（一）基础理论与机理模型不健全

20世纪后期以来，材料加工技术呈现出过程综合、技术综合、学科综合的总体发展趋势；材料制造过程呈现出多物理场耦合、多参数交互作用、多学科交叉的显著特点。传统的理论解析、实验回归建模和数值模拟等机理模型虽然能够阐明材料加工成形过程中某些基本的、确定性的规律，但在解决材料加工过程中成分‒组织‒性能‒工艺之间关系的非线性、应力‒形变‒相变之间复杂的交互作用、温度/力学/电磁等多种外场的耦合作用以及各种扰动引起的边界条件及工艺参数的时变性等科学问题方面进展缓慢，相关基础理论的研究进展仍远远不能满足生产实践的需要，导致实现全过程模拟、多尺度‒多目标‒多参数综合优化非常困难，而这也成为制约高端新材料制造的瓶颈问题。

（二）“形”“性”一体化控制存在瓶颈

传统装备及零件的设计与机械制造是在选定材料的基础上进行零件几何设计、公差确定与制造实现的过程，多以几何尺寸公差为关注点。而高端新材料的制造则不同，不仅要关注外在形状‒尺寸‒表面质量的变化，更要关注内在性能及其决定性因素组织和缺陷的演化过程，实现内在组织‒缺陷‒性能与外在形状‒尺寸‒表面的一体化控制。我国制造业大而不强，部分重要零部件的寿命低、可靠性差，其重要的根源就在于制造过程中重成形制造、轻控性基础工艺。以航空用高性能大型整体金属锻件为例，组织缺陷和性能对成形过程和工艺参数敏感性大，成形过程温度场、金属流动与应力应变场精确控制水平低，难以实现内部组织场、性能场、残余应力场与服役应力场相匹配，导致锻造成品率低、尺寸精度低、质量一致性差、成本高。

（三）材料制造过程全流程精确调控难

材料制备加工成形过程具有多物理场强耦合作用，过程强时变扰动，内禀关系非线性、多变量与多目标等特点，组织结构演化贯穿全过程，影响因素多、孤岛控制对象多、综合质量评价困难，难以解决全过程建模、综合优化和智能调控的问题，导致全过程综合优化，特别是快速自动寻优困难。此外，在材料加工过程中，内部的组织转变和缺陷演化往往难以实时测量与感知，致使材料控性成为制造过程数字化与信息化的一个盲区，使这一过程成为难以把控的“黑箱”。很多材料制造过程，特别是热制造，是能量场、应力场、浓度场与材料相变等高度耦合的不可逆的动态过程，即使能通过计算机仿真建模等手段进行模拟计算和缺陷预测，也很难对这一过程进行实时的干预和调控。

四、高端新材料智能制造研发模式带来的变革与机遇

20世纪80年代中期以来，通过综合利用计算机、人工智能、数据库和先进控制技术，材料智能化成形加工技术逐渐兴起，成为21世纪前期材料制备与成形加工新技术中最富发展潜力的前沿研究方向。该技术可将材料组织性能设计、零部件设计、制备与成形加工过程的实时在线监测和反馈控制融为一体，其目标是以一体化设计与智能化过程控制方法取代传统材料制备与加工过程中的“试错法”，实现材料组织性能的精确设计与制备加工过程的精确控制，获得最佳的材料组织性能与成形加工质量。但受制于当时的技术水平，早期的智能化技术研究，主要采用基于物理建模和基于数学物理模型、先验知识的专家系统的技术路线。

近10年来，以材料高效计算、高通量实验和大数据技术为特征的材料基因工程关键技术的发展和应用，将材料传统顺序迭代的“试错法”研发模式，变革成全过程关联并行的新模式，全面加速了材料发现、开发、生产、应用等全过程的进程，促进新材料研发和工程化应用。材料基因工程的工作模式大致可分为实验驱动、计算驱动和数据驱动3种。其中，数据驱动模式提出了一种新的材料创新范式，即所谓的材料研发第四范式，以数据为基础，借助材料信息学的方法建立模型，利用人工智能如机器学习解析多参数间复杂的关联关系，可能产生颠覆性的效果，大幅度提升材料研发效率和工程化应用水平，推动新材料快速发展。

