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。總的來說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。