來源：走向智慧論壇

近日，中國工程院院刊《Engineering》推出最新觀點性文章“走向新一代智慧製造”，作者賙濟、李培根、周豔紅等，文章指出智慧製造是一個不斷演進發展的大概念，可歸納為三個基本正規化：數字化製造、數字化網路化製造、數字化網路化智慧化製造——新一代智慧製造。新一代智慧製造是新一代人工智慧技術與先進製造技術的深度融合，是新一輪工業革命的核心驅動力。“人-資訊-物理系統”（HCPS）揭示了新一代智慧製造的技術機理，能夠有效指導新一代智慧製造的理論研究和工程實踐。推進製造業智慧轉型應採取“並行推進、融合發展”的技術路線。

走向新一代智慧製造

摘要

智慧製造是一個不斷演進發展的大概念，可歸納為三個基本正規化：數字化製造、數字化網路化製造、數字化網路化智慧化製造——新一代智慧製造。新一代智慧製造是新一代人工智慧技術與先進製造技術的深度融合，貫穿於產品設計、製造、服務全生命週期的各個環節及相應系統的優化整合，不斷提升企業的產品質量、效益、服務水平，減少資源能耗，是新一輪工業革命的核心驅動力，是今後數十年製造業轉型升級的主要路徑。“人-資訊-物理系統”（HCPS）揭示了新一代智慧製造的技術機理，能夠有效指導新一代智慧製造的理論研究和工程實踐。基於智慧製造三個基本正規化次第展開、相互交織、迭代升級的特徵，推進製造業智慧轉型應採取“並行推進、融合發展”的技術路線。

關鍵詞： 先進製造，新一代智慧製造，人-資訊-物理系統，新一代人工智慧，基本正規化，並行推進，融合發展

1、引言

面對新一輪工業革命，《中國製造2025》明確提出，要以新一代資訊科技與製造業深度融合為主線，以推進智慧製造為主攻方向[1]。世界各國都在積極採取行動，美國提出“先進製造業夥伴計劃”[2, 3]、德國提出“工業4.0戰略計劃”[4]、英國提出“工業2050”[5]、法國 提出“新工業法國計劃”[6]、日本提出“社會5.0戰略”[7]、韓國提出“製造業創新3.0計劃”[8]，都將發展智慧製造作為本國構建制造業競爭優勢的關鍵舉措。

新世紀以來，新一代資訊科技呈現爆發式增長，數字化網路化智慧化技術在製造業廣泛應用，製造系統整合式創新不斷髮展，形成了新一輪工業革命的主要驅動力。特別是，新一代智慧製造作為新一輪工業革命的核心技術，正在引發製造業在發展理念、製造模式等方面重大而深刻的變革，正在重塑製造業的發展路徑、技術體系以及產業業態，從而推動全球製造業發展步入新階段[9-13]。

2. 智慧製造的三個基本正規化

廣義而論，智慧製造是一個大概念[10, 14]，是先進資訊科技與先進製造技術的深度融合，貫穿於產品設計、製造、服務等全生命週期的各個環節及相應系統的優化整合，旨在不斷提升企業的產品質量、效益、服務水平，減少資源消耗，推動製造業創新、綠色、協調、開放、共享發展。

數十年來，智慧製造在實踐演化中形成了許多不同的相關正規化，包括精益生產、柔性製造、並行工程、敏捷製造、數字化製造、計算機整合制造、網路化製造、雲製造、智慧化製造等[15-23]，在指導製造業技術升級中發揮了積極作用。但同時，眾多的正規化不利於形成統一的智慧製造技術路線，給企業在推進智慧升級的實踐中造成了許多困擾。面對智慧製造不斷湧現的新技術、新理念、新模式，有必要歸納總結提煉出基本正規化。

智慧製造的發展伴隨著資訊化的進步。全球資訊化發展可分為三個階段：從上世紀中葉到90年代中期，資訊化表現為以計算、通訊和控制應用為主要特徵的數字化階段；從上世紀九十年代中期開始，網際網路大規模普及應用，資訊化進入了以萬物互聯為主要特徵的網路化階段；當前，在大資料、雲端計算、移動網際網路、工業網際網路叢集突破、融合應用的基礎上，人工智慧實現戰略性突破，資訊化進入了以新一代人工智慧技術為主要特徵的智慧化階段[24]。

綜合智慧製造相關正規化，結合資訊化與製造業在不同階段的融合特徵，可以總結、歸納和提升出三個智慧製造的基本正規化，也就是：數字化製造、數字化網路化製造、數字化網路化智慧化製造——新一代智慧製造。

