隨著物聯網、大數據和人工智能技術的快速發展與加速融合，智能物聯網（AI in IoT, AIoT）正成長為一個具有廣泛發展前景的新興前沿領域。隨著在經濟社會各領域應用的拓展深化，物聯網的產業鏈、價值鏈、創新鏈不斷融合，催生新模式
、新業態不斷湧現，成為驅動經濟創新升級的重要動力；物聯網跨界融合應用深入推進
，成為注入傳統產業的創新要素
，幫助傳統產業實現全方位變革；物聯網基礎設施加快推進，成為支撐智能經濟的重要載體。

　　西北工業大學計算機係統與微電子係主任郭斌認為，智能物聯網可實現製造業人、機
、物
、環境等要素的連接、交互
、感知與計算，實現具有自組織、自學習、自適應、持續演化等能力的製造業智慧空間
，對促進製造業新模式新業態形成、提高我國製造業生產力和競爭力、推(tui)動(dong)下(xia)一(yi)代(dai)智(zhi)能(neng)製(zhi)造(zao)變(bian)革(ge)具(ju)有(you)重(zhong)要(yao)意(yi)義(yi)。因(yin)此(ci)，構(gou)建(jian)未(wei)來(lai)製(zhi)造(zao)產(chan)業(ye)，推(tui)動(dong)數(shu)字(zi)化(hua)轉(zhuan)型(xing)升(sheng)級(ji)不(bu)僅(jin)需(xu)要(yao)充(chong)分(fen)發(fa)揮(hui)政(zheng)府(fu)整(zheng)體(ti)規(gui)劃(hua)優(you)勢(shi)與(yu)政(zheng)策(ce)優(you)勢(shi)，更(geng)需(xu)要(yao)企(qi)業(ye)以(yi)技(ji)術(shu)為(wei)驅(qu)動(dong)
，充(chong)分(fen)發(fa)揮(hui)技(ji)術(shu)優(you)勢(shi)和(he)全(quan)球(qiu)資(zi)源(yuan)整(zheng)合(he)的(de)優(you)勢(shi)
，共(gong)同(tong)推(tui)動(dong)產(chan)業(ye)升(sheng)級(ji)和(he)社(she)會(hui)進(jin)步(bu)。

　　如何推動我國未來智能製造產業實現高質量發展？

　　1、發揮智能物聯網引領作用。物聯網、人(ren)工(gong)智(zhi)能(neng)及(ji)其(qi)深(shen)度(du)融(rong)合(he)將(jiang)成(cheng)為(wei)引(yin)領(ling)未(wei)來(lai)製(zhi)造(zao)業(ye)變(bian)革(ge)的(de)關(guan)鍵(jian)技(ji)術(shu)。智(zhi)能(neng)物(wu)聯(lian)網(wang)作(zuo)為(wei)物(wu)聯(lian)網(wang)和(he)人(ren)工(gong)智(zhi)能(neng)結(jie)合(he)的(de)前(qian)沿(yan)技(ji)術(shu)在(zai)新(xin)一(yi)代(dai)智(zhi)能(neng)製(zhi)造(zao)中(zhong)將(jiang)發(fa)揮(hui)關(guan)鍵(jian)作(zuo)用(yong)。

　　2
、加強從0到1基礎研究。目前我國在製造領域關鍵技術應用方麵已取得不少進展，而在基礎研究領域還相對滯後，存在大而不強、重技術輕基礎的現狀。因此，需要加強從0到1的基礎性研究，從長遠角度推動智能製造不斷革新
、持續發展。

　　3、注重多學科融合人才培養。muqiangaoxiaorencaipeiyangmoshihaizhuyaomianxiangdangexuekekaizhan，xueshengzhishijiegoudanyi

，nanyimanzuweilaiduiyuduoxuekezhishironghejiejuefuzawentidexuqiu，yinggaichuangxinrencaipeiyangmoshi
，cujinduoxuekezhishironghe

，weipeiyangfuhexingchuangxinxingrencaitigongyouxiaotujing。

　　4、產學研深度協同融合。zhinengzhizaojuyouhengaodexinjishumijidu，jiqulerengongzhinenglingyuzuiqianyandelilunhejishuchengguo。xuyaodapobileicujingaoxiaohekeyanyuansuojijicanyuzhinengzhizaochanyebiange，chuangzaotiaojiancujinchanxueyandeshenduxietongyujishugexin。

　　5、推動新興技術在製造業的落地應用。聯邦學習、遷移學習、多智能體強化學習、深度模型壓縮、邊緣計算、雲(yun)邊(bian)端(duan)融(rong)合(he)計(ji)算(suan)等(deng)智(zhi)能(neng)物(wu)聯(lian)網(wang)相(xiang)關(guan)技(ji)術(shu)近(jin)年(nian)來(lai)不(bu)斷(duan)取(qu)得(de)新(xin)突(tu)破(po)，在(zai)國(guo)家(jia)科(ke)研(yan)發(fa)展(zhan)規(gui)劃(hua)中(zhong)要(yao)注(zhu)重(zhong)推(tui)動(dong)以(yi)上(shang)關(guan)鍵(jian)技(ji)術(shu)和(he)製(zhi)造(zao)業(ye)關(guan)鍵(jian)科(ke)學(xue)和(he)技(ji)術(shu)問(wen)題(ti)的(de)結(jie)合(he)，產(chan)生(sheng)示(shi)範(fan)性(xing)應(ying)用(yong)效(xiao)果(guo)，進(jin)而(er)形(xing)成(cheng)新(xin)的(de)產(chan)業(ye)鏈(lian)，促(cu)進(jin)製(zhi)造(zao)業(ye)智(zhi)慧(hui)空(kong)間(jian)的(de)形(xing)成(cheng)。

