院士报告厅｜杜如虚：智能制造产业创新、布局与应变

朱之文并不是农民歌手？真实身份被扒后，网友：藏得真深！ 游遍世界美景，品读百味人生，欢迎收看本期内容！大衣哥可谓是中国家喻户晓的草根人物，凭借着一首《滚滚长江东逝水》河边大江南北，自星光大道出北京社稷坛

院士报告厅｜杜如虚：智能制造产业创新、布局与应变北京社稷坛

本文系由深圳创新发展研究院、博研商学院、深圳企联等共同主办的“科技创新院士报告厅”第五期内容。8月26日，全球知名智能制造研究专家、加拿大工程院外籍院士杜如虚做客科技创新院士报告厅，围绕“智能制造产业创新、布局与应变”发表演讲。

以下内容根据杜如虚院士演讲速记整理，经讲者审订。

8月26日，加拿大工程院外籍院士杜如虚做客科技创新院士报告厅。

今天很高兴来到这儿跟大家做一个交流。

今天的世界有些不好的趋势：保护主义盛行，技术、原材料、零部件、市场随时可能不保；天灾人祸不断，交通、通讯、能源都有可能中断；恐怖袭击、社会动乱…其中的原因有很多。比如社会的两极分化，贫富的距离越来越大，还有所谓的争霸的问题（所谓“修昔底德的陷阱”）；人类的偏见；新技术难以驾驭等等。

我们要讲的是制造。其实中国制造在2016年左右就超过了美国，但美国是以服务业为主，所以GDP还是领先。审视中美出口的数据可以看到，为什么美国跟中国竞争会瞄准电子产品？（表1）因为这是大头，所以像华为这样的企业必然首先被限制。

表1 中国与美国制造工业出口比较

中国的5G技术其实不比美国落后，美国就说“不行，我要封杀你。”另外还有AI技术。大家觉得AI好像就是软件、算法，其实不是，AI跟5G是一样的，有硬件和软件的集成，缺一不可。中国不比美国落后，所以美国也要封杀，不让AI产品出口。

疫情考验国家韧性

2020年新冠疫情暴发，一些医护用品的制造大爆发，中国有非常大的优势，因为中国是一个制造大国。美国认为口罩是日用品，自己不做口罩而依靠进口。在疫苗生产上，中国在全球也排在第3、4名，很有竞争优势。更重要的是疫情会改变我们的生活。

最近看到一篇文章，说新冠病毒的变种现在超过七八百种了，德尔塔只是其中一种。我们看看人类的历史进程可能会有一些启发。

图1 Covid-19新冠病毒的基因变异

这是我在网站下载的一个示意图（图1），不同颜色是不同病毒的形式，大小表示死亡的人数。从新冠疫情暴发到现在大约有2亿多人受感染，死亡人数四五百万之间。但放在人类历史长河中，大概只能排到中下的层面。

比如跟1918年的西班牙流感相比，当时的死亡人数是5千万到1亿。当时人类还不知道“病毒”这个概念，治疗的方法有两种，一种是隔离，另一种是退烧药。西班牙的流感过了3年就没有了，而新冠从前年至今已经一年多了，我跟我学数学的儿子讨论这个新冠病毒会怎么样，他说过3年就知道了。随着人类技术的进步，也许过两年，就会成为历史的记忆。

人类社会本身是具有韧性的，它不会被这样或者那样的事件轻易地打垮。人，作为生命个体也有韧性，不会一病就死掉，而是有一个自我恢复的能力。社会也有韧性，能够在各种各样的改变下很快地恢复过来。当然，国家也需要这种韧性。

韧性理论始于“911事件”，转眼20年时间过去了，对于美国来说丢了钱又丢了人命，丢面子更不用说了。怎样抵御这些事件的发生，于是就产生了韧性理论。

美国洛克菲勒基金会提出了韧性城市计划[注：“全球100韧性城市”（100RC）项目，旨在帮助世界各地城市增强韧性，应对21世纪日益频发的自然、社会、经济挑战，美国纽约、法国巴黎、英国伦敦、意大利罗马、澳大利亚墨尔本等均是其会员城市。]。中国目前有四个城市入选，分别是：湖北黄石、四川德阳、浙江海盐、浙江义乌。但是在全球有伦敦、巴黎、纽约等这些世界名城都是所谓的“韧性城市”。他们研究怎样提升城市的韧性。新冠病毒来了（这些城市）都不行，可见这个理论还不成熟，还有待提高。有时候人类认知会超前实践，有时候实践会推动认知的发展。