圖 1 智慧製造三個基本正規化演進

2.1 數字化製造

數字化製造是智慧製造的第一個基本正規化，也可稱為第一代智慧製造。

智慧製造的概念最早出現於上世紀80年代[25]，但是由於當時應用的第一代人工智慧技術還難以解決工程實踐問題，因而那一代智慧製造主體上是數字化製造。

上世紀下半葉以來，隨著製造業對於技術進步的強烈需求，以數字化為主要形式的資訊科技廣泛應用於製造業，推動製造業發生革命性變化。數字化製造是在數字化技術和製造技術融合的背景下，通過對產品資訊、工藝資訊和資源資訊進行數字化描述、分析、決策和控制，快速生產出滿足使用者要求的產品[15, 16, 26, 27]。

數字化製造的主要特徵表現為：第一，數字技術在產品中得到普遍應用，形成“數字一代”創新產品；第二，廣泛應用數字化設計、建模模擬、數字化裝備、資訊化管理；第三，實現生產過程的整合優化。

需要說明的是，數字化製造是智慧製造的基礎，其內涵不斷髮展，貫穿於智慧製造的三個基本正規化和全部發展歷程。這裡定義的數字化製造是作為第一種基本正規化的數字化製造，是一種相對狹義的定位。國際上也有若干關於數字化製造的比較廣義的定義和理論[28]。

2.2 數字化網路化製造

數字化網路化製造是智慧製造的第二種基本正規化,也可稱為“網際網路+製造”，或第二代智慧製造[29]。

上世紀末網際網路技術開始廣泛應用，“網際網路+”不斷推進網際網路和製造業融合發展，網路將人、流程、資料和事物連線起來，通過企業內、企業間的協同和各種社會資源的共享與整合，重塑製造業的價值鏈，推動製造業從數字化製造向數字化網路化製造轉變[17, 30-33]。

數字化網路化製造主要特徵表現為：第一，在產品方面，數字技術、網路技術得到普遍應用，產品實現網路連線，設計、研發實現協同與共享。第二，在製造方面，實現橫向整合、縱向整合和端到端整合，打通整個製造系統的資料流、資訊流。第三，在服務方面，企業與使用者通過網路平臺實現聯接和互動，企業生產開始從以產品為中心向以使用者為中心轉型[34]。

德國“工業4.0”報告和美國GE“工業網際網路”報告完整地闡述了數字化網路化製造正規化，精闢地提出了實現數字化網路化製造的技術路線[4, 9, 31, 35-39]。

2.3 新一代智慧製造——數字化網路化智慧化製造

數字化網路化智慧化製造是智慧製造的第三種基本正規化，也可稱為新一代智慧製造。

近年來，在經濟社會發展強烈需求以及網際網路的普及、雲端計算和大資料的湧現、物聯網的發展等資訊環境急速變化的共同驅動下，大資料智慧、人機混合增強智慧、群體智慧、跨媒體智慧等新一代人工智慧技術加速發展，實現了戰略性突破[24, 40, 41]。新一代人工智慧技術與先進製造技術深度融合，形成新一代智慧製造——數字化網路化智慧化製造。新一代智慧製造將重塑設計、製造、服務等產品全生命週期的各環節及其整合，催生新技術、新產品、新業態、新模式，深刻影響和改變人類的生產結構、生產方式乃至生活方式和思維模式，實現社會生產力的整體躍升。新一代智慧製造將給製造業帶來革命性的變化，將成為製造業未來發展的核心驅動力。

智慧製造的三個基本正規化體現了智慧製造發展的內在規律：一方面，三個基本正規化次第展開，各有自身階段的特點和要重點解決的問題，體現著先進資訊科技與先進製造技術融合發展的階段性特徵；另一方面，三個基本正規化在技術上並不是絕然分離的，而是相互交織、迭代升級，體現著智慧製造發展的融合性特徵。對中國等新興工業國家而言，應發揮後發優勢，採取三個基本正規化“並行推進、融合發展”的技術路線。

3. 新一代智慧製造引領和推動新一輪工業革命

3.1 發展背景

當今世界，各國製造企業普遍面臨著提高質量、增加效率、降低成本、快速響應的強烈需求，還要不斷適應廣大使用者不斷增長的個性化消費需求，應對資源能源環境約束進一步加大的挑戰。然而，現有製造體系和製造水平已經難以滿足高階化、個性化、智慧化產品和服務增值升級的需求，製造業的進一步發展面臨巨大瓶頸和困難。解決問題，迎接挑戰，迫切需要製造業的技術創新、智慧升級[14, 41]。

