国产欧美VA欧美VA在线,亚洲 日本 欧美 中文幕,欧美亚洲日本国产黑白配,99久久国产露脸精品竹菊传煤,伊人久久综合热线大杳蕉

 在制造業與新一代信息技術深度融合發展并加速智能化變革的背景下，智能制造是增強我國制造業在全球競爭格局中比較優勢的關鍵舉措。自主可控工業互聯網技術將重構智能制造體系，支撐工業設備的大規模互聯與實時管理決策，再與人工智能、大數據結合以形成智能生產的充分閉環。自主可控工業互聯網技術體系是推動我國工業技術創新的必然要求，更是維護制造業發展安全、實現產業鏈高端化的戰略選擇。

 中國工程院王耀南院士研究團隊在中國工程院院刊《中國工程科學》2025年第3期發表《面向智能制造的自主可控工業互聯網發展研究》一文。文章梳理了智能制造與工業互聯網的發展現狀，從工業互聯網技術要素、基于工業互聯網的智能制造技術要素、自主可控工業互聯網軟硬件系統3個方面呈現了面向智能制造的自主可控工業互聯網技術體系全貌；系統總結了面向智能制造的自主可控工業互聯網技術示范應用，涵蓋自主可控的機器人化智能制造、基于自主可控工業互聯網的工業檢測與感知、面向智能制造的網絡化多機協同控制、面向智能制造的多機協同調度規劃；進一步研判了面向智能制造的自主可控工業互聯網的當前挑戰和技術方向。可積極應用第五代移動通信、自主可控工業軟件、工業互聯網“云邊端”協同、搭載國產分布式操作系統的機器人、自主可控的多機協同制造技術，同時加快構建自主可控標準體系，驅動工業互聯網與智能制造的融合發展，為我國制造業穩健升級和高質量發展開辟新途徑。

一、前言

智能制造是高度柔性化及集成化、決策自動化的系統，通過計算機模擬人類專家的智能活動，能夠自適應復雜的工業制造環境。智能制造自20世紀80年代興起，主要經歷3個發展階段：在數字化階段，由計算 ? 通信 ? 控制技術驅動，實現基礎信息化；在網絡化階段，以萬物互聯技術為支撐，形成全流程協同能力；目前進入智能化階段，以“人工智能（AI）+大數據+云計算”深度融合的方式，逐步構建數據驅動的自主決策系統。智能制造的演進過程，反映了制造業從能量驅動向信息驅動的根本性轉變——隨著產品復雜度的提升，信息量呈指數級增長，制造系統對信息處理能力的需求超越傳統技術極限，使智能制造成為新工業革命的核心驅動力。

制造企業集成工業互聯網系統，可以實現遠程運維、供應鏈實時響應、產品個性化定制等新型服務模式，在引入數據分析和優化算法后賦予生產線以自主調節生產參數的能力。在智能化的前沿研究方面，依托第五代移動通信（5G）、工業互聯網、AI、云計算、集群機器人、數字孿生等技術，形成“數據采集 ? 智能分析 ? 自主執行”的閉環制造體系。然而，在全球產業競爭加劇、地緣沖突風險攀升的背景下，我國工業互聯網發展面臨嚴峻挑戰：高端工業芯片、核心工業軟件、實時操作系統等關鍵產品較多依賴進口，關鍵設備與協議“黑箱化”導致供應鏈安全風險，數據跨境流動、系統互操作方面標準話語權缺失。為此，構建自主可控的工業互聯網技術體系，既是我國工業技術創新的必然要求，更是維護制造業發展安全、實現產業鏈高端化的戰略選擇。

有別于廣義工業互聯網的通用性概念，本文提出自主可控工業互聯網，突出技術自主研發、供應鏈安全的雙重屬性，具有3個層級的內涵：① 完全自主知識產權層級，即工業操作系統、協議棧、智能算法等核心技術具有完整的自主研發能力，支持從架構設計到代碼實現的全鏈條可控；② 部分替代依賴層級，針對短期內難以突破的“卡脖子”環節（如高端傳感器、精密控制器），通過異構冗余設計、多源供應商管理形成替代方案，降低單一技術路徑的風險；③ 供應鏈安全可控層級，建立涵蓋研發、生產、運維的全生命周期可信保障機制，確保核心組件的穩定供應和數據主權歸屬的明確性。這3個層級的內容具有遞進關系，有助于穩健形成技術突破與風險緩釋的立體化保障體系。

 本文圍繞更好發揮自主可控工業互聯網技術對智能制造的關鍵賦能作用這一主旨，面向核心技術國產化替代的核心層級，探討自主可控工業互聯網與智能制造的協同發展路徑，展望面向智能制造的自主可控工業互聯網技術突破方向。相關內容有助于形成可復制推廣的自主化技術方案，推動工業互聯網技術從“可用”向“可信、可控、可替代”的更高維度演進，保障我國智能制造在全球競爭格局中占據優勢。

二、智能制造與工業互聯網發展現狀

（一）智能制造發展現狀

 智能制造是現代制造業轉型的重要趨勢，與前沿科技深度融合，引領制造業的數字化、智能化變革。在全球范圍內，智能制造發展迅猛，衍生出一系列特色技術突破與應用范式。

我國智能制造正處于蓬勃發展期，相關國家政策推動制造業穩健轉型智能化和高效化。在制造企業層面，以比亞迪為代表的諸多汽車品牌，建立智能化生產線和自動化裝配流程，實現汽車從設計、制造到檢測的全過程智能化管理；建成智能工廠，顯著提高制造能力。盡管已有長足進步，但我國智能制造仍面臨對國外高端裝備技術依賴性強、面向中小企業推廣緩慢、標準化體系不完善等挑戰，制約了全球產業鏈上的地位提升、自主技術的應用兼容性。

