对于智能制造的解读，最近呈现多样化的趋势，其实对于处在转型升级期的中国制造业来说，了解智能制造的内涵，明白当前所处的环境和机遇，以及如何实现智能制造，远比研究智能制造本身更有意义。当下很多人认为，推动中国制造2025,需要大量的新技术作为支撑，如大数据、云计箅和移动互联等。这些想法有各自积极的建设意义，然而这并不是中国工业系统升级的根本驱动力。面向中国制造2025,建立数字化知识化为基础的中国工业生态系统，才是最为重要的国家战略核企业需要面临的问题。

一、中国工业系统缺什么?

大家都公认的是，德国2013年提出的工业4.0, 基本等同于美国在2006年提出Cyber-PhysicalSystems(即虚拟网络/信息一一物理一一系统)。但实际上不为众所周知的是，CPS概念是由中美学者首先倡议并明确的。早在2009年中科院出版的著名的科技发展系列报告丛书《创新2050》，就描述了“人-机-物”一体化系统，即社会物理信息系统CPSS(Cyber-Physic.al-SocialSystems)。显然增加“人与社会”的因素，更适合于未来的制造产业。 Social(人与社会的因素)在德国工业4.0被降低了一个层级，但却被IBM这样的公司认定为具有不亚于大数据的重要战略地位。

国人将CPS翻译成“信息物理系统”，本文作者觉得略有误导或者不够精确，因为CPS中的C代表Cyber，不仅仅是“信息”，其本意更强调的是“网络控制”相关的意思，是双层含义，强调了“具有控制性的网络和信息”;P代表物理硬件层;System则是系统工程的层面。

美国的下一代工业升级版本，主要是以GE公司为代表提出了“工业互联网”的概念，并在企业横向联合层面上，成立了工业互联网联盟组织，推动和发展系统间的集成和兼容。在这个层面上，美国有着绝对领先的优势。美国的顶层框架设计，在过去几十年，已经成为政府(尤其是军方)拉动行业标准的标准做法，同时军工企业和民品企业也积极参与其中，从而形成了美国政、军、企三方都热衷于推动系统工程和顶层框架的发展。

在德国工业4.0的体系中，Cyber的双层含义中，信息层比较强，但互联网/物联网层比较弱;在P层面，物理硬件非常强，是德国制造的优势所在;而S系统层面，德国制造业也比较弱，德国人的顶层框架和系统工程，做的远远没有美国好。在这个意义上进行比较，就知道德国工业4.0的背景及其工业本质。德国工业有强大的工业体系、知识库、产品硬件与设备、产品PLM全生命周期管理，这些都是世界上领先的;但在IT技术/互联网/物联网/大数据分析等这些“工业外套”上面，以及顶层框架的系统设计方面，德国的制造业是落后的。抢占这两个制高点，是德国工业推进4.0的核心意义。

就CPS而言，中国制造业目前面临的三个问题分别是：1)Cyber双层含义中“信息化”有一定进展，但不够彻底，相互之间有裂缝，系统内部往往通过强耦合连接，导致形成了实际上的信息孤岛，系统之间数据的流通和连接非常弱--这主要是源于中国制造业的组织、管理模式的相对落后，工业系统自身的知识描述和行业知识库的建设因为历史原因断裂;因此，虽然“网络控制”涉及到的互联网/物联网/云计算等技术，中国并不落后，但是因为上述所言，控制的信息对象处于孤岛状态，导致网络控制仅仅起到了表面上的作用;2)Physic层面物理硬件，通过进口设备，在装备本身层面与全球同步，但使用层面处于知其然不知其所以然的被动使用状态;3)而S顶层框架和系统工程，自80年代以来几乎没有发展。

因此对于中国而言，同样是追求工业系统升级，我们“中国制造2025”要补的课，跟德国工血4.0要补足和引为标杆之处，有实质性的不同。同时，中国工业体系来源于苏联体系，计划经济先天性的体系化、全面性以及曾经的自上而下的系统性,都有很多值得重新审视和汲取的地方。从历史传承和核心优势来考虑，“中国制造2025”也不能完全模仿美国工业互联网，而是要建设中国自己的中国智造。