新一輪工業革命方興未艾，其根本動力在於新一輪科技革命。新世紀以來，移動互聯、超級計算、大資料、雲端計算、物聯網等新一代資訊科技日新月異、飛速發展[11, 12, 42-48]，並極其迅速地普及應用，形成了群體性跨越。這些歷史性的技術進步，集中匯聚在新一代人工智慧技術的戰略性突破，實現了質的飛躍[24]。新一代人工智慧呈現出深度學習、跨界協同、人機融合、群體智慧等新特徵，為人類提供認識複雜系統的新思維、改造自然和社會的新技術。當然，新一代人工智慧技術還在極速發展的程序中，將繼續從“弱人工智慧”邁向“強人工智慧”，不斷拓展人類“腦力”，應用範圍將無所不在。新一代人工智慧已經成為新一輪科技革命的核心技術，為製造業革命性的產業升級提供了歷史性機遇，正在形成推動經濟社會發展的巨大引擎。世界各國都把新一代人工智慧的發展擺在了最重要的位置[49, 50]。

新一代人工智慧技術與先進製造技術的深度融合，形成了新一代智慧製造技術，成為了新一輪工業革命的核心驅動力。

3.2 新一代智慧製造是新一輪工業革命的核心技術

科學技術是第一生產力，科技創新是經濟社會發展的根本動力。第一次工業革命和第二次工業革命分別以蒸汽機和電力的發明和應用為根本動力，極大地提高了生產力，人類社會進入了現代工業社會。第三次工業革命，以計算、通訊、控制等資訊科技的創新與應用為標誌，持續將工業發展推向新高度[51]。

新世紀以來，數字化和網路化使得資訊的獲取、使用、控制以及共享變得極其快速和普及，進而，新一代人工智慧突破和應用進一步提升了製造業數字化網路化智慧化的水平，其最本質的特徵是具備認知和學習的能力，具備生成知識和更好地運用知識的能力，這樣就從根本上提高工業知識產生和利用的效率，極大地解放人的體力和腦力，使創新的速度大大加快，應用的範圍更加泛在，從而推動製造業發展步入新階段，即數字化網路化智慧化製造——新一代智慧製造。如果說數字化網路化製造是新一輪工業革命的開始，那麼新一代智慧製造的突破和廣泛應用將推動形成新工業革命的高潮，將重塑製造業的技術體系、生產模式、產業形態，並將引領真正意義上的“工業4.0”，實現新一輪工業革命。

3.3 願景

製造系統將具備越來越強大的智慧，特別是越來越強大的認知和學習能力，人的智慧與機器智慧相互啟發性地增長，使製造業的知識型工作向自主智慧化的方向發生轉變，進而突破當今製造業發展所面臨的瓶頸和困難。

新一代智慧製造中，產品呈現高度智慧化、宜人化，生產製造過程呈現高質、柔性、高效、綠色等特徵，產業模式發生革命性的變化，服務型製造業與生產型服務業大發展，進而共同優化整合新型製造大系統，全面重塑製造業價值鏈，極大提高製造業的創新力和競爭力。

新一代智慧製造將給人類社會帶來革命性變化。人與機器的分工將產生革命性變化，智慧機器將替代人類大量體力勞動和相當部分的腦力勞動，人類可更多地從事創造性工作；人類工作生活環境和方式將朝著以人為本的方向邁進。同時，新一代智慧製造將有效減少資源與能源的消耗和浪費，持續引領製造業綠色發展、和諧發展。

4. 新一代智慧製造的技術機理：“人-資訊-物理系統”（HCPS）

智慧製造涉及智慧產品、智慧生產以及智慧服務等多個方面及其優化整合。從技術機理角度看，這些不同方面儘管存在差異，但本質上是一致的，下面以生產過程為例進行分析。

4.1 傳統制造與“人-物理系統”

傳統制造系統包含人和物理系統兩大部分，是完全通過人對機器的操作控制去完成各種工作任務（如圖2(a)所示）。動力革命極大提高了物理系統（機器）的生產效率和質量，物理系統（機器）代替了人類大量體力勞動。傳統制造系統中，要求人完成資訊感知、分析決策、操作控制以及認知學習等多方面任務，不僅對人的要求高，勞動強度仍然大，而且系統工作效率、質量和完成複雜工作任務的能力還很有限。傳統制造系統可抽象描述為圖2(b)所示的“人-物理系統”（HPS—Human-Physical Systems）。

4.2 數字化製造、數字化網路化製造與“人-資訊-物理系統”

與傳統制造系統相比，第一代和第二代智慧製造系統發生的本質變化是，在人和物理系統之間增加了資訊系統，資訊系統可以代替人類完成部分腦力勞動，人的相當部分的感知、分析、決策功能向資訊系統複製遷移，進而可以通過資訊系統來控制物理系統，以代替人類完成更多的體力勞動，如圖3所示。

