新一代人工智能引領下的智能產品與裝備

譚建榮 ，劉振宇 ，徐敬華

（1. 浙江大學機械工程學院，杭州 310027；2. 流體動力與機電系統國家重點實驗室，杭州 310027；3. 計算機輔助設計與圖形學國家重點實驗室，杭州 310058）

一、智能產品與裝備的重要性與價值

（一）智能產品與裝備的重要性

1. 全球智能制造業發展現狀

自18世紀蒸汽革命以來，產品與裝備經歷了機械化、電氣化、信息化和智能化的發展歷程。進入21世紀以來，互聯網、大數據、云計算、新材料、新能源、生命科學等前沿領域不斷取得突破，使當前全球制造業格局面臨重大調整，我國制造業轉型升級、創新設計發展迎來重大機遇[1,2]。當前世界各國高度重視智能化前沿技術。美國的先進制造伙伴計劃（AMP）、 “制造業重返美國”戰略，都強烈表達振興制造業的決心，讓智能制造成為制造業全面復興的主要推力。“德國工業4.0”利用信息物理系統（CPS）將生產中的供應，制造，銷售信息數據化、智慧化，最后達到快速、有效、個性化的產品供應，重點強調三個主題：智能工廠、智能生產、智能物流，其技術基礎是網絡實體系統及物聯網（Internet of Things，IOT）。歐盟“創新的生產設備和系統”項目組發表研究報告《先進生產裝備研究路線圖》，對先進機床和系統發展做出了預測，該報告預測2010—2030年涉及的6個領域、24個關鍵使能特性、42個技術子領域。

近年來，美國、德國、日本等發達國家紛紛研發了具有代表性的智能產品與裝備，提升了制造業的競爭力。例如，美國蘋果公司的iPhone智能手機，包括智能語音服務Siri、智能圖形圖像處理、智能人臉識別與驗證、A11人工智能芯片等。美國波士頓動力公司的波士頓大狗，即四腳狗腿機器人，穩定性以及方位感令人驚嘆，可以處理許多未知的挑戰。美國直覺外科公司的達芬奇手術機器人，聯合多家公司共同開發，包括外科醫生控制臺、床旁機械臂系統、成像系統三大系統，適用于泌尿外科、心胸外科、婦科、腹部外科。手術操作更精確、愈合好、創傷更小、手術指征更廣、減少疼痛、減少失血量。

德國西門子公司的智能燃氣輪機，能夠智能監測自身狀態，通過大數據技術分析燃氣輪機上5 000多個傳感器采集的數據，保障運行安全并提供維修決策。一臺燃氣輪機每天產生的傳感器數據量達30 GB，其通過智能分析能夠判斷該燃氣輪機是否需要維修，減少了客戶停機檢修的次數。

日本發那科公司研發了具有自我學習能力的智能機器人，在沒有人員指導的情況下自己學習工件擺放：第一步：機器人隨機抓取；第二步：自行判斷成功/失敗，并搜集圖片訓練；第三步：經過長時間的學習，任務執行準確率不斷提升。

2. 我國智能制造業發展現狀

裝備制造對工業、農業、能源、交通、信息、水利、城鄉建設、現代服務業等各行業的發展與國防安全都具有決定性作用，是國民經濟發展的基礎性、戰略性支柱產業。智能產品與裝備是智能制造和服務的價值載體，是智能制造的技術前提和物質基礎。黨的“十九大”報告里明確提出：深化供給側結構性改革。加快建設制造強國，加快發展先進制造業，推動互聯網、大數據、人工智能和實體經濟深度融合，在中高端消費、創新引領、綠色低碳、共享經濟、現代供應鏈、人力資本服務等領域培育新增長點、形成新動能。支持傳統產業優化升級，加快發展現代服務業，瞄準國際標準提高水平。促進我國產業邁向全球價值鏈中高端，培育若干世界級先進制造業集群。工業和信息化部強調人工智能與實體經濟和制造業的深度融合，發展智能產品與智能裝備，推動我國制造產品與裝備整體升級為“智能一代”，是落實《中國制造2025》的關鍵之一。

