国产视频一区二区在线,五月伊人av,色哟哟中文,久久玲五月,七久久久久,你懂的在线视频,日韩精品第一页,青青草好色叼,日韩午夜在线三级片

　　1 針對(duì)AI潛能的共識(shí)

　　盡管AI被認(rèn)為在制造業(yè)領(lǐng)域有著巨大的潛能，并預(yù)期將對(duì)制造業(yè)產(chǎn)生深遠(yuǎn)的影響，這種共識(shí)已然達(dá)成。人們相信AI將在制造業(yè)中的工程設(shè)計(jì)過(guò)程、運(yùn)行過(guò)程、服務(wù)全流程里充滿了機(jī)會(huì)，甚至在動(dòng)態(tài)的過(guò)程優(yōu)化與控制領(lǐng)域，也有著巨大的潛力。

　　(1)AI在工程開發(fā)領(lǐng)域，將通過(guò)AIGC編程來(lái)降低工程師的工作復(fù)雜性——在各個(gè)自動(dòng)化廠商的開發(fā)環(huán)境中，AIGC編程都作為一種新的“賣點(diǎn)”被推廣。這不難理解，人們都關(guān)注在降低工程師工作的復(fù)雜性，尤其是對(duì)于越來(lái)越復(fù)雜的軟件設(shè)計(jì)工作而言，這是最樂(lè)觀的AI場(chǎng)景。

　　雖然控制領(lǐng)域的工程師都認(rèn)為這個(gè)事比較難，畢竟與純軟件的IT行業(yè)相比，機(jī)電控制還是與物理世界強(qiáng)耦合的。不過(guò)，用過(guò)的工程師都反映，它在框架搭建、文檔規(guī)范方面還是超越“平均水準(zhǔn)”的。

　　(2)在工業(yè)軟件領(lǐng)域，傳統(tǒng)的CAD/CAE以及專家系統(tǒng)等，都將通過(guò)AI實(shí)現(xiàn)更好的生成，更為輕量化，且更加易于使用。在傳統(tǒng)的工業(yè)軟件復(fù)雜且昂貴的背景下，通過(guò)AI來(lái)實(shí)現(xiàn)更好的工業(yè)軟件設(shè)計(jì)，被認(rèn)為是較有希望的路徑。AI對(duì)于解決當(dāng)前求解器不擅長(zhǎng)的問(wèn)題上被寄予了厚望，傳統(tǒng)上，這些軟件都得經(jīng)過(guò)漫長(zhǎng)的物理與數(shù)據(jù)混合方式的積累。

　　(3)在現(xiàn)場(chǎng)服務(wù)領(lǐng)域，通過(guò)人機(jī)交互、知識(shí)推送、預(yù)測(cè)性維護(hù)等，AI將帶來(lái)更大的潛能，預(yù)測(cè)性維護(hù)目前是較多被應(yīng)用的場(chǎng)景。

　　(4)在控制領(lǐng)域，解決模型學(xué)習(xí)的問(wèn)題最被寄予厚望——因?yàn)檫@牽扯工藝的核心問(wèn)題。狀態(tài)估計(jì)、成本函數(shù)約束下的極值計(jì)算領(lǐng)域也有較大的潛在機(jī)會(huì)。PINN(物理信息神經(jīng)網(wǎng)絡(luò))也成為了熱點(diǎn)，以結(jié)合數(shù)據(jù)和物理方法來(lái)實(shí)現(xiàn)更好的參數(shù)學(xué)習(xí)。

　　2 漫長(zhǎng)的道路：五座需要被跨越的“天塹”

