郑志明：提升新质生产力，新一代人工智能驱动的智能制造

10月30-31日，2024汽车技术与装备发展论坛在苏州召开，政府领导，院士专家，装备、汽车及产业链企业高层齐聚，围绕“共筑汽车产业新质生产力”年度主题，聚焦新技术、新装备、新生态展开深入研讨，探索装备制造与汽车产业的融合发展路径。论坛由1场闭门会、1场开幕大会、2场特色活动和4场分论坛构成，搭建起国内首个聚焦“汽车技术与装备发展”领域的高端对接平台。其中，在10月30日上午举办的“开幕大会”上，中国科学院院士、北京航空航天大学教授郑志明发表了精彩演讲。以下内容为现场发言实录:

尊敬的各位领导专家，我今天做的报告叫提升生产力:新一代人工智能驱动的智能制造。题目范围比较大，所以我前面要简单讲一下现在人工智能的发展主要聚焦点在什么地方。分四个部分讲这件事，再讲从人工智能角度讲，在制造领域作为一个垂直领域，它的一些发展趋势。

人工智能经过几十年的发展，经过两个低谷后，发展到现在，大家知道，以大模型为代表，现在到了非常蓬勃的发展期。在这过程，如果从科学的角度来看人工智能技术，大概我们可以分为两类。

一类是在小数据时代，它的智能技术，基本上是基于逻辑的，或者一种线性化处理的一种方法。也就是说，用的方法是以牛顿体系为代表的简单处理方法，实际上牛顿处理方法就是线性处理方法，线性处理方法就是简单的处理方法。

到了数据发展越来越大，到了大数据后，这个问题变的复杂了。我们希望了解的问题更全面细致。在这个时候，从科学背景来讲，就必须要把更多的，能够处理这种复杂的问题的工具，要加到人工智能里，才能把问题处理好。

所以现在我们实际上，从人工智能角度问题讲，它面对的问题，不管用什么智能方法，面对的问题就是要聚焦在复杂数据系统上。从现在来做，大概从国际上讲两种方法，一种方法就是大家比较熟悉的大模型方法，国内现在做的也是朝气蓬勃，百模甚至几百模上千模。

还有一种是小众的，因为做起来比较难，要求功底深厚。就是要遵循内嵌规律的精准智能方法。实际上不管是智能方法简单讲，不管用哪类智能方法，就是想从复杂的数据里，把最重要的信息或最重要的知识，能够从数据里捞出来。你捞的方法是什么，这指的就是你用什么样的智能方法。

这两种方法的区别在什么地方，现在我们讲大模型，后边的方法其实没有人讲，但是据我所知，只有在北航有支强大的团队在做这件事。当前人工智能大模型，我们这几年发展非常红火，但是这两种方法比较，大模型和所谓的内嵌规律的精准智能方法。

一种就是参数要很大，算力要大，但是现在参数已经到了上千亿甚至到了万亿，那里面一些核心问题，还是解决不了，一般解释性问题、出现新问题等等。而这些东西对于工业来讲是特别重要的，对装备制造来讲，特别深层次的技术，是极其重要的一件事情。

如果一个具有上万亿参数的这么一个模型，还解决不了里面最根本的问题，那么尽管看起来有很多应用，应该有理由怀疑这个模型本质本身上，是有本质上缺陷的。

第二个方法，就是所谓的内嵌规律精准智能，就是跨尺度学习。这种方法大家一定是生疏的方法，它实际上我们分析数据的时候，凡是研究智能的或者研究信息都知道数据要素。

数据要素我们大概都分析到只有这层，就是数据要素之间的关联关系。它是怎么关联的，这个方面基本没有研究。如果只研究关联关系，近代的牛顿方法就够了。研究怎么关联的，那必须现代的数学物理，必须要用这种。所以怎么关联这个关系，这里面如果把数据要素关联关系建立好后，这个模型建立出来后，就是有道理的模型，不可能不能解释。

所以我们可以看到，从2016年开始，美国的DARPA相当于中国军科委，DARPA几十年来发布的一些指令，从来不会有错误，我没看到一个方向是本质性判断错误。美国能源部相当于中国科技部，美国自然基金委在连续人工智能，在布局方面，大模型没有布一分钱，布的全是聚焦复杂系统的精准智能，在这方面研究，可以讲这种方法一定是后大模型时代的人工智能方向。所以我们可以理解，大模型是商业基金在资助，那么它的国家基金、国家力量在使劲做后面这件事情。