以德國、美國、日本為代表的制造業強國，也在大力推進智能制造發展，進而帶動全球制造業的數字化轉型。德國提出“工業4.0”，將物聯網、大數據、云計算等技術與制造過程深度融合，提升了生產的自動化水平和靈活度。例如，西門子股份公司基于“數字化工廠”概念建立了高度自動化和互聯的生產系統，產品的制造合格率達到99.998%，成為全球智能制造的標桿。美國工業界積極推廣智能制造，如通用電氣公司在工業互聯網平臺上融入大數據和AI技術，實現預測性維護與生產優化，兼顧簡化維護與提升效率。日本豐田汽車公司采用“外部合作+自主研發”雙軌策略，推動大數據、超高速通信及互聯汽車技術應用，加速企業智能制造轉型。

后續，智能制造將更顯多元化、融合化、智能化，與數據驅動、深度學習等技術結合，推動制造業更加智能、高效、快捷發展；也將實現高度的自動化生產、個性化定制、產業鏈協同，促進制造業從“制造”向“智造”轉型升級。也要注意到，國際智能制造領域依然面臨與現有系統兼容、網絡安全風險、標準統一等方面的挑戰，需要更多關注安全性、互用性。

（二）工業互聯網發展現狀

工業互聯網是推動制造業向網絡化、智能化、服務化轉型升級的重要支撐。美國、德國、日本等制造業強國同樣在工業互聯網領域表現突出。例如，通用電氣公司率先推出工業互聯網平臺，通過大數據分析、物聯網技術提升工業設備的運營效率；西門子股份公司在工業互聯網平臺上集成數據采集與分析功能，支持制造企業優化生產流程、提高設備使用率；日本推動相關企業建立并深入應用物聯網平臺，促進跨企業、跨行業生產合作。然而，數據隱私安全風險、標準化不足等因素仍然在制約跨國生產的合作水平。

我國的工業互聯網發展與美國、德國、日本等制造業強國基本同步，形成了特色路徑和比較優勢。2022年，我國工業互聯網產業增加值超過4萬億元，支撐制造業高質量轉型并成為新的經濟增長點。例如，海爾集團公司推出了基于工業互聯網的大規模產品定制平臺，提升了生產效率和客戶滿意度。華為技術有限公司建立“5G+云+AI”的工業互聯網架構，支持應用企業在云端進行數據實時分析和決策，顯著縮短產品研發周期。比亞迪股份有限公司建設了基于工業互聯網的智能生產線，大幅提高汽車零部件的生產精度及效率。工業互聯網應用進展良好，后續需著力解決混合關鍵性隔離、容錯設計、可擴展性、網絡安全防護等方面的不足。

我國是全球制造業大國，需要加快建立自主可控的工業互聯網產業體系和行業標準，確保相關核心技術、關鍵環節不再受制于人。目前，中低端工業互聯網產業鏈基本實現自主可控，但以微控制器、數字信號處理芯片為代表的高端工業芯片，工業操作系統，控制軟件等軟硬件的自主可控率存在不足，仍需依賴國際市場供給。后續，5G、大數據、AI等技術進一步融入，工業互聯網的應用將不斷深化。此過程中伴生著設備兼容性、網絡安全風險、數據隱私保護等問題，需要積極應對以確保工業互聯網的穩健發展與全面應用。

三、面向智能制造的自主可控工業互聯網技術體系

（一）工業互聯網技術要素

工業互聯網是基于互聯網、物聯網技術的先進制造模式，核心在于全面連接、感知、分析、優化生產過程的各個環節，支持設備、工序、人員之間實時開展信息交互和協同工作，提升制造業的智能化、高效化、靈活化水平。美國通用電氣公司在2012年首次提出工業互聯網概念，旨在實現人、機、物、系統的連接，分析工業大數據產生更高價值的信息。德國定義“工業4.0”，目的是利用信息與通信技術實現機器和工業過程的智能互聯。在我國，工業互聯網被普遍視為新一代信息技術與制造業深度融合的產物，以數字化、網絡化、智能化為主要特征，屬于新工業革命的關鍵基礎設施。近年來，工業互聯網引入5G、AI大模型、數字孿生等前沿技術，賦予生產過程以智能化的監控、預測、優化能力，在進一步提高生產效率的同時，更好保障智能制造的安全和可靠性。

5G是先進的無線通信技術標準，在網絡速度、容量、延遲等方面相較前代移動通信技術實現大幅提升，能夠支撐各類新技術的創新應用。5G融合邊緣計算，在靠近數據源頭的網絡邊緣側就近提供智能服務，滿足敏捷聯接、實時業務、應用智能、安全與隱私保護等行業數字化的關鍵需求。5G網絡中引入網絡切片技術，提供定制化的網絡服務以高效滿足差異化網絡服務需求，實現一網多用。

大模型技術加速自然語言開發創新，革新開發交互模式。工業互聯網與大模型技術結合，有望引發智能制造領域內的深刻變革。就目前的進展看，雖然基礎大模型很難直接應用到工業制造環節，但基礎大模型提供方與制造企業可以合作開發具有針對性的行業大模型。近期，我國已有一些深度融合AI的工業互聯網平臺，支持端到端并行訓練優化、場景模型遷移、大模型應用集成等任務。

