隨著第四次工業革命的到來，信息技術（IT）和運營技術（OT）的融合成為新趨勢，工廠開始進入數字化轉型階段，而德國“工業4.0”戰略給全球制造業發展帶來啟示，未來生產線上的人、機器、產品等對象都將與計算機里的虛擬世界連接，從而提升工廠的管理控制能力，并創造出巨大的商業價值。

在OFweek2018（第三屆）中國高科技產業大會上，德國漢堡科學院院士張建偉發表了《賦予新動能，從CPS到HCPS的智能系統》的精彩演講，并在會后接受了OFweek工控網的采訪，詳細談及了信息物理系統（CPS）的關鍵技術，以及人工智能、智能制造方面的重要趨勢。

德國漢堡科學院院士張建偉在接受OFweek工控網采訪

張建偉認為，德國工業4.0模式下，數字化的過程充分利用了計算的能力和物理仿真的方法，將物理世界的對象在虛擬計算中創建一一對應的數字模型，從而能夠分析各個自動化環節的合理性，例如機器人應該放在哪個位置，并測試出各種組合的可能性，最終找到最佳的實施解決方案。

目前，通過數字化CPS可以實現機器人等設備的仿真測試，包括機器人運動學和動力學的仿真，機器人離線編程等，甚至實現整條生產線的幾何仿真，以幫助更好的實現車間布局設計。未來，信息物理系統還需要融入人類的仿真，從信息物理系統（CPS）到HCPS（Human-Cyber-Physical Systems），即融合人類、信息和物理設備，并充分發揮人工智能的作用。

智能制造過程面臨多重挑戰

中國制造業轉型升級的過程中，智能制造模式成為主要話題。作為一個復雜的生產系統，智能制造包括了機器人、物聯網、虛擬現實以及生產計劃、制造工藝等多種技術和模塊，這些標準模塊和技術組合在一起，最終能夠實現各種定單的柔性生產，并能以最低的成本完成個性化制造。

張建偉表示，要實現真正的智能制造仍需要解決多項技術難題，例如通過傳感器感知環境，讓機器人在移動的場景下識別出工件、機器和人等所有物體，對整個工廠進行可視化，這樣在設備維護，以及人的交互方面就會有很大的突破。在移動設備安裝上傳感器，不管走到哪里，都可以立即識別出周邊的物體，然后將信息傳遞給其它參與生產的人或設備等對象。

機器人智能制造案例

此外，人工智能方面也有很多地方需突破，例如信息物理系統里要結合深度學習的方法，實現對自動化機器、生產線、人機共融等場景的模擬，最終使得智能工廠能夠按不同的指標，以最短時間、最低成本進行生產制造。

還有，自動化知識庫的建設也十分重要，包括自動化的知識、成本的知識、設備的使用能力等，例如工業機器人在不同的節點上能帶來哪些能力，硬件、軟件和人力的成本是多少，將所有可能的自動化單元做到一個庫里，這將對生產計劃的實施非常有意義。

云+邊緣計算，實現設備快速響應能力

智能信息物理系統將會融合人工智能等多項技術，對計算機的運算能力有很高的要求。目前，云計算、霧計算、霾計算、邊緣計算等概念已經興起，并在制造領域越來越多的被討論。企業要考慮上云，將信息或數字模型放到云平臺里，而霧計算、邊緣計算的運用，主要在于提升實時性能方面，和云端相對靜態的數據融合起來，將具有極大的潛力。

張建偉對OFweek控網表示，人工智能芯片變得越來越火熱，實際上這些芯片是在實現邊緣計算的能力，目前AI芯片主要停留在智能感知、智能識別等方面，例如物體的識別、人臉識別、語音識別等等，并開始在自動駕駛等商業領域上使用。

人臉識別的商業案例

未來，邊緣計算將用在帶有感知功能的機器上，尤其在機器人方面有很大的潛力。協作機器人有了視覺、力覺等感知需求，反應速度不如傳統工業機器人，這也體現了邊緣計算能力的不足。因為協作機器人不僅要檢測周邊環境，還要做分析和決策，采用傳統的數據采集、總線傳輸再到控制運算的方式，在時間上延誤嚴重，而機器達不到快速響應的要求。因此，需要將云計算、霧計算、邊緣計算結合起來，才能讓智能系統獲得快速反應的能力。