由此可見，傳統制造智能程度低、協作效率低、需求響應速度慢、成本高、競爭力弱。高端產品依賴進口、低端產品供大于求，深化供給側結構性改革勢在必行。新一代人工智能引領下的智能制造[3,4]運用互聯網、大數據和云計算等技術，實現高度協作的高效率制造、快速響應客戶需求，競爭力顯著增強。

因此，要實現由制造大國向制造強國的歷史性轉變，智能產品與裝備必須要先行，必須從模仿走向創新、從跟蹤走向引領，必須科學前瞻、登高望遠、規劃長遠發展。智能產品與裝備在新一代人工智能引領下的智能制造中具有重要的支撐、引領和示范作用，意義重大。

（二）智能產品與裝備的價值

1. 成為制造業發展的重要戰略制高點

大數據、智能化生產及移動網絡，推動科學技術進入人工智能2.0時代[5]，使經濟形態發生深刻變革。突破性技術創新被公認為引領技術與產業發展的方向，同時也是國家增強綜合國力、實現后發趕超的關鍵手段。互聯網、云計算和大數據正深刻改變著制造裝備產業的發展方式。信息高度暢通化，生產力高度發達，產品制造在價值鏈中所占比重下降，而產品設計在價值鏈中所占比重顯著上升。市場邊界不斷延伸，新興市場不斷開拓，產品內涵發生變化，智力資源和大數據知識的價值凸顯，客戶體驗、客戶參與的眾創設計方興未艾。

智能工業是將具有環境感知能力的各類終端、基于泛在技術的計算模式、移動通信等不斷融入到工業生產的各個環節，大幅提高制造效率，改善產品質量，降低產品成本和資源消耗，將傳統工業提升到智能化的新階段。

2. 推動實現由制造大國向制造強國的轉變

在已經較好實施了數字化網絡化的基礎上，融入新一代人工智能技術，實現系統的升級，并為用戶和制造商帶來經濟效益和競爭力的提升，推動我國裝備工業實現由大國向強國的轉變，主要標志是：①國際市場占有率處于世界前列；②重要產業（按工業總產值）國際競爭力處于世界前沿，成為影響國際市場供需平衡的關鍵產業；③擁有一批具有國際影響力、資本和技術輸出能力、進入世界500強的“旗艦級”國際化大企業集團；④擁有一批國際競爭力和市場占有率處于世界前列的世界級智能裝備制造基地。

二、智能產品與裝備的內涵、特征與發展目標

智能產品與裝備是人工智能技術與產品裝備的結合，使產品與裝備具有智能感知、智能分析、智能決策和智能控制的特點。

（一）智能產品與裝備的內涵

智能產品與裝備的內涵既可指智能技術的產品化，也可指傳統產品的智能化。

1. 智能技術的產品化

智能化技術在其應用中主要體現在物聯網、大數據、云計算、邊緣計算、機器學習、深度學習、增強現實（AR）技術、安全監控、自動化控制、計算機技術、精密傳感技術和GPS定位技術等的綜合應用。智能化融入傳統行業，是經濟新常態的一個趨勢，借助智能化和信息技術的進步，實體經濟一定能在新常態下創造新的突破。智能技術的產品化可大大改善操作者的作業環境，減輕工作強度；提高作業質量和工作效率；一些危險場合或重點施工應用得到解決；提高機器的自動化程度及智能化水平，使其環保、節能；通過智能化實現狀態診斷，提高了設備的可靠性，降低了維護成本，增強了產品的競爭力。