工業數字孿生集成多種數字化技術，推動智能制造的創新性應用。在數字空間中應用建模工具構建精確的物理對象模型，經由實時物聯網數據驅動模型的運行；數字孿生技術與現實數據、虛擬模型融合，支持綜合決策能力提升，優化工業生產全流程。

（二）基于工業互聯網的智能制造技術要素

針對傳統制造依賴集中式控制、多為標準化流水線作業，缺乏靈活性，難以適應產品個性化、快速響應生產、高效資源配置等需求的不足，柔性制造系統、可重構制造系統成為有潛力的改進方案：前者可在同一系統上生產具有可變組合的多種產品，但吞吐量較小；后者力求綜合柔性制造系統、專業生產線的優點，但涉及對生產配置、零件制造進行復雜的分析及規劃。立足當前的研究與應用進展，基于工業互聯網的智能制造關鍵技術主要分為3個方面。

1.分布式模塊化技術

分布式模塊化的核心理念是開展模塊化設計和分布式控制，支持動態配置與擴展，適用于批量生產、高度定制化和柔性生產。生產流程包含加工、物流、質檢等功能模塊，各模塊均配置獨立控制單元，用于增強制造系統的魯棒性，由此形成分布式智能制造系統。分布式智能制造系統強調具有自主決策能力，其中的模塊可視作獨立智能體，根據局部實時信息自主進行決策；各模塊之間通過工業互聯網實時交換信息，協調工作進度和資源調度。例如，生產過程中一個加工單元完成任務后立即通知物流單元進行運輸，減少等待時間并避免資源浪費。良好的適應性與學習能力是分布式智能制造系統另一個顯著特征。引入AI、深度強化學習等技術，相關系統可基于歷史生產數據進行不斷學習，進而優化自身的決策流程。訓練后的智能體可以根據環境變化調整生產計劃，通過強化學習逐步提升決策能力，增強分布式系統在面對復雜生產環境時的應變能力。

模塊化設計指將產品劃分為獨立模塊并實現功能優化，模塊內部的物理結構、功能結構具有高度的一致性，模塊之間存在弱的相互依賴性。相比傳統制造，模塊化制造不僅降低設計復雜性和全生命周期成本，而且提高產品質量和制造靈活性；支持零部件的標準化與重復使用，顯著縮短新產品開發周期。引入數字孿生技術為模塊化生產提供虛實融合的管控能力，構建的高保真生產系統模型支持模塊化節點的動態重組和快速調整。此外，模塊化生產將復雜的生產流程分解為可獨立設計和執行的模塊，激勵單一企業專注自身優勢領域，形成高效的分工協作模式，促進產業鏈的深度協作。這種垂直分工模式可顯著提升制造企業的生產效率和響應速度，為構建智能制造生態體系筑牢能力基礎。

2. 大模型與機器人制造技術

在智能制造領域，大模型、機器人制造技術獲得廣泛關注。工業機器人包括機械臂、自動導引車（AGV）、各類帶有復雜傳感器的機器人，具有操作精度高、作業靈活的特點，在諸多工業生產場景中得到應用。近年來，大模型技術發展迅速，在多模態信息處理、大規模數據集處理、人機協作方面具有顯著優勢，賦予制造技術創新發展新動能。例如，工業預訓練大模型使用工業數據集進行預訓練、面向特定業務場景進行微調、集合領域專業知識開展增量學習，形成解決制造業細分場景中任務的能力；據此構建的智能制造系統，能夠自主識別和理解關鍵信息，在復雜制造過程中作出決策，在執行過程中進行自我優化和持續學習。

機器人制造是智能制造的核心技術之一。在早期，機器人只能按照存儲器中的程序執行簡單、機械的工業任務（如抓取、搬運、包裝等動作），一旦生產環境發生變化就需重新設計程序。隨著傳感器、控制技術的進步，機器人通過視覺、聽覺、觸覺等傳感器獲取并處理工業環境和作業目標的變化信息，動態調整自身行為，進而提高機器人制造的精確度和靈活性。AI技術則推動機器人制造的智能化、自主化、高效化發展。

機器人制造與大模型的深度結合，推動機器人在語言交互、多模態感知、智能決策、個性化交互、自主學習等方面不斷提升能力以及朝著具身智能方向發展，以工業機器人的自主設計、決策、任務執行為關注重點。大模型與工業機器人的結合框架（見圖1）主要包含3個步驟。① 任務與過程參數匹配，細分為指令解析、命令執行兩個階段：對于前者，大模型通過少樣本學習提取特定的制造任務，如增材制造打印、夾緊等；對于后者，大模型設置場景布局，根據前面階段的任務提取，為工業機器人選擇匹配的末端執行器。② 自主執行任務，以末端執行器的路徑規劃為例，機器人與末端執行器耦合后，大模型進行連續決策來構造末端執行器的路徑，引入應用程序編程接口（API）、錯誤模塊、反射機制等，糾正執行任務的動作。③ 大模型與工業機器人集成，經大模型訓練后的智能體與任務設計、執行能力緊密結合，支持具身智能機器人在實際工業場景下的高效運作。

