概括
近年來，我國圍繞智能制造技術及其應用開展了大量的研究工作。 面對智能制造不斷涌現的新技術、新概念、新模式，為了更好地推動后續智能制造技術相關研究的有序發展，我們聚焦智能制造。 通過技術體系建設和技術態勢掃描、技術清單制定、問卷調查，分別培育制造智能產品、離散制造、流程制造、新模式新業態、工業物聯網、智能制造云六個方向以及專家討論。 等方法和流程，從目標層、實施層、保障層三個層面繪制2035年智能制造技術路線圖，并指出智能制造當前需要集中攻克的關鍵技術清單，以為智能制造技術的未來發展提供指導。 為政策制定、價值評估、競爭力評估、戰略管理和科學研究提供參考。
前言
技術路線圖作為一種探索組織目標、技術資源和變化環境之間動態關系的技術管理方法，以其獨特的框架和組織形式，通過思想的交流和融合機制反映了未來技術的發展趨勢。 20世紀70年代末，技術路線圖首次用于產品技術規劃。 在相關行業技術路線圖制定和實踐的帶動下，技術路線圖在企業和行業層面得到廣泛應用，并逐步拓展為國家科技戰略。 規劃層面。 在復雜多變的技術競爭環境下，許多國家利用技術路線圖來規劃技術的發展路徑。 例如，韓國提出了技術發展理念所需的戰略產品和關鍵技術，日本則編制了多個關鍵領域的戰略技術。 路線地圖。 我國科研機構開展了一系列技術路線研究。 代表性的有科技部2007年開展的國家技術路線圖研究、中國科學院開展的到2050年重要領域科技發展路線圖戰略研究、中國工程科學研究等中國工程院和國家自然科學基金委員會聯合開展的《科技2035發展戰略》。
當前，新一代信息技術與先進制造技術深度融合形成的新一代智能制造技術，特別是新一代人工智能技術與先進制造技術，已成為第四次工業革命的核心。 技術和核心驅動力。 智能制造正在引領和推動第四次工業革命，引發制造業發展理念和制造模式重大深刻變革，重塑制造技術體系、生產模式、發展要素和價值鏈，提升我國制造業競爭力新優勢推動全球制造業發展進入新階段，實現社會生產力全面躍升。 近年來，我國圍繞智能制造相關理論和應用技術開展了大量研究工作。 面對智能制造不斷涌現的新技術、新概念、新模式，為了未來有序開展智能制造技術研究，迫切需要開展研究型研究。 2035年智能制造發展趨勢及需要集中攻克的關鍵技術，并編制技術發展路線圖。
1.智能制造技術路線圖的研究方法和流程
在“制造強國戰略研究”中，中國工程院研究團隊持續推進智能制造理論體系建設，提出我國智能制造發展戰略，推出“智能制造技術” 2019年的《2035前瞻與路線圖》研究工作。根據本研究團隊前期的研究成果，智能制造系統由智能產品、智能生產、智能服務三大功能系統和兩大支撐系統集成而成工業智能網絡和智能制造云。 其中，智能產品是主體，智能生產是主體。 是主線，以智能服務為核心的產業模式轉型是主題，智能制造云和工業智能網聯是支撐，如圖1所示。因此，智能制造技術前瞻和技術路線圖研究也重點關注在這些方面，但并不完全相同。 根據專家研究領域分布，路線圖工作分為智能產品、離散制造、流程制造、新模式新業態、工業智能網聯、智能制造云六個子方向。
圖1·智能制造系統集成
在智能制造技術路線圖研究和編制過程中，研究團隊將通用方法與具體實踐經驗相結合，采用“定性+定量”的路線圖研究繪制方法，以專家為核心，流程為規范，數據為支撐。作為支持。 以互動為手段，提高路線圖的前瞻性、科學性和規范性。 路線圖研究工作由李培根、譚建榮、柴天佑、陸秉衡、李伯虎等十余位院士牽頭，組織了來自美國、德國、日本等國家的1600余名專家、學者和工程師。日本，開展國內外最新技術動態和趨勢分析，以及智能制造相關技術發展預測和路線圖研究工作。 智能制造六大方向研究人員依托工程科技戰略咨詢智能決策系統平臺（iSS，網址：），分技術體系及形勢分析、技術盤點、問卷調查、專家討論四步開展項目，以及技術路線圖繪制。 研究工作如圖2所示。
圖2 智能制造技術路線圖繪制流程
在智能制造技術路線圖的繪制過程中，數據分析結果與專家討論進行多輪交互。 一方面利用數據支撐專家對問題的判斷，另一方面指導專家按照標準化流程開展智能制造技術路線圖繪制工作。 。 同時，根據專家意見對數據分析結果進行了修正。
1.1第一步：技術體系和技術形勢分析
（1）技術體系構建：首先構建6個方向的多層次技術結構，形成各個方向的技術體系，用于描述智能制造各領域技術之間的關系，梳理技術脈絡，并劃分研究邊界。 技術系統作為體現專家知識和共識的可視化形式，可以指導客觀數據的技術態勢掃描。
圖3是工業互聯網技術體系示例，其中工業互聯網為第一級技術，網絡智能技術、網絡連接技術、網絡安全技術、網絡識別分析技術等為第二級技術，新一代光通信和網絡安全認證與加密技術、身份編碼技術、工業網絡智能管理系統等為第三級技術。
圖3·工業互聯網技術體系示例
(2)工藝態勢掃描：根據工藝系統中的各項技術內容，確定搜索關鍵詞，如表1所示，這是為流程智能制造工廠確定的關鍵詞列表。 第一層對應技術體系的二級技術，第二層對應技術體系的三級技術，第三層是檢索論文、專利等數據的關鍵詞。確定關鍵詞，各方向通過數據庫獲取論文、專利、研究報告等智能制造領域客觀數據，從世界、國家、研究者、研究主題等多個維度對智能制造領域進行分析。
表1.流程制造智能工廠搜索關鍵詞
在構建技術體系和掃描技術態勢的整個過程中，專家確定技術體系，研究人員根據技術體系確定檢索關鍵詞（或數據檢索公式）并獲取數據； 利用iSS平臺對數據進行分析后，專家們提出關鍵分析結果，并與專家進行多輪互動，對數據分析結果進行修改迭代，最終完成了對智能制造技術態勢六個方向的掃描。 圖4是智能制造技術現狀分析示例。
圖4 智能制造技術現狀分析示例
智能制造技術態勢掃描的結果可以支持專家從定量的角度厘清智能制造領域過去和現在的宏觀發展趨勢。 客觀數據的引入有助于減少分析智能制造技術發展方向時的偏差，幫助專家對研究背景形成更加一致的認識。 同時，以迭代、交互的方式將專家意見融入到數據分析過程中，可以提高智能制造技術態勢掃描的準確性。
1.2 第 2 步：技術清單