从人工智能总结一下，人工智能实际上它是希望能做一个智能体，根据对于复杂的动态环境，能够有智能体，有自主的感知认知决策，学习和执行等等资源能力。实际上目的还是要做这么一件事情。这和50年代当时人工智能概念提出初衷并没有变化，但是现在发展非常快。

它的背景，实际上要做这件事情，有没有能力做这件事情，或者是有没有必须要做这件事情，实际上这是两个驱动力，一是信息技术发展，我们能够提供算力、通信，二是实际上需要，我们讲仪器建得越来越精密，目的就是要观察或者汽车工业里的材料、结构，我们需要能够看更细的东西。你看得越细数据就是指数发展。你为什么要看得细，就是要分清里面的细节的结构，为什么要分清细节结构，就是你要看清细节的结构或者是微尺度、小尺度的，颗粒度比较小的，这些地方的结构和整个大尺度的之间的关系，要看清这两样东西。从数据角度来讲数据组织增加，你从人工智能来看它就希望能够遵循这样的规律，从小尺度的变化带动大尺度的变化。所以这就是驱动力。

怎么来做这件事情，我现在并不是讲大模型，是讲在后大模型时代人工智能要做的事情，就是所谓的精准智能。精准智能刚才已经讲过它是要从微弱的或者是小尺度的，里面的结构来观察大尺度的整体的变化，很多变化都是由小尺度的微弱变化引起整个体系的变化。这里面就是它的科学问题首先要在小尺度上分析出数据要素之间的最重要的关联关系和它是怎么关联的，关联的机制要把这个弄清楚。有了这个清楚以后，你的经验、知识或者是科学知识或者技术知识都可以嵌到里面，这样就形成模型。这个模型合理不合理可以再回到原数据里再走一下反反复复把这个模型提纯，提得更精确、更优化，从这个模型出发可以得到一些结论，这种结论绝对是可解释、可复现的，也没有幻觉。

这就是跨尺度智能学习最核心的三点，就是从小尺度出发到对大尺度知识的理解。后面我们讲智能制造发展趋势，其实从制造来讲，从国际上来讲尽管发了很多的白皮书等等，实际上从智能制造的角度来讲大概就两点，强网和强端。

从国外来看这件事情，像日本比较强，认为端是很重要的，美国比较强的网络的重要性。日本白皮书里可以看到认为端是可以达到高峰最重要的因素，通过强端带动整个产业发展。

从我们国家来讲，因为新质生产力阶段的智能制造特点实际上看一系列文件我们可以看到大概是这样的，端网兼顾、端网融合，不仅要端、网，我们都要来考虑这件事情，发力点就是智能化。把现在智能的这个领域的发展要紧密地和制造联系起来，来推动新一代制造产业的发展。

从制造产业来看或者应用大家都比较着重的现在来看写了几点，在座的都是大专家，觉得可能还要多一点。从应用角度来看和产业发展趋势来看就三点，个性化定制柔性生产、高自动化与智能生产等等。

现在到目前为止，我个人认为从人工智能的角度来看可能与制造能够衔接的比较好的对人工智能的技术来讲，大概有这些。深度学习、跨界融合、人机交互、群智开放等等这类人工智能技术。关键是要把这些融合起来，融合起来实际上也有不同的层次，说智能制造有的说智能工厂等等很多，可能要看内容，里面的融合程度是不是推进了智能制造的本质性发展，是分不同层的。

所以在这里面在技术驱动、需求牵引，在整个过程中我们可能也是要经过摸索，通过浅层次的智能+的过程，一开始从表到里慢慢深化。但是从现在来讲，当然我了解的信息可能比较少，深化的可能并不多。

最后讲一个案例，在智能制造方面我们做的一件事情。工业母机的智能化是制造业智能化水平的先决因素和重要体现，工业母机你怎么智能化，它的智能化首先一点，因为智能是信息领域，所以首先高端的数控软件与高端数控机床是工业母机发展的重要突破方向。

智能制造时代，数控技术以CAD、CAM、CNC等工业软件为代表，因为我们的实验室就是复杂软件开发环境重点实验室，我们实验室已经做了几十年这是我们典型的代表，希望能够在数控领域做出数控系统，在这个地方能够做出一个有代表性的成果。

智能时代是一体化，好处是精度、效率、可靠性、稳定性可以通过一体化能够大幅度提高。怎么来做一体化，也有各种各样的途径，一体化和智能两个怎么能够通过智能来大幅度提升一体化的水平，这件事情实际上是现在讲智能制造里最核心的内容之一。所以这里面就要求基础创新和系统性布局。