数据驱动模式也为发展材料制造加工全过程综合优化、智能调控新原理和新方法提供了重要机遇。数字化是智能化的前提和基础。快速发展的材料高效计算模拟、集成计算材料工程（ICME）等技术，为材料制造过程提供了大量仿真数据；同时，在材料制造过程中各种实时监测、智能感知技术的应用，又提供了有关材料工艺与质量的大数据。随着以深度学习为代表的人工智能技术的革命性突破，通过数据融合和挖掘，为基于数据模型而非物理模型实现全过程数字化建模和实时仿真提供了可能。在此基础上，与智能控制相结合，有望真正解决材料制造过程复杂多物理场耦合作用、时变扰动以及内禀关系非线性、多变量和多目标优化等难题。

当前，世界主要先进工业国家正在开展高端构件的数字化、智能化制造加工技术研究，从传统的“经验+试错法”向“数字化仿真+智能控制”研发模式转变，基于数字化和信息化的数字孪生和虚拟制造技术得到越来越多的应用。为了缩小与国外先进水平的差距，快速弥补短板，我国应抓住机遇，集中力量研究和探索智能化制造国际大趋势下的材料智能制造研发模式，应用人工智能、大数据分析等前沿技术，发展数据驱动的集“成分设计‒工艺优化‒过程控制”为一体的材料制造新原理和新方法，发展数据驱动的智能加工成形共性关键技术与工艺，抢占先机，引领我国高端新材料制造加工工艺技术实现换道超车、跨越式发展。

（1）注重发展机遇，开展高端新材料智能制造研究，抢占学科发展前沿。在以人工智能技术广泛应用为重要标志的第四次工业革命的新形势下，智能制造是未来全球高端制造业的竞争焦点，也是我国先进制造业发展的必然趋势。目前国际上在基于智能控制的材料加工成形研究与应用方面仍处于起步阶段，抓住难得的发展机遇，开展高端新材料智能制造相关研究，对于促进学科发展，抢占学科国际发展前沿具有重要意义。

（2）应用集成计算材料工程、大数据分析、人工智能等前沿技术，发展高效研发模式，提升原始创新能力。传统的基于经验、实验和数值模拟的“试错法”研究模式，难以解决材料加工成形过程中的组织、缺陷及性能的跨尺度关联复杂性、交互作用、形成与演化的时变复杂性，为此，通过综合应用集成计算材料工程、大数据分析、人工智能等前沿研究技术，发展高效研发模式，提升原始创新能力，是突破高端新材料制造技术瓶颈的关键。

（3）突破高端新材料智能制造关键技术，建立材料及其构件加工成形过程综合优化、精确控制新原理和新方法，支撑材料产业升级换代和跨越式发展。解决材料加工过程影响因素多、复杂多物理场耦合与多目标参数交互作用、组织结构与缺陷演化贯穿全过程等瓶颈难题，为实现高质量制造提供技术支撑，满足高端关键材料的国家急需，支撑材料产业升级换代，实现高质量发展。

（4）促进材料加工‒虚拟制造‒人工智能学科交叉，发展材料加工全过程数字建模与智能调控理论与方法，引领材料加工工程学科发展。

五、高端新材料智能制造共性关键技术的发展方向

目前，高端新材料智能制造的发展重心为融合人工智能与制造技术，突破材料智能制造共性关键技术，构建全生命周期、全流程、多尺度的智能制造系统。“料要成材，材要成器。”材料成形与加工在高端新材料制造中占有重要地位，正在开展智能技术研究的细分领域包括但不限于：铸造、锻造、增材制造、焊接、热处理、半固态成形、热处理、粉末注射成形等。以材料智能成形加工技术为例，亟待发展的材料智能制造共性关键技术主要包括：①面向工程应用的材料基础数据库与数据库技术；②应用先进数据库、集成计算和人工智能等技术，实现材料性能与成形工艺一体化设计的智能设计技术；③材料成形过程工艺参数、材料组织和性能等的在线检测与智能感知技术；④材料成形与加工处理全过程的预测与控制技术；⑤材料智能成形系统，实现对智能成形全过程的虚实交互、协同控制与发展。

（一）面向工程应用的材料基础数据库与数据库技术

面向工程应用的材料基础数据库重点包含材料综合性能数据、制造工艺数据、高级计算机辅助工程仿真所需数据、标准数据以及材料供应商信息等，按照统一的数据格式将不同来源的数据存储至永久化内存或云端。材料数据库技术主要包括：数据的自动获取技术、多源异构数据存储技术、材料数据云技术设施、材料数据交换技术等。