基于智能制造技術態勢掃描結果，六個方向利用聚類分析、自然語言處理等方法探索智能制造領域的核心研究課題。 經過人工整理，總結出多項關鍵技術，形成初步技術清單。 然后對各個國家和地區開展的智能制造領域面向未來的關鍵技術項進行檢索和篩選，對初始技術清單進行補充，得到候選技術清單。 最后，召開了三輪專家研討會。 在第一輪研討會上，專家們補充了候選技術清單，并補充了分析中遺漏的技術項目； 第二輪研討會刪除了內容不當或粒度過小的技術條目。 、合并內容相似的技術項目； 在第三輪研討會上，專家們對清單中技術條目的粒度進行了調整，使清單中所有技術條目的粒度基本一致，并編寫了每個技術條目的范圍和內涵，最終形成了6個關鍵清單。 2035年智能制造各個方向的技術。表2是智能制造關鍵技術列表的示例。 第一欄是技術編號，第二欄是選定的關鍵技術，第三欄是技術范圍和內涵，主要描述技術的主要內容和邊界，以及實現的主要功能。 以及應用場景等。
表2 智能制造關鍵技術清單示例
1.3 第三步：問卷調查和專家討論
根據篩選出的智能制造領域關鍵技術清單，向全球智能制造領域高校、科研院所、企業專家廣泛發放問卷或組織研討會，重點關注其重要性、核心性、驅動性、顛覆性、技術的成熟度。 從程度、領先國家、技術實施時間等方面征求專家意見，并對專家意見進行匯總分析，梳理確定技術發展的重要里程碑和時間點。
通過兩輪問卷調查和專家討論的結果，根據專家對技術領域的熟悉程度和得票數計算出單因素指標得分。 表3為本次調查指標計算示例。 按照得分排序，提出了6個方向的領域關鍵技術，形成了86項的關鍵技術庫。 圍繞關鍵技術庫，6個課題組專家進行兩輪集體討論，重新篩選合并關鍵技術清單，最終形成2035年27項智能制造技術預測清單。
表3·智能制造技術路線圖問卷指標計算示例
1.4 第四步：技術路線圖繪制
智能制造技術路線圖主要包括目標層、實施層和保障層。目標層由基于智能制造的6個方向的專家組成
討論制定制造業發展愿景、未來經濟社會需求、領域戰略目標和任務等。 實施層主要根據專家意見收集選定的關鍵技術清單和重要時間節點繪制。 保障層由專家根據政策、人才、資金支持等方面的需求進行討論。
在繪制路線圖初稿的基礎上，六方向院士牽頭對路線圖中目標層、實施層、保障層的項目進行了整理和調整，如增刪、調整時間、等，以專家意見為核心。 經過多輪專家討論，專家意見基本收斂，達成共識后，確定了最終的技術路線圖。 圖 5 顯示了該路線圖的基本框架。 該路線圖有四個基本要素： 基于時間序列； 分層呈現； 清晰的里程碑節點； 以及各層之間的連接。
圖5·智能制造技術路線圖基本框架示意圖
2.智能制造技術一覽
如1.2和1.3節所述，通過技術態勢掃描、人工梳理、問卷調查和三輪專家討論，
部分，最終形成2035年智能制造6個方向的關鍵技術清單，如表4所示。
表4 2035年智能制造技術清單（2020版）
2.1 產品設計和工藝知識庫
產品設計和技術的知識庫涉及產品生命周期的各個方面，包括材料、結構、設計、制造、服務（銷售、維護）和報廢的數據和知識。 主要內容和核心子技術包括知識獲取技術、知識管理技術、知識應用技術等。產品設計和技術的知識庫可以實現產品的全數字化設計，以及結構、性能和功能的仿真和仿真優化。在虛擬數字環境中并行和協作。
2.2 數據采集、處理與分析技術
數據采集??、處理和分析技術是在多接入終端、多種網絡類型的場景下實時、高效采集用戶數據的技術。 主要解決異構通信協議數據源的集成與接入、實時數據接口的統一、多源異構數據的融合、實時數據的海量存儲、數據讀寫操作的實時性和高效性歷史數據的查詢、數據質量評估和清洗、實時計算和分析處理、實時數據組織和訪問權限管理等問題。
2.3 分布式智能控制技術
分布式智能控制技術是人工智能與分布式計算相結合的技術。 主要應用于大范圍區域、多異構平臺協同作業、多臺智能機（高可靠智能機）協同工作的場景。 研究不同Agent之間的行為協調和工作任務協作，每個Agent都有自己的目標和愿望。 通過分布式人工智能，將復雜系統的多目標求解問題逐層分解為復雜度相對較低的子問題，然后由不同的智能體通過通信、協作和獨立決策來完成。 這可以克服單個智能機資源和能力不足以及功能單一等限制。 要重點突破云計算環境下集群機的分布式控制架構。 在此基礎上，研究邊緣控制器的實時資源調度與控制集成方法、面向任務的語義編程與自動生成機制、面向快速高精度協作的多智能機系統觀測模型以及多智能機器的任務分配、協作機制和分布式控制。
2.4 人機融合機器人
人機融合機器人是將生命系統的優點與機電系統的優點相結合的智能機器人。 通過研究生命系統與機電系統的深度集成技術和方法，生物機電系統集成的調節機制及相關性能優化模型，基于生命系統與機電系統集成的感知、驅動和供能的新型智能生物功能。機電系統形成。 裝置單元，并通過系統集成，可實現新一代人機融合機器人并存、并存。 微機電系統、微納加工技術、生命科學等多個學科的發展正在推動仿生機器人領域的研究。
2.5 智能傳感器技術
智能傳感器技術的發展方向包括多源傳感器融合技術和仿生傳感器技術。 多源傳感器融合技術是指利用不同時間和空間的多傳感器信息資源，在一定準則下自動分析、綜合、控制和利用時間序列中獲得的觀測信息，以獲得對被測對象的一致解釋和解釋。 描述完成所需的決策和任務，使系統實現優于其組成部分的性能。 其主要研究內容包括數據關聯、多傳感器ID/軌跡估計、采集管理等。仿生傳感器是由固定化細胞、酶或其他生物活性物質與換能器結合而成的新型傳感器。 它們是生物醫學和電子學的重要組成部分。 、工程相互滲透而發展起來的一種新型傳感技術。
2.6 企業智能決策系統
企業智能決策系統包括企業戰略智能決策系統、產品圖智能決策系統、供應鏈管理智能決策系統和流程選擇智能決策系統，實現企業目標的綜合優化決策、計劃調度、作業指標、生產指令和控制指令。 。 企業戰略智能決策系統對企業的競爭優勢、技術創新體系、創新績效、環境不確定性以及行業和技術發展趨勢進行分析和決策。 產品圖譜智能決策系統對產品生命周期和競爭優勢進行全流程、多因素分析，進行產品族、發展圖譜和實施路徑規劃，實現產品價值最大化。 供應鏈管理智能決策系統對供應鏈各要素進行分析，實現高效、零庫存的智能供應鏈管理。 工藝選擇智能決策系統進行產品設計和工藝流程智能規劃，對產品制造模式進行戰略選擇。
2.7 智能數控加工技術與裝備
智能數控加工技術包括人、計算機、機器一體化的理論和技術； 多源信息感知理論與技術； 熱變形溯源、溫度場理論、傳感器布局與補償技術； 幾何誤差建模與補償技術； 振動構造模具及壓制技術工具加工模型及加工狀態感知技術； 在機質量檢測方法技術； 基于數控系統的工件加工進度提取技術； 故障在線識別理論與技術； 加工過程能流模型及能效檢測技術； 智能決策理論與技術； 智能執行理論與技術； 智能維護理論與技術； 智能數控加工設備，如智能數控加工中心、智能機床等，基于數字控制技術增強加工狀態感知，通過網絡技術實現設備之間的互聯，并應用大數據和人工智能技術。 具有自感知、自分析、自適應、自維護、學習等能力，可實現加工優化、實時補償、智能測量、遠程監控、診斷等功能。
