原標(biāo)題：加速推進(jìn)新型工業(yè)化的強(qiáng)大引擎
【科學(xué)隨筆·我見AI】
當(dāng)前，全球制造業(yè)正經(jīng)歷人工智能驅(qū)動(dòng)的深刻變革，工業(yè)智能體作為核心載體，以解決生產(chǎn)實(shí)際問題為導(dǎo)向，正從單點(diǎn)技術(shù)適配的探索階段，邁向深度融合產(chǎn)線、提升效率與質(zhì)量的規(guī)?；瘜?shí)戰(zhàn)新階段。這種跨越并非簡(jiǎn)單技術(shù)升級(jí)，而是制造體系從“被動(dòng)執(zhí)行”向“主動(dòng)優(yōu)化”的范式重構(gòu)。
近日，國務(wù)院印發(fā)《關(guān)于深入實(shí)施“人工智能+”行動(dòng)的意見》，提出推動(dòng)智能體的廣泛應(yīng)用，促進(jìn)生產(chǎn)力革命性躍遷和生產(chǎn)關(guān)系深層次變革。這意味著，智能體已被提升至國家戰(zhàn)略層面，而工業(yè)智能體將不再是孤立的技術(shù)探索，而是成為串聯(lián)起產(chǎn)業(yè)鏈上下游、打通數(shù)據(jù)壁壘、重構(gòu)制造價(jià)值的核心紐帶，彰顯了國家以人工智能賦能新型工業(yè)化、加快發(fā)展新質(zhì)生產(chǎn)力的戰(zhàn)略決心。
回望“人工智能+”制造業(yè)的發(fā)展歷程，其角色正經(jīng)歷著從“輔助工具”到“智能主體”的轉(zhuǎn)變。過去十年，機(jī)器學(xué)習(xí)與計(jì)算機(jī)視覺技術(shù)在缺陷識(shí)別、工藝監(jiān)控等環(huán)節(jié)成熟應(yīng)用并取得成效，但始終停留在“發(fā)現(xiàn)問題”的被動(dòng)層面。
隨著制造場(chǎng)景復(fù)雜化，傳統(tǒng)AI難以支撐智能制造，以智能體為代表的新一代AI正推動(dòng)系統(tǒng)從“感知智能”向“決策智能”躍升，而核心支撐正是融合“多模態(tài)感知+具身控制”的VLA（視覺-語言-動(dòng)作大模型）模型轉(zhuǎn)變。
工業(yè)環(huán)境的特殊性，要求AI系統(tǒng)不僅要理解圖像、參數(shù)、文本等多模態(tài)數(shù)據(jù)，更要實(shí)現(xiàn)從感知到控制的閉環(huán)操作，形成可落地、可執(zhí)行的智能響應(yīng)。這也正是工業(yè)智能體需具備“身體”、能與物理環(huán)境實(shí)時(shí)交互的根本原因。
在這一背景下，產(chǎn)業(yè)界依托對(duì)工業(yè)場(chǎng)景的深刻洞察，已逐步發(fā)展出融合領(lǐng)域知識(shí)的多模態(tài)工業(yè)大模型如IndustryGPT等，并進(jìn)一步構(gòu)建起VLA一體化架構(gòu)，真正推動(dòng)工業(yè)智能實(shí)現(xiàn)從“感知理解”到“自主控制”的系統(tǒng)級(jí)躍升。
工業(yè)VLA模型的突破性在于，它將多模態(tài)感知、語義理解與物理控制能力整合于統(tǒng)一架構(gòu)，并深度融合工藝參數(shù)、質(zhì)量標(biāo)準(zhǔn)和物理約束等行業(yè)知識(shí)，從而能夠根據(jù)自然語言指令或視覺輸入，直接生成穩(wěn)定、可靠的動(dòng)作序列。這不僅降低了多系統(tǒng)耦合的復(fù)雜性，更使智能體能夠在開放、非結(jié)構(gòu)化的工業(yè)現(xiàn)場(chǎng)實(shí)現(xiàn)自主適應(yīng)與實(shí)時(shí)決策，成為真正兼具認(rèn)知與執(zhí)行能力的“智能主體”。
工業(yè)生產(chǎn)過程在物理世界發(fā)生，與常見的軟件智能體相比，工業(yè)智能體需要有物理的載體與世界交互。作為一名“工人”，工業(yè)智能體也需要具備“眼-腦-手”，這三者分別對(duì)應(yīng)著智能體與物理世界交互的核心功能模塊——由智能傳感器作為“眼”完成高精度感知，由多模態(tài)大模型或VLA作為“腦”完成對(duì)多源信息的處理與決策，由機(jī)械臂或者其他硬件載體作為“手”完成執(zhí)行。
但三者的協(xié)同既面臨著跨模態(tài)、跨系統(tǒng)的技術(shù)壁壘，也存在著物理世界與數(shù)字世界的認(rèn)知鴻溝，而這正是學(xué)術(shù)界和產(chǎn)業(yè)界需攻克的核心科學(xué)問題。