圖3 第一代和第二代智慧製造系統

第一代和第二代智慧製造系統通過整合人、資訊系統和物理系統的各自優勢，系統的能力尤其是計算分析、精確控制以及感知能力都得以很大提高。一方面，系統的工作效率、質量與穩定性均得以顯著提升；另一方面，人的相關製造經驗和知識轉移到資訊系統，能夠有效提高人的知識的傳承和利用效率。製造系統從傳統的“人-物理系統”向 “人-資訊-物理系統”（HCPS—Human-Cyber-Physical Systems）的演變可進一步用圖4進行抽象描述[11, 52, 53]。

資訊系統（Cyber system）的引入使得製造系統同時增加了“人-資訊系統”（HCS—Human-Cyber Systems）和“資訊-物理系統”（CPS—Cyber-Physical Systems）。其中，“資訊-物理系統”（CPS）是非常重要的組成部分。美國在本世紀初提出了CPS的理論[54]，德國將其作為工業4.0的核心技術。“資訊-物理系統”（CPS）在工程上的應用是實現資訊系統和物理系統的完美對映和深度融合， “數字孿生體”（Digital Twin）即是

最為基本而關鍵的技術，由此，製造系統的效能與效率可大大提高[13, 30, 37, 55, 56]。

圖4 從“人-物理系統”到“人-資訊-物理系統”

4.3 新一代智慧製造與新一代“人-資訊-物理系統”

新一代智慧製造系統最本質的特徵是其資訊系統增加了認知和學習的功能，資訊系統不僅具有強大的感知、計算分析與控制能力，更具有了學習提升、產生知識的能力，如圖5所示。

圖5 新一代智慧製造系統的基本機理

在這一階段，新一代人工智慧技術將使“人-資訊-物理系統”發生質的變化，形成新一代“人-資訊-物理系統”（如圖6所示）。主要變化在於：第一，人將部分認知與學習型的腦力勞動轉移給資訊系統，因而資訊系統具有了“認知和學習”的能力，人和資訊系統的關係發生了根本性的變化，即從“授之以魚”發展到“授之以漁”；第二，通過“人在迴路”的混合增強智慧，人機深度融合將從本質上提高製造系統處理複雜性、不確定性問題的能力，極大優化製造系統的效能[52, 57]。

圖6 新一代“人-資訊-物理系統”

新一代“人-資訊-物理系統”中，HCS、HPS和CPS都將實現質的飛躍。

新一代智慧製造，進一步突出了人的中心地位，是統籌協調“人”、“資訊系統”和“物理系統”的綜合整合大系統；將使製造業的質量和效率躍升到新的水平，為人民的美好生活奠定更好的物質基礎；將使人類從更多體力勞動和大量腦力勞動中解放出來，使得人類可以從事更有意義的創造性工作，人類社會開始真正進入“智慧時代”[10-12, 51]。

圖7 從“人-物理系統”到新一代“人-資訊-物理系統”

總之，製造業從傳統制造向新一代智慧製造發展的過程是從原來的“人-物理”二元系統向新一代“人-資訊-物理”三元系統進化的過程（圖7所示）。新一代“人-資訊-物理系統”揭示了新一代智慧製造的技術機理，能夠有效指導新一代智慧製造的理論研究和工程實踐。

5. 新一代智慧製造的系統組成與系統整合

新一代智慧製造是一個大系統，主要由智慧產品、智慧生產及智慧服務三大功能系統以及工業智聯網和智慧製造雲兩大支撐系統集合而成（如圖8所示）。

圖8 新一代智慧製造的系統整合

新一代智慧製造技術是一種核心使能技術，可廣泛應用於離散型製造和流程型製造的產品創新、生產創新、服務創新等製造價值鏈全過程創新與優化。

5.1 智慧產品與製造裝備

產品和製造裝備是智慧製造的主體，其中，產品是智慧製造的價值載體，製造裝備是實施智慧製造的前提和基礎[58]。

新一代人工智慧和新一代智慧製造將給產品與製造裝備創新帶來無限空間，使產品與製造裝備產生革命性變化，從"數字一代"整體躍升至"智慧一代"。從技術機理看，"智慧一代"產品和製造裝備也就是具有新一代HCPS特徵的、高度智慧化、宜人化、高質量、高性價比的產品與製造裝備。

設計是產品創新的最重要環節，智慧優化設計、智慧協同設計、與使用者互動的智慧定製、基於群體智慧的“眾創”等都是智慧設計的重要內容。研發具有新一代HCPS特徵的智慧設計系統也是發展新一代智慧製造的核心內容之一。

