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。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，應ying該gai創chuang新xin人ren才cai培pei養yang模mo式shi
，促cu進jin多duo學xue科ke知zhi識shi融rong合he，為wei培pei養yang複fu合he型xing創chuang新xin型xing人ren才cai提ti供gong有you效xiao途tu徑jing。

　　4、產學研深度協同融合。智(zhi)能(neng)製(zhi)造(zao)具(ju)有(you)很(hen)高(gao)的(de)新(xin)技(ji)術(shu)密(mi)集(ji)度(du)，汲(ji)取(qu)了(le)人(ren)工(gong)智(zhi)能(neng)領(ling)域(yu)最(zui)前(qian)沿(yan)的(de)理(li)論(lun)和(he)技(ji)術(shu)成(cheng)果(guo)。需(xu)要(yao)打(da)破(po)壁(bi)壘(lei)促(cu)進(jin)高(gao)校(xiao)和(he)科(ke)研(yan)院(yuan)所(suo)積(ji)極(ji)參(can)與(yu)智(zhi)能(neng)製(zhi)造(zao)產(chan)業(ye)變(bian)革(ge)，創(chuang)造(zao)條(tiao)件(jian)促(cu)進(jin)產(chan)學(xue)研(yan)的(de)深(shen)度(du)協(xie)同(tong)與(yu)技(ji)術(shu)革(ge)新(xin)。

　　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
、分fen布bu式shi群qun智zhi交jiao互hu協xie同tong等deng方fang法fa來lai提ti供gong解jie決jue方fang案an。在zai基ji礎chu模mo型xing和he理li論lun層ceng麵mian，需xu要yao首shou先xian探tan索suo人ren機ji物wu融rong合he群qun智zhi協xie同tong機ji理li這zhe一yi基ji礎chu性xing問wen題ti，為wei技ji術shu的de突tu破po提ti供gong支zhi撐cheng。

　　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、知zhi識shi碎sui片pian化hua等deng問wen題ti，還hai需xu構gou建jian統tong一yi的de製zhi造zao業ye知zhi識shi圖tu譜pu表biao示shi模mo型xing，對dui各ge製zhi造zao要yao素su及ji其qi關guan聯lian關guan係xi進jin行xing結jie構gou化hua表biao征zheng。在zai製zhi造zao業ye過guo程cheng中zhong，會hui產chan生sheng大da量liang的de數shu據ju和he專zhuan家jia經jing驗yan
，需xu提ti取qu工gong業ye語yu義yi關guan鍵jian信xin息xi並bing關guan聯lian形xing成cheng具ju備bei專zhuan業ye特te點dian的de工gong業ye知zhi識shi圖tu譜pu。根gen據ju所suo構gou建jian的de製zhi造zao群qun智zhi表biao示shi模mo型xing，通tong過guo已yi有you製zhi造zao知zhi識shi結jie構gou發fa現xian
、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
、自zi適shi應ying等deng特te征zheng。它ta使shi得de製zhi造zao業ye主zhu體ti能neng不bu斷duan感gan知zhi任ren務wu和he環huan境jing狀zhuang態tai

，根gen據ju需xu要yao分fen布bu式shi組zu織zhi各ge生sheng產chan要yao素su，不bu斷duan學xue習xi和he豐feng富fu自zi身shen識shi別bie與yu決jue策ce能neng力li，以yi適shi應ying動dong態tai的de生sheng產chan環huan境jing及ji應ying用yong場chang景jing
，最zui終zhong達da到dao提ti高gao生sheng產chan效xiao率lv或huo產chan品pin質zhi量liang的de目mu的de。

　　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)。

　　針zhen對dui前qian麵mian提ti到dao的de智zhi能neng物wu聯lian終zhong端duan學xue習xi模mo型xing的de自zi適shi應ying問wen題ti
，除chu了le前qian麵mian提ti出chu的de模mo型xing壓ya縮suo方fang法fa外wai，在zai邊bian緣yuan設she備bei加jia入ru後hou，模mo型xing分fen割ge方fang法fa也ye成cheng為wei新xin的de研yan究jiu熱re點dian。它ta將jiang完wan整zheng的de深shen度du學xue習xi模mo型xing進jin行xing分fen塊kuai，並bing根gen據ju性xing能neng需xu求qiu（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）能neng力li。在zai開kai放fang式shi複fu雜za製zhi造zao環huan境jing下xia

，新xin的de製zhi造zao設she備bei不bu斷duan加jia入ru
，製zhi造zao場chang景jing和he需xu求qiu動dong態tai變bian化hua
，傳chuan統tong基ji於yu海hai量liang數shu據ju預yu訓xun練lian的de模mo型xing難nan以yi在zai數shu據ju缺que失shi或huo數shu據ju分fen布bu變bian化hua情qing況kuang下xia發fa揮hui好hao的de效xiao用yong。針zhen對dui不bu斷duan變bian化hua的de場chang景jing，關guan聯lian的de學xue習xi模mo型xing需xu要yao具ju備bei持chi續xu學xue習xi和he演yan化hua能neng力li，如ru同tong人ren類lei一yi樣yang具ju有you不bu斷duan學xue習xi和he適shi應ying問wen題ti變bian化hua的de能neng力li
，結jie合he已yi學xue習xi的de知zhi識shi和he經jing驗yan以yi解jie決jue新xin的de問wen題ti。