2. 傳統產品的智能化

傳統產品的智能化可借勢互聯網，賦予產品智慧，通過“智能化+”實現智能化理念的不斷融入，為傳統產品企業在智能制造裝備、智能生產、智能管理和智能服務方面注入強勁生命力。傳統產品的智能化研究傳統產品和傳統裝備應用人工智能技術。對智能制造裝備，提高智能制造系統集成能力。對智能生產，廣泛應用制造執行系統、分布式控制系統及數字化控制系統，提高裝備在線監控、遠程監控狀態診斷和分析水平。對智能管理，促進生產與銷售、業務與財務、產業鏈上下游企業間的協同。對智能服務，發展基于互聯網的新型制造模式，形成基于個性化定制需求的企業設計、生產、供應鏈管理和服務體系。重大的過程機械可以實現智能化，比如智能分離器械和智能壓力反映設備。

本研究主要是研究傳統產品的智能化，即通過“智能化+”實現對傳統裝備制造業的升級，培育新增長點，形成新動能。

（二） 智能產品與裝備的特征

智能產品與裝備以知識工程為核心[6]，以自感應、自適應、自學習和自決策為顯著特征。知識工程是應用人工智能的原理與方法，對那些需要專家知識才能解決的應用難題提供求解的手段，恰當地運用專家知識的獲取、表達和推理過程的構成與解釋。知識工程是新一代人工智能的重要理論基礎，它的根本目的是在研究知識的基礎上，開發人工智能系統，補充和擴大大腦的功能，開創人機共同思考的時代。知識表示、知識利用、知識獲取構成了知識工程的基礎。

自感應是對信號的智能感應、感知和識別的技術。傳感器是一種檢測裝置，能感受到被測量的信息，并能將感受到的信息，按一定規律變換成為電信號或其他所需形式的信息輸出，以滿足信息的傳輸、處理、存儲、顯示、記錄和控制等要求。自感應是自適應、自學習和自決策的基礎。

自適應是對復雜任務的多工況環境的智能適應，是對多機協同的集群化交互與控制的智能適應。自適應能夠修正自身特性以適應對象和擾動的動特性的變化。自適應可在系統運行中依靠不斷采集控制過程信息，確定被控對象的當前實際工作狀態，優化性能準則，產生自適應控制規律，從而實時地調整機械系統的結構或參數，使系統始終自動地工作在最優或次最優的運行狀態。

自學習是指能夠按照自身運行過程中的經驗來改進控制算法的能力，它是自適應系統的一個延伸和發展。自學習在系統運行過程中通過評估已有行為的正確性或優良度，自動修改系統結構或參數以改進自身品質的系統。與自適應系統不同之處在于，經學習而得到的改進可以保存并固定在系統結構之中，從而較易實現，并可作為智能設計或調整的一種方法。

自決策是指可在沒有人的干預下，把自主控制系統的感知能力、決策能力、協同能力和行動能力有機地結合起來，在非結構化環境下根據一定的控制策略自我決策并持續執行一系列控制功能完成預定目標的能力。自決策的智能是以人工智能為基礎的，包括機器全自主、機主人輔、人機協商、人主機輔和人類全手動等自決策方式。

（三）智能產品與裝備的發展目標

智能制造有一定的分期目標或者近期目標，實現智能產品和裝備，提升制造業的國際競爭力，是智能制造的重要目標。

2025年目標：新一代人工智能系統技術在典型產品與裝備中成功應用，產品與裝備的數字化、網絡化、智能化取得明顯進展，在參數自診斷注塑裝備、綠色低碳節能挖掘裝備、多工況自適應壓縮機組、人機共融的智能機器人、高安全智能網聯汽車、人工智能深度融合的智能手機等方面取得重點突破，對智能產品與裝備發展的實現起到示范作用。

2035年目標：新一代人工智能技術與產品裝備深度融合，掌握一批國際領先的智能產品與裝備關鍵核心技術，智能機床裝備、智能工程機械、智能動力裝備、智能機器人、智能運載裝備和智能終端產品等優勢領域的智能產品與裝備具有自感應、自適應、自學習和自決策等特征，形成全球引領優勢，整體競爭力達到世界強國水平。