欧洲、美国等国家和地区自20世纪90年代起开始发展材料性能数据库，如欧洲的Total Materia、Matmatch数据库和美国的MatWeb数据库。国内近年来也发展了例如钢研·新材道、材易通和寻材问料等在线数据库服务平台。但我国材料数据的发展历史较短，在数据库数量、数据量和全民积累数据与共享数据理念方面明显落后于世界先进水平。

总体而言，我国面向材料成形加工的工艺数据库和质量数据库较为稀缺，面向工程应用的材料数据资源整合和数据体系建设尚待发展，材料数据自动获取技术与软件发展相对滞后，材料数据标准规范、权益保障与激励机制尚显不足。为此，今后应围绕材料研发、生产、认证、应用、服役全链条，进一步整合现有材料产业数据资源，开展面向材料研发和制造过程的数据自动抽取、实时采集、高效管理、智能检索与可视化、数据挖掘等大数据技术研发，形成系统化、成体系的材料数据应用产品链，创新突破和持续输出材料数据、关键技术、软件和产品服务，形成面向工程应用的材料数据赋能生态。

（二）高端新材料成形智能设计技术

1. 实验数据驱动的材料成形智能设计

借助机器学习建立材料性能与特征工艺参量之间的映射关系，利用这一映射关系预测未知材料性能，再对新材料的成形工艺设计进行指导，是一种典型的数据驱动的材料成形智能设计策略。有文献提出了一种基于最小二乘支持向量机（LSSVM）的Al-Zn-Mg-Cu系合金时效工艺参数‒力学/电学性能预测模型，结果表明，与反向传播神经网络结合梯度下降训练算法相比，LSSVM模型具有更好的广义预测能力。此外，利用优化算法、实验设计算法指导下一步实验，通过迭代反馈的方式快速优化模型，指导新材料开发，也是一种典型的数据驱动材料成形智能设计的关键技术。有文献提出了一种机器学习辅助策略的多目标性能优化方法，通过迭代方式推荐下一个实验，以加速完成多目标优化。面向未来，发展具有可解释性的机器学习方法，发展材料多目标协同优化关键技术，突破复杂材料的多性能需求、内在作用机理复杂等难题，将成为重要发展方向。

2. 集成计算驱动的成形智能设计

集成计算集成了横跨原子、微观、介观到宏观等跨尺度的计算方法，包括第一性原理计算、分子动力学、相图计算、相场模拟、有限元等方法。通过跨尺度、多层次地将计算模拟、理论模型和实验工具结合起来，将传统实验试错法的合金开发模式转换成事前预测模式，显著促进了新材料、新工艺的发展。作为材料基因组计划的重要组成之一，集成计算驱动成形智能设计在国内外已得到广泛认可。工程上应用的材料一般是复杂的多元合金体系，其生产和服役温度跨度较大，运用集成计算驱动成形智能设计有利于全流程综合考虑，优化设计，缩短研发时间和减少研发成本。

相较于机器学习黑箱模型，集成计算具有物理可解释性，计算方法有明确的数理方程，能够显式指导材料成形智能设计。此外，目前集成计算所使用的计算软件具有通用的数据结构，有统一的计算标准，可以对计算结果进行横向比较和多人协作完成模型构建。但集成计算驱动成形设计在应用中仍然面临一定的挑战，如计算量和需要的计算资源需求量巨大，缺乏广泛普适的计算方法，存在跨尺度、多物理场的耦合困难等。因而，未来仍需加强集成计算驱动的成形智能设计计算方法、理论模型和多功能数据库的研发，从而加速实现面向应用的多层次、跨尺度的集成计算材料模拟平台的建立。

3. 工业大数据驱动的成形智能设计

随着第四次工业革命的深入展开，工业大数据日渐成为工业发展重要的战略资源，是推动制造业数字化、网络化、智能化发展的关键生产要素。在传统的材料加工过程中，积累了大量的材料成形数据，这些数据包含的知识可以辅助新材料成形设计。此外，随着高通量计算和高通量实验的发展，高通量成形技术可以辅助新材料成形数据库的建设。通过高通量计算、高通量实验手段，可在短时间内快速获取较多数据，且数据标准统一、数据质量较高。然而，目前存在工业过程全流程、多模态数据采集困难，数据噪声和波动大，数据信息密度低等问题制约了该领域的发展。为此，发展多源异构数据协同挖掘，联合实验、计算和工业生产数据优势，成为未来工业大数据驱动的成形智能设计的重要发展方向。