2.8 增材制造技術與裝備
增材制造技術及裝備包括金屬增材制造技術及裝備、功能梯度材料和結構增材制造技術及裝備、
生物增材制造技術與裝備等方向，以及增材、減材等材料集成智能混合制造技術等工藝方向。 金屬增材制造技術和裝備通過對能量束發生裝置和多能場進行建模和仿真，實現多能場耦合對零部件制備性能的影響，防止變形和裂紋，以及零部件制造過程中的精確形狀控制。 、可控，同時可以實現含有非晶合金、高熵合金等特殊性能材料的大型復雜構件的形狀控制制造。 功能梯度材料和結構增材制造技術及裝備可進行金屬、非金屬、復合材料、陶瓷等混合材料的3D打印，實現多品類增材制造工藝的結合、增材制造與其他制造的結合工藝，并可以在構件的不同部位采用不同的材料，以及不同材料的逐步過渡，實現材料性能優勢的互補或獨特組合，使構件具有非常規的優異性能。 生物增材制造技術和裝備可實現無源器件與生物活性組織器官的匹配設計； 通過多尺度、多材料、多細胞、多組織流體通道的智能控制機器人生產設備清單，實現無源器件與生物活性組織器官的匹配。 精準打印器官； 結合微納生物傳感和神經元再生，實現與宿主組織和神經系統的整合。
2.9 離散智能工廠
離散智能工廠可以根據產品性能需求在產品設計和制造上進行智能選擇，實現個性化定制和柔性制造混流生產。 通過設計仿真軟件實現產品的仿生、創意、拓撲優化設計。 智能制造裝備可對制造過程進行全流程仿真和工藝參數決策，實現制造模式選擇和多品類、多模式混合加工制造，實現產品性能和制造效率的全面提升。 基于全流程信息的協同優化技術，實現研發設計、工藝與設備、物流、質量、倉儲、銷售等整個工廠流程的實時控制和協同優化。 離散智能工廠聚焦3C產品小批量、多品種、快速迭代的生產需求； 航空、航天、船舶零部件超大型、復雜結構、輕量化、高品質的生產需求； 以及大型燃氣輪機和電力推進發動機的生產需求。 以及其他高性能發動機制造需求； 面向汽車產品多系統、多部件、個性化定制需求。
2.10 智能建模與仿真技術
智能建模與仿真是在一定標準下自動分析和綜合來自多個傳感器、多個尺度的信息和數據，整合異構數據和結構數據，結合機理模型和數據模型，實現多層次、多層次全過程的集成建模。規模化、多領域耦合，通過統一接口、軟件總線、數據共享或網絡技術，將不同領域的仿真模型軟件組裝成一個多功能的綜合仿真軟件系統。 在對大型復雜系統進行仿真時，通過使用協調的結構、標準和協議，利用網絡設備將分散在各地的仿真設備互連起來，可以形成綜合的仿真環境。
2.11 智能制造標準體系
智能制造標準的對象是信息技術與制造技術融合所需的標準。 標準體系研究包括標準體系架構研究、明確標準體系范圍和描述維度。 根據架構，拓展為標準體系結構，明確標準體系中標準的標準分類、層次結構和主要發展方向。 智能工廠標準體系建設包括基礎、安全、管理、檢測評價、可靠性等基礎共性標準，以及智能裝備、智能工廠、智能服務、工業軟件、大數據等關鍵技術標準，工業互聯網，比如制造工藝標準。 、數據標準、通信協議和標準、技術應用標準。
2.12 智能優化決策技術與系統
智能優化決策技術和系統是能夠從所有可行方案中快速選擇實現目標的最優方案的技術和系統。 - , , , for , for , , for , , game , graph and , , , etc. The - , multi- data , high- by depth , multi- index , and data-based . and rule to self- and self-.
2.13 Smart
The smart aims to , to the set ??of the - , and and of . It can and in a . When occur, it will self- and safe and ; the model and data model to an model to and data- . full- and free flow of data. Focus on the and needs of smart for such as steel, , , and non- .
2.14 twin
In a , twins map such as , , and to form . It "" the in the and to the by real-time data from the . With the help of space's to and data, we can to in the , make , and . In this , the and -real and work data , - and other means to of and new - for .
2.15 and
and a model of life-long and based on and , as well as and . based on data, data , , , and and other , and , and data , we on early weak or weak of basic . of fault , and of early weak fault , and multi- and , early weak and , in the of , , and , and .
2.16
can be into: ① of . Focus on the of and , focus on the of that , tools, lines and other , multi- , that the needs of small and -sized , and and , On- ; ② . on the , and low-cost needs of small and -sized and start-up , and that in , and the of and and ; ③ . on the needs of such as and , , , , chain , data and , etc., and the of , , and .