圖1　大模型與工業機器人的結合框架

注：x，y，z表示三維坐標。

3. “云邊端”協同技術

接入工業互聯網的智能設備數量不斷增加，產生了高維、異構的實時工業數據。處理與分析實時工業數據，有助于提高生產效率和產品質量。“云邊端”協同技術用于增強智能制造系統的數據處理和分析能力，支持實時監控制造過程、及時作出調整和新的安排，保障生產制造的高效化和智能化。“云邊端”協同技術廣泛應用于工業制造場景，如加工過程中的設備故障診斷、預測性維護、生產質量監控等，增強了制造過程的靈活度和效率，實現了智能化管理。

“云邊端”協同是集成云計算、邊緣計算、終端設備的分布式計算架構，通過各種計算層的緊密協作，建立高效、智能、低延時的數據處理與業務執行能力（見圖2）。在該架構中，云、邊、端承擔獨立任務，再經功能互補構成完整的智能系統。終端是整個系統的感知層和執行層，包含傳感器、攝像頭、工業機器人等智能化設備，主要負責工業數據的實時采集、具體操作的有效執行。邊緣端是部署在靠近數據源的邊緣服務器、網關等設備，對終端采集的數據進行實時分析和處理，執行異常檢測、實時監控等任務。相較云端，邊緣計算更靠近數據產生的場所，能有效完成時間敏感型任務，降低數據傳輸的時延。云端是具有強大計算能力和存儲容量的遠程服務器及計算中心，在整個架構中處于核心層次，承擔大規模的數據處理、復雜的大模型訓練、高容量的數據存儲等任務。云端生成的策略、訓練好的模型下發至邊緣端和終端，支持智能制造系統開展更加高效和智能的生產控制與決策執行。

“云邊端”協同涉及多項關鍵技術，以高效穩定的數據傳輸和通信協議為基礎。常用的工業物聯網協議有消息隊列遙測傳輸、OPC UA、Modbus等，用于大規模設備和傳感器的數據傳輸、管理、監控、控制。5G能夠突破傳統網絡的傳輸瓶頸，為工業現場的多設備互聯和實時協作提供通信支持。高效的任務分配和資源調度技術[53]是實現“云邊端”協同的重要基礎，將不同類型的任務合理分配到計算節點，高效調度計算資源、存儲資源、網絡帶寬，追求最優的系統性能。常用的調度技術包含負載均衡、優先級調度、基于優化算法的調度、基于機器學習的智能調度等。邊緣智能也是“云邊端”協同的重要組成部分，將AI融入邊緣計算，賦予邊緣設備以數據處理、分析與決策的能力。在邊緣設備部署智能算法，將減少數據傳輸延遲和云端計算壓力，提升系統的實時性與可靠性，為構建高效、智能、可靠的分布式系統提供基礎。

圖2　“云邊端”協同架構

（三）自主可控工業互聯網軟硬件系統

自主可控工業互聯網軟硬件系統是當前工業數字化轉型的重要組成部分，強調核心技術、關鍵硬件設備、各類軟件實現國產化和自主化，盡快擺脫對外部技術的依賴。工業互聯網平臺體系架構主要包括：行業設備，負責數據的生成和具體操作的執行；邊緣層，負責數據采集、向頂層傳輸數據，分解云端的計算壓力；基礎設施即服務（IaaS）層，提供平臺運行所需的計算、存儲、網絡服務能力，確保平臺的可擴展和靈活性；平臺即服務（PasS）層，提供開發工具、運行環境和API，用于構建、部署、管理工業應用，增強平臺的整體能力；工業軟件包含各工業領域的專用軟件和行業通用工具（見圖3）。

圖3　工業互聯網平臺體系架構

1.工業互聯網硬件系統

硬件系統是工業互聯網的基礎構成，包含智能傳感器、工業網關、嵌入式設備、邊緣計算節點、工業控制器、云端服務器等。智能傳感器采集工業數據、設備狀態、加工信息，將相關實時數據傳輸至上層進行處理。工業網關是連接現場工業設備、上層管理系統的“橋梁”，支持多種通信協議與接口，聚合各類終端采集的數據并上傳到邊緣計算節點、云端服務器。邊緣計算節點、云端服務器對下層設備傳輸的數據進行處理、分析，支持控制決策。工業控制器、嵌入式設備根據上層系統下發的指令，執行具體的控制和操作。

在硬件系統中，通信協議是確保各類設備高效可靠交換數據的基礎。Modbus、CANopen等現場總線協議，專為自動化控制系統設計，支持跨設備實時傳輸數據。在特定的工業場景中，移動熱點、藍牙等無線通信技術也獲得廣泛應用：前者憑借高帶寬的優勢，適合大數據傳輸場景；后者具有低功耗特性，常用于短距離設備的通信。以太網／網際互連協議、以太網控制自動化等協議適合高效實時傳輸數據的工業場景。多樣化的通信協議協同工作，為工業互聯網硬件系統提供了可靠的數據傳輸保障。

我國正在推進自主可控的工業互聯網硬件系統建設。例如，面向制造產線復雜計算場景，研發基于國產芯片的邊緣計算AI一體機，以AI與邊緣計算相結合的方式提升邊緣側的算力及數據處理能力；研發集成開源操作系統的工業控制器，支持自主可控工業互聯網硬件系統的可靠應用。