　　盡管如此，作為AI與工業(yè)的結(jié)合，仍然有較為漫長(zhǎng)的道路需要走。目前的階段，只能稱為“基礎(chǔ)設(shè)施”的建設(shè)階段。任何技術(shù)，它必須實(shí)現(xiàn)“經(jīng)濟(jì)性”，才能被真正有效的應(yīng)用。而要實(shí)現(xiàn)經(jīng)濟(jì)性，就不僅考慮的是軟硬件部署成本的問(wèn)題——從這個(gè)視角看， AI似乎已經(jīng)進(jìn)入了經(jīng)濟(jì)性階段，因?yàn)?，今天AI被關(guān)注正是因?yàn)樗乃懔Τ杀驹诓粩嘞陆?，但是，在工業(yè)里，它需要走的路還包括以下幾個(gè)方面。

　　(1)在商業(yè)AI與工業(yè)AI之間的“橋梁”建設(shè)

　　AI原生目前看是不存在的，或者非顯性的，那些純粹用AI來(lái)實(shí)現(xiàn)問(wèn)題解決的公司都還在“幼兒階段”，不是沒(méi)有，而是幾乎不在視野里。這些小型企業(yè)雖然是資本的寵兒，但其成長(zhǎng)較之消費(fèi)與商業(yè)領(lǐng)域的成長(zhǎng)更為漫長(zhǎng)。

　　大部分是AI外掛模式的企業(yè)， 即， 目前商業(yè)中AI的成功，就像DeepSeek/ChatGPT這些，在文本類知識(shí)交互、圖像生成、視頻、寫作等應(yīng)用方面非常強(qiáng)大;豆包、KIMI、元寶這些也有非常強(qiáng)的交互生成能力。這是人們可以直觀看到的AI巨大的潛能。

　　但這些AI應(yīng)用，要接入到工業(yè)的應(yīng)用場(chǎng)景中，就會(huì)需要進(jìn)行重新設(shè)計(jì)， 因?yàn)楣I(yè)現(xiàn)場(chǎng)很難接受“不確定性”、“不可解釋性”這些AI本身就存在的問(wèn)題。而這也不影響AI在非動(dòng)態(tài)、周期性問(wèn)題上的應(yīng)用。在這一點(diǎn)上，共識(shí)是易于達(dá)成的，因?yàn)樵诰唧w的控制閉環(huán)里，AI自然不要去插手，這很危險(xiǎn)，但在批次后或者新生產(chǎn)的預(yù)設(shè)問(wèn)題上，AI還是可以為更優(yōu)的生產(chǎn)提供決策支持的。

　　深度學(xué)習(xí)、大語(yǔ)言模型LLM、多智能體這些必須為工業(yè)場(chǎng)景提供裁剪，或者將AI在工程領(lǐng)域的應(yīng)用開發(fā)過(guò)程設(shè)計(jì)為“僅配置”——否則，就會(huì)依賴于懂AI又懂現(xiàn)場(chǎng)的工程師來(lái)進(jìn)行復(fù)雜的任務(wù)實(shí)現(xiàn)。而現(xiàn)實(shí)中，這樣的人才是極為匱乏的，因此，如何去開發(fā)一個(gè)“插件”、“外掛”形式與現(xiàn)有的開發(fā)平臺(tái)來(lái)對(duì)接，這就是AI第一步要做的事情。

　　(2)理論界與工程界之間的“橋梁”

　　理論界采用AI來(lái)實(shí)現(xiàn)問(wèn)題的解決也算是歷史悠久了，而且，像控制理論歷史上的這些專家，例如提出模糊控制的Lofti Zadeh、提出狀態(tài)方程的R.Bellman、狀態(tài)空間分析的Kalmann、提出魯棒控制的G.Zames等等，其實(shí)，他們是控制專家的同時(shí)，也是AI領(lǐng)域的專家。但是，就像前段時(shí)間蘭州理工大學(xué)的蔣博士寫的《控制理論已死，那路在何方》一文，已被騰訊推送達(dá)到了5萬(wàn)的閱讀量，這是個(gè)挺有意思的問(wèn)題，因?yàn)?，很多人認(rèn)為控制理論已死——因?yàn)椋詮那懊嫣岬竭@些大咖后，在控制領(lǐng)域的新思想、新方法就比較少了。大部分都在研究強(qiáng)化學(xué)習(xí)、深度學(xué)習(xí)，換言之，AI已成為控制學(xué)界的主要關(guān)注點(diǎn)了，當(dāng)然，我們現(xiàn)在的控制的確比之前更為復(fù)雜，例如，在檢測(cè)對(duì)象方面，機(jī)器視覺(jué)被融入產(chǎn)線中，就加強(qiáng)了AI的應(yīng)用，這本來(lái)也屬于AI擅長(zhǎng)的領(lǐng)域。今天講到“多智能體”，就會(huì)有更為復(fù)雜的采集量并納入到系統(tǒng)中。