“眼”的層面須實(shí)現(xiàn)極端環(huán)境下的穩(wěn)定感知。我們深度融合多光譜成像、偏振視覺與AI技術(shù)，推出了具備邊緣計(jì)算能力的智能視覺傳感器系列，能有效克服金屬反光、透明材質(zhì)、低對(duì)比度等極端成像挑戰(zhàn)，可在微秒級(jí)時(shí)間內(nèi)完成特征提取與缺陷識(shí)別。
“腦”的突破點(diǎn)在于將多模態(tài)大模型的認(rèn)知能力與工業(yè)機(jī)理深度融合，通過“知識(shí)嵌入+強(qiáng)化學(xué)習(xí)”框架，將物理定律、工藝標(biāo)準(zhǔn)嵌入決策，使智能體不僅能識(shí)別缺陷，更能解析成因、預(yù)測(cè)設(shè)備劣化，并生成在物理上成立、控制上可行的動(dòng)作指令，實(shí)現(xiàn)工業(yè)場(chǎng)景下的智能自主響應(yīng)。
“手”是連接數(shù)字決策與物理動(dòng)作的關(guān)鍵。我們開發(fā)了基于多模態(tài)感知的柔順控制算法，使執(zhí)行端能實(shí)時(shí)感知力覺、視覺反饋，動(dòng)態(tài)調(diào)整抓取力度和運(yùn)動(dòng)軌跡，即使在工件存在位置偏差或形變的情況下，仍能穩(wěn)定完成精密裝配、柔性插拔等復(fù)雜任務(wù)。
“眼-腦-手”的協(xié)同并非靜態(tài)的技術(shù)拼接，而是動(dòng)態(tài)的自治進(jìn)化，能根據(jù)產(chǎn)線變化，自主調(diào)整感知重點(diǎn)、優(yōu)化決策策略、適配執(zhí)行能力，且無需干預(yù)。這也正是工業(yè)智能體區(qū)別于其他智能體的關(guān)鍵所在——不僅在于技術(shù)演進(jìn)，更在于實(shí)現(xiàn)從“演示可用”到“生產(chǎn)可靠”的跨越，最終在真實(shí)工業(yè)場(chǎng)景中發(fā)揮可量化、可復(fù)用的產(chǎn)業(yè)價(jià)值。
從技術(shù)研發(fā)到產(chǎn)業(yè)落地，工業(yè)智能體的突破離不開“產(chǎn)學(xué)研用”。唯有打通從實(shí)驗(yàn)室到生產(chǎn)線的創(chuàng)新鏈條，讓學(xué)術(shù)前沿的星星之火點(diǎn)燃產(chǎn)業(yè)實(shí)踐的廣闊原野，才能讓工業(yè)智能體成為推動(dòng)制造業(yè)變革的核心力量。
筆者認(rèn)為，這是AI技術(shù)跨越死亡谷、真正賦能實(shí)體經(jīng)濟(jì)之途。
近年，我們積極與多個(gè)知名工業(yè)界代表共建聯(lián)合實(shí)驗(yàn)室，將產(chǎn)線痛點(diǎn)轉(zhuǎn)化為前沿科學(xué)問題，再將創(chuàng)新成果快速驗(yàn)證于工業(yè)場(chǎng)景，實(shí)現(xiàn)以產(chǎn)促研、以研促產(chǎn)。我們團(tuán)隊(duì)聯(lián)合中國中車、思謀科技等研發(fā)的磁粉探傷新一代工業(yè)智能體，正是在與企業(yè)工程師的反復(fù)交流中落地，解決了高鐵車身超萬個(gè)點(diǎn)位的外觀檢測(cè)難題和轉(zhuǎn)向架無損質(zhì)量檢測(cè)難題，開創(chuàng)了高鐵轉(zhuǎn)向架等多個(gè)關(guān)鍵安全部件使用AI檢測(cè)的先河，并實(shí)現(xiàn)了大規(guī)模落地應(yīng)用。
展望未來，工業(yè)智能體將持續(xù)迭代，從“執(zhí)行指令”邁向“自主決策”，并實(shí)現(xiàn)從“單點(diǎn)智能”到“生態(tài)協(xié)同”的跨越，打造跨企業(yè)、跨行業(yè)、持續(xù)進(jìn)化的智能制造新范式。這不僅關(guān)乎技術(shù)創(chuàng)新和生產(chǎn)力變革，更在于助力中國制造業(yè)在新一輪全球競(jìng)爭(zhēng)中掌握主動(dòng)，推動(dòng)AI成為驅(qū)動(dòng)新型工業(yè)化、支撐制造強(qiáng)國戰(zhàn)略的核心引擎。
基礎(chǔ)科學(xué)突破與工程化落地，需要堅(jiān)定的科研定力和產(chǎn)業(yè)耐心。我們將以開放合作的姿態(tài)，構(gòu)建真正面向未來的智能制造體系，這既是我們這一代人工智能研究者的使命，也是中國制造業(yè)向全球價(jià)值鏈頂端攀登的必由之路。
（作者：賈佳亞，系香港科技大學(xué)講席教授、馮諾依曼人工智能研究院院長(zhǎng)）