2.17 scale
scale and . the , the can more fully apply human , of the , of the - , and for the . , etc., to help solve - in .
2.18 and
is a of , , , and of and in . It is not only a and for the , and of using , but also a for the , and of . and that the use of by and the use of by in of . and APPs; its the depth and level of the of a 's and . that can be - : , the of , the of , tools and in the , and even the of APPs. is and .
2.19
An is a with such as self-, data , fault self- and self-, and self-. It has the to , , and and .
2.20 New of and data
The new of has a new and that such as large-scale , new , , and such as new and new . It has , , and more needs. such as and needs. The nodes of this can such as high- and , and of , and types of , etc., and can IP-based data in a and scale a area. Group data and by . For the new of and data , 5G and 6G will the focus of . On the basis of to the of , 5G will focus on key and for low-, high- and -type . a new of speed, large and low , and new such as and light ; the is to with big data, and other ; the third is to It is to the and key with non- such as . There are many for data , a trend.
2.21 Edge
Edge is a stage of edge . the of edge and , each edge node has the to deep and -, and is with . Edge is an open set up close to the of or data. It , high- , large- data and core to the end and . And it can meet the of real-time, and . The can also make full use of the field data and on the edge side, and with the large-scale and of the cloud to data , and real , and - in . Using the of and edge to edge for data , , and real-time based on is a key for . It on for edge and edge , two major . One is new at the , , and to edge and edge ; the other is the level that . New .
2.22 and
and is an for the . to the that can query the or of the based on the code; the main paths are, first, that can from the name , and , that needs to rely on the of the name . Label to the means for , , , and to .
2.23
is an in the , that from being with, , , and , sent to be , and or third to and the of . , and that so that the true of the . By the data, we can judge the of the , the of the and , do work in , and the by . to the and , and of are out, using as , by and , forms, and the 's in the self- . level.
2.24 -based
The key of -based is the of and . (NLP) , , and , and is a field that on the and human () . the of high- , of , , and data- -loop , and using is , , and The of in .
2.25
human or human into to form a form of " ". This form is a and model for . can the human- human- , the and , and the human brain's to , store and . Deep the of deep and the model of , using to drive to , node types, , , as well as deep , and even other AI .