2. 工業互聯網軟件系統

軟件系統是工業互聯網的“大腦”，包含操作系統、工業軟件、云平臺、大數據平臺。操作系統是整個工業互聯網軟件系統的核心，以高性能、高可靠性、高安全性支撐工業生產的復雜需求。國產化工業互聯網操作系統主要是以國際開源操作系統（如Linux、Ubuntu）為底層進行二次開發而形成的。國內企業也研制了面向數字基礎設施的開源操作系統，支持服務器、云計算、邊緣計算、嵌入式等應用場景。工業軟件是工業技術和相關流程的程序化封裝及復用，主要分為研發設計類、生產控制類、經營管理類、運維服務類。

面向離散制造的典型工業軟件有計算機輔助設計（CAD）／計算機輔助工程（CAE）軟件、工藝自主規劃軟件、機器人產線數字孿生軟件、機器人智能制造產線一體化控制軟件等。① 對于CAD/CAE軟件，主要通過建模語言映射、基于文件等方式實現集成。CAD模型結構復雜、幾何計算魯棒性差，集成過程仍在模型修復及簡化、網格生成等方面存在技術難題。工業界采用的方案高度依賴專家經驗，需要大量的人工交互，整體效率偏低。學術界提出了幾何分析、無網格方法以試圖解決相關問題，但產生了曲面重參數化等問題。CAD/CAE一體化工業軟件仍待攻關突破。② 對于工藝自主規劃軟件，國際工業軟件龍頭企業實現全流程數據集成及模型管理，但產品設計、工藝規劃依賴人工進行迭代優化。一些機構開展的研究項目，支持制造過程中的產品設計，構建產品設計和制造工藝一體化建模環境，但多處于演示驗證階段，軟件工具尚不成熟。③ 對于機器人產線數字孿生軟件，離散工業制造提出了柔性化制造的高要求，數字孿生技術的重要性開始顯現。現有針對離散制造機器人產線的數字孿生軟件較少，接口不統一、“信息孤島”等問題未能完全解決。復雜系統建模則對軟件的算法、數據處理能力提出新要求。④ 對于機器人智能制造產線一體化控制軟件，工業視覺檢測、加工制造流程成為關鍵的細分方向。當前的工業視覺檢測軟件依賴傳統機器學習算法，不適應隨機性強、特征復雜的工作任務。深度學習技術具有應用潛力，但面臨缺陷樣本匱乏、數據收集及標注成本高昂等問題。機器人高效協同的加工控制技術需要以裝配、焊接、磨拋等加工控制一體化軟件為基礎，但相關軟件研發仍存在諸多挑戰。

面向流程制造的典型工業軟件有驅動集中式企業資源計劃（ERP）、制造執行系統（MES）、驅動過程控制系統（PCS）等。當前，流程工業中較多使用PCS/MES/ERP三層結構，存在各層系統相對獨立、集成度不高的問題，不利于上下游生產單元之間的高效協同及整體優化。后續，基于工業互聯網的流程工業智能制造新模式需重點提升制造流程全局優化能力，驅動PCS/MES/ERP三層結構轉向智能自主控制系統、人機互動及協作的管理與決策智能化系統兩層結構，構建面向產品全生命周期的跨企業流程工業智能優化制造模式。

 未來，工業軟件開發可依托工業互聯網平臺，以提升軟件開發效率和行業利用率為目標，追求云化、智能化、平臺化發展，為實施自主可控的智能制造戰略提供堅實保障。

四、面向智能制造的自主可控工業互聯網技術示范應用

（一）自主可控的機器人化智能制造

工業互聯網、機器人技術作為智能制造的核心驅動力，承擔著自動化生產的關鍵任務。自主可控機器人事關制造業轉型升級、國家經濟安全發展、國際競爭力提升。在工業互聯網體系下發展自主可控機器人，需要在技術研發、制造、應用全過程中完全掌握核心技術和生產工藝，降低甚至消除對外部供應鏈的依賴，主要表現在：自主研發核心零部件，包括高精度減速器、高性能伺服電機、工業級傳感器；獨立創制關鍵算法，如機器人運動規劃、視覺導航、人機交互等智能算法；全面掌控系統集成和應用生態，尤其是機器人整機設計、軟硬件協同開發。此外，自主可控工業互聯網監控并保護數據流通、設備連接，為機器人系統的信息安全提供保障；在涉及敏感操作或高價值生產過程時，保障機器人穩定運行并增強自主可控性更顯必要。

1. 協作機器人

協作機器人可與人類聯合工作，其設計注重安全性、靈活性、易操作性；與傳統工業機器人相比，在人機共享的工作環境中可更加安全地與人類協作。協作機器人配置先進的傳感器和力控技術，實時感知與人類的接觸，在發生碰撞時自動停止或減速以抑制安全隱患；具有高的靈活性，可執行重復性、嚴格精度要求的任務，如裝配、焊接、包裝、測試等，極大地提高生產效率；結合具體工作場景進行簡單的編程，或者通過示教器進行快速培訓，支持非專業人員準確操作。

我國在自主可控協作機器人方向進展顯著，基本實現從技術引進到自主研發的轉型，在核心零件、控制技術等關鍵環節上實現自主可控。市場上出現了許多協作機器人制造企業，如沈陽新松機器人自動化股份有限公司、上海節卡機器人科技有限公司、遨博（北京）智能科技有限公司等，推出了高性能、全面國產化的協作機器人產品，促進了汽車裝配、醫療輔助、教育培訓等領域的智能化發展。