　　圖2是本人結(jié)合之前對(duì)控制理論發(fā)展(Karl Astrom在《控制——一種視角》一文中對(duì)控制論的發(fā)展主要貢獻(xiàn)者)，以及近期AI領(lǐng)域的進(jìn)展，做的一個(gè)簡(jiǎn)單梳理——并不代表權(quán)威。僅想說(shuō)明的是，在控制理論的歷史上，與數(shù)據(jù)方法(AI)結(jié)合也是較多的交叉領(lǐng)域。

　　但是，控制理論界似乎對(duì)于AI更為偏執(zhí)，而這種理論研究與現(xiàn)實(shí)中的工程又存在著較大的差異。工程實(shí)踐領(lǐng)域，更強(qiáng)調(diào)可靠與穩(wěn)定，它不是在實(shí)驗(yàn)室測(cè)試一個(gè)應(yīng)用場(chǎng)景的可行性，而是要大量的工程驗(yàn)證，且成為標(biāo)準(zhǔn)化的軟件封裝 ——

　　這是工業(yè)軟件的關(guān)鍵路徑，即，它必須被軟件化、模塊化存在。而理論界通常僅在TRL1-3這個(gè)階段，但實(shí)際的工業(yè)卻考慮的是TRL4-9這個(gè)階段的問(wèn)題。

　　在人才培養(yǎng)這個(gè)層面也出現(xiàn)了這樣的問(wèn)題，理論界講的很多東西在現(xiàn)實(shí)的工程界是不大使用的。通常的說(shuō)法認(rèn)為“理論不切實(shí)際”，但實(shí)際工程師又缺乏理論支撐——很多時(shí)候工程師的工作又有點(diǎn)“野蠻生長(zhǎng)”的感覺(jué)，但又可以理解，因?yàn)椋麄冃枰鉀Q眼前的問(wèn)題，并且能夠用簡(jiǎn)單的、經(jīng)濟(jì)的方式解決問(wèn)題，且有時(shí)間約束，不可能去像做科研那樣長(zhǎng)周期布局應(yīng)用架構(gòu)、長(zhǎng)期可用性、可擴(kuò)展性等。

　　這就像在《哲學(xué)的故事》里曾經(jīng)看到的一段話：“如果沒(méi)有經(jīng)院哲學(xué)，社會(huì)哲學(xué)將語(yǔ)無(wú)倫次，而沒(méi)有社會(huì)哲學(xué)，經(jīng)院哲學(xué)將毫無(wú)意義?！崩碚摵蛯?shí)踐之間，這個(gè)“橋梁”怎么搭建呢?其實(shí)，這個(gè)問(wèn)題就是一個(gè)“Engineering工程化”的問(wèn)題——科學(xué)與技術(shù)之間本身就是通過(guò)工程來(lái)實(shí)現(xiàn)的。工科專業(yè)過(guò)于強(qiáng)調(diào)“科學(xué)元素”，喜歡“理論研究”，而脫離了工程實(shí)踐。AI同樣如此，今年Gartner提出了“AI未來(lái)工程化是投資的關(guān)鍵”——我和管老師說(shuō)，這有點(diǎn)后知后覺(jué)，以前這個(gè)“造詞”公司總是能夠走在大家的前面，這次至少在這個(gè)問(wèn)題上落后了。