2.26 Human-Cyber- (HCPS)
智能制造系統是由人、信息系統和物理系統有機組成的智能系統，即人-信息-物理系統(HCPS)，其中物理系統是制造活動的執行者和完成者；信息系統是制造活動信息流的核心，幫助人類對物理系統進行感知、認知、分析決策與控制，使物理系統盡可能以最優的方式運行。人始終是HCPS 的主宰，人是物理系統和信息系統的創造者，也是物理系統和信息系統的使用者和管理者。HCPS 突出人在智能系統中的中心地位，更加強調智能系統中人的智慧與機器智能各自優勢的融合與協同。
2.27 工業電子商務
工業電子商務通過工業企業交易方式與經營模式的網絡化、協同化和智能化，推動企業在研發創新、生產管控、供應鏈管理、經營管控、財務管控和用戶服務等方面傳統能力的改造升級，幫助工業企業加快培育基于需求精準識別和定義、資源動態整合、產品或服務快速交付和全生命周期動態服務等方面的新型能力，形成個性化定制、服務化轉型、網絡化協同等新模式新業態。
三、智能制造技術發展路線圖
本研究中技術路線圖以時間為主軸，面向2035中長期，分階段、分層次的呈現出智能制造技術和產品、離散型智能工廠、流程型智能工廠、智能制造新模式、智能制造云、工業互聯網技術等六大技術領域的發展目標、需求趨勢、關鍵技術、重點任務、輔助支撐資源等五大方面的未來發展方向，以及主要升級路徑和關鍵時間節點(圖6～11)。具體而言，在發展目標方面，分析了對領域或跨領域重大工程愿景。在需求趨勢方面，梳理了面向經濟社會與產業發展的重大工程科技需求。在關鍵技術方面，指出了領域優先發展主題及跨領域的發展方向，識別出了領域所需的核心技術，發現了需要突破的技術群。在重點任務方面，明確了未來重大科技攻關項目、關鍵科學問題和基礎研究重要方向。在輔助支撐資源方面，提出了所需的政策、科研環境和保障條件，以及政策工具及管理措施。圖6 展示了面向2035 年的智能產品技術路線圖。其中，在需求方面，2035 年之前主要體現在以下方面。
(1) 國際信息領域競爭加劇對于高性能計算技術、網絡安全技術和傳感感知技術的需求。
(2) 國民經濟重點領域的復雜、高性能、高精密零部件生產對高效智能化加工技術與裝備的需求。
(3) 未來社會向智能制造和智慧生活轉型發展對于新一代智能機器人的需求。
(4) 構建主動控制型交通系統運載工具智能化，交通設施智慧化、管理服務協同化的需求。
(5) 醫療服務模式逐步向個性化和智能化轉變，對建設數字化、網絡化、智能化醫療服務信息化體系的需求。智能產品發展的總體目標分兩步。
(1) 到2025 年，新一代人工智能系統技術在典型產品中成功應用，產品的數字化、網絡化，智能化取得明顯進展，在智能網聯汽車、智能軌道交通、無人機、智能船舶、智能機電、智能醫療等典型智能產品，以及在制造領域的智能機床、智能機器人、智能成形裝備等產品的應用和制造取得重點突破，對智能產品發展的實現起到示范作用。
(2) 到2035 年，實現新一代人工智能技術與產品深度融合，攻克一批關于智能產品的基礎共性技術和關鍵前沿技術，掌握一批國際領先的關鍵核心技術，在智能機器人、智能機床、智能成形裝備、智能工程機械、無人機、智能網聯汽車、智能船舶、智能軌通交通和智能家電品等領域形成典型的優勢產品，在相關智能產品產業鏈形成全球競爭優勢，整體競爭力達到世界強國水平。
圖6·智能產品技術路線圖
智能產品重點領域的目標包括以下內容。(1) 到2025 年左右，攻克一批智能制造的基礎共性技術，若干技術取得原始創新突破，到2035年左右，智能產品與技術在重點行業，重點企業得到充分應用。
(2) 到2025 年左右，重點產業60％以上大型企業或專精特企業實施數字化智能化制造，70％上的裝備實現數字化智能化，到2035 年左右，關鍵部件和智能制造裝備90％實現自主化。
(3) 到2025 年左右，形成完備的軌道交通裝備關鍵技術及重大裝備體系，配套系統與裝備，關鍵零部件與基礎件制造能力顯著提高并普遍推廣，到2035 年左右，成為世界先進的機器人創新中心，成為世界最大的機器人應用市場，形成若干個具有國際影響力的智能機器人產業集群，誕生一批行業原創技術。
(4) 到2025 年左右，基本建成自主可控完整的智能網聯汽車產業鏈與智能交通體系，邁入汽車強國行列，到2035 年左右，汽車制造業升級建成智能制造體系，初步實現基于充分互聯協作的大規模定制生產，制造型服務商與服務型制造商融為一體，智能網聯汽車更加安全可靠、節能環保、舒服便捷。
(5) 到2025 年左右，主流船舶綠色化、智能化水平國際先進，完全掌握高技術船舶的自主設計建造能力，到2035 年左右，形成完善的船舶設計，總裝建造、設備供應、技術服務產業體系和標準規范體系。
(6) 到2025 年左右，在新型移動醫療、新型診斷治療，介入治療和可穿戴智能設備，數字醫學與人機接口技術和新型生物材料與納米生物技術等方面取得重大突破，初步建成完善的智能化、一體化健康醫療衛生服務體系；全面建立全國范圍醫學信息技術體系，圍繞健康醫療衛生信息網絡，形成世界先進的現代化健康產業系統。