图2 怎样获得韧性

韧性是什么？从雷达图（图2）上可以看到，它包括多个方面：研发与创新、领导与管理、营运管理、金融资产、控制与制度、产品与服务、信息与通讯、供应链、固定资产、人与文化、市场与消费群体、社会关系。你们的韧性处于什么水平？可以做个雷达图，判断一下。

制造系统如何获得韧性

怎样获得韧性？对于制造系统，韧性要分三个部分，创新、布局和应变。

一、创新

创新本身是发展的引擎。首先，新技术层出不穷，一个产品不可能永远领先。其次，世界上2/3的专利都与制造有关。大家都在努力，你不努力人家一定会超过你。

比如手机的发展。手机本来是美国最先发明的，但是由于电话公司的保守以及相互之间打架，自己的发展拖了很久，所以中国就有机会超越美国。

创新包括好多部分的创新，比如产品设计的创新、制造技术的创新、供应链和市场的创新等等。

先简单讲一下产品的创新。产品创新的一个例子是大疆公司的无人机结构（图3），大疆是一个电子公司，机械设计不是他们的强项。他们找到了美国的AUTOCAD公司帮他们设计无人机的结构。这个结构是用人工智能自动设计出来的，后来发现这个设计跟南美洲一种会滑翔的松鼠的骨架相似。这种松鼠可以在风中滑翔60米，非常稳定。今天大疆无人机抗风的能力非常强，就得益于这个结构设计。

图3 大疆无人机结构

产品的创新有了想法以后还要先看看已有的专利技术，要不然就会有侵权的可能。产品的创新还包括面向加工的设计以及设计优化和自动设计。

关于制造技术的创新，大家熟悉的是3D打印。我们做得更多的是无模成型。精密的模具或大型的模具非常昂贵，因此我们尝试不用模具直接加工出产品。我们做了多个无模成型的机床。图4是一个6000KN步进弯板机，用于加工大型船板。

图4 6000KN步进弯板机

二、布局

布局有很多的角度可以讲，我从哲学角度讲讲，一个是硬性，一个是柔性。

首先看硬性布局，我们都知道世界上有那么多文明的发展，古文明传承下来有各种各样的传世之作，它为什么能够几百年、数千年矗立不倒，像埃及的金字塔比中国万里长城的时间还要长，为什么呢？硬性的，严格的技术控制。大家听说过埃及法老金字塔的设计者，他就站在金字塔旁，上面写着金字塔的设计师。中国也不例外，万里长城上面也有字说明了是哪个工匠负责的，这个是皇帝要问责的，严格执法、严格责任。

这个硬性的规定精密制造企业应该特别注重，我们国家的质量管理是一大堆的质量检查标准，国标，一级精度、两级精度……八级精度，每个行业有自己的国标。这个质量管理理念是有待提高的。

我们可以借鉴一下日本的质量管理。我们都听说过丰田车，丰田的质量不是只看最后产品的质量，而是看产品加工的每一段的质量，它有一个全程质量控制。这个理念非常重要，我们做质量控制并不是最后看一下成品行不行，而是检查生产的每一个步骤会不会有问题，如果每一步都行了，到后来就算有问题也很容易发现和纠正。如果你到最后才发现有问题，已经不可修复了。

柔性，师法自然。在自然界里面还没有什么东西是没有生命、硬梆梆的，一些自然界的霸主，像鲸鱼、大象这些都是能动的。比如一个小小的水熊虫有大概1300多种不同的类型，大多数长度在0.3到0.5毫米之间，不怎么看得见，它们可在151℃高温、低温-272.8℃ 、缺水、超强辐射下进入休眠状态不死。有研究发现，当时日本被美国原子弹炸过的地方，水熊虫照样活着。它还有一些秘密，比如说变成胞囊、能够脱水隐生等等，也是一种非常奇异的生物现象，很多的科学家在研究它的“变”的方面。

在制造领域怎么样运用柔性在可以变动的地方进行布局？比如供应链的危机分析，麻省理工大学的YOSSI SHEFFI写的一本书《THE POWER OF RESILIENCE》，讲到要分析韧性的时候应该怎么样去做，什么东西会导致韧性的丧失，导致系统的溃破最终失效。

我们利用韧性系统理论进行柔性研究，尝试把应变的机制植入到制造系统。比较传统方法和新方法，传统方法比如做并联，比如一台机器用时太长，我们就买三台机器，做重构，这个机床可以做B也可以做A也可以做C。还有一个方法是堆栈（是一种数据结构），有时零部件多买了会成为库存，那么移动的堆栈不是堆在一个仓库里，而是堆在N个不同的仓库里，甚至可以堆在一些远程的仓库里。在布局的时候用数学的方法能够动态规划，看怎样能够达到最优。

