押注“工業4.0”讓中國輸掉“第四次工業革命”？
http://www.199rrr.com 2024-02-29 15:20 來源：工業精神
十幾年前德國提出工業4.0概念以后，中國制造業是最積極的實踐者，對智能制造投資力度之大不說舉全國之力，和歐美日韓任何一個經濟體相比也夠得上天量資金投入了。按理說應該已經實現了張教授所謂的“清場式遙遙領先”，但事實卻并非如此。
我們過早地“梭哈”了一個“偽第四次工業革命”，當我們“清盤”離場之后，下半場更大的賭局才開始：門檻更高，籌碼更大，規則更復雜，限制條件也更多。所以跟了兩把就下桌了。
本文觀點及邏輯
- “工業4.0”沒有提出足以開創一個時代的理論或技術遠景，與前三次技術革命沒有可比性，因此算不上“第四次工業革命”
- 由于過度關注“工業4.0”，導致同時期的同樣重要的制造技術新趨勢被忽略，其中就包括與AI相關的“生成式設計”
- 大量的資金和社會資源被引導至制造環節，原本極度欠缺的工藝和設計能力沒能即時加強，導致中國制造業創新不足但產能過剩的問題更加尖銳；
- 生成式人工智能獲得突破后，收益最大的是設計和工藝環節，之前人腦無法想象的新結構和新方法都將被AI輕而易舉地創造出來。而這恰恰是中國制造欠缺的。
- 人類無法通過“逆向工程”獲得由AI生成的復雜結構的設計思路，也就是說AI的設計無法“山寨”。即便反求獲得了外形參數，模仿的速度也跟不上AI創新的速度。
- 如果10年前沒把眼光鎖死在“工業4.0”，也許“生成式設計”，“自適性拓撲結構優化”，“智能材料”，“輕量化設計”等概念會百花齊放。
正文
仔細想來，我也算是最早蹭到“工業4.0”流量的那波人。工業4.0概念發源于德國，弘揚于中國，所以2012年之后就有大量的來自高校，政府，企業和投資界的同胞到德國考察工業4.0項目。當時我還在MAKA做非標設備，所以就提了個MAKA 4.0概念，其中包括設計4.0，工藝4.0和工廠4.0。業內反響還不錯，當時高峰期幾乎每周都要接待國內的參觀團，也是給老東家免費做了多年的市場推廣。
但是到了14年左右的時候，德國制造和工業4.0開始被神化和過度吹捧，以至于中國制造企業和政府都認為工業4.0是制造業轉型升級的必經之路，自“工業機器人熱”后，全國上下相繼開始了“工業4.0熱”，“工業互聯網熱”和“智能制造熱”。都是對制造環節的過度關注，其中缺失了“設計”和“工藝”。
作為一個有良知的工程技術人員，蹭熱度的同時我還是會不斷地給工業4.0潑冷水，每次給企業和機構的報告里都會客觀地指出工業4.0的局限性。以至于有一次聽課的領導直接否定我的觀點，他認為工業4.0和智能制造已經上升到了國家戰略層面，是不容置疑的。好在游學主辦方大都接受不同的聲音，仍然會陸續介紹企業。
工業4.0不等于第四次工業革命
這其實也是我多年以來的觀點。最先由SAP拋出的工業4.0概念其實都是為其產品的市場推廣服務的。比如當時SAP剛剛推出的HANA企業數據庫，所以SAP對工業4.0的描述偏重“大數據”，“數據挖掘”等應用；西門子那時候已經重新整合了“博圖”平臺，實現了由虛擬PLC控制數模的運動，即所謂的“軟件/硬件在環”。虛擬調試系統MCD成功后，西門子就立刻提出了“數字孿生”概念。“工業4.0”火爆全球后，就整合了CPS，IoT等應用打包成西門子的工業4.0概念推向市場。
雖然其中有一些概念和應用還不錯，但是絕對夠不上“革命”的力度。
第四次工業革命應該是人工智能大范圍的應用
“我們可以用“嚇尿程度”來評估目前是否正在進行第四次工業革命。假設我們讓瓦特通過時間旅行穿越到1930年代的美國，那么他多半會被燈紅酒綠的夜生活和穿梭往來的汽車嚇尿；如果讓愛迪生穿越到90年代，他也多半會驚訝于各種電子產品和互聯網，盡管他是電氣時代偉大的發明家，但穿越之后也只能在信息時代做個普通人；要是讓圖靈穿越到現在，想必他一下子就能理解我們現在所處的信息社會的運作方式，不出幾個月他就會再次成為信息領域頂尖的高手。所以如果想讓圖靈驚掉下巴，還需要更加顛覆性的技術革命和產業革命，可見真正意義的第四次工業革命尚未開始。” —-《2021，和工業4.0說拜拜》