從CPS到HCPS，提質增效 降本減存

自動化行業追求無人化工廠，但在未來制造系統里，人的角色將是不可或缺的。所以，信息物理系統需要從CPS擴展到HCPS，將人、信息、物理三大空間綜合起來考慮。人在生產里將起到十分關鍵的作用，實現生產的組織、協調，或者是在操作級與機器實現人機共融。

隨著制造業工作任務的越來越復雜，工廠里需要采用機器人、人工智能等技術來減輕人的負擔。張建偉認為，人機協作的場景里，機器人充當了第三只手的角色。目前機器人的靈活方面還比不上人手，完全取代人力是不可能的，所以采用人機協作的方式可以達到最優的生產效果。

生產線的虛擬仿真

在人工智能的賦能下，機器人可以主動察覺人的意圖、了解裝配的要求和人的裝配習慣，并對多種場景進行學習和理解，最終能夠主動協助人去執行一些任務，人工智能將加速人機共融場景的實現，并能解決一些傳統自動化的問題。

還有，人工智能可以通過超級大腦的運算能力，對整個工廠和車間的內部和外部所有東西進行建模，打通各個環節的數據隔閡，通過大數據的整合分析，對工廠的進料和庫存進行優化，實現最少的庫存。同時，在出現不良品的情況下可以回溯到錯誤源，以應急處理生產過程一些的突發的情況?？偟膩碚f人工智能對于信息物理系統和整個生產起到非常重要的作用。

機器人2.0，人機共融時代將到來

工業機器人正從1.0向2.0時代轉變，傳統的工業機器人在結構化的環境下不斷重復一些任務，而進入2.0時代的機器人將能夠在非結構化的環境下，快速的感知周邊環境，理解和學習不斷變化的動態環境，并能快速做出最優的決策。而實現這一系列的動作，需要一些關鍵性技術的支持。

張建偉表示，機器人除了對環境感知，還要對人進行感知，理解人的行為和意圖，實現人與環境的共同模型。其次，還需要自適應和學習能力，因為在非結構環境不易通過編程來解決，必需讓機器人在未知和意外的情況下，能夠思考怎么處理突發情況，并且學習到新的能力。

人與機器人的協作

在2.0的機器人環境里，機器人將擁有認知的能力，以及知識表達的能力，并能在動態的環境下，完成從感知、分析到決策的動作，最終滿足人機共融場景的需求。

人機共融是一個大而長遠且富有挑戰性的場景，未來的發展將對于人工智能將提出更多挑戰性的問題。隨著這些問題的解決，2.0的機器人將逐步產業化，同時也能讓智能機器人進程變得更快。

未來可期，人工智能應用場景豐富

人工智能作為一種賦能技術，必需和各個行業垂直應用場景結合才能體現其價值所在。在融合的過程中，技術驅動是其中的一個方法，例如基于人工智能、大數據等技術實現人臉識別；通過病例的學習來幫助醫生診斷；通過文本學習實現機器人寫作；以及通過語音大數據的學習來模擬人類發聲，進行新聞主播等功能，這些都是人工智能的應用場景。

張建偉告訴OFweek工控網，真正的人工智能需要和CPS系統結合，使得各個行業如制造業、交通出行、醫療、農業、建筑、教育和基礎設施的維護變得更輕松。目前，在動態變化的環境里，人工智能還遠遠未能解決問題，例如醫療自動化、自動駕駛、建筑、農業機器人采摘等不確定的、復雜性的場景，人工智能有很大的挑戰。

未來，人工智能作為超級大腦，需要將人類已有的知識和能力更好的融合在一起，從而能協助人完成更多的任務。還有利用全局的視角，綜合分析預測各種內在和外部的環境因素，最終使得機器在協作上做得更好。

最后，張建偉表示人工智能是把雙刃劍，如無人商店、刷臉等方式讓生活變得更便捷，同時也使得一些工作消失。未來的人工智能應該在以人為本的決策指導下，開發出能真正對生活有用功能，最終幫助人類獲得更好的生活質量。讓機器人接替一些危險、臟的和無聊的工作，使人類能從事更有創意和高價值的工作。