智能制造定义演变史：工业4.0、IIoT、元宇宙、AI……

“智能制造（smart manufacturing）”这个词的诞生可能比大多数人想象的要晚。根据记载，智能制造最早出现在2006年美国国家科学基金会（National Science Foundation）关于计算机基础设施的一次演讲中。

智能制造与工业4.0

同时期兴起的“智能工厂”概念在欧洲尤其是德国开始流行，现存的记载和专家普遍认为，欧洲与美国类似的智能制造/工厂概念几乎是同时、相对独立地发展起来的。

然而，2013年，德国提出了“工业4.0（Industry 4.0）”的概念。这是德国政府的科学家团队在制定高科技战略时冒出的一个新词。工业4.0是由美国《外交事务》（Foreign Affairs）杂志推动的，该杂志刊登了世界经济论坛（WEF）执行主席克劳斯·施瓦布（Klaus Schwab）的文章《第四次工业革命》。

2016年4.0月，世界经济论坛年会的主题立即定为“掌握第四次工业革命”。同年4.0月，世界经济论坛宣布在旧金山设立第四次工业革命中心。因此，维基百科将“第四次工业革命”与“工业XNUMX”划上了等号。熟悉历史的读者应该大致知道，前三次工业革命分别是蒸汽革命、电力革命和信息技术革命——在这个背景下，工业XNUMX似乎比我们现在所说的工业自动化范围更广。

当时，施瓦布预计工业4.0时代的发展将以不同领域技术的爆炸式增长为标志，包括CPS（驾驶物理系统，信息物理系统）、机器人、人工智能、纳米技术、量子计算、生物技术、物联网、IIoT、无线技术、3D打印、全自动汽车等......

一些企业数据和分析机构的文章认为，工业4.0或第四次工业革命所指的范围比智能制造更大。或者智能制造是指工业4.0技术在制造领域的运用。其实，最早的工业4.0是指制造技术和流程的自动化趋势。维基百科的“智能制造”条目甚至直接包含了“工业4.0”。

但当我们仔细审视智能制造和工业4.0早期的规划和路线图时，会发现两家企业在发展上确实有不同的侧重点，最早的智能制造是信息和数据高度互联驱动的制造，而工业4.0则主要侧重于CPS系统。

随着智能制造、工业4.0这些词语的泛化和一般化，现在讨论这两个概念的时候，可以认为可以等同于同一层次了。——。尤其是科技的进步使得这两个概念趋于融合，所有与工业、制造业有关的热词等概念，都是围绕智能制造、工业4.0而兴起的。

永恒的关键属性：数字化

也许和大多数人想象的不同，它们绝大多数在智能制造来临之前就已经存在或被提出，并且存在的时间相当长。比如边缘计算的概念最早出现于上世纪 1990 年代——当时的 CDN（内容分发网络）几乎就是边缘计算的雏形；CDN 在本世纪初扩展到其他应用，实现了最早的边缘计算服务。

数字孪生（digital twin）和元宇宙（metaverse）最早出现在科幻小说《雪崩》（Snow Crash）中，而用来代表随后再度兴起的虚拟现实空间的词汇——已难觅踪迹。所以也就不难理解，为什么在智能制造和工业4.0刚刚诞生的时候，IIoT、大数据、数字孪生就层出不穷了。因此，很难说智能制造领域这些年一直在不断炒作新概念。

在我们看来，所有这些概念的最终目标都是制造业的智能化、自动化。也就是科幻电影中呈现的无人化工厂——即使最终的具体形态可能并非如此。在实现智能化、自动化的过程中，既然是借助电子技术来实现的，那么首先要做的肯定是数字化。当然，这也涉及到物联网等数字化相关的趋势。

在具体技术上，观察谷歌搜索​​词趋势可以发现，过去五年IIoT发展比较平均（图3）——我们可以把它看作是智能制造方向的一项落地技术。事实上，IIoT涵盖了半导体传感、连接、控制/处理、电源四个领域。除了电源之外，其他几个要素都是为了在制造领域做数字化。

这些要素也都是瑞萨、安森美等试图构建全链路的智能制造领域核心市场参与者。

当代智能制造最热词：AI、数字孪生

我尝试使用Google搜索引擎，针对智能制造相关的具体技术，查看搜索词趋势，除了“AI”这样的单独热词，在近一年的搜索热度远超其他关键词，以IIoT这个词作为参考坐标，智能制造领域目前突出的搜索热词是Digital Twin和Edge AI。