　　國(guó)家越來(lái)越意識(shí)到“工科理科化”的問(wèn)題，也注意到“工程師”以及“工程”本身的價(jià)值，在2024年開始設(shè)置國(guó)家級(jí)的“國(guó)家卓越工程師”大獎(jiǎng)，來(lái)獎(jiǎng)勵(lì)工程領(lǐng)域的成就——按照一貫的基于“立場(chǎng)”的解讀套路，這就是對(duì)某些“科研”的重新思考和定位。因此，在更多的層面鼓勵(lì)產(chǎn)業(yè)與高校的深入融合，是可以通過(guò)有效的合作來(lái)打破壁壘的。

　　(3)機(jī)電軟之間的“橋梁”

　　一談到第二個(gè)“橋梁”，理論界與工程界的搭建——就需要思考第三個(gè)“橋梁”問(wèn)題，即，如果單純的機(jī)電融合，這似乎還不是能解決問(wèn)題。例如工業(yè)軟件的開發(fā)必須得有材料與工藝的融入。這里包括機(jī)械的物理學(xué)過(guò)程，以及像材料的物理及化學(xué)特性的介入，才能更好地發(fā)揮AI的數(shù)據(jù)能力。

　　在實(shí)際產(chǎn)業(yè)中，它一定是復(fù)雜的機(jī)械、電氣、材料工藝的問(wèn)題。這樣的問(wèn)題很多，例如，想要解決聚合物成型如吹瓶，其工藝過(guò)程的參數(shù)獲取，除了機(jī)械傳動(dòng)(開合模的速度)、氣體壓力、模腔內(nèi)溫度等，也包括塑料材料自身的特性，例如在不同溫度下，其實(shí)晶體結(jié)構(gòu)的成型也是有差異的，如圖3所示。

　　在圖3中，PET瓶胚經(jīng)過(guò)加熱進(jìn)入模腔，由伺服拉伸桿對(duì)其進(jìn)行縱向拉伸動(dòng)作，并由氣體同時(shí)進(jìn)行膨脹，使得其在橫向也形成材料的延展。這樣，聚合物材料如PET在模腔內(nèi)會(huì)形成不同的層結(jié)構(gòu)，并形成準(zhǔn)確的分布與壁厚，但如果過(guò)大的拉伸速度，就會(huì)讓PET分子鏈斷裂，進(jìn)而造成PET瓶變白，形成例如“珠花”的缺陷。

　　這里想說(shuō)明的是——對(duì)于控制而言，真正難的事情并不是控制，而是找到這個(gè)“拉伸速度”的邊界，并且它是在一個(gè)溫度、氣體壓力、工作速度等工況下的參數(shù)值。

　　因此，在實(shí)際工程中，制造業(yè)對(duì)AI的期待不是“控制”。實(shí)際上，在這里大量的應(yīng)用中，AI更多扮演的是“觀測(cè)器”的作用，并不需要“你”直接下手進(jìn)行信號(hào)級(jí)的控制，而是對(duì)整個(gè)過(guò)程進(jìn)行約束，來(lái)獲得機(jī)電參數(shù)的最優(yōu)值，以及模型的學(xué)習(xí)。至于去控制、執(zhí)行，對(duì)于現(xiàn)有的自動(dòng)化系統(tǒng)，都不是問(wèn)題。

　　(4)需求與應(yīng)用之間的“橋梁”

　　如果我們回答了前三個(gè)“橋梁”，就會(huì)明白AI的核心是解決問(wèn)題。記得看到今年5月13日紅杉資本召集了全球最為頂級(jí)的專家們開了個(gè)閉門會(huì)，達(dá)成了“AI的未來(lái)是為客戶提供價(jià)值”這個(gè)共識(shí)——我對(duì)此有些不以為然。因?yàn)?，這是以前寫的一個(gè)思維方式的差異問(wèn)題，即，對(duì)于IT的自上而下的AI來(lái)說(shuō)，它是先有“榔頭”再找“釘子”的思路。而對(duì)于OT，它是先有問(wèn)題，再找“榔頭”——當(dāng)然，你自己也可以做個(gè)“榔頭”，這是自下而上的思維路徑。