　　域自適應技術。

　　一般來說機器學習模型的魯棒性（robustness）cha
，chuantongdejiejuebanfashizaixunlianjieduanjiarushiliangzaosheng
，yitigaomoxinglubangxing。danshizheyifangfazaixunlianwanchenghourengbunengdiyuxinzaosheng。yinci，liyongyuzishiyingdefangfaxunlianmoxinglaidiyuzhezhonghuanjinghuoxuqiubianhuazhengzaichengweizhinengwulianwanglingyudexinfazhanfangxiang。tazhizaixunzhaoyigekongjianyingshe，jiangyuanyuhemubiaoyu（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。

　　chixuxuexishijiqixuexilingyudangzhongdechangyuanmubiao，zhinengtibujinxuexihejiyiyixiliederenwujingyan
，tongshiyeyounenglicongzhiqianderenwushangqianyichuyouyongdezhishilaigaijinshouliandesudu。chuantongdeweitiaowangluomoxingdefangfashitongguoyuanrenwu-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、群qun體ti學xue習xi能neng力li弱ruo等deng問wen題ti
，需xu研yan究jiu基ji於yu深shen度du強qiang化hua學xue習xi模mo型xing的de多duo智zhi能neng體ti協xie同tong增zeng強qiang方fang法fa。將jiang目mu標biao任ren務wu與yu動dong態tai調tiao優you模mo型xing關guan聯lian。麵mian向xiang特te定ding的de製zhi造zao任ren務wu需xu求qiu，提ti出chu群qun智zhi深shen度du強qiang化hua學xue習xi模mo型xing對dui各ge製zhi造zao要yao素su進jin行xing建jian模mo和he協xie同tong學xue習xi，動dong態tai反fan饋kui和he優you化hua調tiao整zheng參can與yu任ren務wu的de各ge智zhi能neng體ti參can數shu
，使shi得de製zhi造zao群qun體ti參can數shu總zong體ti最zui優you，實shi現xian多duo智zhi能neng體ti協xie同tong增zeng強qiang。

　　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、邊(bian)緣(yuan)計(ji)算(suan)和(he)數(shu)字(zi)孿(luan)生(sheng)等(deng)技(ji)術(shu)的(de)快(kuai)速(su)發(fa)展(zhan)及(ji)深(shen)度(du)融(rong)合(he)
，可(ke)以(yi)為(wei)智(zhi)能(neng)製(zhi)造(zao)等(deng)領(ling)域(yu)提(ti)供(gong)高(gao)度(du)集(ji)成(cheng)的(de)智(zhi)慧(hui)空(kong)間(jian)。智(zhi)慧(hui)空(kong)間(jian)是(shi)一(yi)種(zhong)物(wu)理(li)信(xin)息(xi)融(rong)合(he)環(huan)境(jing)
，其(qi)中(zhong)人(ren)

、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。

　　ronghequntizhinengdezhizaoqiyezhihuikongjiandefazhanyouwangyinfazhizaoyedezhongyaobiange，erdangqiandeyanjiurengcunzaijiaodakongbai。zhizaoqiyezhihuikongjianshangweixingcheng
，shenzhiqueshaoronghequntizhihuidezhizaoqiyezhihuikongjiandegoujianlilun、分布學習方法、協(xie)同(tong)運(yun)行(xing)和(he)持(chi)續(xu)演(yan)化(hua)機(ji)製(zhi)。傳(chuan)統(tong)基(ji)於(yu)單(dan)點(dian)智(zhi)能(neng)和(he)集(ji)中(zhong)智(zhi)能(neng)解(jie)決(jue)方(fang)案(an)難(nan)以(yi)應(ying)對(dui)複(fu)雜(za)產(chan)品(pin)製(zhi)造(zao)中(zhong)的(de)各(ge)種(zhong)問(wen)題(ti)
，導(dao)致(zhi)複(fu)雜(za)製(zhi)造(zao)企(qi)業(ye)普(pu)遍(bian)存(cun)在(zai)群(qun)體(ti)融(rong)合(he)差(cha)、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。

　　muqiangaoxiaorencaipeiyangmoshihaizhuyaomianxiangdangexuekekaizhan

，xueshengzhishijiegoudanyi，nanyimanzuweilaiduiyuduoxuekezhishironghejiejuefuzawentidexuqiu。yizhinengzhizaoweili，shejijisuanji
、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。

　　智(zhi)能(neng)製(zhi)造(zao)具(ju)有(you)很(hen)高(gao)的(de)新(xin)技(ji)術(shu)密(mi)集(ji)度(du)
，汲(ji)取(qu)了(le)人(ren)工(gong)智(zhi)能(neng)領(ling)域(yu)最(zui)前(qian)沿(yan)的(de)理(li)論(lun)和(he)技(ji)術(shu)成(cheng)果(guo)。從(cong)前(qian)沿(yan)創(chuang)新(xin)角(jiao)度(du)而(er)言(yan)，高(gao)校(xiao)往(wang)往(wang)具(ju)有(you)先(xian)進(jin)的(de)人(ren)工(gong)智(zhi)能(neng)算(suan)法(fa)而(er)苦(ku)於(yu)沒(mei)有(you)工(gong)業(ye)數(shu)據(ju)進(jin)行(xing)驗(yan)證(zheng)，企(qi)業(ye)則(ze)積(ji)累(lei)了(le)大(da)量(liang)過(guo)程(cheng)數(shu)據(ju)卻(que)缺(que)少(shao)新(xin)技(ji)術(shu)的(de)支(zhi)撐(cheng)。需(xu)要(yao)打(da)破(po)壁(bi)壘(lei)促(cu)進(jin)高(gao)校(xiao)和(he)科(ke)研(yan)院(yuan)所(suo)積(ji)極(ji)參(can)與(yu)智(zhi)能(neng)製(zhi)造(zao)產(chan)業(ye)變(bian)革(ge)，創(chuang)造(zao)條(tiao)件(jian)促(cu)進(jin)產(chan)學(xue)研(yan)的(de)深(shen)度(du)協(xie)同(tong)與(yu)技(ji)術(shu)革(ge)新(xin)。

　　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