【摘要】智能制造是全球制造业变革的重要方向，给人类经济和社会可持续发展展示了美好前景。智能制造近年发展迅速，但目前总体还处于试验阶段，它的发展面临技术标准、系统安全、网络基础设施和复杂系统管理等技术挑战，同时还面临智能制造数据权属、智能自治系统监管和责任界定等法律与公共管理问题的挑战。发展智能制造，不但需要构建新型技术体系和商业模式，还需要构建与其相适应的法律和社会管理体系。
【关键词】智能制造 技术标准 安全 监管 法律责任
【中图分类号】F421 【文献标识码】A
智能制造（Intelligent Manufacturing，IM）是一种由智能机器和人类专家共同组成的人机一体化智能系统。它在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。智能制造通过人与智能机器的合作共事，去扩大、延伸和部分地取代人类在制造过程中的脑力劳动，能够极大地提高生产效率、生产能力并节省资源，是人类生产方式变革的重要方向。
智能制造已经成为发达国家产业升级的焦点
发达国家为了打造国家制造业竞争新优势，正积极推进高端制造业再升级，智能制造、网络制造、绿色制造、服务性制造日益成为生产方式变革的重要方向，跨领域、协同化、网络化的创新平台正在重组制造业创新体系。纵览全球，虽然智能制造总体而言尚处于概念和实验阶段，但发达国家政府均将此列入国家发展计划，大力推动实施。
美国于1992年执行新技术政策，大力支持关键重大技术创新（Critical Techniloty），包括信息技术和新的制造工艺，希望借助智能制造技术改造传统工业并启动新产业。2008年金融危机之后，奥巴马政府将制造业看作创造就业机会和推动经济复苏的关键，连续出台一系列重大政策，并于2009年12月公布《重振美国制造业框架》，2010年8月签署《2010美国制造业促进法案》，2012年2月制订了《先进制造业的国家战略计划》，2012年7月，基于已经发布的《先进制造业的国家战略计划》，AMP指导委员会发布了《保持美国在先进制造领域竞争优势》，2014年10月，AMP指导委员会又发布了《振兴美国先进制造业》。这些计划旨在依托新一代信息技术、新材料技术、新能源技术，在美国加快发展以先进传感器、工业机器人、先进制造测试设备为代表的智能制造。
欧洲国家早在1982年制订的信息技术发展战略计划中就强调了智能制造核心技术的开发。由德国、法国和英国发起的主题为“未来的工厂”的尤里卡项目，将解决敏捷智能制造方面的研究与开发作为重点①。德国西门子、瑞士ABB、法国施耐德电气等公司已将部分人工智能技术应用到工业控制设备与系统中。由欧盟资助的智能制造系统IMS2020计划囊括了意大利、德国、瑞士、美国、日本、韩国等多个先进国家与SAP、IBM、Siemens、BMW、MIT、Cambridge等多家企业与高校，包括了可持续制造、节能制造、关键技术、标准化、创新培训五个关键领域。
英国于2013年发布《英国工业2050战略》。英国是第一次工业革命的起源国家，制造业曾经带给英国300多年的经济繁荣。但是，随着信息化与互联网的发展，上世纪80年代以来，英国开始推行去工业化战略，集中精力发展金融、数字创意等高端服务产业。2004年，英国制造业位列世界第四，现已退到了第七位。国际金融危机后，英国GDP转向负增长，英国政府开始摸索重振制造业，提升国际竞争力，重现18世纪工业革命时代的辉煌。英国工业2050战略注重智能制造人才的培养和智能制造基地的建设。为了支持智能制造基地的发展，英国政府围绕打造先进制造业产业链，投资了1.25亿英镑。面向汽车、飞机、可再生能源、低碳技术等传统产业，旨在支持英国制造企业在全球市场发挥重要作用。