2. 復合機器人

復合機器人集成多個機器人系統或多類技術，以移動機器人、機械臂結合到統一平臺上為常見形式，具有同時執行多種任務的能力；整合感知環境、規劃路徑、執行操作等功能，針對復雜任務進行自主或半自主操作。復合機器人克服傳統機器人功能單一的局限性，在靈活性、自動化程度、任務復雜度方面具有明顯優勢，多用于倉儲、物流、柔性制造等任務。

 例如，遨博（北京）智能科技有限公司聯合國內多家供應商、高校，研發了自主可控復合機器人，攻克了高性能零部件自主可控、多設備融合、系統級安全等關鍵技術，推動復合機器人在新能源汽車、醫藥、食品、航空、航天等領域的規模化應用。常見的復合機器人主體由機械臂、自主移動機器人融合而成，機身裝有激光、視覺、力控等傳感模塊，具有多模態信息獲取能力；采用同一套控制系統對各個部件進行統一控制，實現模塊之間的互聯互通。

3. 特種機器人

特種機器人用于特定場景或者為特定任務定制，通常執行人類難以完成或不安全的任務；具有特殊的環境適應能力和功能設計，可在極端溫度、高輻射、爆炸危險、復雜地形、其他惡劣條件下工作，契合國防裝備、應急救援、核工業、海洋探測等方面的特殊應用需求。

 例如，中煤科工集團沈陽研究院有限公司研發了搭載國產操作系統的礦用變電所／水泵房巡檢機器人、礦用危險氣體巡檢機器人、礦用仿生四足巡檢機器人，部分產品正式裝配至神東煤炭大柳塔煤礦大柳塔井投入使用。這是國產操作系統在工業機器人領域的首次應用，為提升礦山智能化水平、推動能源行業高質量發展提供了科技支撐，在減少對國外操作系統的依賴、防范基礎軟件“卡脖子”風險方面具有重要意義。

4. 人形機器人

人形機器人具有接近人類的外觀和動作，能夠模擬人類行走、抓取、交流等基本動作；既可執行動作任務，也能采用語音識別、視覺處理等AI技術與人類進行交互，在服務業、教育、醫療、工業生產等領域具有良好的應用前景。

 例如，華為技術有限公司、樂聚（深圳）機器人技術有限公司聯合研發了基于開源操作系統的人形機器人。該機器人搭載了具身智能大模型，具有較強的智能化、泛化能力。國產操作系統提供了更有保障的應用安全性，具有與外部傳感設備數據互聯、超級終端多設備連接的特性，支持人形機器人更加智能和高效率地工作。相關機器人已進入新能源汽車工廠進行驗證性應用，也在科研、交通勸導、展廳導覽、家庭服務等場景中獲得應用。

（二）基于自主可控工業互聯網的工業檢測與感知

數據采集與監視控制（SCADA）系統是智能制造工業檢測和感知的核心工具，在工業互聯網的支持下開展實時數據采集和環境感知，精準監控產品質量和設備狀態，參與產品的全生命周期管理，提高供應鏈的可追溯性。自動化立體倉庫是SCADA系統的典型應用，引入大數據分析、智能調度算法，提升存儲效率、物料管理精準度，推動生產和物流的高度集成與優化。鑒于立體倉庫環境與工況的復雜性，穿梭車需要精準、快速地到達指定位置并完成操作，但傳統的視覺方法在工況頻繁變化的環境下無法實現精準定位、實時健康狀態檢測，需要集成多個協同作業傳感設備才能支撐運轉。應用自主可控工業互聯網技術，獲取立體倉庫控制系統的設定、運行狀態等工業數據，經由信號處理與自適應深度學習相結合的方法分析感知數據，實現立體倉庫狀態的全面監測。機器人視覺感知與控制技術國家工程研究中心團隊開展了基于自主可控工業互聯網技術的工業檢測和感知研究，取得了一系列成果。例如，采用多源信號融合與特征提取方法，解決了多傳感器融合感知分析難題，構建復雜立體倉庫系統的狀態感知與健康監測能力。

 電機作為立體倉庫堆垛機、穿梭車的重要組成部分，多因絕緣老化、長時間超負荷運行等出現故障，需要開展電機設備的實時健康管理，提高立體倉庫運行的可靠性和安全性。應用自主可控工業互聯網技術、多傳感器信號融合的健康監測框架（見圖4），構建智能立體倉庫，采集并傳輸電機運行的多源信號，在邊緣端進行數據處理與計算。本研究團隊提出了修正點陣圖的信號轉圖像新方法，將立體倉庫電機的多源振動信號轉換為可視化圖像，充分利用多源信號開展電機健康管理；設計多尺度卷積神經網絡，判斷電機健康狀況，實現電機狀態感知。

圖4　多傳感器信號融合健康監測框架

（三）面向智能制造的網絡化多機協同控制

從制造工藝角度看，工業現場作業可分為非接觸式作業（如噴涂、焊接）和接觸式作業（如打磨、裝配）。多機協同加工制造整合多種自動化設備（如AGV、機械臂），聯合完成復雜制造任務（見圖5），較單機作業具有更高的靈活性和綜合效率；將復雜作業任務分解為多個步驟、開展并行處理，多臺機器能分別執行不同任務，顯著縮短生產周期。多機協同加工制造可提升生產線的柔性、降低單一設備的負載，使系統在個性化定制或小批量生產時表現更佳，但也面臨通信時延與丟包、設備對惡劣環境的適應性、協同作業過程的柔順性及安全性等方面的難題。