三、智能產品與裝備的十二大領域

《中國制造2025》的十大重點領域包括：新一代信息技術、高檔數控機床和機器人、航空航天裝備、海洋工程裝備及高技術船舶、先進軌道交通裝備、節能與新能源汽車、電力裝備、新材料、生物醫藥及高性能醫療器械、農業機械裝備。工業和信息化部實施人工智能三年行動計劃，明確提出了八個智能產品，一是智能網聯汽車，二是智能服務機器人，三是智能無人機，四是醫療影像輔助診斷系統，五是視頻圖像身份識別系統，六是智能語音交互系統，七是智能翻譯系統，八是智能家居產品。

本研究綜合考慮了《中國制造2025》十大裝備，結合近幾年人工智能在智能制造領域的應用，突出裝備制造業產業鏈集群式的發展思路，在廣泛科學調研和已有研究基礎[6～10]上，提出了十二大領域：智能機床裝備領域；智能熱工裝備領域；智能動力裝備領域；智能工程機械領域；智能航空航天裝備領域；智能海洋工程與船舶裝備領域；智能機器人領域；智能軌道交通與運載裝備領域；智能網聯汽車領域；智能農機裝備領域；智能家居產品領域；智能終端產品領域。

四、智能產品與裝備的十大關鍵技術

（一） 多源多通道數據實時采集感知技術

多源多通道數據實時采集感知技術對產品跨時間、跨地域、跨物理空間和網絡空間的多源傳感器數據進行采集，并實現遠程加密、壓縮、發送、接收、解析和轉換等全過程的無損傳輸。數據、集成軟件及集成規則是數據集成的三個必備基礎條件。數據是集成的對象；集成軟件是可以處理空間特征、屬性特征及其之間關聯的軟件工具，或是為數據集成專門設計的軟件，它們可以實現集成的大多數操作；集成規則是進行數據集成的依據。感應數據由于來源不同，其參照系及各種參數存在較大差異，需經一系列的轉換、一致化操作等過程使之匹配。傳感器采集到的裝備運行狀態/工藝多源信息，通過有線和無線的傳感器網絡發送至數據中心進行分析處理，支撐裝備運行狀態分析、診斷、報警、檢/維修的智能優化決策。裝備一般通過各種傳感器獲得外界信息，傳感是實時檢測裝備的內部運動、工作情況，以及外界工作環境信息，根據需要反饋給控制系統，與設定信息進行比較后，對執行機構進行調整，以保證工作符合預定的要求。

（二） 異構數據內容融合與傳輸共享技術

異構性在信息系統中普遍存在，它是信息共享以及信息系統之間互操作的障礙。對多傳感器的異構數據進行實時分配和融合處理，提取特征信息在推理機的作用下將特征與知識庫中的知識配備，實現產品裝備的智能集成感知。從物聯網的感知層到應用層，各種傳感器信息的種類和數量都成倍增加，需要分析的數據量也急劇增加，同時還涉及各種異構網絡或多個系統之間數據的融合問題，需要對多個傳感器的異構數據進行實時分析和融合處理，提取特征信息，在推理機作用下，將特征與知識庫中的知識匹配，實現產品與裝備的智能集成感知。將多傳感器信息源的數據和信息加以聯合、關聯及組合，獲得更為精確的特征識別，從而實現對目標的實時、完整評價的處理過程。通過對各種異構數據進行內容分析和融合處理，從海量數據中挖掘出隱藏信息和有效數據，提高智能產品與裝備狀態監測的準確性。在推理機作用下，將基于異構數據內容融合提取出的特征信息與知識庫中的知識進行匹配，實現產品與裝備狀態的智能識別。異構數據及其融合信息通過遠程加密、壓縮、發送、接收、解析等全過程的無損傳輸，實現數據內容跨時間、跨地域、跨物理空間和網絡空間的共享。

