智慧製造定義演進史：工業4.0、IIoT、元宇宙、AI…

「智慧製造（smart manufacturing）」這個字的誕生可能比大多數人想像的還要晚。根據記載，「智慧製造」最早出現在2006年美國國家科學基金會（National Science Foundation）的一次關於電腦基礎設施的演講中。

智慧製造與工業4.0

同時，「智慧工廠」概念在歐洲尤其是德國開始流行。現有存世的記載和專家普遍認為，歐洲與美國類似的智慧製造/工廠概念幾乎是同時、相對獨立的發展。

然而2013年，德國提出了「工業4.0（Industry 4.0）」的概念。這是德國政府在一群科學家製定高科技戰略時提出的新詞。工業4.0是由美國《外交事務》雜誌推動的，該雜誌發表了世界經濟論壇（WEF）執行主席克勞斯·施瓦布的文章（第四次工業革命）。

2016年4.0月，世界經濟論壇年會的主題立即定為「掌握第四次工業革命」。同年4.0月，世界經濟論壇宣佈在舊金山設立第四次工業革命中心。因此，維基百科將「第四次工業革命」與「工業XNUMX」劃上了等號。熟悉歷史的讀者應該大致知道，前三次工業革命分別是蒸汽革命、電力革命和資訊科技革命——在這個背景下，工業XNUMX似乎比我們現在所說的工業自動化範圍更廣。

當時，施瓦布預計工業4.0時代的發展將以不同領域技術的爆炸性增長為標誌，包括CPS（駕駛物理系統，資訊物理系統）、機器人、人工智慧、奈米技術、量子運算、生物技術、物聯網、IIoT、無線技術、3D列印、全自動汽車等...

一些企業數據和分析機構的文章認為，工業4.0或第四次工業革命所指的範圍比智慧製造更大。或者智慧製造是指工業4.0技術在製造領域的運用。其實，最早的工業4.0就是指製造技術和流程的自動化趨勢。維基百科的「智慧製造」條目甚至直接包含「工業4.0」。

然而，當我們仔細檢視智慧製造和工業4.0的早期規劃和路線圖時，會發現兩家企業在發展上確實有不同的重點。最早的智慧製造著重於高資訊量、資料互聯驅動的製造，而工業4.0則主要專注於CPS系統。

隨著智慧製造與工業4.0這兩個詞的廣泛性和概括性，現在討論這兩個概念時，可以認為它們可以等同於同一水平。 ——。尤其是科技的進步使得這兩個概念逐漸融合。所有與工業、製造業有關的熱詞、概念，無不圍繞智慧製造、工業4.0而興起。

永恆的關鍵屬性：數位化

也許和大多數人想像的不同，它們絕大多數在智慧製造出現之前就存在或被提出，而且存在的時間相當長。例如邊緣運算的概念最早出現在1990年代－CDN（內容傳遞網路）幾乎就是邊緣運算的雛形； CDN在本世紀初擴展到其他應用，實現了最早的邊緣運算服務。

數位孿生（digital twin）與元宇宙（metaverse）最早出現在科幻小說《雪崩》（Snow Crash）中，而用來表示後續虛擬實境空間復甦的詞語——已難覓食痕跡。因此，不難理解為什麼在智慧製造和工業 4.0 剛誕生的時候，會出現 IIoT、大數據和數位孿生。因此，很難說智慧製造領域這些年會不斷炒作新概念。

我們認為，所有這些概念的最終目標是製造業的智慧化和自動化。那就是科幻電影中所呈現的無人化工廠——即使最終的具體形式可能並非如此。在實現智慧化、自動化的過程中，既然是藉由電子技術來實現的，那麼首先要做到的就一定是數位化。當然這也涉及網路化等數位化相關的趨勢。

在具體技術上，觀察Google搜尋字詞趨勢可以發現，過去3年IIoT表現比較平均（圖XNUMX）－我們可以將其視為智慧製造方向上的一項腳踏實地的技術。事實上，IIoT涵蓋了半導體感測、連接、控制/處理和電源四個領域。除了動力之外，還有其他幾個要素被設計用於製造領域的數位化。

這些要素也都是瑞薩、安森美等試圖建構全鏈路的智慧製造領域核心市場參與者。

當代智慧製造最熱詞：AI、數位孿生

我嘗試使用Google搜尋引擎，針對智慧製造相關的具體技術，查看搜尋字詞趨勢，除了「AI」這樣的單獨熱詞，在近一年的搜尋熱度遠超其他關鍵字，以IIoT這個詞作為參考座標，智慧製造領域目前突出的搜尋熱詞是Digital Twin和Edge AI。