(7) 到2025 年左右，智能制造裝備產業成為具有國際競爭力的先導產業，智能制造所需關鍵部件和制造裝備70％實現自主化，到2035 年左右，應用智能制造的企業勞動生產率大幅度提高，材料和能源消耗顯著減少，產品質量和一致性達到國際領先水平。智能產品重點任務包括面向產品設計和工藝的知識庫、數據采集與處理分析技術、分布式智能控制技術、人機共融機器人、智能傳感器技術、等方面，其發展路線圖如圖6 對應位置所示，每個重點任務對應著若干子任務。面向2035 年，發展智能產品的戰略支撐與保障包括以下內容。
(1) 整合創新體系資源、構建國家制造業智能化創新中心、推進產學研深入融合發展。
(2) 完善經費投入模式，發揮國家多部門政策實施的匹配性、統一性和連續性。
(3) 加強多層次人才隊伍建設，提高創新人才待遇，防止人才流失。圖7展示了面向2035年的離散型智能工廠技術路線圖。在需求方面，2035 年之前主要體現在以下方面。
(1) ICT 技術飛速發展，數字化技術、互聯網、物聯網技術、人工智能技術、大數據技術、虛擬現實技術迅猛發展。
(2) 國防、工業、民用等領域消費者對于產品的多樣化、個性化、高質量、高時效、低成本、服務型的需求。
(3) 3D 打印、激光加工、微納制造、生物制造、機器人、智能制造等新制造技術革命發展的需求。
(4) 制造型企業與社會轉型升級需求，綠色經濟、服務型經濟發展需求，新一輪技術革命促進產業轉型升級、產生新業態、新動能發展的需求。
(5) 新時期國際環境對企業競爭需求、國際國內雙循環新發展格局對制造業變革的需求。離散型智能工廠發展目標包括以下內容。
(1) 到2025 年左右，數字化網絡化制造在全國普及并得到深度應用，典型智能制造裝備、工業互聯網與大數據技術、智能工廠使能技術等智能制造關鍵技術取得突破并成功應用，到2032 年左右，新一代智能制造技術及智能工廠在制造業實現大規模推廣應用，實現中國制造業的轉型升級。
(2) 到2027 年左右，新一代智能制造在重點領域試點示范并取得顯著成效，打造10 個標志性智能工廠，并開始在部分企業推廣應用，到2035 年左右，離散型智能工廠助力制造業總體水平達到世界先進水平，部分領域處于世界領先水平。面向2035 年，離散型智能工廠發展的重點任務包括企業智能決策系統、智能數控加工技術與裝備、增材制造技術與裝備、智能建模與仿真技術、離散型智能工廠、智能制造標準體系等方面，圖7 中展示了對應的子任務及其路線圖。面向2035 年，離散型智能工廠發展的戰略支撐與保障包括以下內容。
(1) 結合中國制造業實際情況支持企業轉型發展，快速彌補工業2.0 和3.0 所缺失的內容，積極探索工業4.0 中智能制造的前沿技術，二者有機銜接，堅持“并行推進、融合發展”的技術路線。
圖7·離散型智能工廠技術路線圖
(2) 支持接續實施04 專項，智能制造裝備是智能工廠的基礎支撐，04 專項已取得重要成果，在國家重大任務、航空航天等重大領域實現了自主可控，正處于過坎爬坡階段，急需智能升級。
(3) 率先支持重點領域有基礎的典型企業建設示范性智能工廠，突破典型關鍵技術問題，力求可復制、可推廣，發揮廣泛的借鑒、輻射和帶動作用。
(4) 大力支持和引導創建一批智能制造專業技術服務企業，形成區域制造鏈、智能制造生態。
(5) 鼓勵支持重點工科高校設置與智能制造方向相關的本科專業，有計劃、有批次培養智能制造領域的專門技術與管理人才，積蓄未來智能制造領域的后備力量，同時，按照智能制造領域新知識和技能要求，對在職工程技術人員等進行有計劃地培訓和培養。
(6) 在智能工廠發展中，體現與“重大關鍵制造裝備，工業軟件，標準規范”的結合，突出上述三者的“中國制造”，警惕和防止未來中國智能制造成為發達國家高端裝備與工業軟件的傾銷地，防止出現高端裝備和核心技術“空心化”問題及中國制造被他人操控等問題。圖8展示了面向2035年的流程制造智能工廠技術路線圖。在需求方面，2035 年之前主要體現在以下方面。
圖8·流程制造智能工廠技術路線圖
(1) 以云計算、物聯網、大數據為代表的新一代信息技術與現代制造業、生產性服務業等深度融合，以推動產業轉型升級。
(2) 推動生產工藝智能優化和生產全流程整體智能優化為特征的制造模式。
(3) 實現企業全局及生產經營全過程的高效化與綠色化。流程制造智能工廠的目標包括以下內容。
(1) 國家目標：到2025 年，基本形成中國制造2025 軟件技術標準與生態體系，到2035 年，使我國由流程工業制造大國變為制造強國，制造業總體水平達到世界先進水平，部分領域處于世界領先水平。
(2) 行業目標：到2025 年左右，建立智能自主控制系統來實現智能感知生產條件變化，到2035年左右，建立制造全流程智能協同優化控制系統，搭建智能優化決策系統。重點產品(關鍵項目)路線圖包括：在“智能制造和機器人”重大專項中設立“流程工業智能優化制造”專題、推進流程工業智能制造試點示范、推進重大流程工業過程的智能升級、)數據與信息融合、推進形成流程工業智能化創新體系。關鍵共性技術包括智能優化決策技術與系統、數字孿生技術、流程智能工廠等方面。圖8 中展示了對應的子任務及其路線圖。流程制造智能工廠發展的戰略支撐與保障包括以下內容。
(1) 政策：建議政府相關部門組織由學術、研發與企業三方組成戰略研究組開展三方共同開展流程工業智能優化制造的戰略規劃與頂層設計；分層次分目標實施兩化深度融合推進，流程工業智能優化制造；突出流程工業智能制造的戰略地位，提升流程工業企業創新能力；加強基礎設施建設，強化企業創新主體地位，優化流程型智能工廠創新環境，將基礎與前沿研究、重點研發計劃、工信部兩化深度融合推進整體部署。