德国针对来自亚洲制造业的竞争威胁和美国的“先进制造业”发展，提出了“工业4.0”计划，期望充分发挥德国在制造业的现有优势，以确保德国制造业的未来。“工业4.0”项目主要分为两大主题：一是“智能工厂”，重点研究智能化生产系统及过程，以及网络化分布式生产设施的实现；二是“智能生产”，主要涉及整个企业的生产物流管理、人机互动以及3D技术在工业生产过程中的应用等。德国依托其在工业过程中广泛应用的信息和通信技术、强大的机械和装备制造业、在嵌入式系统和自动化工程方面的高技术水平和全球市场的领导地位，通过“工业4.0”计划的实施正在进一步巩固全球领先生产制造基地、生产设备供应商和IT业务解决方案供应商的地位。
日本早在1989年就发起过“智能制造系统”计划，在1990年日本工业和国际贸易部（MITI）发起组织了一个新的国际合作研究计划——智能制造系统（IMS）的研究，由日本、美国和西欧共同参加，共投资10亿美元，其中日本占60%。②该计划从1992至1994年进行可行性研究，建立了六项由工业界主导的“可行性国际合作测试案例”，包括《流程工业洁净制造》、《全球化制造同步工程》、《21世纪全球化制造》、《全方位制造系统》、《快速产品开发》、《知识系统化》等智能系统，重点研究了开发全球化制造、下一代制造系统、全能制造系统等技术。2004年，日本启动了“新产业创造战略”，为制造业寻找未来战略方向，并将信息家电、机器人、环境能源等7个领域作为重点发展对象，努力提高日本制造业在国际上的产业竞争力。
韩国于1991年底提出了“高级先进技术国家计划”，即G-7计划，包括七项先进技术及七项基础技术，目标是到2000年把韩国的技术实力提高到世界第一流发达国家的水平，该目标已基本达到。为占领智能化生产技术的制高点，韩国目前又将智能制造技术列入“高级先进技术国家计划”之中，重点研究智能化生产技术。
我国对智能制造的研究开始于20世纪80年代末，并在相关方面取得了一些成果。近年来，我国对智能制造的发展也越来越重视，越来越多的研究项目成立，研究资金也大幅增长。我国在2012年发布了《智能制造科技发展“十二五”专项规划》和《智能制造装备产业“十二五”发展规划》④，并设立《智能制造装备发展专项》，加快智能制造装备的创新发展和产业化，推动制造业转型升级。中国版工业4.0规划——《中国制造业发展纲要（2015～2025）》也将在今年发布。规划将智能制造作为我国工业升级抓手，重点在新一代信息技术、高档数控机床和机器人、航空航天装备、海洋工程装备及高技术船舶、先进轨道交通装备、节能与新能源汽车、电力装备、新材料、生物医药及高性能医疗器械、农业机械装备十大领域，强化工业基础能力，提高工艺水平和产品质量，推进智能制造、绿色制造，提升制造业层次和核心竞争力。
智能制造系统的特点
智能制造系统和传统的制造系统相比具有以下几个特点。
高效自治。⑤自治能力是智能制造系统的一种重要的标志性特征，包括自学习、自组织、自维护等能力。智能制造系统具有搜集与理解环境信息及自身的信息并进行分析判断和规划自身行为的自学习能力；智能制造系统中的各种组成单元能够根据工作任务的需要自行集结成一种超柔性最佳结构并按照最优的方式运行的自组织能力；以原有的专家知识为基础在实践中不断进行学习完善系统的知识库，对系统故障进行自我诊断、排除及修复的自维护能力。例如，在德国工业4.0实施方案中，信息物理系统（CPPSs）帮助智慧工厂进行自我管理，并实现生产的定制化和个性化。CCPSs不仅可以实现生产的自我管理，还可以实现维护的自我管理。
