李培根院士：数字智能技术使制造升华和超越

本文依照国家智能制造专家委主任李培根院士在10月14日2023国家制造强国建设专家论坛上的演讲整理。

人工智能应用已经在某些领域超越人类思维，生成式设计将大行其道，以后很多设计将由智能系统主导，人辅助。Ansys Discovery Live引入了一种用于生成式设计的交互拓扑优化工具。生成结果出现后，用户通过处理几何结构或材料选择修改设计。系统再进行分析，评估结果，可以进一步修改，仿真结果会自动更新。用户能立即看到修改对设计性能的影响，这有利于交互式设计的探索。增强智能透过数学优化像大自然一样进行设计，生成所有可能的设计方案。合适的方案可以达到减重、减材料、减小振动等效果。

谷歌和三星这两家领先的科技公司最近转向AI来规划其部分芯片的布局。谷歌得出的结论是，人工智能设计的芯片“对于所有关键指标，包括功耗、性能和芯片面积，都优于或可与人类生产的芯片相媲美”。很多年来计算机辅助设计（CAD）已用得很普遍，CAD是计算机辅助，设计是人主导，只不过是计算机的辅助提高了我们的效率。但是未来会变成人辅助设计(HAD)，人辅助，计算机主导，也就是智能系统主导。刚才讲的生成式设计的例子就已经有这种成分。我们期望未来这样的系统越来越多。

人工智能技术会使我们超越传统的“工程问题空间”。早期的自动化主要处理固定模式的、确定性的、基于因果关系的问题。但是实际工程中存在大量不确定、非固定模式的问题，大量的数据是非结构化的。大数据、人工智能的应用，使我们有可能超越确定性的问题进而处理不确定性的问题，超越固定模式进而能处理非固定模式的问题，超越因果关系进而能处理复杂关联（非因果关系）的问题。

所以有人说，知识是数据在时空中的关系。如果把时间和空间看作数据的一部分属性，那么所有的知识就都是数据之间的关系。但是，数据在时空中的关系只有在极少数的情况下才可以用简洁美妙的数学方程式表达出来，数据的相关性绝大多数都在我们的感觉和理解能力之外。对高维的时空人类只能“降维”想象。对于数据间的关系，人类凭感觉容易把握一阶的或线性的关系，对于二阶以上的非线性关系就很难把握。这些数据间的关系就掉入了人类感官和数学理解能力之外的“暗知识”大海。

DeepMind把Google数据中心的耗电降低了15%，这归功于管理数据中心控制系统的人工智能程序。它通过数据中心内的几千个传感器去收集温度、电量、耗电率、设定值等各种数据，包括建筑物结构的某些数据，然后利用人工智能技术，找出复杂关联，最终成功降低电耗。这就是典型的不确定性、非固定模式、非因果关系的问题，企业中存在大量的类似问题。

我们现在还可以超越物理空间、现实空间，在一个孪生空间、虚拟空间去解决制造方面的问题。

首先说数字孪生。大家要理解一点，比如一个物理系统、一个装备，哪怕这台装备、这台机器是你自己设计的，或者你正在操作这台机器，但是你很难深刻认识这个机器在运行时的动态。而数字孪生技术，通过孪生数据的采集、数字孪生模型的搭建，能够更深刻认识这台机器运行中的状态。如果不在数字孪生空间就很难做到这点。

其次是虚拟现实、增强现实乃至工业元宇宙。这些技术的发展，使我们能够在虚拟空间或者说数字空间解决问题。以NVIDIA（英伟达）为例，英伟达有NVIDIA OMNIVERSE企业版，基于工业元宇宙理念。工程师可以在Omniverse的虚拟环境中，不受距离的限制，协同工作。英伟达正在与奔驰合作， OMNIVERSE将用于下一代奔驰汽车。

有专家讲，未来几乎所有的企业都将在多元宇宙融合环境中开展新一轮转型。我们有可能通过工业元宇宙，打造新型消费者体验模式，新型业务应用和商业模式。元宇宙技术以后肯定会用到工业中。我们完全有理由相信，制造的物理空间、设计者构思的空间都可以映射到数字与物理交织，虚拟与现实融合的制造元宇宙空间，当然目的还是使制造的活动更有序、更优化。

我们现在强调高质量发展，企业就需要在高水平上升华和超越。大家要意识到，越是在高水平上的改善越困难，而数字-智能技术恰恰可以帮助我们。

改善一点点，意义非常大。1%的效率提升在任何行业都威力巨大。多年前，GE公司的报告显示，美国航空每年节约1%的燃料，将会节省300亿美元；美国电力节约1%的燃料，一年将会节省660亿美元等。

今年4月份我有幸陪周济院士到山东潍坊潍柴考察，在潍柴的展室，一个展台引起了我的注意。2020年9月他们的发动机本体热效率突破50.23%，用了一年多的时间到51.09%，大家想想这个提升不到1%，花那么长时间。又过了差不多一年提升到52%，每一次改善一点，都很不容易，这背后要有数字-智能技术的支撑，要有大量的数据采集、仿真、分析等。再举一个罗罗公司的例子，罗罗公司制造世界上最大的航空发动机，为此耗资9000万英镑做一个实验台。这个试验台可从10000多个参数中获取数据，能以每秒200000个样本的速度检测出最小振动。同样，通过数字-智能技术发现一些原来未意识到的问题，从而使发动机的性能改善一点点。

利用数字-智能技术使企业价值升华与超越。这里的价值不仅是利润，还包括ESG（环境、社会和公司治理）等。以特斯拉为例，特斯拉总装车间80个物流门，大量零配件不经过仓储直接到车间，减少存储和搬运，提升周转效率，有效减少了碳排放。这是数字智能技术对降碳的作用。

此外，管理者、工程师要超越自身，要做好转型准备。工程师、管理者都需要拷问自己，相比于ChatGPT之类的大模型，我们的优势在什么地方，我们的什么能力是AI不可替代的。大模型人工智能的出现，影响最大的将是企业的白领。未来如何利用人工智能提升自己的处理复杂工程问题和创新能力，这是工程师和管理者都要认真思考的问题。