二、中国工业生态系统与智能制造

开创大历史观的历史学家黄仁宇在《中国大历史》一书中指出，农村基层的财务税收的数目化管理与否，是区别于中世纪后欧洲国家意志蓬勃发展和中国几千年君朝历史螺旋性回落的根本性原因。缺乏基层数据的数目化和知识化管理，同样也是目前制造工厂最为困惑和最亟需解决的问题。

目前在中国制造用着世界最先进的软件和设备，但产出效率却完全不能与西方现代制造工厂相媲美。为什么西门子在美国波音公司6500套基于产品管理的软件，就可以支撑庞大的B787的“一体化”协同制造网络，而在中国许多工厂反而就变成了一大堆局部使用的孤岛?实际上，在波音公司的最底层的基础工作，已经把飞机的数十万个零部件全部数字化，同时采用模块化而非零部件级的S级控制，形成了完全可控的数字化产品体系。这才使得信息化软件发挥了为虎添翼的作用。

中国工业系统升级的过程.不必过分追求某些IT技术的先进性，也不要急于追逐德国的物理硬件能力，而是要深入制造业的基础，探究能支撑制造业技术发展的数字化基因和知识化处理。基于中国制造业的历史和实际，构建中国的工业生态系统，使得人、数据、知识、设备、产品等各种资源.能够有效地重新加以配置，才是系统性解决中国智能制造的根本性因素。

智能制造的基本特征是协同化、微制造、低成本。协同化就是配置资源，并共享资源体系;微制造需要去中心化组织，实现小规模小批量的生产：而全新的低成本生产模式，才能有效支撑未来个性化的生产需求。

1、协同化

在下一代工业升级的体系下，系统变得复杂，协同关系变得分散化。制造由集中生产向网络化异地协同生产转变.信息网络技术使不同环节的企业间可以实现信息共享，能够在全球范围内整合企业间的优势资源，在研发、制造、物流、售后服务等各产业链环节实现全球分散化的协同作业。任何一台设备，任何一个工位。任何一个组织，只要在资源配置权限之内，都可以参与到网络化制造的任务节点中去，实现复杂的任务协同。

2、微制造

微制造是指小批量、小规模、专业化的生产。这需要建设一种全新的、异于当前大规模生产的去中心化组织，实现多品种、小批量生产。工业4.0时代强调由集中式控制向分散式增强型控制模式的转变，从而建立一个高度灵活的个性化和数字化的产品与服务的生产模式。

微制造有两层含义，一个是微小企业的制造;一个是制造微小产品。前者是微小企业参与了全球化的云端资源配置。正如淘宝网可以让一个一个的个体户参与其中，将产品售卖到全世界一样：后者是微小产品的专业制造，企业无论大小，可以只需专注于某一个细微产品'这种企业更容易产生实质性的创新，有效带动“大众创新、万众创新”的局面甚至形成“隐形冠军”，真正推动实现“中国制造2025”。

3、低成本

按传统的技术模式，没有批量就没有低成本。这个悖论，在未来的制造时代，必须通过资源的优化配置，实现低成本下的专业化和个性化服务，才能够很好地实现。针对未来井喷式的个性化需求的多样性问题，东京大学坂村健教授提出“昆虫纲现象”，传统信息系统好像哺乳动物纲(只有5万左右物种)，而工业4.0催生的新领域更像是昆虫纲(多达500万物种)。这就要求所有的资源、流程，都要被充分纳人到系统优化之中，实现低成本的制造需求;

三、产品本体建设与智能制造

协同化、微制造、小批量、低成本生产模式的基础，根源于对产品归一化描述和管理。目前企业在推进信息化和数字化的过程中，最为头疼的就是数据的分散和知识经验的碎片化。而在多年的信息化建设过程中，也产生了大量的数据裂缝和数据窟窿。智能制造要求所有产品都是单一数据来源，从设计、工艺到制造的各个阶段的BOM(物料清单表)都需要统一;而且产品自身只有具备了自定义属性和经验的继承，产品跟设备之间才能进行深度通讯和控制，智能产品才能成为可能。