人机一体。智能制造系统不单纯是“人工智能”系统而是人机一体化智能系统，是一种混合智能。人机一体化一方面突出人在制造系统中的核心地位同时在智能机器的配合下更好地发挥了人的潜能，使人机之间表现出一种平等共事、相互“理解”、相互协作的关系，使两者在不同的层次上各显其能，相辅相成。虚拟制造技术成为实现高水平人机一体化的关键技术之一。人机结合的新一代智能界面使得可用虚拟手段智能地表现现实，它是智能制造的一个显著特征。
网络集成。智能制造系统在强调各个子系统智能化的同时更注重整个制造系统的网络化集成。这是智能制造系统与传统的面向制造过程中特定应用的“智能化孤岛”的根本区别。这种网络集成包括两个层面。智能制造的第一个特点体现在企业智能生产系统的纵向整合以及网络化。网络化的生产系统利用信息物理系统（CPPSs）实现工厂对订单需求、库存水平变化以及突发故障的迅速反应。生产资源和产品由网络连接，原料和部件可以在任何时候被送往任何需要它的地点。生产流程中的每个环节都被记录，每个差错也会被系统自动记录，这有利于帮助工厂更快速有效地处理订单的变化、质量的波动、设备停机等事故。工厂的浪费将大大减少。二是价值链横向整合。与生产系统网络化相似，全球或本地的价值链网络通过CPPSs相连接，囊括物流、仓储、生产、市场营销及销售，甚至下游服务。任何产品的历史数据和轨迹都有据可查，仿佛产品拥有了“记忆”功能。这便形成一个透明的价值链——从采购到生产再到销售，或从供应商到企业再到客户。客户定制不仅可以在生产阶段实现，还可以在开发、订单、计划、组装和配送环节实现⑥。
智能制造面临四大技术挑战
异构异质系统的融合。智能制造系统利用信息物理系统（CPPSs）纵向实现智能生产系统整合和网络化，横向实现价值链的整合与网络化。现在面临的问题是，传统的工业自动化系统中不同的技术发展相对割裂。尽管一些既定的标准已经在各种技术学科、专业协会和工作组中使用，但是缺乏对这些标准的协调。目前，不同工业网络之间，设备之间存在严重的异构异质问题需要解决。异构性是指不同类型的网络技术（如Internet，WSN等）高质量互联互通的问题。异质性是指不同公司生产的、不同功能的硬件不兼容的设备在没有彼此差异的情况下进行互联互通的问题⑦。这要求从传感器、数据卡开始，从数据采集点，到整个网络、云平台、数据中心、全连接，需要统一的架构，以及标准化的接口。这需要一套新的国际技术标准，实现大范围嵌入式设备之间的互联以及向虚拟世界互联。通过网络间的融合与协同，对异构网络分离的、局部的优势能力与资源进行有序整合，最终实现无处不在、无所不能的一种智能网络。在异构的网络中，每一个通信节点都具备自路由的功能，形成一个自组织、自管理、自修复、自我平衡的智能网络。各个设备因为异构异质的融合可以相互之间进行良好的通信交流，在不同的网络共存的情况下，还可以整合与优化资源配置，利用性能更好的网络进行通信，实现更高效的资源利用。
解决这个问题，单靠哪家企业都不现实，需要积极推进智能制造的各国政府，跨国界的产业技术创新组织、跨国公司以及广泛的中小企业共同参与，将现有标准，如在自动化领域（工业通信、工程、建模、IT安全、设备集成、数字化工厂等）纳入一个新的全球参考体系是实现智能制造的基础。这项工作具有高度的复杂性，是智能制造发展面临的一大挑战。
复杂大系统管理。在现代管理中，我们一般可通过模型模拟来解决一些非常广泛的真实的或假想的管理问题，例如产品，制造资源或整个制造系统，如人类与智能系统的互动，又如不同企业和组织之间业务流程等管理方面的问题。
