西门子全球科技大会的主旨是RXD；以物理场景为依据的人工智能。工业AI包括工业产品管理（订货、质量、成本、物流等系统）、预测性维护、能源管理等等；而在咱们DI（数字工业）技术论坛，我主要关注、探讨工业AI智能控制系统（自动化控制与驱动）。

    我感觉，实现工业AI智能控制系统，不是“一蹴而就”短时间就能完成的。就像我们那时，机械设计从手工图纸到数字模型，淘汰描图、晒图员；你也得将原有纸质的零件图、装配图转成数字3D模型，重新生成数字化的零件图、装配体，拾遗补缺、审查、纠错。

    在（工业AI智能控制系统）这里，同样也得一个一个地收集数据；据现有的有效数据部分，先行开发、建立分“专业”的智能体；投入检验性试用。随着故障仿真、真实数据补充；一个一个地完善分“专业”的智能体；最后，融合工业产品管理、预测性维护、能源管理等等AI智能体，才能建立一套完整的（非多个智能体组合的）全域的、产品规模的所谓（端到端）大模型智能控制系统。

举个进程例子：

在工业传统控制模式下
以单一场景，从A点移动到B点为例，

通常设立个封闭的安全区，在此区域中，无障碍物。通过预编程即可实现。

（类似规划机械手安全域）

在早前的模糊控制方式下

曾经试过，开放区域的运输移动，采用放置各种固定障碍物体，通过采集操作工人的实际操作过程，获得数据。

实际效果并不理想，遇到相对移动物体就极易出问题。最终放弃。

在当今的AI大数据模型下，对这种单一场景的复杂情况，可以使用3D场景数字仿真，无需实体，从而获取大量相对静止、相对移动障碍物的操作数据（3D场景数字仿真这是关键！）；当数据量足够大时，就可以通过训练，建立针对这类单一场景应用的专业AI智能体了。

我认为：

1、能否建立、实现，取决于已有的历史数据积累。

就像我们由图纸到3D数字模型，原有的几柜子的蓝图图纸。那就是可以逐步转化成数字模型的“数据”。

2、是否已有分工明确的独立专业“应用目标”。

就像我们从一开始，部件就遵从模块化设计。这样，就可以有序地，把一个个模块的纸质图纸转化为一个个3D部件装配体的数字模型。最终由模块组合成完整的3D数字化设备装配体。

两个题外话：

1、标准化

当使用机械3D设计后，所有标准件（螺栓、垫圈）、包括订制标准件（传动带、链条）；甚至（行业）标准部件（例如：输送部件、辊道结构等），都不再需要设计。直接从标准件库、供应商库中（鼠标拖入）“引用”；装配到项目模型中。极大地简化了设计过程。降低了制造成本、缩减了供货周期。

可以想象，在工业AI智能化过程中，同样会有共享的、标准化的智能体，也会有专业性的智能体被有偿地大量引用。

2、开源共享的概念：

在我多年的认知中，

1、开源共享软件是免费的。

2、有使用说明，但原创者不提供技术支持。使用结果由使用者自行承担。

3、若需要原创者提供技术支持，则是要付费的。

4、对其开源软件进行修改、补充；新的软件仍需要保持开源共享。

以上，是基于之前的机械设计数字化进程，推断工业AI智能化的进程和大趋势。咱们大家就这方面多多探讨。

下篇：我们探讨传统数字开关量的逻辑控制缺陷与工业AI智能化重在关注数字化模拟量

连载系列——《工业AI之我见》

一、西门子RXD大会 参会感受

二、什么是工业AI智能体

四、传统数字开关量逻辑控制的缺陷与工业AI智能化重在关注数字化模拟量