无论是巧合还是必然，只要关注智能制造和工业4.0的定义和路线图，就会发现边缘AI和数字孪生恰恰对应着智能制造和工业4.0。如前文所述，智能制造早先强调的是信息和数据高连接驱动——边缘AI是数据计算和连接能力的充分应用；而工业4.0一直在说CPS，即现实世界的虚拟化，就像数字孪生的路线一样。

但说到底，边缘AI、数字孪生都是技术不断进步的中高级数字化阶段。就像数字化的早期阶段还在讲感知技术，也就是如何把自然的、模拟的信息变成数字信息，也就是数字信息的控制和处理。数字化发展到高级阶段，才可以谈基于海量数据的人工智能。

数字孪生是数字化的下一个高级阶段，不仅要求工厂和制造数据更高程度甚至全面数字化，还需要AI技术的配合。可以看出，智能制造热词的发展是基于：当数字化发展到一个新的高度时，智能制造就会有新的具体技术和热词。

MathWorks 作为一家工业软件企业，该公司在制造业数字化方面更有发言权。事实上，MathWorks 新产品或新功能的出现也能揭示出一种趋势。

下一阶段：生成式人工智能、工业宇宙、机器人

在去年的SIGGRAPH峰会上，Nvidia CEO John Huang提到，工业数字化是一个潜在产出50万亿美元的大蛋糕。也许在智能制造甚至工业4.0时代，没有人会想到Nvidia会和工业制造扯上关系，因为Nvidia以前是做游戏显卡的。

当时，黄仁勋在会上做了一个演示，他将工厂的一份 PDF 文档——二维 CAD 平面图——发给生成式 AI 模型，让它根据这份 PDF 文档生成工厂的三维数字孪生。最终的三维模型不仅基于平面图，还添加了光影、纹理等效果。理想情况下，如果达到物理级精度，这样的工厂数字孪生甚至可以用于机器人的训练和仿真。

当然，真正做到这些，并投入生产，可能还有很多挑战。但它不仅展现了显卡渲染3D工厂的工作，也体现了生成式AI在过程中的作用，甚至数字孪生、AI对于机器人技术的助力。在我看来，工业数字孪生规模扩大之后，无疑是工业数字元宇宙。

值得一提的是，宝马利用Nvidia Isaac对机器人做AI训练，相当于在虚拟环境中训练这些机器人——这也是工业元宇宙的一定应用。无论是工厂里AGV叉车的导航、送货，还是生产线上机械臂的运转，从虚拟世界中的机器人AI训练，到机器人智能的部署，英伟达这两年反复强调自己的端到端解决方案。这几乎已经被业界视为工业制造的未来。

对于智能制造的未来，Hector也提到，“核心是生产过程的高度自动化，通过引入先进的机器人/AGV技术，可以实现产线的自动化运作。”可以看出，高度数字化背景下的工业数字孪生、AI和机器人技术一定是智能制造的未来。

最后值得一提的是，在今年的GTC开发者大会上，Nvidia发布了Project GROOT人形机器人项目——当然，主要是人形机器人的基础模型。据Nvidia介绍，这是基于生成式AI来“生成机器人的下一步动作”。黄仁勋在接受分析师采访时表示，如果一切都可以数字化，那么一切都可以代币化（tokenized）——。换句话说，一切都可以生成。

当文本、图像、视频等信息数字化后可以生成数据时，基因、脑电波、机器人等各类数据也可以数字化后生成数据，虽然人工智能已经渗透到工业制造领域，但生成式人工智能的进攻几乎是不可避免的。

安森在肯定生成式AI的前提下，为生成式AI和工业数字孪生的大规模数据处理和高功率数据中心提供电力和功率相关产品，旨在“推动生成式AI的发展”。沈庆表示，“从理论上讲，生成式AI可以在智能制造的多个环节发挥重要作用，包括研发设计规划、生产过程控制、运营管理优化、产品和服务优化等。”但“就目前而言，生成式AI还处于探索阶段。”

智能AI制造的发展阶段可能比数字孪生更初级。但对于工业数字化而言，50万亿美元潜在价值的生成式AI的出现无疑将成为未来的支柱。