圖5　典型多機協同加工制造場景

在多機協同控制系統中，AGV、機械臂是常見的設備。AGV多通過輪式驅動進行移動。相應運動學模型包含位置、行進方向、速度等信息，用于描述AGV在平面上的移動方式，為協同作業時的軌跡規劃提供基礎數據。機械臂的動力學模型由牛頓 ? 歐拉方程或拉格朗日方程描述，用于表征關節之間的相互作用力、外部作用力對機械臂運動的影響；精確控制機械臂的加速度和力，可確保多機協作時各設備動作的協調及穩定。

 多機協同控制策略分為集中式、分布式控制。集中式控制由中央控制器收集所有設備的狀態信息，再作出統一決策；雖然能夠支持全局協調和優化，但中心節點決策需要的網絡帶寬、計算資源與問題變量規模呈指數上升關系，在設備規模較大時易出現通信和計算瓶頸。分布式控制中的每個設備根據自身狀態、鄰近設備狀態獨立作出決策，減少與中心節點通信，具有良好的系統擴展性和魯棒性。然而，分布式控制涉及網絡節點之間的點對點通信，對工業互聯網平臺提出更高的安全與自主可控需求。

在多機協同加工制造中，基于自主可控工業互聯網的分布式控制（見圖6）相較于集中式控制具有優勢。分布式控制可減少全局通信需求，降低網絡帶寬占用，利于大規模、多設備系統部署；具有更強抗故障能力，即使部分設備發生故障，其他設備仍能基于局部信息繼續執行任務，確保系統工作的連續性；具有更好的擴展性，在系統中設備數量增加后，僅需進行局部控制更新，無需重新配置整個系統。整體上，分布式控制適用于大型制造系統，靈活應對多變的生產需求，確保系統高效穩定運行。

圖6　邊端網絡場景下的多機協同控制方法

注：MFAC表示無模型自適應控制。

（四）面向智能制造的多機協同調度規劃

多機調度規劃是多機協同加工制造的關鍵技術，現有方法通常忽視對任務自身復雜內在結構的深入挖掘，未能準確刻畫真實環境中資源受限、存在多個耦合優化指標的復雜情況。這就導致單機性能與任務負荷的適配性不足，難以提高多機協同的整體性能。多機調度規劃需聯合開展任務分配與路徑設計，以確保資源共享情況下任務分配的合理性，進而有效規避協同時的死鎖、碰撞等問題，最大化資源利用并提升協作效率（見圖7）。

圖7　面向智能制造的多機協同調度規劃機制

多機路徑規劃以任務分配為基礎，任務分配受路徑規劃結果的直接影響，因而聯合優化的目標是為所有機器人合理分配任務，規劃出無沖突且高效的路徑。任務分配和路徑規劃問題常轉化為多商品網絡流問題。先設置決策變量和相應的約束條件，后引入任務分配和路徑規劃：前者通過任務量、任務 ? 機器人分配約束、任務開始／完成約束來實現，后者通過任務量、任務 ? 邊約束、流量 ? 邊約束、節點死鎖避免約束、相向沖突避免約束來實現。然后，設計和優化目標函數，使用分支定界方法求解整個聯合優化模型。最終，計算出最小化任務的最大完工時間、在給定時間內的最大化任務完成量，獲得復雜多機調度問題的可用解。有研究表明，結合分支定界法的聯合優化算法使最優解中出現路徑沖突的概率下降至僅約3%。

五、面向智能制造的自主可控工業互聯網發展研判

（一）面向智能制造的自主可控工業互聯網發展挑戰

當前，我國工業互聯網產業自主可控能力不強，如關鍵信息基礎設施對外依存度偏高、國產化率較低。與發達國家相比，我國工業互聯網在核心技術、產業規模、推廣應用等方面尚存差距，導致高端關鍵基礎裝備、控制系統、軟件及平臺市場仍被進口產品主導。例如，日本、歐洲企業主導了伺服電機、減速器、控制系統等機器人核心產品供應，國內企業在高端機器人領域仍存在不小的技術差距。此外，我國工業門類齊全，面臨著多樣化的工業場景需求，不同的行業和企業對工業互聯網技術的具體應用要求存在差異，如工業自動化側重低延遲（而非高帶寬），視頻監控及檢測則關注高帶寬（而非低延遲），導致工業互聯網通用技術標準建立難度較大。

工業互聯網賦能的智能制造技術是推動制造業轉型升級的重要動力。然而，面向智能制造的自主可控工業互聯網技術面臨多重挑戰，突出表現在高端芯片制造、高端工業軟件國產化、工業互聯網自有標準體系等方面。① 高端芯片是工業互聯網的核心部件，制造過程復雜且成本高。國內企業在高端芯片制造領域與國際先進水平差距明顯，特別是集成設備制造商模式投資量大、技術門檻高，對設備、工藝、材料要求苛刻；在高端芯片的設計、制造、封裝測試全鏈條上仍待突破眾多關鍵技術，以擺脫對外依賴、實現自主可控。② 高端工業軟件如數字孿生軟件、電子設計自動化（EDA）軟件等，是支持智能制造數字化轉型的關鍵基礎。國內企業的研發工作起步較晚，整體技術水平仍處于追趕狀態。數字孿生軟件需要具有大量復雜數據處理、高性能渲染等能力，國產技術研發和平臺設計仍有不足。EDA軟件是芯片設計的核心工具，國產化過程中缺乏模型庫、數據庫等基礎資源以及軟件集成、數據交換等標準。③ 工業互聯網標準的國際競爭格局失衡，我國工業互聯網生態受制于技術壁壘較高、規則主導權旁落而顯自主性不強。美國、德國、日本的技術組織主導著國際工業互聯網協議與標準發展，推行提出的技術路徑，通過專利池、認證機制構建排他性生態，使后發國家陷入“技術適配性鎖定”困境。國內企業若遵循既有國際標準接入全球供應鏈，既需向國外技術組織支付知識產權費用，也面臨關鍵數據跨境流動的監管風險。