1、产品结构的单一数据源描述

传统企业的PDM和BOM管理存在着多种形态，即使是同一个企业不同生产阶段，也在不断发生变化。目前管理软件都是非常成熟的，然而如何打通产品各阶段的数据连接，却成为一个大问题。以飞机制造为例，上百万的零部件，每个零部件有几十个参数，它们以不同的方式被不同的单位所产出和拥有，同时存储在不同结构的IT系统和设备系统之中，又遵循不同的标准规范要求，同时还要跟数千个供应商进行交互，从而产生了一个“产品数据爆炸”。这使得企业不得不在局部层面按照项目实施的方法解决问题，完全无法建立系统级的数据维护和知识经验继承。

通过产品结构的单一数据源描述，所有的零部件，都将被彻底的数字化。零部件的各种信息，从图纸，到有效性的标识，到状态变更，都有一条完整的记录体系;而它与周围产品、系统所发展的变化关系，也将被有效地进行记录。

2、产品的自我身份化

每一个创意，每一个被设计的部件，都拥有自己独立的ID身份，就好像被分配了一个独立的网址，进行自记录。所有有关信息都在不断增长和添加，跟所有其他外物的关联，都形成互链接，进行交互识别。换言之，被设计的产品本身，是智能产品，具备了独立的自我表达能力。无论哪个环节的信息，从创意，到设计，到部件，到制造，到维修，到终端用户使用，都记录在它的身份信息中。通过既有的物联网技术、服务网技术、广域域名分配技术、大宽带网络等，从而使得一个产品具有“生命感知”的特征。

当一个零部件，进人另外一个产品;当一个产品进入到另外一个系统中的时候，该产品的身份，将停留在网页最后指向的位置。因此，整个系统将可以产生回溯的作用;从而使得未来的故障查找与诊断，具有高度智能的可回溯特征。

3、产品的本体化表达

有了产品自身结构的单一数据源描述，有了产品的自我身份化，就可以逐渐建立产品本体。也就是，对从应用中分离出来的目标领域做形式化的、明确的描述。当前大多数应用里，产品的描述，往往有大量领域概念(应用逻辑)、数据(产品和过程)以及信息表现(演示)所组成的混合物。只有基于制造业词表体系建设和领域模型的构建，将知识本体、任务描述与物理逻辑分离，从而帮助实现产品完成智能化的跨越，构建产品本体。产品本体，就是一个解耦合的过程，使得产品知识能够自由地流动和表达。而自体系自学习自优化建设产品本体的过程，就是知识自动化，即形成可执行的文档、可计算的知识体系、可执行的流程模板，从而形成大量的工程中间件，使得无论是知识工作者，还是制造与仿真的工程师，工作效率才会大幅度提升。这样，人类实践过程中所积累的知识和各种经验模板，就可以有效、重复性地加载在产品上，会使得设计与制造人员大幅度提高工作效率。

四、总结

早在2005年，美国提出了“聪明加工系统SMS”，其中最为重要的两点内容就是：一是系统动态优化，也就是将相关工艺过程和设备知识加以集成后进行建模，进行系统的动态性能优化;二是设备特征化，即开发特征化的测量方法、模型和标准，并在运行状态下对设备性能进行测量和通信等。从这些研究成果可以看出来，如何解决知识沉淀和经验积累的循环利用，是提高制造的“聪明度”的核心问题。在此基础上，2011年，美国总统奥巴马宣布实施包括工业机器人在内的“先进制造联盟计划”。美国企业随即提出了工业互联网的概念。这些高端制造的竞争，强烈刺激了欧洲制造商的神经，德国随后高调推出德国工业4.0,一时间成为最为炙手可热的概念。然而，工业产品的数字化知识化基因，却是这些各种智能制造技术的核心底层。

德国工业4.0不是一个新技术，而是一个基于德国工业既有优势的新体系建设，强化在顶层架构设计和互联网的作用;而解构美国CPS系统时，需要关注其在系统工程的先天性优势，和成熟的产品知识库的建设。中国制造2025,不是一味地追求大数据、云计算等新技术，也不是鲁莽地去和德国比拼物理硬件，而是立足中国制造业实际，重构历史积淀，补足体系性不足，构建数字化知识化生态系统，推动中国智造，从而实现弯道超车。