　　人們把AI能解決的問(wèn)題歸結(jié)了很多，但其實(shí)，AI解決問(wèn)題特別需要“咨詢”或者需要“提問(wèn)”——這種“顧問(wèn)式”的過(guò)程。因?yàn)?，它通常解決的是一些“隱性”的問(wèn)題，或者不確定、非線性的問(wèn)題。但是，這些問(wèn)題本身的特征就是不明晰的，或者說(shuō)是“模糊”的。

　　工程里，有一個(gè)經(jīng)常被我稱為“黑幕”的存在，即，這些問(wèn)題的背后牽扯非常多問(wèn)題的耦合，例如機(jī)械、電磁場(chǎng)、熱場(chǎng)、材料特性、人的因素、環(huán)境的因素……究竟是什么樣的關(guān)系，它有一個(gè)“未知之幕”。雖然我們經(jīng)常講“工程師的智慧”就是穿透迷霧，利用直覺(jué)來(lái)獲得判斷。但這種是不是也是“未知”、“模糊”、“不確定”的呢?那為何要AI可解釋性呢?

　　針對(duì)這種復(fù)雜的工程問(wèn)題，之所以說(shuō)AI具有巨大潛能，是因?yàn)锳I本身就擅長(zhǎng)解決非線性、不確定性問(wèn)題，這種背后所需的算力、或者對(duì)問(wèn)題空間的探索，是人無(wú)法進(jìn)行的，甚至也無(wú)法給出方向的。

　　要把工程上的問(wèn)題解釋清楚、讓AI明白，也是一個(gè)難題，因?yàn)檫@些問(wèn)題本來(lái)就是人都想不明白、沒(méi)有搞清楚的!因此，AI的工業(yè)應(yīng)用，還是要去解決這個(gè)“問(wèn)題-方案”的“橋梁”架設(shè)問(wèn)題。

　　解決這個(gè)問(wèn)題的方法，其實(shí)就是未來(lái)工程師最為重要的能力，即，一種“提問(wèn)”的能力，現(xiàn)在的新鮮詞匯稱為“提示工程”。其實(shí)，我們總是在講“批判性思維”——它的訓(xùn)練就是依靠“提問(wèn)”。就像我曾經(jīng)接觸過(guò)的幾位咨詢專家，最為深刻的感受就是他們的“提問(wèn)”能力，他們可以快速地提出關(guān)鍵問(wèn)題，并梳理和收斂問(wèn)題到關(guān)鍵解決點(diǎn)上。

　　因此，能夠在需求與技術(shù)之間架設(shè)“橋梁”，就是未來(lái)工程師的關(guān)鍵能力，而對(duì)于自動(dòng)化公司，將復(fù)雜問(wèn)題通過(guò)技術(shù)來(lái)實(shí)現(xiàn)，并形成可復(fù)制的方式，也是關(guān)鍵的競(jìng)爭(zhēng)力之一。

　　(5)物理與數(shù)據(jù)應(yīng)用之間的“橋梁”

　　最后一個(gè)就是在物理與數(shù)據(jù)之間架設(shè)的“橋梁”，這個(gè)更多是在實(shí)現(xiàn)的意義上。目前，從基礎(chǔ)設(shè)施來(lái)說(shuō)，包括物理的硬件和操作系統(tǒng)都可以實(shí)現(xiàn)，但這里需要搭建的“橋梁”在于“高效的接口”上。

　　物理信號(hào)與數(shù)字化之間還經(jīng)歷信號(hào)處理、傳輸、存儲(chǔ)的系列問(wèn)題，這個(gè)鏈路與商業(yè)AI的鏈路一致，但工業(yè)現(xiàn)場(chǎng)的鏈路實(shí)現(xiàn)也有自己的特殊需求。例如， OPC UA FX能解決這些問(wèn)題，但另一方面，這個(gè)實(shí)現(xiàn)也并不像想象那么普及，或者說(shuō)，如果覺(jué)得這種方式太重的話，也要思考更為便利的接口。