　　更多精彩觀點

　　01

　　智能物聯

　　隨著物聯網、大數據和人工智能技術的快速發展與加速融合，智能物聯網（AI in IoT, AIoT）正成長為一個具有廣泛發展前景的新興前沿領域。AIoT首先通過各種傳感器聯網實時采集各類數據（環境數據、運行數據、業務數據、監測數據等），進而在終端設備、邊緣設備或雲端通過數據挖掘和機器學習方法來進行智能化處理和理解
，如智能感知、目標識別
、能耗管理、預測預警、智能決策等。近年來，智能物聯網應用和服務已經逐步融入國家重大需求和民生的各個領域，例如
，智慧城市、智能製造、無人駕駛等。預計2025年我國物聯網連接節點將達到200億個，未來數百億的設備並發聯網產生的數據分析和融合需求將促使物聯網與人工智能的深度融合。

　　阿裏、騰訊
、華為、京東等企業近年來都積極在智能物聯網領域布局。2018年
，阿裏巴巴宣布進軍物聯網領域，將其定位為物聯網基礎設施的搭建者，提供IoT連接和AI能力、實現雲邊端一體的協同計算，並開發了輕量級物聯網嵌入式操作係統AliOS Things。騰訊也推出了一款物聯網係統TencentOS tiny，具有低功耗、低資源占用等特點。華為則推出了麵向物聯網的華為鴻蒙操作係統
，作為一種基於微內核的全場景分布式操作係統，在5G時代具有廣泛應用前景。京東也於2018年發布“城市計算平台”
，結合深度學習等構建時空關聯模型及學習算法解決交通規劃、火力發電、環境保護等城市不同場景下的智能應用問題。

　　02

　　智能物聯驅動的製造業變革

　　2017年國務院發布《新一代人工智能發展規劃》，其(qi)目(mu)標(biao)為(wei)搶(qiang)抓(zhua)人(ren)工(gong)智(zhi)能(neng)發(fa)展(zhan)的(de)重(zhong)大(da)戰(zhan)略(lve)機(ji)遇(yu)，構(gou)築(zhu)我(wo)國(guo)人(ren)工(gong)智(zhi)能(neng)發(fa)展(zhan)的(de)先(xian)發(fa)優(you)勢(shi)，加(jia)快(kuai)建(jian)設(she)創(chuang)新(xin)型(xing)國(guo)家(jia)和(he)世(shi)界(jie)科(ke)技(ji)強(qiang)國(guo)。其(qi)中(zhong)大(da)數(shu)據(ju)驅(qu)動(dong)知(zhi)識(shi)學(xue)習(xi)、跨媒體智能、人機協同增強智能、群體智能、自主智能係統成為新一代人工智能的重點發展方向。新一代人工智能技術與先進製造技術深度融合
，將重塑設計
、研發
、製造、服務等產品全生命周期的各環節，形成新一代智能製造技術和業態，提升製造業生產力和競爭力。

　　新一代智能製造技術的一個關鍵特征是人、機

、物等要素的協同融合，而智能物聯網作為連接人、機
、物的橋梁，在新一代智能製造技術中將發揮重要支撐作用。在製造領域，智能物聯網涉及的主體包括機器人、AGV小車、移動及可穿戴設備、邊緣設備、感知設備、生產製造設備
、產(chan)品(pin)等(deng)。從(cong)技(ji)術(shu)角(jiao)度(du)而(er)言(yan)
，智(zhi)能(neng)物(wu)聯(lian)網(wang)在(zai)製(zhi)造(zao)業(ye)的(de)應(ying)用(yong)分(fen)為(wei)兩(liang)個(ge)層(ceng)次(ci)
，第(di)一(yi)層(ceng)次(ci)是(shi)通(tong)過(guo)工(gong)業(ye)互(hu)聯(lian)網(wang)技(ji)術(shu)來(lai)實(shi)現(xian)連(lian)接(jie)並(bing)獲(huo)取(qu)感(gan)知(zhi)數(shu)據(ju)，第(di)二(er)層(ceng)次(ci)則(ze)是(shi)利(li)用(yong)人(ren)工(gong)智(zhi)能(neng)技(ji)術(shu)來(lai)對(dui)數(shu)據(ju)進(jin)行(xing)分(fen)析(xi)和(he)學(xue)習(xi)。目(mu)前(qian)
，以(yi)工(gong)業(ye)互(hu)聯(lian)網(wang)為(wei)核(he)心(xin)的(de)製(zhi)造(zao)大(da)數(shu)據(ju)獲(huo)取(qu)方(fang)麵(mian)已(yi)經(jing)取(qu)得(de)較(jiao)多(duo)進(jin)展(zhan)
，但(dan)要(yao)真(zhen)正(zheng)實(shi)現(xian)人(ren)機(ji)物(wu)和(he)諧(xie)融(rong)合(he)的(de)未(wei)來(lai)製(zhi)造(zao)業(ye)智(zhi)慧(hui)空(kong)間(jian)，還(hai)麵(mian)臨(lin)很(hen)多(duo)挑(tiao)戰(zhan)。下(xia)麵(mian)將(jiang)從(cong)群(qun)智(zhi)協(xie)同(tong)機(ji)理(li)、自組織與自適應能力
、雲邊端融合計算
、終身學習、群智能體學習、製造業智慧空間等新的理論
、模型和方法探索方麵分別進行闡述。