5.2 智慧生產

智慧生產是新一代智慧製造的主線[40, 59, 60]。

智慧產線、智慧車間、智慧工廠是智慧生產的主要載體[61-63]。新一代智慧製造將解決複雜系統的精確建模、實時優化決策等關鍵問題，形成自學習、自感知、自適應、自控制的智慧產線、智慧車間和智慧工廠，實現產品製造的高質、柔性、高效、安全與綠色。

5.3 智慧服務

以智慧服務為核心的產業模式變革是新一代智慧製造的主題[64, 65]。

在智慧時代，市場、銷售、供應、運營維護等產品全生命週期服務，均因物聯網、大資料、人工智慧等新技術而賦予其全新的內容。

新一代人工智慧技術的應用將催生製造業新模式、新業態：一是，從大規模流水線生產轉向規模化定製生產；二是，從生產型製造向服務型製造轉變，推動服務型製造業與生產型服務業大發展，共同形成大製造新業態。製造業產業模式將實現從以產品為中心向以使用者為中心的根本性轉變，完成深刻的供給側結構性改革。

5.4 智慧製造雲與工業智聯網

智慧製造雲和工業智聯網是支撐新一代智慧製造的基礎[9, 20, 31, 44, 66, 67]。

隨著新一代通訊技術、網路技術、雲技術和人工智慧技術的發展和應用，智慧製造雲和工業智聯網將實現質的飛躍。智慧製造雲和工業智聯網將由智慧網路體系、智慧平臺體系和智慧安全體系組成，為新一代智慧製造生產力和生產方式變革提供發展的空間和可靠的保障[68]。

5.5 系統整合

新一代智慧製造內部和外部均呈現出前所未有的系統“大整合”特徵：

一方面是製造系統內部的“大整合”。企業內部設計、生產、銷售、服務、管理過程等實現動態智慧整合，即縱向整合；企業與企業之間基於工業智聯網與智慧雲平臺，實現整合、共享、協作和優化，即橫向整合[69-72]。

另一方面是製造系統外部的“大整合”。製造業與金融業、上下游產業的深度融合形成服務型製造業和生產性服務業共同發展的新業態。智慧製造與智慧城市、智慧農業、智慧醫療乃至智慧社會交融整合，共同形成智慧製造“生態大系統”。

新一代智慧製造系統大整合具有大開放的顯著特徵，具有集中與分佈、統籌與精準、包容與共享的特性，具有廣闊的發展前景。

6. 並行推進、融合發展——中國推進智慧製造的技術路線

在西方發達國家，智慧製造是一個“串聯式”的發展過程，他們是用幾十年時間充分發展數字化製造之後，再發展數字化網路化製造，進而邁向更高階的智慧製造階段[16]。在中國，製造業對於智慧升級有著極為強烈的需求，近年來技術進步也很快，但是總體而言，中國智慧製造的基礎非常薄弱，大多數企業，特別是廣大中小企業，還沒有完成數字化製造轉型。面對這樣的現實，中國如何推進製造業的技術改造、智慧升級？

首先，必須實事求是，中國企業在推進智慧升級的過程中要踏踏實實地完成數字化“補課”，夯實智慧製造發展的基礎；同時，不必走西方發達國家“順序發展”的路徑，努力探索一條智慧製造跨越式發展的新路。

近幾年，中國製造業界大力推進“網際網路+製造”。一方面， 一批數字化製造基礎較好的企業成功轉型，實現了數字化網路化製造；另一方面， 部分原來還未實現數字化製造的企業，則採用並行推進數字化製造和數字化網路化製造的技術路線，在完成了數字化製造“補課”的同時，成功實現了向數字化網路化製造的跨越。這給我們提供了成功的經驗。

中國推進智慧製造，應採取“並聯式”的發展方式，採用“並行推進、融合發展”的技術路線：並行推進數字化製造、數字化網路化製造、新一代智慧製造，以及時充分應用高速發展的先進資訊科技和先進製造技術的融合式技術創新，引領和推進中國製造業的智慧轉型。

未來若干年，考慮到中國智慧製造發展的現狀，也考慮到新一代智慧製造技術還不成熟，中國製造業轉型升級的工作重點要放在大規模推廣和全面應用“網際網路+製造”；同時，在大力普及“網際網路+製造”的過程中，要特別重視各種先進技術的融合應用，“以高打低、融合發展”。一方面，使得廣大企業都能高質量完成“數字化補課”；另一方面，儘快盡好應用新一代智慧製造技術，大大加速製造業轉型升級的速度。

再過若干年，在新一代智慧製造技術基本成熟之後，中國製造業將進入全面推廣應用普及新一代智慧製造的新階段。

我國在推動三個基本正規化“融合發展”時，必須制定統一的標準。未來數十年，我國企業在智慧升級過程中，將普遍面臨多次正規化轉化和技術升級，必須高度重視制定和實行智慧製造的相關標準，為後續發展做好準備，避免企業的低水平重複建設，有利於我國推進智慧製造的分階段實施和不斷升級。