（二）面向智能制造的自主可控工業互聯網技術發展方向

后續，可采取部署專項發展規劃、加大科技研發投入、引導社會資本參與、推動“產學研用”協同創新等方式，加快突破關鍵技術瓶頸，構建自主可控的工業互聯網技術生態體系，保障工業互聯網軟硬件、高端工業軟件的自主研發和產業化發展需求。在這一發展過程中，應充分依托國內技術優勢與前沿進展，如5G、自主可控工業軟件、工業互聯網“云邊端”協同、搭載國產分布式操作系統的機器人、自主可控的多機協同制造技術，同時加快構建自主可控的標準體系，驅動工業互聯網與智能制造融合發展。

發揮5G的深度賦能作用。5G是廣泛部署的新一代信息通信技術，速度高、時延低、連接廣，支持深刻改變智能制造的生產方式和管理模式。在5G規模化建設的基礎上，智能制造企業可以利用5G網絡優勢，推進生產現場的全面數字化和智能化。在工業互聯網中，5G支持大規模設備接入、實時數據傳輸，促成遠程監控、預測性維護、智能調度等新型應用。5G與AI、大數據等技術的融合運用，進一步推動工業互聯網與智能制造向更高級別發展。

工業軟件是智能制造的“大腦”“中樞神經”。在中高端工業軟件方向，國內企業正在擺脫對國外市場和技術的依賴，著力推進自主可控工業軟件的研發和應用。自主研發的工業軟件顧及行業和企業的個性化需求，涵蓋設計、仿真、制造、管理等產品全生命周期的主要環節，兼有良好的靈活性、可定制性。以此為基礎，智能制造企業將拓展應用本領域核心技術，全面提升自主創新能力。

工業互聯網“云邊端”協同是智能制造主攻發展方向之一。緊密結合云計算、邊緣計算、終端設備，開展數據的實時處理和分析，提升智能制造的響應速度與管理決策能力。依托技術進步迅速的國產大模型，強化數據建模與智能算法能力，重點突破基于時間序列分析的預測性維護、基于強化學習的動態調度等關鍵技術，實現面向智能制造的自主可控工業互聯網智能化控制與決策。

 機器人制造是智能制造生產的重要環節。搭載國產分布式操作系統的機器人，具有數據處理和交互能力，可與智能設備連接并協同工作，適用于智能制造相關的自動化生產線、智能倉儲、智能物流等場景，顯著提升生產效率和靈活性；其模塊化設計架構兼具橫向擴展與垂直定制能力，可快速響應柔性生產需求，適應產品定制化開發及制造，為智能制造提供全場景協同解決方案。

 發展自主可控的多機協同制造技術，精準應對復雜多變的生產環境和市場需求，構建智能化、柔性化、個性化生產模式，支持智能制造的高效協同生產。單個機器人集成傳感器、控制器、執行器與通信設備，參與多個機器人的精準配合與高效協作。拓展集群機器人協同制造模式，提升超大型部件（如飛機機身、高鐵車身、船舶螺旋槳等）的制造效率和產品質量。

構建自主可控工業互聯網標準體系，重點在設備互聯協議、數據安全治理、系統互操作性等方面建立差異化的標準，加快從“標準遵循者”向“規則共塑者”轉變。依托5G領域的技術先發優勢，推動我國主導的工業物聯網通信標準成為國際標準。在國家數據安全立法框架下，設計包括數據分級分類、跨境流動審計在內的本土化標準，提高智能制造領域的數據治理能力。將國內企業在智能工廠、工業云平臺的最佳實踐提煉為行業標準，與國家標準、國際標準協調，面向全球市場開展案例推介。

六、結語

智能制造是增強我國制造業在全球競爭格局中比較優勢的關鍵舉措，自主可控工業互聯網技術能夠兼顧技術自主研發、供應鏈安全的現實發展需要。本文圍繞面向智能制造的自主可控工業互聯網，梳理了工業互聯網、智能制造協同發展的過程與現狀，分析了技術體系構成及主要技術要素，總結了我國在此領域內的示范應用情況，進一步識別了發展挑戰并闡明了技術發展方向。自主可控工業互聯網技術與智能制造緊密融合并協同發展，將為我國制造業穩健升級、高質量發展開辟新途徑。

著眼未來全球科技競爭加劇的發展背景，需發揮自主可控工業軟件、“云邊端”協同決策與控制、自主可控機器人、多機協同制造等方面的技術驅動力，加快我國工業互聯網與智能制造的技術突破及融合應用。自主可控工業互聯網技術也將重構智能制造體系，支撐工業設備的大規模互聯與實時管理決策，再與AI、大數據結合以形成智能生產的充分閉環。國產工業軟件、工業互聯網平臺將覆蓋制造全生命周期的主要環節，推動制造業自主創新能力的質變。后續，我國智能制造領域將形成更加高效、智能、可持續的發展模式，為全球智能制造產業的發展貢獻中國智慧和中國方案。