发布时间：2024-03-06 03:32:00 来源：M6官网注册 作者：M6米乐手机登录APP入口
十几年前德国提出工业4.0概念以后，中国制造业是最积极的实践者，对智能制造投资力度之大不说举全国之力，和欧美日韩任何一个经济体相比也够得上天量资金投入了。按理说应该已经实现了张教授所谓的“清场式遥遥领先”，但事实却并非如此。
我们过早地“梭哈”了一个“伪第四次工业”，当我们“清盘”离场之后，下半场更大的赌局才开始：门槛更高，筹码更大，规则更复杂，限制条件也更多。所以跟了两把就下桌了。
“工业4.0”没有提出足以开创一个时代的理论或技术远景，与前三次技术没有可比性，因此算不上“第四次工业”
由于过度关注“工业4.0”，导致同时期的同样重要的制造技术新趋势被忽略，其中就包括与AI相关的“生成式设计”
大量的资金和社会资源被引导至制造环节，原本极度欠缺的工艺和设计能力没能即时加强，导致中国制造业创新不足但产能过剩的问题更加尖锐；
生成式人工智能获得突破后，收益最大的是设计和工艺环节，之前人脑无法想象的新结构和新方法都将被AI轻而易举地创造出来。而这恰恰是中国制造欠缺的。
人类无法通过“逆向工程”获得由AI生成的复杂结构的设计思路，也就是说AI的设计无法“山寨”。即便反求获得了外形参数，模仿的速度也跟不上AI创新的速度。
如果10年前没把眼光锁死在“工业4.0”，也许“生成式设计”，“自适性拓扑结构优化”，“智能材料”，“轻量化设计”等概念会百花齐放。
仔细想来，我也算是最早蹭到“工业4.0”流量的那波人。工业4.0概念发源于德国，弘扬于中国，所以2012年之后就有大量的来自高校，政府，企业和投资界的同胞到德国考察工业4.0项目。当时我还在MAKA做非标设备，所以就提了个MAKA 4.0概念，其中包括设计4.0，工艺4.0和工厂4.0。业内反响还不错，当时高峰期几乎每周都要接待国内的参观团，也是给老东家免费做了多年的市场推广。
但是到了14年左右的时候，德国制造和工业4.0开始被神化和过度吹捧，以至于中国制造企业和政府都认为工业4.0是制造业转型升级的必经之路，自“工业机器人热”后，全国上下相继开始了“工业4.0热”，“工业互联网热”和“智能制造热”。都是对制造环节的过度关注，其中缺失了“设计”和“工艺”。
作为一个有良知的工程技术人员，蹭热度的同时我还是会不断地给工业4.0泼冷水，每次给企业和机构的报告里都会客观地指出工业4.0的局限性。以至于有一次听课的领导直接否定我的观点，他认为工业4.0和智能制造已经上升到了国家战略层面，是不容置疑的。好在游学主办方大都接受不同的声音，仍然会陆续介绍企业。
这其实也是我多年以来的观点。最先由SAP抛出的工业4.0概念其实都是为其产品的市场推广服务的。比如当时SAP刚刚推出的HANA企业数据库，所以SAP对工业4.0的描述偏重“大数据”，“数据挖掘”等应用；西门子那时候已经重新整合了“博图”平台，实现了由虚拟PLC控制数模的运动，即所谓的“软件/硬件在环”。虚拟调试系统MCD成功后，西门子就立刻提出了“数字孪生”概念。“工业4.0”火爆全球后，就整合了CPS，IoT等应用打包成西门子的工业4.0概念推向市场。
“我们可以用“吓尿程度”来评估目前是否正在进行第四次工业。假设我们让瓦特通过时间旅行穿越到1930年代的美国，那么他多半会被灯红酒绿的夜生活和穿梭往来的汽车吓尿；如果让生穿越到90年代，他也多半会惊讶于各种电子产品和互联网，尽管他是电气时代伟大的发明家，但穿越之后也只能在信息时代做个普通人；要是让图灵穿越到现在，想必他一下子就能理解我们现在所处的信息社会的运作方式，不出几个月他就会再次成为信息领域顶尖的高手。所以如果想让图灵惊掉下巴，还需要更加颠覆性的技术和产业，可见真正意义的第四次工业尚未开始。” -《2021，和工业4.0说拜拜》
“工业4.0理论”（姑且称它是一种制造业发展的理论吧）最大的缺陷就在于它对正在发生的第四次工业和科技缺乏远见。只看到了当下成熟的网络技术，对人工智能，新材料，新工艺等有可能颠覆现代制造业的技术和理论缺乏想象力。-《2021，和工业4.0说拜拜》
早在工业4.0如火如荼的2015年，空客的一个隔断设计在很多展会上亮相，也获奖无数。就是下面图中的复杂且极具美感的结构。
仿生隔墙采用生成式设计进行了优化，在保持相同稳定性的同时，重量大幅减轻。下面的视频可以便于理解生成式设计的过程。