（三） 復雜工況的多任務自適應服役技術

智能產品與裝備能夠自主分析當前的任務要求，依據不同任務難度和不同工況環境，自適應調整作業策略。通過建立協同執行多目標的多任務規劃數學模型，考慮最大益損比和任務均衡，利用優化算法進行模型求解，實現不同產品與裝備間的協同任務規劃。智能產品與裝備依據規劃分配的任務要求和難度，自適應地調整作業策略和實施方案，相應地完成各種復雜工況下的多樣化任務。自動智能確定設備在和其動作有直接關系的條件下的工作狀態。工況服役的工藝參數智能自適應技術，通過復雜裝備大數據多場耦合機理與自適應解耦技術，根據耦合因子的插值方程，進行迭代計算，實現大數據多場耦合的迭代快速求解，建立作業策略優化模型，實現可視仿真與多目標優化分析，實現多工況的工藝參數智能自適應服役。

（四） 多機協同的集群化交互與控制技術

智能化的多機集群模仿生物集群行為，單機間通過彼此的信息交互與自主控制來進行協同工作，從而可在各種復雜環境下低成本完成多樣性的復雜任務。多機協同的集群化作業的執行效率高、系統的魯棒性強，可以將任務模塊化分散到不同的機群上進行處理，避免單機運算復雜度過高。當前很多作業僅憑單機的能力是難以完成的，在復雜未知環境下實現群體決策和操作是未來智能裝備技術研究的重要方向。這就需要制定多臺機器同時工作的方法規則，分析各類機器的功能和屬性，協調好多臺機器的分工合作任務，提高機器的實時判斷和決策能力，提高多機器完成復雜任務的效率。更加簡單、人性化的智能人機交互接口，可滿足不同使用對象所提出的多樣的智能任務，如手寫識別功能、圖像和語言的理解功能、不同語種的辨識功能。

（五） 大數據驅動狀態診斷深度學習技術

對裝備建立可靠的健康管理系統是保證其安全運行的必要措施。由于被監測的裝備規模大，監測時間長，且每個監測點的采樣頻率較高，使得整個監測系統獲得的是海量數據，從而使對裝備的狀態診斷和健康管理也進入了大數據時代。傳統的裝備狀態診斷方法，需要大量的工程實踐和信號處理技術來提取故障特征信息，在狀態診斷模型訓練方面，淺層的模型難以解決數據量日益變大的設備故障問題，模型的監測和狀態診斷能力均明顯不足。而深度學習利用大量裝備實測數據訓練深度學習網絡，通過構建深層次模型，結合大量的訓練數據，來學習數據中隱含的特征，通過輸出層分類器，從而完成裝備故障類型的智能診斷。大數據驅動狀態診斷深度學習技術作為模式識別和機器學習領域的前沿成果，在裝備狀態診斷和健康管理方面展現出廣闊的前景。

（六） 數字孿生與數字樣機建模分析技術

數字孿生（digital twin）是充分利用物理模型、傳感器更新、運行歷史等數據，集成多學科、多物理量、多尺度、多概率的仿真過程，通過AR技術在虛擬空間中完成映射，從而反映相對應的實體裝備的全生命周期過程，可進一步通過傳感器實現與真實狀態完全同步。現有的數字樣機方法，在制造中由于加工、裝配誤差和使用、維護、修理等因素，物理域模型并不能與虛擬域數字化模型保持完全一致，使得難以反應真實產品系統的準確情況。數字孿生克服了傳統數字樣機仿真分析有效性不足的局限。數字孿生與數字樣機建模分析為智能產品與裝備提供圖像、視頻、語音、文本等多元數據處理能力，使智能產品和機器充分感知環境和人的情感、言辭、表情等，更智能地進行交互。

（七） 多技術路線工作方案優化決策技術

智能決策支持系統（intelligent decision support system）是利用人工智能，特別是專家系統的原理和技術所建立的輔助決策的計算機軟件系統，支持半結構化和非結構化問題的決策。將具有感知能力的深度學習和具有決策能力的增強學習結合在一起，構成深度增強學習，兩者優勢互補，實現智能產品與裝備的設計制造服役多目標、多過程自主決策。多技術路線工作方案優化決策是指應用信息集成與智能控制技術，使裝備具有一定的自我感知、自主決策和自動控制的功能，可歸類于智能決策范疇。