在智能制造时代，基于模型模拟使用标准的方式来配置和优化制造工艺对于企业是一个重大挑战。主要原因在于智能制造系统变得越来越复杂，由于功能增加、产品用户特定需求增加、交付要求频繁变化、不同技术学科和组织日益融合，以及不同的公司之间合作形式变化迅速，很难开发一套稳定且具有极强适应性的管理模型。另外，开发新的管理系统模型的成本与收益问题也是一大难题。智能制造系统在建立初期阶段就需要建立明确的管理模型，这一阶段需要较高的资金支出。在高产量行业（如汽车行业）或有严格安全标准的行业（如航空电子行业），公司更有可能接受较高的初期投入。如果它们只生产小批量或个性化产品，则不太可能这样做。
高质量高容量网络基础设施。智能制造需要更高容量和更高质量的数据交换网络技术和基础设施，以保证智能制造所需的延迟时间、可靠性、服务质量和通用带宽。工业企业的信息化水平越来越高，信息数据量也越来越多，各种设备仪器产生的海量数据对信息处理的要求也提高了。高运行可靠性，数据链路可用性，保证延迟时间和稳定的连接成为智能制造的关键，因为他们直接影响应用程序的性能⑧。
高质量高容量网络技术开发和基础设施建设是智能制造面临的又一个挑战。这种挑战主要表现在以下几个方面：一是工业领域宽带的基础架构过去并不是面向大数据的，大量机器与机器、设备与设备等数据的收集、传输、交互等，对工业领域宽带基础架构提出了更大的挑战。二是要实现端到端的全生命周期基于数据来驱动，需要更大范围、更大维度的信息交流，异构异质网络的信息交流是一大挑战。三是网络的复杂性和成本控制的挑战。智能制造网络不仅需要高速、带宽、简单、可扩展、安全，还需要便宜，不明显增加现有制造产品和服务的成本。这个网络需要绑定可靠的SLA（服务水平协议）；通信容量的可用性和性能高；持数据链路调试/跟踪，尤其是提供相关的技术援助；提供广泛可用/有保证的通信容量（固定/可靠的带宽）；广泛使用的嵌入式SIM卡；所有移动网络运营商之间的短信传递状态通知；标准化的应用程序编程接口（APIs）的配置，涵盖所有供应商（SIM卡激活/停用）；移动服务合约的成本控制；负担得起的数据全球漫游通讯费用等。
系统安全。智能制造系统涉及高度网络化系统结构，将大量的有关人、IT系统、自动化元件和机器信息纳入其中。更多的参与者涉入到整个价值链。广泛的网络和潜在的第三方访问至少意味着一系列全新的安全问题呈现在智能制造系统中。因此，在智能制造中，必须考虑到信息安全措施（加密程序或认证程序）对生产安全的影响（时间关键功能、资源可用性）。
智能制造安全性的挑战主要表现在两个方面。首先，现有的工厂将升级网络安保技术和措施，以满足新的安全要求的挑战。但是，通常企业的机械装备寿命较长，原有的很多设备并不具备可靠的网络连接功能，升级改造非常困难。同时，企业内部生产系统与外部的和在某些情况下很难联网的陈旧基础设施等因素影响，安全性的保障也很困难。其次，要为新的工厂和机器制定解决方案的挑战。企业界目前缺乏完全标准化的操作平台，以实施足够的安保解决方案。满足信息物理系统（CPPSs）安全的技术和标准化平台开发本身也充满挑战。
智能制造面临两大法律挑战
数据的权属问题。智能制造是数据驱动的制造。在智能制造时代，每一个工厂都应有一套智能系统，它首先能够通过传感器，对机器运作数据进行采集，并加以分析，从而实时了解工厂的运作情况；其次，能够通过执行器对机器运作进行控制；此外，还能对消费者行为数据进行分析，对产品从设计到销售的全生命周期，进行最优化的管理。因此，智能制造很大程度上依赖于数据的处理和加工，以数据链为基础，更自动化的生产设备，更灵活的流程管理，让工厂能够基于市场预测，快速地装配调度，智能地生产，从而以最快的速度匹配消费者需求，并在全社会范围内优化资源配置。
