域网的出现，产生了将各种“数字化/信息化孤岛”集成的CIM。在20世纪90年代，随互联网的出现诞生了以敏捷制造和虚拟制造等为代表的网络化制造，即诞生了“互联网+制造”[72]；随着制造业信息化从“互联网+”转向“人工智能+”，制造业也开始拥抱“人工智能+”[4]。图15显示了如何从工业3.0演进到工业4.0，以及制造业如何从“计算机+”演进到“互联网+”，再到“人工智能+”。

像其他技术的成长轨迹一样，“人工智能+制造”虽然还处于早期阶段，但将伴随新工业革命的发展而继续向前演进。在新一代智能制造中，大数据是其基础，通过数据驱动实现制造智能化是必经之路[4,73-74]。对于数据驱动的制造数字化/信息化/自动化/智能化，可追溯到上世纪先后出现的数字控制(Numerical Control, NC)/计算机数字控制(Computer Numerical Control, CNC)/直接数字控制(Direct Numerical Control, DNC)/计算机辅助设计(Computer Aided Design, CAD)/计算机辅助工程(Computer Aided Engineering, CAE)/计算机辅助工艺规划(Computer Aided Proeess Planning, CAPP)等，虽然以企业资源计划(Enterprise Resource Planning, ERP)为代表的管理信息系统和以数控加工和柔性制造为代表的自动化技术,分别实现了对企业经营管理和车间自动化的集成，然而为解决“信息化孤岛”而生的计算机集成制造，由于其数据处理能力所限，也缺乏实时通信能力，从而导致企业上层ERP缺乏有效的实时信息支持，以及下层控制环节缺乏优化的调度与协调。虽然后来出现了为解决生产计划与底层控制脱节而生的制造执行系统(Manufacturing Execution System, MES)，但由于采用紧耦合的集成方式，仍存在诸如可集成性差、缺乏可扩展性和敏捷性等问题。20世纪90年代进入了基于互联网(Web1.0)的网络化制造，但由于Web1.0信息单向流动，网络操控能力掌握在少数专业人士手中，用户仅作为网络内容的消费者，因此呈现出数据集中化的网络化制造模式，其信息透明度低、信息交互能力弱，制造业的用户参与程度低。随着互联网进入Web2.0，实现了信息的双向流动，用户既是网络内容的消费者也是生产者，信息透明度增高，数据逐渐呈现出去中心化的发展趋势，智能移动终端的发展形成了信息交互频繁的人际关系网络(人联网)，消费互联网快速兴起，并起到了至关重要的市场导向作用，市场竞争愈发激烈，面向服务的集成制造理念日渐深入人心，因此在SOA和云计算理念之上诞生了云制造[75]，它能通过诸如企业服务总线(Enterprise Service Bus, ESB)来集中数据资源和各种制造资源，通过服务松耦合连接实现跨平台的应用，敏捷地应对不断变化的业务需求[76]。2010年后，互联网进入Web3.0，融合了语义网、物联网、云计算、移动网络、大数据、信息物理融合、AR、AI等多种技术，实现了人与人、物与物、人与物的大规模深层次交互，加上机器学习算法的进步和计算机运理能力的提升，出现了以非结构化数据为主的大数据科学，伴随着工业互联网的兴起，诞生了大数据驱动的新兴智能制造[50]，而边缘计算与区块链进一步促进了制造智能走向分布与自主。

从物联网、到务联网/云计算、到大数据、到深度学习/AI、到AR、到边缘计算、再到区块链，可以看到一条清晰的“两化”融合演进路线：物联网实现了物物互联，并提供了从现实世界中获取数据的方法；务联网/云计算实现了资源虚拟化和服务化，以及海量数据的存储、数据挖掘和按需提供服务；工业大数据推动了互联网由以服务个人用户消费为主转向服务生产性应用为主，深度学习/AI为设计、生产、决策与服务提供支持；AR为人机交互提供了更好的感知方式；边缘计算实现了设备的实时响应以及物端的智能和自治；区块链能够为数据分布式存储、安全与隐私提供保障。这也是制造业从数字化走向智慧化过程[77]。智慧制造[52-53,55,78]实质上是集前述多种技术于一体的复杂社会技术系统，使社会世界、信息世界与物理世界深度融合，从而实现对制造系统安全、可靠、高效、实时、协同的感知和控制。

“互联网+”实现了空间移动信息的动态实时互联，“人工智能+”实现了从信息富集到知识富集的信息结构升级，“互联网+”与“人工智能+”在新工业革命时期的融合促进了智能制造向大数据智能、分布化自治、社会化融合方向发展。

