原创专栏·新一代智能制造专家谈

郑志明，中国科学院院士、北航人工智能学院教授 

进入“十五五”时期，我国制造业正处在由规模优势向质量优势、由要素驱动向创新驱动加快转变的关键阶段。伴随智能制造持续深化和“人工智能+制造”加快推进，新一代智能制造正在由局部探索走向体系提升。如何从制造系统本身出发，把握其内在规律、认知方法与能力演进路径，已成为一个值得深入讨论的重要问题。

理解新一代智能制造，首先要看到制造并不是一般意义上的数字场景。它面对的是具体材料、具体工艺、具体装备和具体质量目标，运行中需要同时权衡质量、效率、成本、能耗、可靠性与安全等多重要求。设计、工艺、生产、运维、供应链等环节相互牵动，局部变化常常传导至系统整体。就此而言，制造系统更接近一个多主体协同、多尺度耦合、多目标约束、强动态扰动并具有非线性反馈特征的复杂系统，而不是可以简单拆解、分段求解的线性流程。

这意味着，新一代智能制造首先需要一种复杂系统方法。其关键不在于引入某个单独理论，而在于以系统视角理解制造问题，以耦合关系分析制造过程，以动态演化把握制造优化。离开这种方法，智能制造很容易被理解为设备联网、系统部署或智能算法叠加，最终停留在局部提效和工具替代层面；而只有把制造放回复杂系统框架中，才能更准确地识别影响系统绩效的关键变量，理解局部最优与整体最优之间的差异，并为系统优化提供更可靠的分析基础。

在这一基础上，人工智能的意义也就更加明确。它不只是增加了一类新的分析工具，更重要的是为复杂制造系统提供新的认知能力与求解能力，使系统在状态感知、关系识别、趋势推演、风险预判和多目标协调方面具备更高水平的能力。《“人工智能+制造”专项行动实施意见》提出，促进人工智能科技创新与产业创新深度融合、人工智能技术与制造业应用“双向赋能”，加快制造业智能化、绿色化、融合化发展。这说明，人工智能在制造业中的价值，正在从局部应用走向能力支撑。

制造业对智能的要求，与一般开放环境中的智能应用并不相同。制造现场通常具有高价值对象、高精度要求和高后果约束，轻微的识别偏差、预测误差或决策失配，都可能被工艺链条和执行闭环放大。因此，新一代智能制造不能停留在宽泛意义上的一般智能，而更需要沿着精准智能路径推进。这里所说的精准，并不是抽象地追求“更聪明”，而是面向具体对象、具体工况、具体约束和具体目标，形成更有针对性、更高可信度的分析、决策和优化能力。

这一点在制造现场有直接体现。例如，在复杂工艺过程优化与质量控制中，工艺参数、装备状态、材料特性和环境扰动高度耦合，质量波动往往不是单一因素导致，而是多因素共同作用的结果；在关键装备状态感知与预测维护中，设备异常通常具有长期演化和多因素耦合特征，单纯报警并不足以支撑高质量维护决策；在生产组织与资源协同决策中，订单变化、设备波动、工序耦合和供应链扰动并存，排程调度也不是静态最优问题，而是持续协调的问题。这些场景共同说明，制造领域需要的不是泛化智能，而是能够进入工艺、装备、质量、调度和运维等核心环节的精准智能。

从这个意义上说，复杂系统方法与精准智能路径并不是两套分离的框架，而是一前一后的内在统一。复杂系统方法回答的是如何理解制造问题，精准智能路径回答的是如何在制造核心环节中形成可执行、可验证、可迭代的能力。前者提供认识框架，后者提供实践方向；前者决定看问题的深度，后者决定解决问题的质量。

面向“十五五”，新一代智能制造的推进，或可着重把握两个方面：一是以复杂系统方法重新理解制造，避免停留在线性流程和局部优化的旧框架中；二是沿着精准智能路径推进制造智能化，使人工智能能力真正进入制造核心环节。新一代智能制造的关键，并不在于简单增加一些“智能功能”，而在于以复杂系统方法把握制造本质，以精准智能路径建立能力闭环，并在这一过程中持续提升制造系统的质量、效率与韧性。