这件事情是一个法国的数学家叫贝塞尔，他就是计算集合专家，在法国非常有名，他做了32年，做出现在我们大家熟悉的，不管是高端机床也好，低端机床也好，都是用的这个原理。可能中国很多人不知道这件事情，当然在后面还有很多信息专家数学家，在不断丰富这个内容。

他的意义就将数控从画法几何，画法几何是没有办法数字化的。把画法几何代入计算几何，就是可以数字化的时代，所以制造的数字化就这么来的。现在我们要做高端一体化，就是希望能够把几何和物理融合的智能制造，控制系统要做出来。

也就是说，我们过去做数控，是基于加工件的几何形态进行设计。这种集合件其实后面蕴含很多物理背景，其实上面赋予了物理性能，我们也是功能分析这部分。所以能不能把这种几何设计，功能分析这种规划和差补，整个的加工或者集合物理信息，加工一种特性，这三个模块给它一体化。

但是一体化要讲道理的一体化，不能硬拼的一体化。也就是说，这三个东西相当于糖葫芦上面三个山楂。你能不能有一个原理，相当于签子一样把三个串起来，这个签子到底是什么，使得它成为一个糖葫芦。这就是我们做这个，完全不是计算几何一种新现代数学方法做它。

怎么做这件事情，就是廖山涛先生典范方程的思想来做这件事情，做这件事情当然我不讲里面的细节，讲完后可能非常复杂。我想说的一件事情是它实际上都是由流线构成，所以那根签子就是那个流线，流线把三部串起来。

这个好处就是过去一切的数控方法，基于几何的数控方法和基于流线的数控方法，这是一个全局的数控方法。那是局部数控方法，用现在这种基于流线的，其实不是机损集合，是基于流体的计算方法，或者数控方法。

在加工的时候，我要知道进度多少。因为这是一个global方法，不是local方法。所以这个创新点就构造了智能系统，因为基于流体的智能方法有很多，所以我就把智能方法嵌入到了整个制造的通道，深入到制造的最核心理念。

也就是基于内嵌、力学、流场规律的自由曲面一体化智能加工范式。这就是我们做了大概15、16年做出来的东西。做出来后在和龙头企业大概提供的海量生产，实际的案例，做了很长时间，超千万行代码测试它。测试它的核心功能，这个数控系统的核心功能绝对是非常好的，当然也在不断调整优化这个系统，所以系统应该是现在调整的非常好的。

和整个对西门子和丹麦系统的，我们做了比较后，应该是这个模块，整个体系应该还是非常优秀的。我们有信心把这个做成具有中国特色的国际领先的数控软件系统。

最后我想讲一句话，就简单我的认知，中国的产业发展和科技创新，我谈一下个人认知，不一定对。我们科技和产业发展大概经历这么几个阶段，第一个阶段就是文革结束之前，这时候，们的产业实际上是当时解放初期一穷二白。一穷二白后怎么把工业这个地方能够做起来，这是我们当时急迫解决的问题。

经过几十年努力，我们实际上是初步建立了工业体系，而且工业体系是非常完整的。真正实现了第一代领导人所讲的，实现立国战略，要自立于民族世界之林这句话，这件事情做到了。

改革开放后，门一打开我们发现，我们什么都有，但是什么都落后。那么这时候我们的重点就是要技术创新，解决工业基础全面落后的困局，实现国家技术和工业能够赶上，至少能陪着别人跑，不能落后老远，就是跟跑和并跑。

这几十年发展下来，我们确实做到了，实行了大国战略，由于这件事情人家对我们竞争关系也慢慢形成，在这个环境下，基础创新变成强国战略的尤其重要的课题。在根据过去的技术创新这条路，实际上已经走不通了。

就需要在若干关键领域，达到国际领先和先进水平，在这里面核心的关键地方，要建立在我们的教育和产业里，要建立现代的技术科学体系，现代的技术科学体系就是要现代的科学和现代的技术工程深度融合，目的要实行强国战略。我比较欣赏丁肇中的一句话，丁肇中是做暗物质探索，我是他信息处理组的组长，他经常讲做仪器一定要做最好的，要做的事情是别人反对的，别人觉得不可能的事情你去做，这样才能走到别人前面，不能做扎堆式的，中国的研究、中国的产业经常喜欢做扎堆式的，科学也好、技术也好，我想多数服从少数，少数带着大家走。如果大家都意见一样的话，其实做这件事情已经没有意义了。

谢谢大家！