（八） 工藝工裝協同推送與自動裝夾技術

工藝和工藝裝備是企業進行產品制造和生產的必備條件和重要基礎，產品的優劣在很大程度上取決于產品工藝和其隸屬的工藝裝備的先進與否。工藝工裝是為實現工藝規程所需的各種刃具、夾具、量具、模具、輔具、工位器具等的總稱。自動裝夾工藝規劃是通過裝夾工藝規劃的圖論、聚類和遺傳算法等智能算法，對裝夾順序、裝夾次數、裝夾力優化等主要裝夾工藝規劃進行分析，實現工件加工特征與制造資源能力的匹配。工藝工裝協同推送與自動裝夾可使設備端采集上傳傳感和視覺信息；云端接收并智能分析數據，自主決策并控制設備實現自主作業；移動端實現工作過程的實時監控與人機智能交互。

（九） 產品知識圖譜與知識網絡構建技術

知識圖譜是一種圖結構的知識庫，屬于知識工程的范疇。不同于普通知識庫，知識圖譜融合眾多學科，將不同來源、不同類型、不同結構的知識單元通過鏈接關聯成圖，基于各學科的元數據，提供更廣度、更深度的知識體系并不斷擴充，其本質上是將領域知識數據體系化、關系化，并以圖的方式將知識可視化。知識圖譜是基于信息系統建立的知識體系，通過數據采集、數據挖掘、信息處理、知識計量和圖形繪制等技術把復雜的知識領域系統、網格化地顯示出來，揭示知識領域的知識網絡動態發展規律。美國通用電氣公司和德國西門子公司都有產品圖譜，有一套成熟的技術。把復雜的知識領域通過數據挖掘、信息處理、知識計量和圖形繪制而顯示出來，生成產品的知識圖譜與知識網絡。物聯網感知裝備是物聯網產業的硬件基礎。針對工業裝備物聯網感知數據具有多源、異質、異構、海量等特性，構建分層遞階的數據可視化融合模型，可處理工業裝備感知數據的高維遞階、分層降維和分類決策問題，實現領域經驗、專家經驗、抽象知識的融合，通過產品知識圖譜與知識網絡構建，實現制造領域知識自優化建模與動態增長。

（十） 機電液一體化云平臺知識服務技術

機電液一體化是指電氣控制液壓、液壓控制機械，機械在運動的過程中，通過電氣實現信息的反饋，并反饋控制液壓，是一種智能化程度較高的機械裝備控制技術。相對于普通的機電一體化，機電液一體化的智能化程度更高，技術也更加復雜。機電液一體化技術在現代機械中的應用具有重要的意義，可以促進機械生產的智能化，延長機械的使用壽命，提高生產效率。電子技術、計算機技術與液壓技術結合的重點突破，對高性能、高可靠性的液壓傳動輔以微電子計算機進行控制，可大大提高機械的行駛性、作業性、安全性和舒適性，這也是當前和未來機械的發展趨勢。將電子器件及線路內置（封密）于液壓元件中，即將電子驅動線路和信號處理、儲存等都直接安裝在液壓件的殼體內。它不僅可以提高液壓件的可靠性、減少配管、減小壓力損失、提高效率，而且還可節省安裝空間、便于維修。機電液一體化云平臺知識服務，可通過云計算有序地組織機、電、液一體化跨學科知識，并在合適的時間節點推送給所需人員合適的設計知識，從而實現跨學科知識服務的個性化和高效化。

五、結論與建議

未來的智能產品與裝備的發展趨于綠色化、低碳化、高能效、高性能、高可靠性、全生命周期優化。基于此，提出發展智能產品與裝備的政策建議。

（一） 制定形成國家級的智能產品與裝備產業發展規劃

智能產品與裝備是我國制造業轉變經濟增長方式的核心任務，代表著未來科技和產業發展的新方向，對經濟社會具有全局帶動和重大引領作用。因此，在國家層面應該制定智能產品與裝備方面的產業發展規劃，通過國家級規劃，引導智能產品與裝備制造企業高度關注人工智能與智能化技術，引導裝備產業應用和發展人工智能與智能化制造技術。