总体来说，设计师先规定了优化范围和约束条件，让计算机在这个隔断的轮廓线上，按照一定距离设定节点，再把节点之间连线。如果所有节点之间都设计连线，那么结构刚性倒是很好，但是支撑杆太多，重量太大；如果减少支撑杆的数量，经济性会变得更好，但是结构刚性也会相应减小。于是，之间的取舍平衡编程了问题的症结。生成式设计其实就是通过遗传算法，生成合适的参数组合，再用仿真计算筛选出优秀的参数组合。最后给设计师若干组合理的设计方案，有设计师做最终的判断。
程序最终生成了100多个可行的方案，用户可以根据优化目标做筛选。空客这个项目最重要的评价指标是刚性和重量，因此最终在功能，成本和美感之间做出了最佳的平衡。这种设计人类是无法完成的，而且同样严重依赖算力，因为每生成一个方案，就要对其结构进行仿真计算，而且优化的目标不同仿真的参数也就不同。所以整个过程非常耗时，也消耗资源，普通企业难以承受，也只能靠云计算订阅软件服务。
拓扑优化设计也是依靠有限元，让程序不断计算出受力最小的微元，并将其从网格中删掉，再进行计算，不断地去掉不重要的材料。如此循环迭代，最终得出最高效的结构。这个功能早已在欧洲企业广泛使用了，算法也不断在优化，计算速度也从10年前几周缩短到现在的几分钟。
所以我并不认同欧洲互联网和人工智能发展停滞的观点。欧洲的工业软件非常发达，而且大型化和智能化的进程一刻都没有停止。只不过欧美制造业的重心一直放在研发和设计上，因为这个环节一直有巨大的增长潜力。
下面这幅图是15年前，某刀具厂家对铣削工艺做的仿真。他们通过与实际的车削数据做对照，不断优化仿真模型的材料和工艺参数，最终让仿真效果逼近真实。视频里，切屑的产生到卷曲过程都完美的模拟了出来，而且整个过程产生的热量，应力，应变等参数都被准确计算出来。
在优化仿真模型的过程中，物理实验和仿真模型构成一对CPS（赛博物理系统），可以美其名曰工艺4.0。这种仿真模型参数的调校的难度不亚于当下最火的训练大语言模型，都需要强大的算力，优秀的算法和大量的人工试验。而一旦仿真模型优化成功，那么就可以几乎一劳永逸地解决零件试制问题，刀刃的尺寸可以任意修改，直到满意为止。
产品和工艺开发过程中的差距往往是隐性的，不像自动化设备和工厂生产组织那么显而易见。当我们在工业4.0的赛道上飞奔时，对手在按部就班地改进设计方法，优化设计参数。
第四次工业将会让“山寨”变得不可行，因为设计的比拼最终将落实为模型的比拼。就像我们现在已经不再对MD，SF和DALL.E生成的特定图片进行比较，而是通过对比一大堆不同提示词生产的结果，比较模型的好坏。工业零部件的设计开发早在“工业4.0”概念提出之前，就已经开始卷模型了。
过去的20年里，拓扑优化设计发展迅速，目前基本上主流设计软件大厂都提供拓扑优化模块，而且完美嵌入到各自的PLM平台。根据客户的制造工艺和产量要求，程序还可以对结果进一步优化，自动生成用于锻造，铸造，机加或3D打印的设计。便于铸造的拔模倾角，浇冒口都自动设计得妥妥当当。即便如此这仍然不能算作是生成式设计。
拓扑优化存在理论最优解，即A.G.M. Michell早在1904年提出的完美桁架模型。因此通过拓扑优化得出的结构都是大同小异的接近Michell桁架的结构。
生成式设计应该说脱胎于参数化设计，其鼻祖是Autodesk。简单讲就是自动重新排列组合设计参数，进而生成新的设计结果。在这个过程中，很多结果是不好的，因此需要一个筛选标准，这就是仿真。通过筛选，把好的设计结果中所采用的参数保留下来，作为遗传基因，与其他的设计结果进行重组，这样会产生若干新的设计结果，再次筛选比较好的结果，如是迭代，这就是所谓的遗传算法。
最后仍然是生成多个设计结果，并列出功能参数进行对照。生成式设计的适用面更广，设计结果也更多样，可以进行多目标优化。比如设计一个更加高效的冷却流道，下图中左侧两个分别是参数优化和拓扑优化得到的结果，右边的则是生成式设计的优化结果。如果零件尺寸，材料，工况发生了变化，那么设计结果也会随之发生巨大的变化。所以此时去“山寨”单一零件的设计已经变得毫无意义，在这个“基于有限元仿真的生成式AI模型”的加持下，一个原创性企业可以0成本源源不断地产生类似的设计，其设计成本远低于逆向（山寨）工程的开销。
最近Sora生成视频的惊艳表现让全人类惊呼梦境世界到来，用生成式AI设计蛋白质去年也取得了重大进展，相信接下来的突破就是设计新材料特别是有机材料。
对于制造业来说，产生新的设计结果并没有多大难度，难点在于如何筛。