在實施“並行推進、融合發展”這一技術路線的過程中，要強調“五個堅持”的方針。

一是堅持“創新引領”。緊緊抓住新一代智慧製造帶來的歷史性機遇，充分利用網際網路、大資料、人工智慧等先進技術，瞄準高階方向，加快研究、開發、示範、推廣和應用新一代智慧製造技術，用創新引領和推動製造業生產質量和效率提升，實現中國製造業由大變強。

二是堅持“因企制宜”。推動智慧製造，要充分激發企業的內生動力。中國的企業參差不齊，實現智慧轉型不能搞“一刀切”，各個企業特別是廣大中小企業，要結合企業發展實情，充分考慮技術先進性和技術經濟性的平衡，實事求是地應用適合自己轉型升級的技術路徑。

三是堅持“產業升級”。推動智慧製造不能僅僅停留在典型、示範、部分製造環節或者部分製造領域，而是要著眼於廣大企業、各個行業和整個製造產業，推動中國製造業質量變革、效率變革、動力變革，實現中國製造業全方位的智慧化轉型升級。

四是堅持建設良好的發展生態。各級政府、科技界、學界、金融界等社會各界要共同營造良好的生態環境，幫助和支援企業特別是廣大中小企業的智慧升級。營造“大眾創業、萬眾創新”的良好環境；建設“用產學研金政”緊密結合的智慧製造技術創新體系；形成從事推廣應用各種共性使能技術和提供系統解決方案的新興企業叢集。

推進智慧製造成敗的關鍵在於人才，要以人為本，動員各方力量，努力培養一代智慧製造優秀人才。

五是堅持開放與協同創新。中國製造業界要不斷擴大與世界各國製造業界的交流，實行更高水平的開放。中國的市場是開放的市場，中國的創新體系是開放的創新體系。我們要和世界製造業的同行們共同努力，共同推進新一代智慧製造，共同推進新一輪工業革命，使製造業更好地為人類造福。

致謝

感謝路甬祥、潘雲鶴、朱高峰、吳澄、李伯虎、柳百成、王天然、盧秉恆、譚建榮、楊華勇、李德群、段正澄、蔣莊德、林忠欽、馬偉明、丁榮軍、高金吉、劉永才、馮培德、柴天佑、孫優賢、袁晴棠、錢峰、屈賢明、邵新宇、董景辰、朱森第、蔡惟慈、張綱、黃群慧、呂薇、餘曉暉、寧振波、趙敏、郭朝暉、李義章等各位專家所作出的貢獻。

感謝延建林、胡楠、古依莎娜、楊曉迎、徐靜、劉默、劉麗輝、韋莎、馬原野、張欣等各位同事所作出的貢獻。

本研究由中國工程院重大諮詢研究專案(2017-ZD-08)資助，特此感謝。

參考文獻

[1] 中國政府網, 國務院關於印發《中國製造2025》的通知, 2015年5月19日.

[2] J. Holdren, T. Power, G. Tassey, A. Ratcliff, L. Christodoulou, A National strategic plan for advanced manufacturing, US National Science and Technology Council, Washington, DC, (2012).

[3] White House, President Obama Launches Advanced Manufacturing Partnership, Press Release, June, 24 (2011).

[4] H. Kagermann, J. Helbig, A. Hellinger, W. Wahlster, Recommendations for implementing the strategic initiative INDUSTRIE 4.0: Securing the future of German manufacturing industry; final report of the Industrie 4.0 Working Group, Forschungsunion, 2013.

[5] Foresight, The Future of Manufacturing: A new era of opportunity and challenge for the UK Summary Report, in, The Government Office for Science, London, 2013.

[6] New industrial france-Speech by French Presdient Hollande, in, 2014.

[7] H. Taki, Towards Technological Innovation of Society5.0, Journal of the Institute of Electrical Engineers of Japan, 137 (2017) 275-275.

[8] MinistryCollaboration, Implementation plan for manufacturing innovation 3.0 Strategy, in, 2015.

[9] M. Annunziata, P.C. Evans, Industrial internet: pushing the boundaries of minds and machines, General Electric, (2012).

[10] 國家制造強國建設戰略諮詢委員會, 中國工程院戰略諮詢中心, 智慧製造, 電子工業出版社, 北京, 2014.

[11] 胡虎, 趙敏, 寧振波, 三體智慧革命, 機械工業出版社, 北京, 2016.

[12] 李傑, 倪軍, 王安正, 從大資料到智慧製造, 上海交通大學出版社, 上海, 2016.