不管是巧合，還是必然，只要關注智慧製造與工業4.0的定義與路線圖，就會發現邊緣AI與數位孿生，恰恰與智慧製造與工業4.0相對應。如前所述，智慧製造早先強調資訊和數據的高度連接驅動——邊緣AI是數據計算和連接能力的充分應用；而工業4.0一直在講CPS，也就是現實世界的虛擬化，就像數位孿生的路線一樣。

但從根本上來說，邊緣AI和數位孿生是科技持續進步的中高階數位化階段。就像數位化初期還在講感測技術，也就是怎麼把自然的、類比的資訊變成數位訊息，也就是對數位資訊的控制與處理。只有數位化發展到高階階段，才談得上以海量數據為基礎的人工智慧。

數位孿生是數位化的下一個高階階段，不僅要求工廠和製造數據更高程度甚至全面的數位化，還需要人工智慧技術的配合。可以看出，智慧製造熱詞的發展基礎是：當數位化發展到新的高度，智慧製造就會出現新的具體技術和熱詞。

MathWorks身為工業軟體企業，這家公司在製造業數位化方面比較有發言權。事實上，MathWorks 新產品或新功能的出現也能揭示出一種趨勢。

下一階段：生成式人工智慧、工業宇宙、機器人

在去年的SIGGRAPH高峰會上，Nvidia執行長黃仁勳提到，工業數位化是一塊潛在產出達50兆美元的大蛋糕。或許在智慧製造乃至工業4.0時代，誰也沒想到Nvidia會和工業製造扯上關係，因為Nvidia以前是做遊戲顯示卡的。

當時，黃仁勳在會上做了演示，他將一份工廠的PDF文檔——2D CAD 設計圖——發送給生成式AI模型，要求其根據這份PDF文檔生成工廠的3D數位孿生。最終的3D模型不僅是基於平面規劃，還增加了燈光、紋理等效果。理想情況下，如果達到物理級精度，這種工廠數位孿生甚至可以用於機器人訓練和模擬。

當然，真正做到這一點並投入生產可能還會面臨許多挑戰。然而它不僅展現了顯示卡渲染3D工廠的工作，也體現了生成式AI在過程中的作用，甚至數位孿生、AI對於機器人技術的助力。我認為，工業數位孿生規模擴大之後，毫無疑問就是工業數位元宇宙。

值得一提的是，BMW利用Nvidia Isaac對機器人做AI訓練，相當於在虛擬環境中訓練這些機器人，－－。這也是工業元宇宙的某種應用。無論是工廠內AGV堆高機的導航、配送，或是生產線上機械臂的運轉，從虛擬世界中的機器人AI訓練，到機器人智慧的部署，英偉達近兩年來一再強調自己的端到端解決方案。這幾乎已經被業界視為工業製造的未來。

對於智慧製造的未來，Hector也提到，「核心是生產過程的高度自動化，透過引進先進的機器人/AGV技術，可以實現產線的自動化運作。」可以看出，高度數位化背景下的工業數位孿生、AI和機器人技術一定是智慧製造的未來。

最後值得一提的是，在今年的GTC開發者大會上，Nvidia發布了Project GROOT人形機器人計畫——，當然主要還是人形機器人的基礎模型。根據 Nvidia 的說法，這是基於生成式 AI 來「生成機器人的下一步動作」。換言之，萬物皆可生成。

當文字、圖像、影片等資訊數位化後可以產生數據時，基因、腦電波、機器人等類型的數據也可以數位化後產生數據。雖然AI已經滲透到工業製造領域，但生成式AI的攻擊幾乎是不可避免的。

Hector安森在肯定生成式AI的前提下，為生成式AI和工業數位孿生的大規模資料處理和高功率資料中心提供電力和功率相關產品，旨在「推動生成式AI的發展」。沈慶表示，“從理論上講，生成式人工智慧可以在智慧製造的多個環節中發揮重要作用，包括研發設計規劃、生產過程控制、營運管理優化、產品與服務優化等。」但“就目前而言，生成式人工智慧還處於探索階段。”

智慧人工智慧製造的發展階段可能比數位孿生更為初級。但對於工業數位化而言潛在價值達50兆美元的生成式人工智慧的出現，無疑將成為未來的支柱。