高端的智能或者產品和裝備面向高度分散市場的裝備，需要引導和帶有一定強制性的宏觀規劃，以培育有利于國產高端的智能裝備和產品應用的市場環境。圍繞智能產品與裝備技術提出未來技術發展方向、發展路徑，制定智能產品與裝備路線圖，對智能產品與裝備技術的未來發展具有重要指導意義。智能產品與裝備技術路線圖要分析經濟社會發展需求、智能產品與裝備技術研發、市場實現之間的關系，從未來市場實現出發組織技術研發，重點突破薄弱環節和關鍵技術，使未來智能產品與裝備技術研發的目標、應用前景和市場定位更加明確。在智能產品與裝備技術路線圖制定過程中，要綜合集成經濟、社會、科技等各領域專家的意見和建議，形成共識，增強指導性和權威性。

（二） 加強智能產品與裝備的基礎研究與應用基礎研究

我國制造裝備技術落后，根本原因在于基礎研究不足。把制造裝備基礎設計理論、方法和共性技術研發作為長期任務，加大對制造裝備基礎共性技術研發的支持力度。從多個維度加強制造裝備基礎科學問題的研究。我國智能產品與裝備制造業基礎硬件的發展滯后于國民經濟的發展，而智能基礎軟件的發展又滯后于基礎硬件的發展，智能基礎軟件創新能力不足是我國制造業大而不強的瓶頸之一。近年來，我國智能基礎軟件得到了較快的發展，但整體創新能力弱、規模偏小、特色性差、成熟度低，尤其是智能基礎軟件間的適配性差、集成度低、兼容性不足、協同效率低，難以發揮智能基礎軟件作用，逐漸顯現出智能基礎軟件領域存在技術分散、規范未成體系、標準不統一、集成度低的弱點。

智能基礎軟件的內涵顯著區別于基礎硬件，智能基礎軟件具有抽象性、包容性和進化性。智能基礎軟件是共性技術的抽象表達，因而易于實現跨領域的應用，具有比實物更強的包容性，通過共性技術的抽象和固化，不斷完善和進化，實現知識資產的累積。智能產品與裝備的基礎軟件包括設計基礎軟件、工藝基礎軟件、裝配基礎軟件、基礎數據庫等。設計基礎軟件包括方案設計軟件、模塊化設計軟件、仿真設計軟件等。工藝基礎軟件包括加工工藝、成形工藝、檢測工藝等。裝配基礎軟件包括公差裝配、裝配序列規劃、可視化裝配等。基礎數據庫包括零件庫、模塊庫、案例庫等。

（三） 加大智能產品與裝備知識庫和基礎軟件資金支持

加強智能產品裝備知識庫與基礎軟件工具開發，知識庫是核心，現在知識庫的開發工作還比較薄弱，知識庫和知識工程的軟件是體現知識技術含量最終的結晶。真正的智能制造離不開智能芯片，離不開相關的軟件，其屬于產品的范疇，一個硬產品一個軟產品，硬產品的范圍突破了機械的范圍，拓展到了電子范圍，從國家分類來講屬于裝備和產品的概念。

建議加大資金支持力度，一方面通過正在組織實施的智能制造試點示范和下一代人工智能跟裝備的結合，國家科技重大專項中的第4項（04專項）要盡快跟其他專項接續。啟動轉型升級專項資金，支持新一代智能裝備和產品。進一步強化智能基礎軟件工具集與共享平臺的構建，推進智能基礎軟件數據接口標準、規范與集成，實現智能基礎軟件應用示范與推廣應用。