（三）高端新材料成形过程在线检测与智能感知技术

在高端新材料成形过程中，常见的在线检测系统通常由核心传感器、传输系统、处理系统及显示系统组成。目前，高端新材料成形过程主要的传感器及测量技术有：①材料塑性成形过程的参数测量，主要包括应变、应力及残余应力；②尺寸测量，主要包括工件长度、宽度、厚度以及复合层或涂层的厚度、直径、不圆度、版型等；③表面粗糙度、表面缺陷及内部缺陷检测；④成形工艺和设备参数测量，主要包括在加工过程中的力、扭矩、变形量、振动、张力、温度、轧机的辊缝、轧件速度、机架应力以及电流、电压、功率等。

智能感知是赋能机器视觉、机器人、扫描和检测等工业自动化的关键技术之一，在薄片厚度测量、工件裂缝以及工件的缺损检测等方面已取得了显著进展。高端新材料生产过程智能感知主要包括数据采集网络、大数据分析与挖掘以及感知技术3个方面。数据采集网络由射频识别（RFID）、分布式传感器和物联网技术组成；大数据分析与挖掘包括数据的挖掘‒分析‒融合以及数据存储‒集成；感知技术包括生产状态感知、设备状态感知以及设备之间的智能感知。与国外先进国家的高端新材料成形过程在线检测与智能感知技术相比，我国在核心传感器国产化率、系统集成度、系统稳定性、检测数据服务成形控制能力、“产学研”协同示范应用等方面还存在较大差距。未来，需围绕这些关键问题，针对性开展技术突破，形成高精度快速检测和智能化感知模态。

（四）高端新材料成形过程预测与控制技术

高端新材料成形过程预测与控制技术主要从工业信息物理系统、数字孪生系统以及工业大数据与人工智能3个方面入手，建立起具有动态感知、实时分析、自主决策和精准执行功能的智能成形技术，把握材料生产数据价值，构建针对不同成形技术的材料数据库，并结合实际案例不断进行优化。

1. 工业信息物理系统

面向成形过程的工业信息物理系统主要包含物理系统、信息交互层和信息系统等要素。物理系统包含材料成形过程涉及的各种物理装备和控制系统；信息系统为通过数字化建模技术建立的与物理空间相对应的虚拟空间；物理空间与虚拟空间需要通过信息交互层连接，集成先进的感知、计算、通信、控制等信息技术和自动控制技术，实现相互映射、适时交互和高效协同。基于信息物理系统的智能工厂正在引领制造方式向智能化方向发展。

2. 数字孪生系统

数字孪生指在计算机虚拟空间建立的与物理实体高度保真的信息模型。西门子公司、通用电气公司等较早将其应用到航空、医疗、能源等工业领域，引起了广泛关注和高度重视。最近，在美国国家航空航天局（NASA）发布的《2040愿景：材料体系多尺度模拟仿真与集成路径》中，提出采用混合数字孪生技术对制造工艺过程进行分析和改进，显示了这项前沿技术在材料成形加工中的巨大应用前景。由于材料成形过程的复杂性、时变性以及数据难以获取，建立材料成形过程的数字孪生系统具有极大的挑战性。目前，这方面的工作尚处于起步阶段。高端新材料成形过程的数字孪生体建模理论与方法有待完善，全流程数字建模、实时仿真、数字主线构建、互操作等关键技术亟需突破。

3. 工业大数据与人工智能

无论是工业信息物理系统还是数字孪生系统，都离不开工业大数据与人工智能技术的支撑。工业大数据技术，包括数据规划、采集、预处理、存储、分析挖掘、可视化和智能控制等，可使材料成形过程相关的各种数据中所蕴含的价值得以挖掘和展现。用于材料智能系统构建的人工智能的核心技术主要包含：深度学习、计算机视觉、自然语言处理和数据挖掘等。模拟、新数据源、互操作性、可视化、仪器、平台等多方面的进步共同推动了上述技术的快速发展。随着新一代信息技术、先进制造技术、新材料技术等系列新兴技术的发展，高端新材料成形过程预测与控制技术还将持续得到优化。未来，需充分利用模型、数据、智能，并集成多学科技术，面向产品全生命周期，发挥连接物理世界和信息世界的桥梁与纽带作用，提供更加实时、高效、智能的服务。