　　03

　　人機物群智協同機理

　　製造業生命周期涉及人

、機器
、物料、工藝、環境、組織等多種要素，如何實現異構要素間的有機協同和高效協作是智能製造要解決的關鍵科學問題。智能物聯網通過大數據實時獲取、智能感知與自學習增強、fenbushiqunzhijiaohuxietongdengfangfalaitigongjiejuefangan。zaijichumoxingheliluncengmian，xuyaoshouxiantansuorenjiwuronghequnzhixietongjilizheyijichuxingwenti，weijishudetupotigongzhicheng。

　　關於群智協同的研究起源於生物學和生態學等領域。一大群相同的自然生物或人造物
，如螞蟻、蜜蜂、白蟻、魚(yu)和(he)鳥(niao)等(deng)
，其(qi)個(ge)體(ti)擁(yong)有(you)的(de)智(zhi)慧(hui)有(you)限(xian)，但(dan)通(tong)過(guo)群(qun)體(ti)合(he)作(zuo)能(neng)夠(gou)實(shi)現(xian)超(chao)越(yue)個(ge)體(ti)行(xing)為(wei)的(de)集(ji)體(ti)智(zhi)慧(hui)。生(sheng)物(wu)個(ge)體(ti)之(zhi)間(jian)的(de)交(jiao)互(hu)
，其(qi)實(shi)就(jiu)是(shi)在(zai)定(ding)義(yi)協(xie)同(tong)協(xie)作(zuo)規(gui)則(ze)，智(zhi)能(neng)體(ti)之(zhi)間(jian)的(de)行(xing)為(wei)交(jiao)互(hu)方(fang)式(shi)或(huo)者(zhe)交(jiao)互(hu)模(mo)式(shi)，產(chan)生(sheng)集(ji)聚(ju)、組隊、集體移動、形狀變換等行為，物理學研究指出通過簡單的交互規則可以產生複雜的行為。

　　人類社會的群體智能得到廣泛的研究，眾包（Crowdsourcing）是美國《連線》雜誌2006年發明的一個專業術語
，用來描述一種新的生產組織形式。具體就是企業/yanfajigouliyonghulianwangjianggongzuofenpeichuqu，liyongdaliangyonghudechuangyihexiezuolaijiejuejishuwenti。ruweijibaiketongguodazhongcanyuheyouxiaoxiezuogoujianlequanqiuzuidadebaikezhishiku、reCAPTCHA將古老印刷品的數字化問題與驗證碼係統進行融合

，通過10萬家網站的使用和全民參與
，幫助《紐約時報》這份有著100多年曆史的報紙實現存檔數字化。

　　鑒於生物和人類群體智能所體現的集群優勢及廣泛應用前景
，國家《新一代人工智能發展規劃》明確提出“群體智能”研究方向。其實，早在上世紀90年代
，著名科學家錢學森先生便曾提出“綜合集成研討廳”體係，強調專家群體以人機合的方式進行協同研討
，共同對複雜巨係統的挑戰性問題進行研究。群體智能實質上正是“綜合集成研討廳”在人工智能新時代的深化和拓展。

　　基ji於yu群qun體ti智zhi能neng研yan究jiu的de啟qi發fa
，針zhen對dui製zhi造zao業ye的de異yi構gou要yao素su有you機ji協xie同tong問wen題ti，也ye可ke以yi通tong過guo多duo智zhi能neng體ti競jing爭zheng合he作zuo的de方fang式shi來lai提ti供gong支zhi撐cheng。借jie鑒jian生sheng物wu界jie當dang中zhong的de各ge種zhong生sheng態tai模mo式shi
，轉zhuan化hua為wei一yi些xie可ke用yong的de規gui則ze

，用yong於yu支zhi持chi多duo智zhi能neng體ti之zhi間jian的de溝gou通tong協xie作zuo，進jin而er通tong過guo多duo智zhi能neng體ti模mo型xing研yan究jiu複fu雜za製zhi造zao要yao素su協xie同tong模mo式shi與yu製zhi造zao效xiao率lv、能耗、質量間的作用機理。此外，為實現製造業人機物群智協同，針對其各要素表達異構、zhishisuipianhuadengwenti，haixugoujiantongyidezhizaoyezhishitupubiaoshimoxing，duigezhizaoyaosujiqiguanlianguanxijinxingjiegouhuabiaozheng。zaizhizaoyeguochengzhong，huichanshengdaliangdeshujuhezhuanjiajingyan，xutiqugongyeyuyiguanjianxinxibingguanlianxingchengjubeizhuanyetediandegongyezhishitupu。genjusuogoujiandezhizaoqunzhibiaoshimoxing，tongguoyiyouzhizaozhishijiegoufaxian、挖掘、推理全新製造知識內容，並據此實現搜索、決策、協同等上層群智應用。

　　04

　　自組織與自適應能力

　　智能物聯網與製造業結合的目標是實現工業領域的智能應用，具有自組織、自學習、zishiyingdengtezheng。tashidezhizaoyezhutinengbuduanganzhirenwuhehuanjingzhuangtai，genjuxuyaofenbushizuzhigeshengchanyaosu，buduanxuexihefengfuzishenshibieyujuecenengli，yishiyingdongtaideshengchanhuanjingjiyingyongchangjing，zuizhongdadaotigaoshengchanxiaolvhuochanpinzhiliangdemude。

