以詞頻為標(biāo)尺，解碼科技創(chuàng)新風(fēng)向標(biāo)。中關(guān)村論壇攜手央視網(wǎng)，對(duì)2025中關(guān)村論壇年會(huì)期間近百場(chǎng)嘉賓演講內(nèi)容進(jìn)行深度解析，通過大數(shù)據(jù)詞頻分析精準(zhǔn)捕捉2025中關(guān)村論壇年會(huì)高頻熱詞，并據(jù)此呈現(xiàn)「小關(guān)對(duì)話」系列內(nèi)容，包括諾貝爾獎(jiǎng)、菲爾茲獎(jiǎng)、圖靈獎(jiǎng)等國(guó)際獎(jiǎng)項(xiàng)得主在科學(xué)研究、技術(shù)孵化、產(chǎn)品研發(fā)、產(chǎn)業(yè)洞察方面的深刻見解，為中國(guó)新質(zhì)生產(chǎn)力的培育，為面向全球的科技創(chuàng)新與交流指引方向。

當(dāng)前，全球制造業(yè)正加速向智能化轉(zhuǎn)型升級(jí)。通過AIoT（人工智能物聯(lián)網(wǎng)）、數(shù)字孿生等技術(shù)的深度融合，智能制造正在重構(gòu)傳統(tǒng)生產(chǎn)范式。本期對(duì)話中國(guó)工程院外籍院士、德國(guó)國(guó)家工程院院士奧泰因·赫爾佐格，他在2025中關(guān)村論壇年會(huì)平行論壇——高端儀器創(chuàng)新發(fā)展論壇中分享了以下主旨演講《人工智能助力高端儀器創(chuàng)新》。

演講實(shí)錄

奧泰因·赫爾佐格

尊敬的各位來賓、女士們、先生們：

今天，我將闡述人工智能如何驅(qū)動(dòng)高端儀器的創(chuàng)新發(fā)展。本次演講的重點(diǎn)并非儀器本身，而是探討如何借助IT流程，特別是人工智能技術(shù)，實(shí)現(xiàn)對(duì)這些工具的效能提升。

我的演講內(nèi)容主要分為兩部分：一是應(yīng)用于先進(jìn)制造的傳感器技術(shù)與工業(yè)物聯(lián)網(wǎng)（IoT）；二是基于人工智能的數(shù)字孿生技術(shù)，助力運(yùn)營(yíng)技術(shù)（OT）與信息技術(shù)（IT）的融合。

首先，讓我們看一個(gè)智能集裝箱的實(shí)例。得益于集成的傳感器（如RFID、無線溫濕度傳感器）、計(jì)算單元以及外部通信設(shè)備，集裝箱具備了感知環(huán)境、傳輸數(shù)據(jù)的能力。這種“智能化”正是傳感器與計(jì)算賦予物理對(duì)象的核心價(jià)值。

另一個(gè)典型示例是可穿戴計(jì)算系統(tǒng)。例如，功能性紡織品可嵌入傳感器，采集以往難以獲取的數(shù)據(jù)；或利用人體熱量發(fā)電，構(gòu)建獨(dú)立能源系統(tǒng)。進(jìn)一步集成周邊傳感器，可賦能智能眼鏡等設(shè)備。可見，傳感器技術(shù)正全方位地提升著我們生活的智能化水平。

再看自動(dòng)化場(chǎng)景：在高度自動(dòng)化的環(huán)境中，機(jī)器人依賴多傳感器協(xié)同完成特定任務(wù)。這要求我們部署高性能傳感器、敏捷AI算法，并構(gòu)建可持續(xù)的制造與物流流程。

傳感器化產(chǎn)生了海量數(shù)據(jù)，而人工智能技術(shù)（如數(shù)字孿生）則賦能制造者深入分析這些數(shù)據(jù)。其優(yōu)勢(shì)在于：降低業(yè)務(wù)風(fēng)險(xiǎn)，發(fā)掘潛在能力；提升運(yùn)營(yíng)敏捷性、可持續(xù)性與效率；助力制造商應(yīng)對(duì)供應(yīng)鏈挑戰(zhàn)，實(shí)現(xiàn)高效生產(chǎn)；推動(dòng)企業(yè)向價(jià)值鏈上游移動(dòng)（通過信息掌控）；賦能供應(yīng)商更好地實(shí)踐循環(huán)經(jīng)濟(jì)要求。因此，供應(yīng)鏈的現(xiàn)代化改造能顯著增強(qiáng)其敏捷性與決策效率。