(2) 資金：重點支持流程制造中的重大裝備的智能感知與遠程運維技術資金的投入；加大對基于知識自動化的流程工業智能優化決策與協同控制一體化技術的資金投入；加大對全生命周期產品質量監控、追溯、診斷、預測與優化技術的資金投入；加強對基于CPS的智能能源綜合管理系統資金的支持。
(3) 人才：引進具備關鍵技術專業素質的人才、重點培養和造就面向工業創新需求的實戰型工程技術人才、培養具有扎實素養的應用型研發人才。圖9展示了面向2035年的制造業新業態新模式的技術預見及路線圖，到2035 年，需求來自于以下幾個方面。
(1) 制造業向協同化、定制化、平臺化與服務化發展的需求。
(2) 以數據為基礎，網絡化、智能化為支撐開展服務型制造的需求。
(3) 企業圍繞客戶的需求開展個性化定制、大規模生產。
(4) 整存存量資源、發揮專業優勢，優化資源配置，彈性匹配、動態共享，實現客戶增值的新模式新業態需求。
(5) 提升設備健康評估和故障預示能力，構建全產業鏈、全領域覆蓋的健康分析及故障預示平臺的需求。面向2035 年，制造業新業態新模式的具體目標包括以下兩個方面。
(1) 國家目標：到2025 年，形成專項工程引領、典型企業示范、企業積極探索的格局。到2030 年，制造業整體競爭力大幅提升，在全球產業分工和價值鏈中地位明顯提升，新模式新業態不斷發展壯大。到2035 年，產業基礎高級化，產業鏈現代化，制造業整體競爭力達到世界制造強國陣營同類中上水平。
(2) 行業目標：企業積極探索新業態新模式，形成專項工程引領、典型企業示范的發展格局(2024年左右)。新業態新模式收入占企業主營業務收入比不斷提高，整體競爭力提升(2029 年左右)。成為新的競爭優勢與重要利潤來源(2032 年左右)。新模式新業態收入占企業主營業務收入比達45％(2035 年左右)。制造業新業態新模式發展的重點任務包括設備健康評估和故障預示、共享制造(協同與共享)、個性化規模定制、工業電子商務、知識工程和工業知識軟件化等方面。圖9 中展示了對應的子任務及其路線圖。到2035 年，制造業新業態新模式發展的戰略支撐與保障包括以下幾個方面。
(1) 把握趨勢變化，前瞻布局謀劃，新工程與現行專項有機銜接。
(2) 統籌協調，資源共享，分層指導，協同推進。
(3) 加強產業分類指導，分階段、有重點、長期性推動發展。
(4) 加強應用示范，實行動態評估，建立跟蹤研究、評估、示范常態機制。
(5) 建立創新交流平臺，構建長效合作機制。
(6) 優化政策環境，建設和完善多渠道多層次的政策體系與機制。
圖9·新模式新業態路線圖
圖10 展示了面向2035 年的智能制造云的技術預見及路線圖，到2035 年，需求主要來自于：通過虛擬化、服務化、容器技術、云計算、大數據分析與挖掘技術等技術，將海量多源異構數據集成到云平臺，并基于云平臺所提供的大數據引擎服務、人工智能引擎服務、仿真引擎服務等實現基于大數據的建模與優化，進而支撐云端應用服務功能
圖10·智能制造云技術路線圖
面向2035 年，智能制造云的具體目標包括兩個方面。
(1) 智能制造過程橫向集成：到2025 年，實現論證／設計／仿真／生產／試驗／管理／銷售／運營／維修／報廢等制造全生命周期活動的集成；到2035 年，消除企業各環節或者產業鏈上各企業之間的交互的冗余和非增值過程，實現企業與企業、企業與產品之間的生態化協作，在社會范圍內實現人、技術流、管理流、數據流、物流、資金流的共享集成和優化應用。
(2) 智能制造過程縱向集成：到2025 年左右，實現智能機床、CAE 軟件等智能集成制造裝備的互聯、集成和管控的裝備／產品集成裝備與生產線、倉儲與物流、制造執行管理、車間生產決策等環節的車間集成；到2035 年左右，實現智能設計、智能試驗、智能生產、智能保障、智能管理等跨部門企業/工廠集成及同行業內各企業的設計研發、生產制造、服務保障等資源的集成和優化配置的行業集成。智能制造云的相關重點產品包括：重要硬件設備、關鍵引擎、HCPS 集成系統。關鍵技術包括基于語義的智能識別技術、邊緣智能技術、混合增強技術等。 圖10 中展示了對應的重點產品和關鍵技術的實施路線圖。同時，圖10 還包括了示范項目的實施路線圖。
圖11·工業互聯網技術路線圖
智能制造云的戰略支撐與保障如下所述。
(1) 支持行業產業聯盟體系：到2025 年，倡導各典型行業龍頭企業牽頭成立行業級智能集成制造系統產業聯盟；到2030 年，行業聯盟建立行業級標準體系。
(2) 支持跨學科領域產業聯盟：到2030 年，倡導以行業龍頭企業為主要參與單位的跨行業智能集成制造系統聯盟，開展跨行業領域數據標準、數據接口標準體系研究與建立。
(3) 打造自主行業／通用標準體系，參與國際標準體系構建。到2035 年，支持各行業智能集成制造系統產業聯盟與跨行業智能集成制造系統聯盟，建立自主行業／通用標準體系，參與國際自主行業/通用標準體系構建。圖11 展示了面向2035 年的工業互聯網的技術預見及路線圖，預計到2022 年左右，工業互聯網的產業經濟規模將達3.1 萬億元，到2035 年左右，工業互聯網的產業經濟規模全球比重將顯著提高。面向2035 年，工業互聯網的具體目標包括以下兩方面內容。