　　在物理與數(shù)據(jù)方法之間的接口——配置，也是一個(gè)需要快速構(gòu)建的能力。

　　其實(shí)，這并非局部、單個(gè)垂直行業(yè)、而是是否存在普遍的高效數(shù)據(jù)接口的問(wèn)題，包括從設(shè)計(jì)到運(yùn)營(yíng)，從現(xiàn)場(chǎng)到管理，從運(yùn)營(yíng)到維護(hù)。最為重要的是它必須易用，讓數(shù)據(jù)能夠快速流動(dòng)，在各個(gè)軟件之間形成快速的接口出入，或者能夠直接形成周期性訂閱、周期性發(fā)布的方式。

　　3“橋梁”的建造

　　從解決問(wèn)題的視角，其實(shí)要搭建這些“橋梁”，首先需要在以下幾點(diǎn)上達(dá)成共識(shí)，并持續(xù)推進(jìn)實(shí)施計(jì)劃。

　　(1)標(biāo)準(zhǔn)與規(guī)范的問(wèn)題

　　工業(yè)的特性，決定了要繼續(xù)保持原有的架構(gòu)并擴(kuò)展，而實(shí)現(xiàn)的標(biāo)準(zhǔn)包括在OPC UA FX方面以及這個(gè)垂直方向的努力。OPC基金會(huì)將在AI應(yīng)用、統(tǒng)一信息建模方面下功夫，不過(guò)，還需要得到產(chǎn)業(yè)的共識(shí)。

　　OPC基金會(huì)制定了野心勃勃的計(jì)劃，但OPC基金會(huì)似乎又過(guò)于試圖搭建無(wú)所不在的框架來(lái)容納所有概念和方法，包括支持通信DDS、MQTT，F(xiàn)X擴(kuò)展到各種底層物理通信，無(wú)線/有線等等;同時(shí)OPC UA還在垂直行業(yè)、數(shù)字化設(shè)計(jì)、云端、AI各個(gè)方向擴(kuò)展它的連接領(lǐng)域。

　　(2)咨詢服務(wù)的角色

　　企業(yè)的能力也要進(jìn)行重構(gòu)，基于AI服務(wù)，它更需要一種類似于Palantir這家公司的FDE模式。即，這些工程師既有能力做顧問(wèn)，又有能力技術(shù)實(shí)現(xiàn)，結(jié)合用戶的特定需求，然后把它做成標(biāo)準(zhǔn)化的“訂閱”——這是可參考的。

　　但要談到業(yè)務(wù)模式，即，服務(wù)作為一項(xiàng)收費(fèi)內(nèi)容，將成為未來(lái)自動(dòng)化行業(yè)的自身能力，并不是說(shuō)說(shuō)而已，而是體現(xiàn)在專業(yè)性的服務(wù)上;以及在模型方面，讓業(yè)務(wù)流效率更高，可以靠專業(yè)的咨詢服務(wù)來(lái)創(chuàng)造價(jià)值，并且客戶愿意買單。

　　(3)人才培養(yǎng)的問(wèn)題

　　人才培養(yǎng)，需要多方協(xié)作，包括工程與理論、AI技術(shù)提供者與行業(yè)解決方案提供商、軟件與服務(wù)等方面的各種合作。而這種人才需要具備跨領(lǐng)域能力，這里的跨領(lǐng)域不僅是指專業(yè)領(lǐng)域，也指職業(yè)性的——即，這位專家可能是能夠協(xié)調(diào)、運(yùn)營(yíng)、設(shè)計(jì)、實(shí)施、AI、工藝等多方面的技術(shù)管理型人才，或者是一位能夠帶領(lǐng)這些跨平臺(tái)、團(tuán)隊(duì)、領(lǐng)域之間合作的領(lǐng)導(dǎo)者。