對(duì)制造商而言，AI驅(qū)動(dòng)的優(yōu)化能顯著降低成本、提升效率，涵蓋規(guī)劃流程、分析工具應(yīng)用、庫存管理、碳排放控制等領(lǐng)域，最終有效優(yōu)化整體碳足跡。

我們正經(jīng)歷從物理流程向信息流程的轉(zhuǎn)型。流程的各個(gè)環(huán)節(jié)均產(chǎn)生大量數(shù)據(jù)，通過計(jì)算與通信技術(shù)解讀這些數(shù)據(jù)，能轉(zhuǎn)化為有價(jià)值的信息并加以利用。

網(wǎng)絡(luò)物理AI系統(tǒng)（Cyber-Physical AI Systems）通過數(shù)字孿生技術(shù)實(shí)現(xiàn)真實(shí)世界的數(shù)字化映射：物理世界與虛擬世界并存。虛擬世界模擬物理環(huán)境，借助計(jì)算與數(shù)據(jù)輸入，優(yōu)化物理世界的運(yùn)行。正如之前發(fā)言人提及的機(jī)械臂案例，通過機(jī)器學(xué)習(xí)，其作業(yè)效率得以顯著提升。

AI系統(tǒng)的核心能力在于理性化決策——選擇最優(yōu)行動(dòng)序列以實(shí)現(xiàn)特定目標(biāo)。這意味著網(wǎng)絡(luò)物理環(huán)境具備一定自主性。以生產(chǎn)流程為例：底層是自動(dòng)化與傳感層；其上是監(jiān)測(cè)與控制系統(tǒng)層；再上層是制造運(yùn)營(yíng)控制層；頂層則是整體物流規(guī)劃系統(tǒng)層。各層級(jí)遵循企業(yè)及應(yīng)用標(biāo)準(zhǔn)，需將傳感器深度嵌入價(jià)值鏈，并需關(guān)注不同層級(jí)的時(shí)間尺度差異：頂層規(guī)劃層：月/日/年；運(yùn)營(yíng)控制層：分鐘/秒；監(jiān)測(cè)控制層：微秒級(jí)；傳感層：毫秒級(jí)。

因此，智能工廠的網(wǎng)絡(luò)基礎(chǔ)設(shè)施必須優(yōu)先考慮通信延遲。解決方案包括：云層部署；邊緣/節(jié)點(diǎn)層計(jì)算（處理無法及時(shí)上傳至云的傳感器數(shù)據(jù)）。

我們將延遲要求劃分為0級(jí)（智能物體/工具層）至4級(jí)。在整體架構(gòu)中，傳統(tǒng)互聯(lián)網(wǎng)在0-2級(jí)作用有限。端側(cè)（3級(jí)）需更多本地化部署，以滿足低延遲需求，例如運(yùn)動(dòng)控制所需的1微秒級(jí)延遲。數(shù)據(jù)必須及時(shí)送達(dá)，才能實(shí)現(xiàn)自動(dòng)化控制與安全保障。系統(tǒng)設(shè)計(jì)必須滿足嚴(yán)格的時(shí)序要求，否則將（引發(fā)控制）失效。

工業(yè)物聯(lián)網(wǎng)（IIoT）的實(shí)踐要求我們擴(kuò)展互聯(lián)網(wǎng)架構(gòu)，部署IP傳感器并利用邊緣計(jì)算。邊緣計(jì)算作為一種分布式計(jì)算范式至關(guān)重要，它在帶寬有限的情況下，將計(jì)算與數(shù)據(jù)存儲(chǔ)靠近用戶或需求端，確保設(shè)備響應(yīng)及時(shí)。其理念可追溯至20世紀(jì)90年代末的內(nèi)容分發(fā)網(wǎng)絡(luò)（CDN），后者通過靠近用戶的邊緣服務(wù)器提供網(wǎng)頁與視頻服務(wù)。