(1) 中國目標：到2025 年，網絡實現基礎設施基本完善；到2030 年，全面建成低時延高可靠廣覆蓋網絡，到2035 年，建成領先網絡基礎設施和平臺。
(2) 全球目標：到2035 年左右，全球經濟價值10～15 萬億美元。工業互聯網的關鍵技術包括：新一代移動和數據通信技術、智能工業網絡、標識解析與管理技術、網絡安全技術等。重點產品包括新一代移動和數據通信技術、智能工業網絡、標識解析與管理技術、基于自治愈的網等。圖11 中展示了對應的關鍵技術和重點產品的重要時間點和實施路線圖。工業互聯網的戰略支撐與保障如下所述。
(1) 政策：完善協同推進體系，成立工業互聯網專項工作組；壯大工業互聯網產業聯盟等產業組織，聯合產業各方開展交流活動；開展工業智聯網網絡安全相關法規政策的研究；開展工業互聯網相關法律、行政法規和規章立法、完善工作；推動非金融企業債務融資工具應用，支持保險公司開發產品。
(2) 資金：推動銀行業金融機構探索數據資產質押、知識產權質押、綠色信貸。
(3) 人才：建設智庫，建立高端人才引進綠色通道，完善配套政策；完善技術入股、股權期權激勵、科技成果轉化收益分配等機制。
4。結論
智能制造技術預見和路線圖是智能制造的發展藍圖，是關于智能制造發展的技術方向、關鍵技術和技術路線的共識性框架，可為智能制造技術有序發展提供參考，在支撐科學決策和明確發展路徑中具有重要的應用價值，主要包括三個方面。第一，助力制造業實現跨越式發展。目前信息技術開始大量涌入智能產品、智能生產、智能服務等各個領域，在這種情況下，提出適合我國國情的智能制造發展技術路線圖、明確智能制造技術發展的方針和優先行動，對我國廣大企業制定智能制造升級路徑具有借鑒意義。第二，為“十四五”制定智能制造規劃提供了參考。本研究通過科學嚴謹的方法，提出了面向2035 的智能制造發展的關鍵技術清單，具有科學性、前瞻性和戰略性。研究對關鍵技術的技術內容作了清晰的描述，并且明確了發展方向，已作為制定“十四五”期間我國智能制造發展規劃的參考依據之一。第三，可為今后的技術開發指明發展方向。本研究所制定的路線圖具有行動導向作用，可以使不同主體的科研和投資活動在一個系統框架下形成協調的、長期的、穩定的合作，減少技術發展的盲目性和重復性，進而提高科研工作的有效性。未來，中國工程院智能制造技術路線圖項目組，將以本次智能制造技術路線圖為基礎，2 年一個周期對智能制造技術路線圖進行迭代更新；并深入智能制造的應用和支撐行業，推動制定我國細分領域的智能制造技術路線圖，如智能機床技術路線圖等，以期為我國智能制造發展提供理論建議，為我國制造強國建設提供戰略支撐。
參考
[1] PHAAL R ， CJP ， D R. -A for and [J]. and ，2004，71(1-2)：5-26.[2] CH ， C W. 's [J]. ，1987，30(5)：13-19.
[3] 李櫟，張志強，安培浚. 技術路線圖的發展與應用分析[J]. 圖書與情報，2009(3)：14-19. LI Li，ZHANG ，AN . The and of the [J]. & ，2009(3)：14-19.[4] 李萬，吳穎穎，湯琦，等. 日本戰略性技術路線圖的編制對我國的經驗啟示[J]. 創新科技，2013(1)：8-11.LI Wan，WU ，TANG Qi，et al. The of to China[J]. and ，2013(1)：8-11.
[5] 程家瑜. 關于編制國家技術路線圖推進《規劃綱要》實施的建議[J]. 中國科技論壇，2008(5)：3-6.CHENG Jiayu. on a to the of the “ ”[J]. Forum on and in China，2008(5)：3-6.[6] 孫粒，龔旭. 中國工程科技2035 發展戰略研究正式啟動[J]. 中國科學基金，2015，29(3)：235.SUN Li，GONG Xu. China 2035 [J]. of of China，2015，29(3)：235.
[7] ZHOU J，LI P，ZHOU Y，et al. new- [J]. 。 2018，4(1)：11-20.
[8] ZHOU J機器人生產設備清單，ZHOU Y，WANG B，et al. Human-cyber? (HCPSs) in the of new? [J]. ，
2019，5(4)：624-636.
[9] WANG B，TAO F，FANG X，et al. Smart 機械工程學報第58 卷第4 期期：A [J].，2021，7(6)：738-757.
[10] ZHOU Y，ZANG J，MIAO Z，et al. of in China： [J]. ，2019，5(4)：691-601.
[11] 王柏村，黃思翰，易兵，等. 面向智能制造的人因工程研究與發展[J]. 機械工程學報，2020，56(16)：240-253. WANG ， HUANG Sihan ， YI Bing ， et al. State-of-art of human / in [J]. of ，
186信息網原創文章，轉載請注明本文來自：www.mqw.org.cn