（五）高端新材料智能成形系统

为了突破高端新材料规模化制备的成套技术与装备，需要坚持创新驱动和数字赋能相结合，聚焦国家重大战略需求和产业发展瓶颈，加快关键核心技术攻关，大力发展材料智能化制备与成形加工技术与智能制造系统。目前，国际上典型的材料智能成形系统有智能增量成形系统、智能无模拉拔系统、智能自动焊接系统、智能粉末注射成形系统、智能轧制成形系统等。构建高端新材料智能成形系统的技术难点在于集成策略的开发和实时信息传递与反馈机制的建设。先进智能成形技术的集成策略要求具有统一的技术衔接标准、可靠的衔接桥梁和高的技术稳定性，而实时信息传递与反馈机制要求各先进技术的时效性，即能在极短时间完成计算与输出过程。因此，攻克上述集成技术难题将成为高端新材料智能成形系统发展的重要方向。

六、发展高端新材料智能制造的对策建议

（一）加强对材料智能制造软/硬件、关键技术与数据标准研究

建议在国家各类科技计划中设置高端新材料智能制造专项，统筹各方资源，加大政策扶持及引导力度，形成稳定的资金支持，推动该领域基础理论、工业软/硬件、关键技术与数据标准等研究工作。推动材料智能制造战略研究，制定发展规划，明确下一步发展路径。紧抓新一轮科技革命和产业变革的历史机遇，通过学科交叉和创新链产业链协同，重点突破材料数据库、数字化建模、实时仿真、数据驱动的工艺智能设计、数字孪生等共性关键技术，形成面向材料制造过程的大数据软/硬件平台。以若干种典型高端新材料和具有代表性的成形加工工艺为突破口，争取在较短时间内取得原创性成果，打造高端新材料智能制造的成功应用案例，以在国内外产生示范引领效应。

（二）加强高端新材料智能成形创新体系与创新平台建设

高端新材料智能成形共性技术涉及到系统、硬件、软件、基础理论等多个方面，建议整合完善产业创新资源，充分调动企业的积极性，构建该领域覆盖产业链所有环节的创新联盟，统筹国家需求、技术攻关和资源共享，围绕产业链共性技术、关键技术和前沿技术攻关布局，打造具有国际竞争力的协同创新体系与平台，提高从基础研究到工程应用的转化能力。在基础研究方面，充分发挥高校、重点实验室的学科优势，积极开展国际合作与交流，争取原创性成果。在工程应用方面，夯实企业创新主体地位，以需求为引领，汇聚创新要素，打造高端新材料智能制造的核心竞争力。在科技创新服务平台方面，建设面向材料制造的数字云平台，提供数据共享、数字化建模等基础服务，为企业在云上构建高度仿真的数字孪生系统提供支撑。

（三）创新人才培养与评价体系，培养学科交叉工程人才

加快人才培养是发展高端新材料智能制造的重要支撑。材料智能成形（数字孪生）系统构建，需要材料科学与工程、机械工程、计算机科学与工程、控制科学与工程等多个一级学科交叉与合作。如何将材料制造的相关专业知识、机理、数据、模型转化为计算机能理解、可处理的信息，是实现高端新材料智能制造的关键，其重要性不亚于掌握机器学习算法等人工智能专业知识。目前，既懂材料制造，又熟悉人工智能方法与技术的复合型人才非常稀缺，建议增设“材料智能制造”专业，创新人才培养与评价体系，培养该领域卓越工程人才。

（四）加快成果转化，引领行业转型升级

按照国务院发布的《新一代人工智能发展规划》，人工智能将成为带动我国产业升级和经济转型的主要动力。随着人工智能的应用场景从热门的互联网领域扩大深入到各个行业，人工智能赋能工业将成为人工智能新的爆发点。高端新材料制造产业覆盖范围广、产品价值高、对先进装备的支撑作用大，是人工智能应用落地的理想场景。建议从政策、财政、金融、税收、知识产权等方面，引导支持社会资本进入材料智能制造领域，培育独角兽企业，加快技术创新步伐。鼓励“产学研”深度结合，破除成果转化壁垒，加快科技成果转化，通过智能制造研发模式的变革，不断推动和引领传统材料制造行业的转型升级。

注：本文内容呈现略有调整，若需可查看原文。

作者介绍

王华明

金属增材制造专家，中国工程院院士。

主要从事重大装备高性能大型关键金属构件增材制造技术和严酷服役环境关键机械运动副零部件特种表面工程技术研究。

丁文江

轻合金研究专家，中国工程院院士。

主要从事先进镁合金材料及其精密成形研究。

谢建新

材料加工工程专家，中国工程院院士。

主要从事金属凝固、加工和热处理及其关键装备的研究。