（四） 制定形成智能產品與裝備發展的標準體系與聯盟

引導產學研各方圍繞智能產品與裝備的發展、應用、推廣，在戰略層面建立持續穩定的合作關系，立足產品智能設計制造需求，開展聯合攻關，制訂技術標準，共享知識產權。探索支持聯盟發展的各種有效措施和方式，推動聯盟建立和完善技術成果擴散機制。工業和信息化部已提出智能制造標準先行，實施標準化的項目，促進標準體系的構建。

創新能力的建設、創新活動的開展，沒有一個健全、完善、充滿生氣的創新體系，是難以為繼的。智能產品與裝備技術的創新體系，無疑應以企業為創新主體。但高等院校、科研機構在這一體系中并非僅僅是配角，而應發揮其在體系中的獨特作用。從構建完整的、有效的技術供應鏈出發，高等院校和研究機構在這一供應鏈中屬于源頭，應大大加強，避免各類機構都擠到技術供應鏈的下游去工作。無源之水，何以持久？怎能活起來？對智能產品與裝備技術和機械工業持續發展十分重要的產業共性技術研究，在目前的創新體系中形成了缺位的格局，必須從體系結構上補上這一空缺。產業技術聯盟應在攻關中發揮作用，促進一些關鍵技術領域形成合力，避免重復，有效利用資源，盡快取得成效。切忌聯盟泛化、社團化而流于形式。防止聯盟淪為爭取國家項目、國家經費支持的工具。創新體系中還應有大批技術服務機構和為機械制造行業發展服務的功能設計。

（五） 產學研結合推進智能產品與裝備技術與產業發展

智能產品與裝備研發的主體是企業，但實現數字化智能化單靠企業是不夠的。數字化智能化要依靠眾多門類的前沿科學技術，這方面的優勢不在企業，而在高等院校和研究院所，因此，為了加快推進智能產品與裝備技術與產業發展，必須產學研結合，深入研究并大力推廣實施智能產品與裝備的共性關鍵技術。

在確定產學研活動中主體地位的問題上，應遵循科學的評價方法，企業是需求的主體，是應用的主體，但不是所有產學研活動的主體。高校在產學研活動中具有人才優勢和科研組織管理交叉的優勢，其獨特地位不能被取代。政府的定位也應遵循科學的評價方法，應關注基礎研究到產品量產階段的資金投入鴻溝（funding gap）。用內在需求驅動的產學研活動，激活產學研創新實踐的活力。

（六） 建立國家級的智能產品與裝備典型應用示范基地

數字化網絡化和智能化不是分離的，也不是串聯的，而是并聯的。國產裝備、國產軟件、國產系統，急需建立示范基地。通過大型骨干企業的應用示范作用，研發智能產品與裝備共性技術的系列軟件、集成支撐平臺與應用模式，通過開展集成示范應用，支撐企業建立與合作伙伴、供應商及客戶的戰略聯盟，建設完整動態有效的商務、設計制造、供應鏈和服務的業務協作體系，實現產品研制、生產、采購、銷售、服務等業務的產業鏈協作和價值鏈上的全球資源優化配置，讓智能化技術在產品與裝備中遍地開花。

（七） 加快復合型智能產品裝備設計制造人才體系構建

我國制造業要實現智能產品與裝備的跨越式發展，關鍵在于人才。沒有優秀的數字化智能化設計制造人才和強大的智能設計制造技術研發團隊，就難以形成智能產品與裝備產業。在當前我國智能設計制造人才斷層的形勢下，迫切需要培養和凝聚一大批創新型、復合型、多層次智能設計制造共性技術的研發人才，為實現智能產品與裝備發展提供必需的人才儲備。智能制造和數字制造的人才，到企業去的人才比較少，而且這些人才都不是單一學科能培養出來的，過去教育體系基本上是培養單一學科人才的知識體系，現在企業需要的是復合型的知識人才，教學科研的步伐沒有跟上科技發展的步伐，現在急需解決的問題是培養多學科跨領域的知識人才，進一步加強人才培養體系構建。