海量数据在智能制造时代具有前所未有的商业价值。自动化时代的工业数据主要是在厂商的自动化生产和配送系统内部进行流转，因此制造商毋容置疑的享有其所有权。但是在智能制造时代，制造系统的数据、顾客的需求数据等海量数据将在一个更加广阔的工业互联网中流转，而且网络的参与者也更加的多元化，能够利用这些数据谋利的主体也更加的多元化。目前法律只对有形资产和专利保护有明确的界定，如果不从法律上解决数据的权属问题，并建立起适合智能制造发展需求的法律框架，使企业投资和开发数据、共享数据能够获得满意的回报，企业投资智能制造的积极性就会大打折扣，智能制造的发展可能会被大大的延迟。
法律监管问题。智能制造系统在制造过程中能进行智能活动，诸如分析、推理、判断、构思和决策等。随着人工智能技术的不断发展，这种智能制造系统可能拥有越来越高的“自治”能力，并逐渐演化成“自治系统”。与此同时，自治系统带来的损害和伤害责任的法律问题也随之增长。在智能制造时代，很多相关的法律责任都需要重新界定。
自动驾驶汽车是一个典型的“自治系统”，它面临的事故责任和法律监管问题是智能制造时代的典型案例。按照目前大多数相关的车辆法规，自动驾驶汽车这种“自治系统”是不能上路行驶的。1949年版的《日内瓦道路交通公约》要求驾驶员“应当时刻能够控制其车辆”，因此，欧洲原有的道路交通法规不允许自动驾驶汽车上路。目前，美国只有4个州允许无人驾驶汽车上路。它们在欧洲也不被法律认可，尽管联合国《维也纳道路交通公约》近期的一项修订意味着，包括欧洲和美洲在内的72个国家允许汽车在特定期间自主驾驶。但是道路交通法律仍然要求司机有能力控制车辆。而其他国家在推行自动驾驶汽车方面也面临着相同的挑战。这种挑战其实是自治系统使用的合法性问题，也是关系到未来越来越多的具有“自治”能力的智能制造系统是否能够大规模使用和推广的关键。
这一挑战的另外一个方面，是自治系统的法律责任界定问题。例如，现在的道路交通法规一般都规定，驾驶者对所驾驶的车辆造成的事故负有直接责任。但如果是自动驾驶的汽车，交通事故发生的责任界定将变得复杂。因为事故的原因可能是自动驾驶系统的问题，也可能是驾驶者违规操作的问题。这使得责任的牵扯方将不再只包括驾驶者，还可能包括自动驾驶车的制造方、驾驶系统软件提供商等。法律并不是仅仅规定自动驾驶汽车能否上路那么简单，而是一整套条例和法令，决定了你遭遇具体情境时会发生什么。对于自动驾驶系统来说，这些规则中的大部分尚未出现。假如法律规定驾驶者应该承担更多的责任，就有可能极大地影响智能汽车的销售。如果法律规定限制自动驾驶汽车的制造商，也会影响厂商开发自动驾驶汽车和推动器上市的积极性。
自动驾驶汽车只是诸多“智能系统”中的一种，在“智能制造”时代，如何更好的监管数量庞大、种类繁多的“自治”系统，将是全球法律系统面临的一个更为巨大的挑战。
注释
张洁、吕佑龙：《智能制造的现状与发展趋势》，《高科技与产业化》，2015年3月23日。
雷源忠：《21世纪的制造技术——智能制造系统》，《中国机械工程》，1992年第2期。
中华人民共和国科学技术部：《智能制造科技发展“十二五”专项规划》，2012年4月24日。
中华人民共和国工业和信息化部：《智能制造装备产业“十二五”发展规划》，2012年7月16日。
杨叔子、丁洪：《智能制造技术与智能制造系统的发展与研究》，《中国机械工程》，1992年3月2日。
德勤：《迎接智能制造企业数字化转型新契机》，2015年5月8日。
张平：《工业4.0面临的三大技术难题如何解构？》，《中国电子报》，2015年1月23日。
柯曼：《工业4.0七大挑战》，中国电子信息产业网，2014年12月5日。
责 编∕凌肖汉