押注“工业4.0”让中国输掉“第四次工业革命”？

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“伪第四次工业革命”，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。

本文观点及逻辑

1. “工业4.0”没有提出足以开创一个时代的理论或技术远景，与前三次技术革命没有可比性，因此算不上“第四次工业革命”
2. 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”
3. 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；
4. 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。
5. 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。
6. 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。

正文

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。

工业4.0不等于第四次工业革命

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。

虽然其中有一些概念和应用还不错，但是绝对够不上“革命”的力度。

第四次工业革命应该是人工智能大范围的应用

“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革命。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；如果让爱迪生穿越到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革命和产业革命，可见真正意义的第四次工业革命尚未开始。” —-《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革命和科技革命缺乏远见。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》

第四次工业革命真正的主角可能是“生成式设计”

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。

说到“生成式设计(Generative Design)”就不得不提“拓扑优化设计（Topology Design）”

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。

第四次工业革命将会让“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。

拓扑优化设计不是生成式设计

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。

生成式AI将引领第四次工业革命

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，难点在于如何筛选，所以说到底还是仿真。比如下面这个案例，设计师让AI自动生成大量的汽车图片，然后把平面图转换成点云再转成矢量图，再运行仿真，得出结果，筛选出更多的可能性。

AIGC+CAE（有限元仿真）即将在工业和制造业领域引发设计革命，其深刻性和影响力将远大于“工业4.0”。这就是第四次工业革命给产品设计带来的新方法。

押宝“工业4.0”让我们错失了很多机会

全国锣鼓喧天搞“工业4.0”的那几年也正是生成式设计开始普及的时候。回到文章开头的空客的案例，当时国内的专业媒体对此几乎没有报道，有限的几篇文章还都是关注支撑杆是用3D技术制造的。因为3D打印被描述为工业4.0时代的关键技术，所以小编才会关注一下。

彼时，西门子在推出了Create/Run myVirtualMachine模块，并集成在最新的SINUMERIC ONE平台，从此数字孪生的基因便深植于西门子的软件产品。这个功能在机电一体化产品的设计领域也是革命性的，因为它使“半实物仿真”不再需要机械构件，硬件只需要控制器，就可以驱动数模的运动。看似运动仿真和组态软件也能实现类似的功能，但是本质上是完全不一样的。

下面的视频是最早的数字孪生产品MCD（Mechatronic Concept Design），数模的控制程序来自硬件PLC或者仿真PLC（SIMIT组件），数模在运动过程中也会出发传感器，仿真的输入信号同样通过PLCSim传给控制器硬件，触发PLC硬件里的程序继续运行。在这个仿真的环境下，物理特性也被模拟出来，从视频里可以看到工件滚落并弹起的动作。这些模拟真实场景的动作有可能导致转台夹住，让技术人员提前预判故障。

我第一次接触MCD是在2009年在亚琛读研究生时听过的一个报告，当时这个产品应该是刚刚完成，还在完善中。仅仅是5年以后，数字孪生就成为西门子继TIA全集成自动化后最重要的概念在自动化和数控系统市场里被大书特书。

可惜，被“工业4.0”蒙了双眼的我们只看到了西门子的CPS和IoT，去西门子Bemberg工业4.0示范工厂参观的中国企业络绎不绝，但是并没有深究“数字孪生”的重要意义。

在我看来，“生成式设计”将为机械零件的制造（和工厂布局设计）带来革命，“数字孪生”将为自动化设备（和生产系统）的开发带来革命。

美苏高科技争霸已经重演

一项技术如果无法得到大规模的商业应用，那么这时苏联的计划经济模式比美国更适合集中力量办大事。一旦该领域显现出商业价值，那么市场的力量就会碾压式计划模式。所谓的集中力量办大事其实就是政府扮演风投角色，而风险投资一定有失手的时候。

现在回头看，工业4.0/智能制造就是押错了，很多企业为了拿国家智能制造补贴，把精兵强将都拉出来搞自动化，数字化，企业云什么的。却忽略了最关键的设计和工艺，工业4.0方兴未艾的10年也许同样意味着设计和工艺荒废了10年。

结语

有限元仿真早已不是什么新技术，但是欧美制造企业把仿真玩出了新花样，在此基础上相继搞出了拓扑设计和生成式设计。第四次工业革命一定是AI在工业领域的广泛应用，就像现在科技巨头们搞的大语言模型大战，未来制造业企业的核心竞争力也是数字模型，名字我也想好了，就叫“基于有限元仿真和遗传算法的生成式数值计算人工智能大模型”。