[13] 李傑, 邱伯華, 劉宗長, 魏慕恆, CPS：新一代工業智慧, 上海交通大學出版社, 上海, 2017.

[14] 賙濟, 智慧製造——“中國製造2025”的主攻方向, 中國機械工程, 26 (2015) 2273-2284.

[15] D. Chen, S. Heyer, S. Ibbotson, K. Salonitis, J.G. Steingrímsson, S. Thiede, Direct digital manufacturing: definition, evolution, and sustainability implications, Journal of Cleaner Production, 107 (2015) 615-625.

[16] G. Chryssolouris, D. Mavrikios, N. Papakostas, D. Mourtzis, G. Michalos, K. Georgoulias, Digital manufacturing: History, perspectives, and outlook, Proceedings of the Institution of Mechanical Engineers, Part B: Journal of Engineering Manufacture, 223 (2009) 451-462.

[17] H.S. Kang, J.Y. Lee, S. Choi, H. Kim, J.H. Park, J.Y. Son, B.H. Kim, S.D. Noh, Smart manufacturing: Past research, present findings, and future directions, International Journal of Precision Engineering and Manufacturing-Green Technology, 3 (2016) 111-128.

[18] R. Shah, P.T. Ward, Lean manufacturing: context, practice bundles, and performance, Journal of Operations Management, 21 (2004) 129-149.

[19] W. Shen, Q. Hao, H.J. Yoon, D.H. Norrie, Applications of agent-based systems in intelligent manufacturing: An updated review, Advanced Engineering Informatics, 20 (2006) 415-431.

[20] L. Zhang, Y. Luo, F. Tao, B. Li, L. Ren, X. Zhang, H. Guo, Y. Cheng, A. Hu, Y. Liu, Cloud manufacturing: a new manufacturing paradigm, Enterprise Information Systems, 8 (2014) 167-187.

[21] F. Tao, Y. Cheng, L. Zhang, A.Y. Nee, Advanced manufacturing systems: socialization characteristics and trends, Journal of Intelligent Manufacturing, 28 (2017) 1079-1094.

[22] J. Browne, D. Dubois, K. Rathmill, S.P. Sethi, K.E. Stecke, Classification of Flexible Manufacturing Systems, in:  FMS Magazine, 1984.

[23] M.E. Merchant, Manufacturing in the 21st century, Journal of Materials Processing Technology, 44 (1994) 145–155.

[24] Y. Pan, Heading toward Artificial Intelligence 2.0, Engineering, 2 (2016) 409-413.

[25] J. Zhou, Digitalization and intelligentization of manufacturing industry, Advances in Manufacturing, 1 (2013) 1-7.

[26] R.G. Brown, Driving digital manufacturing to reality, in:  Simulation Conference, 2000. Proceedings. Winter, 2000, pp. 224-228 vol.221.

[27] H. Yoshikawa, Manufacturing and the 21st century—intelligent manufacturing systems and the renaissance of the manufacturing industry, Technological Forecasting and social change, 49 (1995) 195-213.

[28] D. Wu, D.W. Rosen, L. Wang, D. Schaefer, Cloud-based design and manufacturing, Computer-Aided Design, 59 (2015) 1-14.

[29] Y.T. Gui, G. Yin, D. Taylor, Internet-based manufacturing: A review and a new infrastructure for distributed intelligent manufacturing, Journal of Intelligent Manufacturing, 13 (2002) 323-338.

[30] J. Lee, B. Bagheri, H.A. Kao, A Cyber-Physical Systems architecture for Industry 4.0-based manufacturing systems, Manufacturing Letters, 3 (2015) 18-23.

[31] B.H. Li, L. Zhang, S.L. Wang, F. Tao, J.W. Cao, X.D. Jiang, X. Song, X.D. Chai, Cloud manufacturing: A new service-oriented networked manufacturing model, Computer Integrated Manufacturing Systems, 16 (2010) 1-7+16.

[32] J. Lee, E-manufacturing—fundamental, tools, and transformation, Robotics and Computer-Integrated Manufacturing, 19 (2003) 501-507.

[33] J.A. Stankovic, Research Directions for the Internet of Things, IEEE Internet of Things Journal, 1 (2014) 3-9.

[34] M. Bryner, Smart Manufacturing: The Next Revolution, Chemical Engineering Progress, 108 (2012) 4-12.

[35] U. Sendler, Industrie 4.0– Beherrschung der industriellen Komplexität mit SysLM (Systems Lifecycle Management), (2013).

[36] M. Hermann, T. Pentek, B. Otto, Design principles for industrie 4.0 scenarios, in:  System Sciences (HICSS), 49th Hawaii International Conference, IEEE, 2016, pp. 3928-3937.