图5 堆栈

图5是我的几个博士后学生自己创业开发做的AGV系统。通过数学模型进行各种各样的分析，还有各种各样不同的策略进行优化，去年在杂志上发表了文章，这就是布局。这个布局的方法一个是在可重构的基础上可移动地堆栈，然后建模优化的方法也可以用在别的地方。

三、应变

讲到应变主要是人工智能。我们要知道它是什么，知道怎么应对它，工业人工智能是制造业现在最大的课题之一。工业4.0的精神就是人工智能，包括网络智能，这是最关键的地方。

人工智能面临好几个挑战，第一个是数据，生产企业有很多数据，但这些数据是企业的生命线，不可外泄。

各个公司的数据系统也是无法分享的。比如，你买了一台全球最有名的机器人，你的控制系统能不能跟我的控制系统对接？可以，但是要改变你的参数，这样行不行？不行。他不会把所有的数据都给你，他一定要保护自己的专利。所以各公司的数据无法分享，各自的数据也不兼容、不完整。采集数据能力有限，不可能拥有所有数据，那么就得不到完整的信息。一般都只有大量正常运作时的数据，没有故障的数据或者这类数据很少。这就是数据孤岛的问题。数据很多，但不能连在一起。

人工智能生产过程应变的三个步骤：

第一层是信号处理。分了硬件和软件的信号处理，接着你要做一个建模，这个建模是AI，还要做一个决策也是AI的，这是不同的方法。他是怎么实现的呢？第一层是先把数据连起来、数据采回来，各种装备数据的采集。第二层是数字孪生，相当于把信号取出来进行统计分析，然后比对是不是跟原来设计吻合，然后做成数字孪生。广州南沙好多公司基本上可以做到这两个。最重要的是第三层，怎么样监控诊断，发现其中问题的根源，然后防患于未然，优化系统，这才是人工智能制造的关键所在。这就是韧性。

我做监控诊断决策已经做了将近三十年了，1996年、2003年开发了很多自己的算法，后来回到香港，算法做得不是很多，一直到最近这三年才重新开始专注于算法。

人工智能算法的发展，也包括了硬件的因素。大概分了五类，决策论、神经元网络、进化论、统计分析和模拟分析。有一本科普的书《终极算法》把这些算法描述得非常清楚。算法的主要目的是什么，就是学习。如果人工智能是一个很大的饼，其中的机器学习可能是80%。比如我们读一本杜甫的诗集，因为我姓杜所以我特别迷信杜甫，“会当凌绝顶、一览众山小”，每次到山中就会想起“会当凌绝顶”，每次会有不同的感受。也是这样的，每次你读一本书都会有不同的想法，你能够学到什么，还取决于当时、当世、当人，每个人都有不同的体会。

尽可能多的知识是什么？这个不好定义。

最近的一些算法包括谷歌的Transformer自我专注学习，包括对比学习、变分自编码器、对抗神经网络等等。每个都有一些很有意思的故事。我今天跟大家介绍下对抗神经网络，目前我们也在做这些算法，但我们跟国际一些最先进的算法还有一段距离，还得发展一段时间。

我们的算法是基于对抗神经网络。很多人都说对抗神经网络就是和某某人坐在一起讨论。这是经过许多人、许多代持续地努力才走到今天，它的技术至少可以追溯到Bradley Efron（布拉德利·埃弗龙，美国统计学家）。他在1970年代末写了一篇文章提出了所谓的“自举”的概念。比如说，我们有一个样本空间，我们可以对它进行采样，在座的这么多人，我中间来问一个人“去年你们公司是挣钱了还是亏本了？”我大概就可以判断一下去年的经济好不好。我们做一个采访，可以估计他平均多赚了多少、平均少赚了多少。我就可以得出推论，是不是深圳是这样的，或者是全中国的情况是这样的？Bradley Efron说，不是这样的，他说你可以再采样、再采样、再采样，几个人问完了以后可以再问，可以把数据不停地再组装，装完了以后再做统计分析。原来就是这么几个公式，叫做大数据，就是工程统计，这个东西是著名的数学王子高斯180年前发现的公式。他有一套新的工具可以再组装做得更好，那个公式是比较长的。这个理论真的好用。人们就发现这个统计量可以自举，可以自己再次重复地使用。比如时间序列、时间的变化、股票的变化都可以自举，神经元网络也可以自举。这是20世纪统计学的一个突破。