“工業4.0理論”（姑且稱它是一種制造業發展的理論吧）最大的缺陷就在于它對正在發生的第四次工業革命和科技革命缺乏遠見。只看到了當下成熟的網絡技術，對人工智能，新材料，新工藝等有可能顛覆現代制造業的技術和理論缺乏想象力。—-《2021，和工業4.0說拜拜》
第四次工業革命真正的主角可能是“生成式設計”
早在工業4.0如火如荼的2015年，空客的一個隔斷設計在很多展會上亮相，也獲獎無數。就是下面圖中的復雜且極具美感的結構。
仿生隔墻采用生成式設計進行了優化，在保持相同穩定性的同時，重量大幅減輕。下面的視頻可以便于理解生成式設計的過程。
總體來說，設計師先規定了優化范圍和約束條件，讓計算機在這個隔斷的輪廓線上，按照一定距離設定節點，再把節點之間連線。如果所有節點之間都設計連線，那么結構剛性倒是很好，但是支撐桿太多，重量太大；如果減少支撐桿的數量，經濟性會變得更好，但是結構剛性也會相應減小。于是，之間的取舍平衡編程了問題的癥結。生成式設計其實就是通過遺傳算法，生成合適的參數組合，再用仿真計算篩選出優秀的參數組合。最后給設計師若干組合理的設計方案，有設計師做最終的判斷。
程序最終生成了100多個可行的方案，用戶可以根據優化目標做篩選。空客這個項目最重要的評價指標是剛性和重量，因此最終在功能，成本和美感之間做出了最佳的平衡。這種設計人類是無法完成的，而且同樣嚴重依賴算力，因為每生成一個方案，就要對其結構進行仿真計算，而且優化的目標不同仿真的參數也就不同。所以整個過程非常耗時，也消耗資源，普通企業難以承受，也只能靠云計算訂閱軟件服務。
說到“生成式設計(Generative Design)”就不得不提“拓撲優化設計（Topology Design）”
拓撲優化設計也是依靠有限元，讓程序不斷計算出受力最小的微元，并將其從網格中刪掉，再進行計算，不斷地去掉不重要的材料。如此循環迭代，最終得出最高效的結構。這個功能早已在歐洲企業廣泛使用了，算法也不斷在優化，計算速度也從10年前幾周縮短到現在的幾分鐘。
所以我并不認同歐洲互聯網和人工智能發展停滯的觀點。歐洲的工業軟件非常發達，而且大型化和智能化的進程一刻都沒有停止。只不過歐美制造業的重心一直放在研發和設計上，因為這個環節一直有巨大的增長潛力。
下面這幅圖是15年前，某刀具廠家對銑削工藝做的仿真。他們通過與實際的車削數據做對照，不斷優化仿真模型的材料和工藝參數，最終讓仿真效果逼近真實。視頻里，切屑的產生到卷曲過程都完美的模擬了出來，而且整個過程產生的熱量，應力，應變等參數都被準確計算出來。
在優化仿真模型的過程中，物理實驗和仿真模型構成一對CPS（賽博物理系統），可以美其名曰工藝4.0。這種仿真模型參數的調校的難度不亞于當下最火的訓練大語言模型，都需要強大的算力，優秀的算法和大量的人工試驗。而一旦仿真模型優化成功，那么就可以幾乎一勞永逸地解決零件試制問題，刀刃的尺寸可以任意修改，直到滿意為止。
產品和工藝開發過程中的差距往往是隱性的，不像自動化設備和工廠生產組織那么顯而易見。當我們在工業4.0的賽道上飛奔時，對手在按部就班地改進設計方法，優化設計參數。
第四次工業革命將會讓“山寨”變得不可行，因為設計的比拼最終將落實為模型的比拼。就像我們現在已經不再對MD，SF和DALL.E生成的特定圖片進行比較，而是通過對比一大堆不同提示詞生產的結果，比較模型的好壞。工業零部件的設計開發早在“工業4.0”概念提出之前，就已經開始卷模型了。
拓撲優化設計不是生成式設計
過去的20年里，拓撲優化設計發展迅速，目前基本上主流設計軟件大廠都提供拓撲優化模塊，而且完美嵌入到各自的PLM平臺。根據客戶的制造工藝和產量要求，程序還可以對結果進一步優化，自動生成用于鍛造，鑄造，機加或3D打印的設計。便于鑄造的拔模傾角，澆冒口都自動設計得妥妥當當。即便如此這仍然不能算作是生成式設計。
拓撲優化存在理論最優解，即A.G.M. Michell早在1904年提出的完美桁架模型。因此通過拓撲優化得出的結構都是大同小異的接近Michell桁架的結構。
生成式設計應該說脫胎于參數化設計，其鼻祖是Autodesk。簡單講就是自動重新排列組合設計參數，進而生成新的設計結果。在這個過程中，很多結果是不好的，因此需要一個篩選標準，這就是仿真。通過篩選，把好的設計結果中所采用的參數保留下來，作為遺傳基因，與其他的設計結果進行重組，這樣會產生若干新的設計結果，再次篩選比較好的結果，如是迭代，這就是所謂的遺傳算法。