　　自組織。智能製造係統中的各組成單元或要素根據生產任務的需要
，自行選擇
、組織和調協形成一種優化的結構，具有生物集群特征

，能發揮群體智慧。

　　自學習。智能製造係統能夠通過深度學習等方法感知係統運行狀態、產品質量狀況和上下文情境信息
，並且通過強化學習
、增量學習等方法根據反饋和新增樣本不斷提升學習能力。

　　自適應。在機器學習和推斷過程中，智能製造係統的部署環境、運行環境、網絡資源等不斷發生變化，為使得係統能適應不同的狀況

，需要學習模型具有自適應感知和模型演化能力。

　　為實現自學習能力，在資源受限且環境多變的物聯網終端設備上部署和運行深度學習模型（如實時視頻數據處理）逐漸成為一種新的趨勢
，其具有低計算延時、低傳輸成本、保(bao)護(hu)數(shu)據(ju)隱(yin)私(si)等(deng)優(you)勢(shi)。然(ran)而(er)
，在(zai)資(zi)源(yuan)受(shou)限(xian)的(de)移(yi)動(dong)端(duan)運(yun)行(xing)深(shen)度(du)學(xue)習(xi)模(mo)型(xing)麵(mian)臨(lin)著(zhe)極(ji)大(da)挑(tiao)戰(zhan)，製(zhi)約(yue)了(le)其(qi)落(luo)地(di)和(he)規(gui)模(mo)化(hua)應(ying)用(yong)。一(yi)方(fang)麵(mian)是(shi)硬(ying)件(jian)資(zi)源(yuan)限(xian)製(zhi)
，深(shen)度(du)學(xue)習(xi)模(mo)型(xing)通(tong)常(chang)是(shi)計(ji)算(suan)密(mi)集(ji)型(xing)的(de)大(da)規(gui)模(mo)網(wang)絡(luo)，往(wang)往(wang)需(xu)要(yao)較(jiao)高(gao)的(de)存(cun)儲(chu)、計算和能量資源
，而終端設備的資源局限成為深度模型部署的技術瓶頸。另一方麵是物聯終端計算具有運行環境動態變化（如能量

、存儲等）、應(ying)用(yong)場(chang)景(jing)多(duo)樣(yang)等(deng)特(te)點(dian)。而(er)深(shen)度(du)學(xue)習(xi)模(mo)型(xing)的(de)訓(xun)練(lian)過(guo)程(cheng)是(shi)基(ji)於(yu)特(te)定(ding)數(shu)據(ju)集(ji)的(de)知(zhi)識(shi)學(xue)習(xi)過(guo)程(cheng)，對(dui)終(zhong)端(duan)複(fu)雜(za)應(ying)用(yong)場(chang)景(jing)的(de)適(shi)應(ying)能(neng)力(li)差(cha)。深(shen)度(du)學(xue)習(xi)模(mo)型(xing)應(ying)該(gai)根(gen)據(ju)目(mu)標(biao)平(ping)台(tai)上(shang)硬(ying)件(jian)資(zi)源(yuan)的(de)變(bian)化(hua)，自(zi)適(shi)應(ying)調(tiao)整(zheng)其(qi)計(ji)算(suan)單(dan)元(yuan)、組成結構和運行設置等參數以適應新的需求。

　　05

　　雲邊端融合高效計算

　　物wu聯lian網wang應ying用yong大da多duo有you實shi時shi性xing要yao求qiu，如ru果guo把ba物wu聯lian網wang產chan生sheng的de數shu據ju全quan部bu傳chuan輸shu給gei雲yun端duan，將jiang會hui加jia大da網wang絡luo負fu載zai並bing產chan生sheng數shu據ju處chu理li延yan時shi。在zai此ci背bei景jing下xia，一yi種zhong新xin的de計ji算suan模mo式shi——邊(bian)緣(yuan)計(ji)算(suan)應(ying)用(yong)而(er)生(sheng)。邊(bian)緣(yuan)計(ji)算(suan)指(zhi)的(de)是(shi)在(zai)網(wang)絡(luo)的(de)邊(bian)緣(yuan)來(lai)處(chu)理(li)數(shu)據(ju)，這(zhe)樣(yang)能(neng)夠(gou)減(jian)少(shao)請(qing)求(qiu)響(xiang)應(ying)時(shi)間(jian)
，同(tong)時(shi)保(bao)證(zheng)數(shu)據(ju)的(de)私(si)密(mi)性(xing)。針(zhen)對(dui)本(ben)地(di)計(ji)算(suan)資(zi)源(yuan)不(bu)足(zu)的(de)問(wen)題(ti)，邊(bian)緣(yuan)計(ji)算(suan)的(de)加(jia)入(ru)也(ye)提(ti)供(gong)了(le)新(xin)的(de)機(ji)遇(yu)

，通(tong)過(guo)雲(yun)邊(bian)端(duan)融(rong)合(he)產(chan)生(sheng)新(xin)的(de)高(gao)效(xiao)計(ji)算(suan)模(mo)式(shi)。

　　zhenduiqianmiantidaodezhinengwulianzhongduanxueximoxingdezishiyingwenti，chuleqianmiantichudemoxingyasuofangfawai，zaibianyuanshebeijiaruhou，moxingfengefangfayechengweixindeyanjiuredian。tajiangwanzhengdeshenduxueximoxingjinxingfenkuai，binggenjuxingnengxuqiu（如時延、精度）和資源消耗（如網絡傳輸、設備存儲和能耗等）自動尋找最佳分割點
，將模型中不同的層部署到雲、邊
、端的不同設備上
，通過異構設備的互補協同完成學習和計算任務。