时间又过了20年、30年，英国的Ian Good fellow[生成对抗网络(GAN)的创造者]，他在加拿大蒙特利尔大学师从图灵奖的获得者，毕业以后他到美国谷歌做研究。在美国做研究跟中国不一样，不会有一些发文章的指标，他们很少做这个。他们不算你教了多少门课，他只看你做的东西行不行，以及对这个世界的影响。有些人可能一辈子默默无闻没有做出什么来，但是有些人像Ian Goodfellow就做了这么一个算法“对抗神经元网络”。刚刚讲到神经网络可以自举，可以设计很多各种各样的神经网络，可以模拟各种各样的东西。比如模拟股票，这个时候问题来了，你生成的那些东西可能都没有什么用，大部分都是一些垃圾。

你真的学下来、记下来的东西就有一个平衡，他说有一个判别器和一个发生器，判别产生的知识对不对，两个之间互相博弈。如果你对了我给你一个绿的，如果错了我给你一个红的，互相在对抗，最后达到共同最优，这个就是纳什平衡。电影《美丽心灵》讲的就是这个。用这个把它做出来，做出来以后，他就可以把算法做出来，然后他做了一个模拟人衰老的例子。

图6 用对抗神经网络生成的衰老过程图片

这是一个青年女性和男性18、28、38、48、58、60岁的样子，当时文章一发表，大家都为之震动，人工智能居然能够做这样的东西，算法如此美妙。

Ian Good fellow做了这么好的算法，而且这个程序是开源的，他的代码就在那儿，谁都可以下载。当然很多人也读不懂，因为他的数学确实很高深。最主要的是开源没有利益保护，全球的对抗神经元网络的文章数以万计，你不用懂它，只要利用它的原理。这个开源对我们做学术还是很有利的。

后来一代一代地发展，其中有了最优搬运法，这个源自于法国科学家Gaspard Monge（加斯帕尔·蒙日）。巴黎铁塔上有76位法国最著名的科学家的名字，其中就有他。Gaspard Monge开发的这个算法，当时只是一个想法。后来2013年，法国数学家Cedric Villani（2010年菲尔兹奖得主）做了一个求解。

基于对抗神经网络我们也开发了自己的算法，我们的算法是Self—reinforced learning自增强的算法，它分几步，如果有足够的数据，直接用深度学习方法，可以不用对抗的方法。对抗的方法是当数据不确定的时候才用。

很多人都说深度学习网络是人类数学史上第四次革命，第一次革命是数数，第二次革命是几何、代数等一些不可动的。一直到牛顿把运动引入到了数学，这是第三个里程碑，是不确定的因素。这里面有一些大师，有法国数学家庞加莱，他把变化引入到数学里，但都是描述的东西，不确定。变化有随机性，是概率问题。深度学习网络不同，这是第四次革命。你甚至不用做什么代数几何，那些方程随机概念都没有用，只要给你一个网络，这个网络足够大，不管什么问题都可以解。计算机的能力太强了，现在最大的网络是4亿个这样的小元点，100万G也不算什么，4亿也没有多少，以后肯定也会越来越厉害。人工智能不可抵挡，它是一个革命的发展，是人类对自然社会、对整个世界认识上的革命。

如果你有数据的缺失，那就失去平衡了。你99%的数据是正常的，但是有1%的数据没有。这个时候就要靠对抗神经网络，大家记得那个美女和帅哥变老的图，这就是算法的发展。你不知道他到底产生了什么样的问题，你可以用对比学习。

算法以后不是算完就完了，还可以在数据上加入数据，比如变老会怎么样，疲劳了会怎么样，污染了会怎么样，把这些因素加进去循环增强，用我们的算法进行自增强学习。

图7 谐波减速器

有两个例子，其中我们做了一个谐波减速器的监控诊断（图7），它是一个非线性的东西，很不好做。我们国家做的机器人是全球最多的，不过这个机器还是要进口的。

这个我们算法准确率达到了96.79%，我们在全球最大IEEE期刊上发表了2篇文章，还有NeuralNetwork发表了1篇。

智能制造有三个部分，创新、布局、应变。创新包括设计、制造、供应链、客服的创新，布局包括生产线、可重构机床等等，应变是最重要的。AI已经不可或缺，AI技术无法封杀，我们的AI研究也已经见成效，希望与大家合作。

（整理：王苗米。小标题为编者所加）

本文来自

勉组词 http://www.xinzhiliao.com/sj/dongji/36016.html

北京社稷坛 一说到周迅，大家都比较熟悉，有人叫“周公子”。因为表演，她赢得了无数奖项。周迅和高圣远结婚后，生活得很幸福。许多人都不知道，在她结婚前，曾和一个男人，有过一段刻骨铭心的感情。此人叫贾

免责声明：本站所有信息均搜集自互联网，并不代表本站观点，本站不对其真实合法性负责。如有信息侵犯了您的权益，请告知，本站将立刻处理。联系QQ：1640731186