我們采用類似架構(gòu)部署數(shù)字孿生，在邊緣提供實(shí)時(shí)傳感能力。在邊緣側(cè)收集并篩選傳感器數(shù)據(jù)，再傳輸至企業(yè)云進(jìn)行大數(shù)據(jù)分析，是實(shí)現(xiàn)韌性智能制造控制的關(guān)鍵。靠近傳感器能更有效地監(jiān)控和解讀數(shù)據(jù)，理解其含義。

數(shù)據(jù)處理層級(jí)可概括為：數(shù)據(jù)層——原始傳感器讀數(shù)；信息層——通過算法解讀數(shù)據(jù)關(guān)系，賦予語義；知識(shí)層——添加上下文語境，形成結(jié)構(gòu)化知識(shí)。在此基礎(chǔ)之上，整合人工智能（如神經(jīng)網(wǎng)絡(luò)、大語言模型LLMs）可實(shí)現(xiàn)知識(shí)發(fā)現(xiàn)、動(dòng)態(tài)知識(shí)構(gòu)建。LLMs可部署于本地系統(tǒng)或云端。

那么，數(shù)字孿生如何定義并助力工業(yè)生產(chǎn)？盡管許多領(lǐng)域尚未完全數(shù)字化，但可持續(xù)的高端制造業(yè)亟需數(shù)字化轉(zhuǎn)型。生產(chǎn)環(huán)節(jié)部署的眾多傳感器（如機(jī)械手狀態(tài)、溫度、濕度、位置傳感器等）持續(xù)采集數(shù)據(jù)。可持續(xù)性目標(biāo)要求全局優(yōu)化各流程，最大化資產(chǎn)運(yùn)行時(shí)間，減少維護(hù)停機(jī)。

實(shí)現(xiàn)這一目標(biāo)的關(guān)鍵在于：從傳感器獲取準(zhǔn)確數(shù)據(jù)，利用數(shù)字化工具實(shí)現(xiàn)可視化監(jiān)控，滿足安全訪問控制與脫碳要求。這需要融合傳感器數(shù)據(jù)、IIoT與AI方法，推動(dòng)數(shù)字化轉(zhuǎn)型。具體技術(shù)包括多智能體系統(tǒng)（MAS）、信息技術(shù)（IT）、運(yùn)營(yíng)技術(shù)（OT）和分布式數(shù)字孿生。

以機(jī)器設(shè)備為例，眾多傳感器提供數(shù)據(jù)。在數(shù)字環(huán)境中，模型精確知曉設(shè)備在物理世界中的目標(biāo)位置（數(shù)字模擬物理）。數(shù)字孿生覆蓋產(chǎn)品設(shè)計(jì)、生產(chǎn)到交付的全生命周期，可模擬產(chǎn)品性能、記錄并優(yōu)化碳排放。它本質(zhì)上是物理實(shí)體、流程或服務(wù)的虛擬映射，融合大數(shù)據(jù)分析、仿真技術(shù)，用于性能與碳足跡評(píng)估。雖然尚未成為工業(yè)標(biāo)準(zhǔn)配置，但基于傳感器數(shù)據(jù)與工業(yè)自動(dòng)化測(cè)量，數(shù)字孿生已展現(xiàn)出強(qiáng)大潛力。

數(shù)字孿生主要有三種模式：

• 數(shù)字孿生（Digital Twin）：數(shù)字對(duì)象與物理對(duì)象間存在雙向、集成的數(shù)據(jù)交換。數(shù)字模型通過接收數(shù)據(jù)模擬物理對(duì)象，并可能反向控制物理對(duì)象。
• 數(shù)字影子（Digital Shadow）：僅存在從物理對(duì)象到數(shù)字對(duì)象的單向自動(dòng)化數(shù)據(jù)流。數(shù)字對(duì)象是物理對(duì)象的影像（無反向控制）。
• 數(shù)字模型（Digital Model）：靜態(tài)的數(shù)字化表示，無自動(dòng)化數(shù)據(jù)流。

例如，一個(gè)機(jī)械臂可擁有數(shù)字孿生體，通過它控制實(shí)體機(jī)械臂。多個(gè)數(shù)字孿生體可相互通信、協(xié)作或競(jìng)爭(zhēng)，實(shí)現(xiàn)協(xié)同控制。