　　雲邊端融合的模型分割計算根據整體或終端的關注點傾向
，通常采用兩種方式：

　　yishijiangdizhengtimoxingdeziyuanxiaohao。yinweishenduwangluomouxiezhongjiancengjiandechuanshushujuliangyaoyuanxiaoyuyuanshishujuliang，yinci，xuanquheshidemoxingfengediannenggoujiangdishujuchuanshuliang，bingqiejianshaozhenggemoxingdequanjuziyuanxiaohao。

　　二er是shi降jiang低di模mo型xing在zai單dan台tai設she備bei上shang的de資zi源yuan消xiao耗hao。深shen度du學xue習xi模mo型xing在zai分fen割ge之zhi後hou，每mei塊kuai網wang絡luo對dui硬ying件jian資zi源yuan的de需xu求qiu將jiang大da幅fu度du減jian少shao，可ke以yi在zai資zi源yuan受shou限xian的de硬ying件jian設she備bei上shang運yun行xing。

　　目前模型分割主要集中在“端雲分割”
，即(ji)將(jiang)深(shen)度(du)學(xue)習(xi)模(mo)型(xing)在(zai)某(mou)一(yi)點(dian)切(qie)分(fen)後(hou)，一(yi)部(bu)分(fen)部(bu)署(shu)在(zai)終(zhong)端(duan)設(she)備(bei)上(shang)，一(yi)部(bu)分(fen)部(bu)署(shu)在(zai)雲(yun)端(duan)，二(er)者(zhe)共(gong)同(tong)完(wan)成(cheng)學(xue)習(xi)和(he)推(tui)斷(duan)任(ren)務(wu)。而(er)在(zai)智(zhi)能(neng)製(zhi)造(zao)背(bei)景(jing)下(xia)，設(she)備(bei)異(yi)構(gou)、數量豐富、拓撲易變，如何在此背景下實現多異構設備間的協同和模型優化分割是需要進一步探索的問題。

　　06

　　終身學習與持續演化

　　生物界針對內外部環境的變化往往具有很好的適應性和持續演化能力。“演化”旨在為學習模型針對不斷新增的數據、新增用戶的個性特征、跨領域/跨實體間模型的知識遷移等需求提供持續性的學習和更新方案，即終身學習（Lifelong learning）nengli。zaikaifangshifuzazhizaohuanjingxia，xindezhizaoshebeibuduanjiaru，zhizaochangjinghexuqiudongtaibianhua
，chuantongjiyuhailiangshujuyuxunliandemoxingnanyizaishujuqueshihuoshujufenbubianhuaqingkuangxiafahuihaodexiaoyong。zhenduibuduanbianhuadechangjing，guanliandexueximoxingxuyaojubeichixuxuexiheyanhuanengli
，rutongrenleiyiyangjuyoubuduanxuexiheshiyingwentibianhuadenengli，jieheyixuexidezhishihejingyanyijiejuexindewenti。

　　域自適應技術。

　　一般來說機器學習模型的魯棒性（robustness）差(cha)
，傳(chuan)統(tong)的(de)解(jie)決(jue)辦(ban)法(fa)是(shi)在(zai)訓(xun)練(lian)階(jie)段(duan)加(jia)入(ru)適(shi)量(liang)噪(zao)聲(sheng)，以(yi)提(ti)高(gao)模(mo)型(xing)魯(lu)棒(bang)性(xing)。但(dan)是(shi)這(zhe)一(yi)方(fang)法(fa)在(zai)訓(xun)練(lian)完(wan)成(cheng)後(hou)仍(reng)不(bu)能(neng)抵(di)禦(yu)新(xin)噪(zao)聲(sheng)。因(yin)此(ci)，利(li)用(yong)域(yu)自(zi)適(shi)應(ying)的(de)方(fang)法(fa)訓(xun)練(lian)模(mo)型(xing)來(lai)抵(di)禦(yu)這(zhe)種(zhong)環(huan)境(jing)或(huo)需(xu)求(qiu)變(bian)化(hua)正(zheng)在(zai)成(cheng)為(wei)智(zhi)能(neng)物(wu)聯(lian)網(wang)領(ling)域(yu)的(de)新(xin)發(fa)展(zhan)方(fang)向(xiang)。它(ta)旨(zhi)在(zai)尋(xun)找(zhao)一(yi)個(ge)空(kong)間(jian)映(ying)射(she)
，將(jiang)源(yuan)域(yu)和(he)目(mu)標(biao)域(yu)（如兩個相關聯的製造場景或者產品）映射到同一特征子空間中
，使得源域和目標域的分布差距最小，進而利用兩個域的數據進行模型學習。