[37] N. Jazdi, Cyber physical systems in the context of Industry 4.0, in:  Automation, Quality and Testing, Robotics, 2014 IEEE International Conference, IEEE, 2014, pp. 1-4.

[38] Y. Lu, K.C. Morris, S. Frechette, Standards landscape and directions for smart manufacturing systems, in:  IEEE International Conference on Automation Science and Engineering, 2015, pp. 998-1005.

[39] X.X. Ray Y. Zhong, Eberhard Klotz,Stephen T. Newman, Intelligent Manufacturing in the Context of Industry 4.0: A Review, Engineering, 3 (2017) 616-630.

[40] B.H. Li, B.C. Hou, W.T. Yu, X.B. Lu, C.W. Yang, Applications of artificial intelligence in intelligent manufacturing: a review, Frontiers of Information Technology & Electronic Engineering, 18 (2017) 86-96.

[41] A. Kusiak, Smart manufacturing must embrace big data, Nature, (2017) 23-25.

[42] L. Atzori, A. Iera, G. Morabito, The Internet of Things: A survey, Computer Networks, 54 (2010) 2787-2805.

[43] S. John Walker, Big data: A revolution that will transform how we live, work, and think, in, Taylor & Francis, 2014.

[44] S. Marston, Z. Li, S. Bandyopadhyay, J. Zhang, A. Ghalsasi, Cloud computing—The business perspective, Decision support systems, 51 (2011) 176-189.

[45] P. Mell, T. Grance, The NIST definition of cloud computing, Communications of the Acm, 53 (2011) 50-50.

[46] S.F. Wamba, S. Akter, A. Edwards, G. Chopin, D. Gnanzou, How ‘big data’ can make big impact: Findings from a systematic review and a longitudinal case study, International Journal of Production Economics, 165 (2015) 234-246.

[47] 吳軍, 智慧時代:大資料與智慧革命重新定義未來, 中信出版社, 2016.

[48] Q. Han, S. Liang, H. Zhang, Mobile cloud sensing, big data, and 5G networks make an intelligent and smart world, IEEE Network, 29 (2015) 40-45.

[49] NSTC, Preparing for the Future of Artificial Intelligence, CreateSpace Independent Publishing Platform, 2016.

[50] 中國政府網, 國務院關於印發新一代人工智慧發展規劃的通知, 2017年07月20日.

[51] Brynjolfsson, Erik, The second machine age : work, progress, and prosperity in a time of brilliant technologies / Fir, W.W. Norton & Company, 2014.

[52] S.K. Sowe, K. Zettsu, E. Simmon, F. de Vaulx, I. Bojanova, Cyber-Physical Human Systems: Putting People in the Loop, IT Prof, 18 (2016) 10-13.

[53] M. Ma, W. Lin, D. Pan, Y. Lin, P. Wang, Y. Zhou, X. Liang, Data and Decision Intelligence for Human-in-the-Loop Cyber-Physical Systems: Reference Model, Recent Progresses and Challenges, Journal of Signal Processing Systems, (2017).

[54] R. Baheti, H. Gill, Cyber-physical systems, The impact of control technology, 12 (2011) 161-166.

[55] R. Rajkumar, I. Lee, L. Sha, J. Stankovic, Cyber-physical systems: the next computing revolution, in:  Design Automation Conference, 2010, pp. 731-736.

[56] L. Sha, S. Gopalakrishnan, X. Liu, Q. Wang, Cyber-Physical Systems: A New Frontier, in:  IEEE International Conference on Sensor Networks, Ubiquitous, and Trustworthy Computing, 2008, pp. 1-9.

[57] G. Schirner, D. Erdogmus, K. Chowdhury, T. Padir, The Future of Human-in-the-Loop Cyber-Physical Systems, Computer, 46 (2013) 36-45.

[58] G.G. Meyer, K. Främling, J. Holmström, Intelligent Products: A survey, Computers in Industry, 60 (2009) 137-148.

[59] D. Zuehlke, SmartFactory—Towards a factory-of-things, Annual Reviews in Control, 34 (2010) 129-138.

[60] R.Y. Zhong, Q.Y. Dai, T. Qu, G.J. Hu, G.Q. Huang, RFID-enabled real-time manufacturing execution system for mass-customization production, Robotics and Computer-Integrated Manufacturing, 29 (2013) 283-292.

[61] R. Jardim-Goncalves, D. Romero, A. Grilo, Factories of the future: challenges and leading innovations in intelligent manufacturing, International Journal of Computer Integrated Manufacturing, 30 (2017) 4-14.

[62] S. Wang, J. Wan, D. Li, C. Zhang, Implementi