在生成式數(shù)字孿生體（Generative Digital Twins）的構(gòu)建中，我們采用多智能體（MAS）技術(shù)，模擬業(yè)務(wù)流程、物流控制等復(fù)雜場(chǎng)景。多智能體系統(tǒng)可利用LLMs獲取知識(shí)、整合企業(yè)數(shù)據(jù)，并通過系統(tǒng)優(yōu)化、分布式生產(chǎn)計(jì)劃與控制，以及應(yīng)對(duì)非預(yù)期事件來實(shí)現(xiàn)目標(biāo)。

數(shù)字孿生體支持多智能體監(jiān)測(cè)與協(xié)作，實(shí)現(xiàn)系統(tǒng)范圍優(yōu)化與分布式規(guī)劃。在分布式制造與物流管理中，MAS可對(duì)各種情景（如碳中和、循環(huán)經(jīng)濟(jì)）建模、模擬，優(yōu)化規(guī)劃決策，模擬動(dòng)態(tài)流程，并協(xié)同解讀遠(yuǎn)程傳感器數(shù)據(jù)。每個(gè)數(shù)字孿生體可關(guān)聯(lián)一系列傳感器與小模型。其架構(gòu)設(shè)計(jì)強(qiáng)調(diào)可擴(kuò)展性、安全性與模塊化，支持生產(chǎn)計(jì)劃的生成與驗(yàn)證（通過孿生體間交互），以及基于知識(shí)的規(guī)劃。底層依賴強(qiáng)大的硬件、云平臺(tái)托管基礎(chǔ)模型。企業(yè)可通過模型樞紐（Model Hub）管理這些模型，確保數(shù)據(jù)透明可控。模型樞紐整合數(shù)字孿生，并利用LLMs解讀傳感器數(shù)據(jù)。

數(shù)字孿生體集成物聯(lián)網(wǎng)傳感器、可編程邏輯控制器（PLC）、物聯(lián)網(wǎng)網(wǎng)關(guān)，實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)流傳輸與邊緣計(jì)算。它支持：可組合架構(gòu)、AI驅(qū)動(dòng)的監(jiān)測(cè)、3D可視化、生產(chǎn)流程優(yōu)化、異常檢測(cè)、預(yù)測(cè)性維護(hù)。作為工廠的同步虛擬副本，數(shù)字孿生系統(tǒng)實(shí)現(xiàn)了實(shí)時(shí)監(jiān)測(cè)、流程優(yōu)化、預(yù)測(cè)性分析與遠(yuǎn)程操作控制。

其“從邊緣到云端”的架構(gòu)確保了跨工業(yè)環(huán)境的可擴(kuò)展性與效率，具體價(jià)值體現(xiàn)在——提升運(yùn)營(yíng)效率：實(shí)時(shí)監(jiān)測(cè)與異常檢測(cè)減少停機(jī)，提高生產(chǎn)力；預(yù)測(cè)性維護(hù)：AI/ML算法預(yù)先識(shí)別故障，支持主動(dòng)干預(yù)；可擴(kuò)展性與靈活性：可組合架構(gòu)適應(yīng)多樣化工業(yè)用例。數(shù)字孿生最終通過物聯(lián)網(wǎng)連接與云平臺(tái)集成，并融入業(yè)務(wù)流程與生態(tài)系統(tǒng)，數(shù)據(jù)通過各類網(wǎng)關(guān)從端側(cè)匯入云端。

人工智能與高端儀器產(chǎn)生的數(shù)據(jù)，共同構(gòu)成了寶貴的數(shù)字化資產(chǎn)。數(shù)字化是制造業(yè)、物流業(yè)及各流程升級(jí)的基石。對(duì)高端儀器數(shù)據(jù)進(jìn)行AI分析，是構(gòu)建有效模型的基礎(chǔ)。結(jié)合專用大語言模型的數(shù)字孿生系統(tǒng)，是建模制造與物流流程的首選技術(shù)，涵蓋工廠規(guī)劃與運(yùn)營(yíng)等領(lǐng)域，助力實(shí)現(xiàn)高效、韌性的制造與物流體系。

我的分享到此結(jié)束。感謝各位的聆聽！

注：本文來源于2025中關(guān)村論壇年會(huì)嘉賓現(xiàn)場(chǎng)演講速記，文中內(nèi)容僅代表專家個(gè)人觀點(diǎn)