　　元學習。

　　傳(chuan)統(tong)的(de)機(ji)器(qi)學(xue)習(xi)方(fang)法(fa)需(xu)獲(huo)取(qu)特(te)定(ding)任(ren)務(wu)的(de)大(da)型(xing)數(shu)據(ju)集(ji)並(bing)從(cong)頭(tou)開(kai)始(shi)訓(xun)練(lian)模(mo)型(xing)。很(hen)明(ming)顯(xian)，這(zhe)和(he)人(ren)類(lei)利(li)用(yong)以(yi)往(wang)經(jing)驗(yan)，僅(jin)僅(jin)通(tong)過(guo)少(shao)量(liang)樣(yang)本(ben)就(jiu)迅(xun)速(su)完(wan)成(cheng)學(xue)習(xi)的(de)情(qing)況(kuang)相(xiang)差(cha)甚(shen)遠(yuan)。麵(mian)對(dui)數(shu)據(ju)量(liang)不(bu)足(zu)的(de)新(xin)任(ren)務(wu)時(shi)，這(zhe)種(zhong)方(fang)式(shi)顯(xian)然(ran)無(wu)法(fa)勝(sheng)任(ren)。特(te)別(bie)是(shi)在(zai)柔(rou)性(xing)製(zhi)造(zao)動(dong)態(tai)變(bian)換(huan)場(chang)景(jing)下(xia)
，很(hen)難(nan)獲(huo)得(de)大(da)量(liang)標(biao)注(zhu)數(shu)據(ju)。元(yuan)學(xue)習(xi)（Meta Learning）或者叫作“學會學習”（Learning to learn）
，即讓智能體或機器人利用以往的知識經驗來指導新任務的學習
，具有學會學習的能力。它通過融合多個設備
、多個不同場景下的訓練模型並結合新設備/場景的少量樣本來學習適應新場景的模型。

　　層級強化學習。

　　如(ru)何(he)在(zai)適(shi)應(ying)新(xin)問(wen)題(ti)的(de)同(tong)時(shi)，保(bao)留(liu)既(ji)有(you)知(zhi)識(shi)和(he)經(jing)驗(yan)是(shi)終(zhong)身(shen)學(xue)習(xi)的(de)一(yi)個(ge)關(guan)鍵(jian)問(wen)題(ti)。現(xian)有(you)方(fang)法(fa)非(fei)常(chang)容(rong)易(yi)使(shi)得(de)網(wang)絡(luo)模(mo)型(xing)忘(wang)記(ji)之(zhi)前(qian)學(xue)習(xi)得(de)到(dao)的(de)知(zhi)識(shi)，即(ji)存(cun)在(zai)災(zai)難(nan)性(xing)遺(yi)忘(wang)問(wen)題(ti)。人(ren)類(lei)應(ying)對(dui)複(fu)雜(za)問(wen)題(ti)的(de)方(fang)法(fa)是(shi)把(ba)它(ta)們(men)分(fen)解(jie)成(cheng)一(yi)係(xi)列(lie)小(xiao)的(de)
、可控的步驟；renleinenggoukuaisuxuedaoxinrenwu，kaodejiushibayijingxueguodebuzhouzhongxinzuheqilaiyiyingduixinqingkuang。jiyuci，cengciqianghuaxuexichengweiyouxiaodezhishichouquheqianyifangfa。

　　漸進式神經網絡模型。

　　持chi續xu學xue習xi是shi機ji器qi學xue習xi領ling域yu當dang中zhong的de長chang遠yuan目mu標biao，智zhi能neng體ti不bu僅jin學xue習xi和he記ji憶yi一yi係xi列lie的de任ren務wu經jing驗yan
，同tong時shi也ye有you能neng力li從cong之zhi前qian的de任ren務wu上shang遷qian移yi出chu有you用yong的de知zhi識shi來lai改gai進jin收shou斂lian的de速su度du。傳chuan統tong的de微wei調tiao網wang絡luo模mo型xing的de方fang法fa是shi通tong過guo源yuan任ren務wu-目標任務遷移方法來繼承某個源任務知識。但這種微調的方法不大適合在多任務中進行遷移學習，基於此
，GoogleDeepMind提(ti)出(chu)了(le)漸(jian)進(jin)式(shi)神(shen)經(jing)網(wang)絡(luo)模(mo)型(xing)
，它(ta)保(bao)留(liu)一(yi)個(ge)預(yu)訓(xun)練(lian)模(mo)型(xing)池(chi)來(lai)根(gen)據(ju)任(ren)務(wu)變(bian)化(hua)不(bu)斷(duan)進(jin)行(xing)網(wang)絡(luo)擴(kuo)展(zhan)，從(cong)而(er)實(shi)現(xian)經(jing)驗(yan)的(de)自(zi)然(ran)累(lei)積(ji)和(he)知(zhi)識(shi)重(zhong)用(yong)
，實(shi)現(xian)持(chi)續(xu)學(xue)習(xi)並(bing)解(jie)決(jue)災(zai)難(nan)性(xing)遺(yi)忘(wang)問(wen)題(ti)。

　　07

　　群智能體學習模型

　　近jin年nian來lai，製zhi造zao業ye的de智zhi能neng化hua受shou到dao了le學xue術shu界jie和he工gong業ye界jie的de廣guang泛fan關guan注zhu，取qu得de了le一yi係xi列lie重zhong要yao成cheng果guo。然ran而er，現xian有you的de方fang法fa和he技ji術shu在zai製zhi造zao業ye智zhi能neng化hua提ti升sheng方fang麵mian還hai具ju有you以yi下xia局ju限xian性xing：