最后仍然是生成多個設計結果，并列出功能參數進行對照。生成式設計的適用面更廣，設計結果也更多樣，可以進行多目標優化。比如設計一個更加高效的冷卻流道，下圖中左側兩個分別是參數優化和拓撲優化得到的結果，右邊的則是生成式設計的優化結果。如果零件尺寸，材料，工況發生了變化，那么設計結果也會隨之發生巨大的變化。所以此時去“山寨”單一零件的設計已經變得毫無意義，在這個“基于有限元仿真的生成式AI模型”的加持下，一個原創性企業可以0成本源源不斷地產生類似的設計，其設計成本遠低于逆向（山寨）工程的開銷。
生成式AI將引領第四次工業革命
最近Sora生成視頻的驚艷表現讓全人類驚呼夢境世界到來，用生成式AI設計蛋白質去年也取得了重大進展，相信接下來的突破就是設計新材料特別是有機材料。
對于制造業來說，產生新的設計結果并沒有多大難度，難點在于如何篩選，所以說到底還是仿真。比如下面這個案例，設計師讓AI自動生成大量的汽車圖片，然后把平面圖轉換成點云再轉成矢量圖，再運行仿真，得出結果，篩選出更多的可能性。
AIGC+CAE（有限元仿真）即將在工業和制造業領域引發設計革命，其深刻性和影響力將遠大于“工業4.0”。這就是第四次工業革命給產品設計帶來的新方法。
押寶“工業4.0”讓我們錯失了很多機會
全國鑼鼓喧天搞“工業4.0”的那幾年也正是生成式設計開始普及的時候。回到文章開頭的空客的案例，當時國內的專業媒體對此幾乎沒有報道，有限的幾篇文章還都是關注支撐桿是用3D技術制造的。因為3D打印被描述為工業4.0時代的關鍵技術，所以小編才會關注一下。
彼時，西門子在推出了Create/Run myVirtualMachine模塊，并集成在最新的SINUMERIC ONE平臺，從此數字孿生的基因便深植于西門子的軟件產品。這個功能在機電一體化產品的設計領域也是革命性的，因為它使“半實物仿真”不再需要機械構件，硬件只需要控制器，就可以驅動數模的運動。看似運動仿真和組態軟件也能實現類似的功能，但是本質上是完全不一樣的。
下面的視頻是最早的數字孿生產品MCD（Mechatronic Concept Design），數模的控制程序來自硬件PLC或者仿真PLC（SIMIT組件），數模在運動過程中也會出發傳感器，仿真的輸入信號同樣通過PLCSim傳給控制器硬件，觸發PLC硬件里的程序繼續運行。在這個仿真的環境下，物理特性也被模擬出來，從視頻里可以看到工件滾落并彈起的動作。這些模擬真實場景的動作有可能導致轉臺夾住，讓技術人員提前預判故障。
我第一次接觸MCD是在2009年在亞琛讀研究生時聽過的一個報告，當時這個產品應該是剛剛完成，還在完善中。僅僅是5年以后，數字孿生就成為西門子繼TIA全集成自動化后最重要的概念在自動化和數控系統市場里被大書特書。
可惜，被“工業4.0”蒙了雙眼的我們只看到了西門子的CPS和IoT，去西門子Bemberg工業4.0示范工廠參觀的中國企業絡繹不絕，但是并沒有深究“數字孿生”的重要意義。
在我看來，“生成式設計”將為機械零件的制造（和工廠布局設計）帶來革命，“數字孿生”將為自動化設備（和生產系統）的開發帶來革命。
美蘇高科技爭霸已經重演
一項技術如果無法得到大規模的商業應用，那么這時蘇聯的計劃經濟模式比美國更適合集中力量辦大事。一旦該領域顯現出商業價值，那么市場的力量就會碾壓式計劃模式。所謂的集中力量辦大事其實就是政府扮演風投角色，而風險投資一定有失手的時候。
現在回頭看，工業4.0/智能制造就是押錯了，很多企業為了拿國家智能制造補貼，把精兵強將都拉出來搞自動化，數字化，企業云什么的。卻忽略了最關鍵的設計和工藝，工業4.0方興未艾的10年也許同樣意味著設計和工藝荒廢了10年。
結語
有限元仿真早已不是什么新技術，但是歐美制造企業把仿真玩出了新花樣，在此基礎上相繼搞出了拓撲設計和生成式設計。第四次工業革命一定是AI在工業領域的廣泛應用，就像現在科技巨頭們搞的大語言模型大戰，未來制造業企業的核心競爭力也是數字模型，名字我也想好了，就叫“基于有限元仿真和遺傳算法的生成式數值計算人工智能大模型”。
編輯精選