新一轮科技与产业革命的深入发展中既有技术创新所带来的生产力提升和商业模式的改变，又有生产关系或管理变革的发生。在生产关系方面，随着制造水平、信息发展程度、人民生活质量的不断提高，制造业从由生产者主导转为向生产者与消费者协同融合的生产关系方向发展，特别是在“面向服务”的制造理念和“大众创业、万众创新”、“工匠精神”等指导思想引领下，制造业逐步形成技术共享、智慧共享、协同创新的社会环境，同时在归核化战略思想和社会分工专业化理念的引导下，工业4.0理念下的水平和垂直集成、端到端集成等制造产业模式得到广泛应用，促使制造产业链结构由大型企业静态一体化链式结构逐渐升级为大、中、小、微制造单元的动态网络化协同结构，企业管理趋于扁平化，企业分工更具专业化，以实现敏捷高效的市场响应。产品全生命周期的各个环节都可通过多元化、多粒度的社会制造单元协同完成，不但满足了社会各个阶层对产品个性化的需求，而且增强了对社会各个阶层的参与度[39]。

由此可见，新一轮工业革命无疑对智能制造提出了更高的新要求。展望我国未来智能制造产业发展，建议加强以下几方面工作：

(1)加强智能制造标准体系建设，构建智能制造产业生态体系

标准化工作对智能制造产业发展具有基础性、支撑性、引领性的作用，也是产业竞争的制高点。美国、德国、日本等发达国家已经围绕核心技术、标准规范开展布署，以抢占智能制造的主导权，而最终争夺的焦点在于智能制造产业生态。我国智能制造标准体系建设，与德美日发达国家相比仍存在较大差距[29]，与此同时，新一代信息通信技术(特别是人工智能技术)正被源源不断地加入到推动智能制造进步的技术行列之中。因此，需要从支撑智能制造产业生态发展的角度出发，分析智能制造的技术热点、行业动态和未来趋势，研究制定适合我国所处发展阶段和基本国情的智能制造产业发展的标准体系，最终形成有利于制造业智能转型的生态体系。

(2)结合我国国情加强制造业智能化转型升级核心技术研究

随着新一轮科技与产业革命在全球的兴起，主要工业发达国家根据自己国情，纷纷提出全新发展思路。美国工业互联网着重发扬其互联网和软件领域长期积累的优势，不局限于制造业，将互联网应用于整个产业生态。德国工业4.0立足于其全球领先的制造技术优势和强大的质量基础及教育水准，通过“工业4.0组件”核心技术为各种物理资产增加一个机器可读、语义相通、适用于生产系统所有生命周期阶段的唯一标识的“数字化马甲”——管理壳(administration shell)[79]，进而以高度模块化的方式来构建和扩展已有系统。日本提出的IVRA显著特性在于提出一种可互联的SMU作为描述制造活动的基本组件[33]，进而可以通过多SMU的组合，全方位地展现制造业产业链和工程链情况。我国提出的智能制造体系构架还缺少诸如此类的核心关键技术，也面临工业化与信息化同时推进问题，因此需要在吸收国外相关先进技术的基础上，形成中国独特的制造业智能化转型升级路径。

(3)发挥人在智能制造中的关键作用

尽管工业4.0/智能制造向自主适应方向发展[80]，重复性的体力和脑力工作不断被智能机器替代，直接从事制造行业的员工人数必然减少，而人机交互以及机器之间的对话却会越来越普遍，越来越多的员工从操作者/服务者转变为一个评估者/协调者/规划者/决策者，使人类有更多时间专注于自己擅长的事情——诸如从事产品/软件设计等创新性工作，同时也凸现出智能制造中人机物协作的重要性。在工业发达国家的智能制造实施建议中都强调人才的重要性。德国工业4.0报告认为[27]，无论是作为生产过程中的参与者、机器操作员，还是作为维护人员、生产计划员或程序员，人类将继续在生产过程中扮演关键角色。而在日本提出的IVRA[33]中，尤其突出现场执行力和现场人员作用，将人视为信息和物理世界映射过程中的重要元素，充分考虑了人在制造活动中的地位和作用。

(4)高度重视系统安全和隐私问题

未来智能制造将与广泛社会维度中的各个产业深度交联、融合发展。而作为社会信息物理生产系统的智能(智慧)制造，需要从各种设备、应用和网络中收集到的各类数据和信息，包括个人隐私以及企业商业秘密和知识产权等；另外与消费互联网不同，以工业互联网为基础设施的智能制造具有诸如安全性、实时性等特定要求，必须防范网络空间数据遭到篡改或破坏，确保对人类生命和生产安全有直接影响的物理生产系统可信运行，因此工业装备与信息的安全问题是企业实施智能制造/工业4.0的最大挑战之一。