　　其一是傳統感知學習模型沒考慮數據的分布性及由此衍生的不同製造業主體數據隱私保護的需求
；

　　其二是通過工業動態反饋進行強化學習是複雜產品參數優化的重要方麵，然而製造要素的多樣性
、製造環節的聯動性使得僅依靠單智能體的強化學習難以滿足全局性能優化要求。

　　聯邦學習。

　　當今的AI麵mian臨lin的de一yi個ge重zhong要yao挑tiao戰zhan是shi多duo數shu行xing業ye由you於yu數shu據ju隱yin私si和he安an全quan性xing原yuan因yin存cun在zai數shu據ju孤gu島dao問wen題ti
，在zai未wei來lai製zhi造zao領ling域yu，需xu要yao在zai保bao障zhang數shu據ju分fen享xiang隱yin私si安an全quan前qian提ti下xia開kai展zhan跨kua製zhi造zao要yao素su
、跨(kua)製(zhi)造(zao)環(huan)節(jie)以(yi)及(ji)跨(kua)製(zhi)造(zao)企(qi)業(ye)的(de)分(fen)布(bu)式(shi)學(xue)習(xi)模(mo)型(xing)探(tan)索(suo)。一(yi)種(zhong)可(ke)能(neng)是(shi)在(zai)工(gong)廠(chang)內(nei)多(duo)個(ge)設(she)備(bei)之(zhi)間(jian)開(kai)展(zhan)聯(lian)邦(bang)學(xue)習(xi)，另(ling)一(yi)種(zhong)則(ze)是(shi)在(zai)生(sheng)產(chan)的(de)不(bu)同(tong)環(huan)節(jie)和(he)企(qi)業(ye)間(jian)開(kai)展(zhan)聯(lian)邦(bang)學(xue)習(xi)。

　　多智能體深度強化學習。

　　danzhinengtishenduqianghuaxuexijinlaiqudelejudatupo，dandantizhinengxuexinenglihaicunzaihendaxianzhi。jiurenleishehuieryan
，meigegetidouyouzijidutedemubiaohexingwei，danrenmenrengrannenggouzuzhizaiyiqizhanshichufeifandejitizhineng。yinci，zaizhinengwulianwanghuanjingxia，zhinengtizaidanduxingdongdetongshi，yeyaoxuehuiyuqitadezhinengtijinxingjiaohuhexiezuo，tongguoqixiezuoheboyijifaxindezhineng——即多智能體深度強化學習。

　　智能製造領域麵臨同樣的問題。

　　針對製造業單個智能體感知範圍有限、基於反饋的參數優化能力差、quntixuexinengliruodengwenti，xuyanjiujiyushenduqianghuaxueximoxingdeduozhinengtixietongzengqiangfangfa。jiangmubiaorenwuyudongtaitiaoyoumoxingguanlian。mianxiangtedingdezhizaorenwuxuqiu，tichuqunzhishenduqianghuaxueximoxingduigezhizaoyaosujinxingjianmohexietongxuexi，dongtaifankuiheyouhuatiaozhengcanyurenwudegezhinengticanshu，shidezhizaoqunticanshuzongtizuiyou
，shixianduozhinengtixietongzengqiang。

　　08

　　人機物群智融合製造業智慧空間構建

　　Gartner將“智慧空間”列入2020年十大戰略科技發展趨勢，指出人工智能與物聯網、bianyuanjisuanheshuziluanshengdengjishudekuaisufazhanjishenduronghe，keyiweizhinengzhizaodenglingyutigonggaodujichengdezhihuikongjian。zhihuikongjianshiyizhongwulixinxironghehuanjing，qizhongren
、機、物等要素在開放和智能的生態係統中彼此交互，構建組織靈活、行為自適、自主演化的空間。下麵給出製造業群智智慧空間的定義。製造業群智智慧空間關注製造業中人（智能手機、可穿戴設備）
、機（雲、邊緣設備）、物（物聯網終端）

、環境
、信息等多維因素之間的複雜關聯關係，探索群智能體之間的協同模式與製造效率
、質量間的交互作用機理。利用人機物感知能力的差異性、計算資源的互補性、節點間的交互性，通過終端深度模型壓縮
、雲邊端協同自適應感知

、智能體終身學習與持續演化、群智能體分布式學習等來解決單獨利用某種智能難以解決的複雜問題
，最終構建具有自組織、自學習、自適應
、可遷移
、持續學習能力的智慧空間。

　　融rong合he群qun體ti智zhi能neng的de製zhi造zao企qi業ye智zhi慧hui空kong間jian的de發fa展zhan有you望wang引yin發fa製zhi造zao業ye的de重zhong要yao變bian革ge，而er當dang前qian的de研yan究jiu仍reng存cun在zai較jiao大da空kong白bai。製zhi造zao企qi業ye智zhi慧hui空kong間jian尚shang未wei形xing成cheng
，甚shen至zhi缺que少shao融rong合he群qun體ti智zhi慧hui的de製zhi造zao企qi業ye智zhi慧hui空kong間jian的de構gou建jian理li論lun
、分布學習方法、xietongyunxinghechixuyanhuajizhi。chuantongjiyudandianzhinenghejizhongzhinengjiejuefangannanyiyingduifuzachanpinzhizaozhongdegezhongwenti
，daozhifuzazhizaoqiyepubiancunzaiquntironghecha、分布協作難、適應能力弱等挑戰性問題，成為未來智能製造的開放性研究課題。

　　09

　　對我國下一代製造業發展的啟示

　　製造業是國民經濟的主體，是立國之本
、強國之基。目前
，國際上工業4.0發展方興未艾，《中國智能製造2025》已成為我國沿製造強國邁進的發展戰略，打造具有國際競爭力的製造業，是我國提升綜合國力
、建設世界強國的必由之路。工業互聯網和智能物聯是智能製造的關鍵支撐技術
，前者實現智能設備、人和數據的連接
；後者則基於多源感知大數據實現對製造主體的自組織、自學習、自適應、持續演化等智慧賦能；最終將形成人
、機
、物(wu)群(qun)智(zhi)融(rong)合(he)的(de)製(zhi)造(zao)業(ye)智(zhi)慧(hui)空(kong)間(jian)。在(zai)前(qian)麵(mian)介(jie)紹(shao)智(zhi)能(neng)物(wu)聯(lian)網(wang)在(zai)智(zhi)能(neng)製(zhi)造(zao)領(ling)域(yu)前(qian)沿(yan)方(fang)向(xiang)基(ji)礎(chu)上(shang)，為(wei)了(le)推(tui)動(dong)我(wo)國(guo)新(xin)一(yi)代(dai)智(zhi)能(neng)製(zhi)造(zao)的(de)發(fa)展(zhan)與(yu)技(ji)術(shu)落(luo)地(di)，還(hai)需(xu)要(yao)注(zhu)意(yi)從(cong)以(yi)下(xia)方(fang)麵(mian)提(ti)升(sheng)。

　　發揮智能物聯網引領作用。

　　物聯網、人(ren)工(gong)智(zhi)能(neng)及(ji)其(qi)深(shen)度(du)融(rong)合(he)將(jiang)成(cheng)為(wei)引(yin)領(ling)未(wei)來(lai)製(zhi)造(zao)業(ye)變(bian)革(ge)的(de)關(guan)鍵(jian)技(ji)術(shu)。智(zhi)能(neng)物(wu)聯(lian)網(wang)作(zuo)為(wei)物(wu)聯(lian)網(wang)和(he)人(ren)工(gong)智(zhi)能(neng)結(jie)合(he)的(de)前(qian)沿(yan)技(ji)術(shu)在(zai)新(xin)一(yi)代(dai)智(zhi)能(neng)製(zhi)造(zao)中(zhong)將(jiang)發(fa)揮(hui)關(guan)鍵(jian)作(zuo)用(yong)。當前工業物聯網的發展正處於智能物聯的初級階段，而融合先進AI技術的高級階段將帶來生產效率的極大躍升。

　　加強從0到1基礎研究。

　　目前我國在製造領域關鍵技術應用方麵已取得不少進展，而在基礎研究領域還相對滯後。本文介紹的GoogleDeepMind、斯坦福大學、伯克利大學等在多智能體強化學習、機器人集群協作、自適應持續演化等領域的突破性研究為未來製造業變革提供了豐富可能，而我國在基礎創新方麵還存在較大差距

，存在大而不強、重技術輕基礎的現狀。因此
，需要加強從0到1的基礎性研究，從長遠角度推動智能製造不斷革新、持續發展。

　　注重多學科融合人才培養。

　　目mu前qian高gao校xiao人ren才cai培pei養yang模mo式shi還hai主zhu要yao麵mian向xiang單dan個ge學xue科ke開kai展zhan，學xue生sheng知zhi識shi結jie構gou單dan一yi
，難nan以yi滿man足zu未wei來lai對dui於yu多duo學xue科ke知zhi識shi融rong合he解jie決jue複fu雜za問wen題ti的de需xu求qiu。以yi智zhi能neng製zhi造zao為wei例li，涉she及ji計ji算suan機ji
、人工智能
、物聯網、機械製造、自動控製、生物學等多學科理論和知識 ，應該創新人才培養模式，促進多學科知識融合，為培養複合型創新型人才提供有效途徑。

　　產學研深度協同融合。

　　zhinengzhizaojuyouhengaodexinjishumijidu，jiqulerengongzhinenglingyuzuiqianyandelilunhejishuchengguo。congqianyanchuangxinjiaodueryan，gaoxiaowangwangjuyouxianjinderengongzhinengsuanfaerkuyumeiyougongyeshujujinxingyanzheng，qiyezejileiledaliangguochengshujuquequeshaoxinjishudezhicheng。xuyaodapobileicujingaoxiaohekeyanyuansuojijicanyuzhinengzhizaochanyebiange，chuangzaotiaojiancujinchanxueyandeshenduxietongyujishugexin。

　　推動新興技術在製造業的落地應用。

　　聯邦學習
、遷移學習、多智能體強化學習
、深度模型壓縮、邊緣計算
、雲(yun)邊(bian)端(duan)融(rong)合(he)計(ji)算(suan)等(deng)智(zhi)能(neng)物(wu)聯(lian)網(wang)相(xiang)關(guan)技(ji)術(shu)近(jin)年(nian)來(lai)不(bu)斷(duan)取(qu)得(de)新(xin)突(tu)破(po)，在(zai)國(guo)家(jia)科(ke)研(yan)發(fa)展(zhan)規(gui)劃(hua)中(zhong)要(yao)注(zhu)重(zhong)推(tui)動(dong)以(yi)上(shang)關(guan)鍵(jian)技(ji)術(shu)和(he)製(zhi)造(zao)業(ye)關(guan)鍵(jian)科(ke)學(xue)和(he)技(ji)術(shu)問(wen)題(ti)的(de)結(jie)合(he)，產(chan)生(sheng)示(shi)範(fan)性(xing)應(ying)用(yong)效(xiao)果(guo)，進(jin)而(er)形(xing)成(cheng)新(xin)的(de)產(chan)業(ye)鏈(lian)
，促(cu)進(jin)製(zhi)造(zao)業(ye)智(zhi)慧(hui)空(kong)間(jian)的(de)形(xing)成(cheng)。

　　文章來源：《學術前沿》雜誌2020年7月（上）

　　原文標題：《論智能物聯與未來製造——擁抱人機物融合群智計算時代》（微信有刪節）

　　作者：西北工業大學計算機係統與微電子係主任 郭斌