(5)发展以人为本的包容性智能制造

工业4.0最终会引起全社会的变革，对利益相关者产生深远的影响，包容性增长成为其重要内涵[81]，包容性制造也因此应运而生[39]，特别是日本政府为应对第4次产业革命以及科技创新的迅猛发展所带来的国际竞争日趋激烈的态势以及老龄化、劳动人口减少、资源能源和环境、交通等经济社会发展难题而提出的经济社会发展新模式——社会5.0理念[82]。这场社会变革，不仅需要企业层面的密切合作，还需要所有利益相关者参与共同决策：始于企业的社会合作伙伴之间的对话，到跨公司、跨部门的合作，再到日常生活中使用数字技术和人工智能所涉及的整个社会问题[80]。

在互联网商业化发展过程中，以消费者为主体的、由人联网、移动互联网和Web 2.0等技术支撑的消费互联网首先发展起来，而以生产者为主体的、由物联网和内容知识网等技术支撑的工业互联网正在兴起，如图16所示。

需要指出的是，工业互联网有狭义和广义之分。狭义的工业互联网侧重于工业(产业)下的物—物互联互通，如我国智能制造系统架构下的工业网络就是起到如此作用[31]；而广义的工业(产业)互联网(如美国工业互联网)，不仅涉及到包括制造业在内的诸多行业，还强调物—物互联之后的大数据智能应用。

社会5.0需求是多层次和个性化的，因此未来的智能制造必将深度融合消费互联网与产业互联网，不但能预测用户需求，而且能基于人机物深度融合的高度柔性生产系统，自主优化配置制造资源，实现集感知、分析、定向、决策、调整、控制于一体的主动生产。

6 结束语

本文从工业革命和市场需求对制造模式演化的影响入手，论述了新工业革命与新一代智能制造关系以及智能制造的发展历程、行业动态和未来趋势，重点分析了人工智能对于长尾生产方式的影响，揭示了制造业从“计算机+”向“互联网+”和“人工智能+”发展的必然趋势，这为我国制造业向智能化转型升级提供了技术支持和有益启示。

从“人工智能+”视角来看，人工智能已从基于专家系统、知识库的符号智能(AI1.0)，发展到基于大数据、深度学习、CPS、物联网、云计算的计算智能(AI2.0)，智能制造相应地从基于局域网的计算机集成制造为主、以专家系统在离散环节应用为辅的第一代智能制造，发展到基于物联网、云计算、CPS和大数据智能的新一代智能制造。从“两化”融合来看，随着从工业3.0发展到工业4.0，制造业最初从数字化制造孤岛转向计算机集成制造(“计算机+”)，随后互联网的出现和发展进入了“互联网+”，近来随着大数据、深度学习、边缘计算、区块链等新一代信息技术/人工智能发展，制造业更是进入了“人工智能+”。

不管从哪个视角出发，都可以看到“人工智能+”是制造业未来发展的必然趋势，但这种发展又必须以“计算机+”和“互联网+”为基础。因此，要实现我国制造业智能化转型升级，一方面要利用“计算机+”实现制造业数字化，利用“互联网+”实现制造系统的纵向集成、横向集成以及端到端集成；另一方面更要推动大数据智能、深度学习、区块链等新一代人工智能与制造业的深度融合。

虽然工业4.0强调大规模个性化生产，但未来生产实际上是由大规模生产、大规模定制和大规模个性化所组成的长尾智能制造，对尚处于由工业2.0向工业3.0过渡的我国制造业而言，更应实施智能长尾生产——能提供从单件到任意数量的多层次多样化产品与服务，从而更好地满足未来包容性社会的需求。

综上所述，本文创新性体现为：

(1)深度分析了新一轮工业革命下的智能制造特点，关联分析了智能制造与新工业革命(乃至社会5.0)的关系，从概念外延得出：“智能制造=德国工业4.0=制造物联网<美国工业互联网<日本社会5.0”。

(2)承前启后地探讨制造业智能化发展，特别着重分析新一代人工智能对制造业的变革性影响，得出新一代智能制造未来发展趋势——向大数据智能、分布化自治、社会化的融合发展。

(3)给出我国智能制造产业发展的几点建议，指出需要加强标准体系建设、核心技术研究、发挥人的关键作用、高度重视安全和隐私问题，特别是需要融合消费互联网与产业互联网，发展以人为本的包容性制造，以满足未来社会的多层次多样化产品与服务需求。

需要指出，伴随新一轮科技与产业革命而兴起的新一代智能制造还处于不断演化发展中，尤其是向社会化和物联化方向纵深发展，同时还面临设备安全、网络安全、数据安全与应用安全等诸多挑战性问题，这是智能制造未来需要重点解决的问题。

致谢

感谢参与论文提纲讨论的廉江市经济社会发展研究会(智库)专家。