机床小K

日更1000字+机床知识和行业思考分享+业务链接

第512篇

欢迎关注个人公众号

这两年，AI在办公领域的发展非常快，比如前阵子流行的小龙虾。

小龙虾（OpenClaw）：开源本地AI智能体，不只聊天，能直接操控电脑完成任务。例如，你下达指令，它自动把桌面零散文件分类整理、重命名归档，不用你手动点鼠标。

不过在复杂和专业的工业制造领域，会发现一个很有意思的现象：工业AI并不是简单地把ChatGPT装进工厂。

对于制造业来说，AI正在进入设备、专业软件以及整个制造流程。

如果把目前的发展方向梳理一下，大致可以分成两条路线：

第一条：AI进入设备，让机床自己会判断；AI进入CAD/CAM/CAE等工业软件，让设计，工艺和工业分析本身变得智能。第二条：AI Agent成为总调度，通过MCP调用各种专业软件，把整个制造流程串起来。

这两条路线最终并不是互相竞争，而是互相补充。

第一条路线：

1.1 AI对机床加工的影响

传统机床实际上是一个非常“听话”的设备。工程师给它什么程序，它就执行什么程序；给它什么转速、进给，它就按照参数加工。但真实的加工现场并不是这么简单。

过去说人机料法环，人作为总的判断来掌握全局，现在就是机床替代了人来局部解决问题，加工过程中可出现，刀具磨损，材料问题导致的切削力增加，参数不合理导致的主轴振动，共振，温度变化，夹具受力异常。

传统机床发现这些问题以后，很多时候只能停机，然后由工程师处理。而AI进入机床以后，逻辑就开始发生变化。

例如：加工过程中突然发生振动AI可以通过主轴负载异常、振动异常，声音异常，温度等传感器数据异常来判断，现在的加工状态是不是已经偏离正常状态。

如果判断超过了设定的阈值，它就可以进一步调整加工参数。

例如：降低转速，调整进给，改变切削参数，必要时改变加工策略。这就是我们经常说的自适应加工。它的核心并不是AI替工程师写程序，而是机床在加工过程中，根据实际加工状态动态调整自己。这实际上非常重要。因为传统NC程序就是一种预编程。而AI自适应加工更接近，加工过程中实时感知和判断，再做调整加工，整个流程的判断就是1-2秒钟完成。

机床开始从一个执行者，逐渐变成一个具有一定决策能力的执行者。

#359  从《时代》AI年度人物看趋势：AI对机床行业的深度影响

1.2 AI对设备维护的影响

传统维修更多是：出现故障 → 停机 → 工程师检查 → 找原因 → 更换零件。但是机床其实每天都在产生大量数据。

例如：主轴振动变大，主轴温度变高，轴承温升，电机负载高，伺服电流异常等等。如果长期积累这些数据，AI就可以建立一个“正常状态”的模型。

例如：主轴轴承正常状态下，振动频率、温升、负载变化是什么样？

当某一天发现：温度开始慢慢升高 + 振动特征发生变化 + 电流出现异常，AI可能并直接告诉维修工程师：这个主轴的状态正在偏离历史正常状态，轴承出现异常的概率正在增加，建议进行检查。通过相关措施延长主轴使用寿命。这就是从事后维修走向预测性维护。

#266京瓷刀具的AI监测技术

# 234 思考11—由NSK AI品质故障管理想到的

#507 在设备故障预判与售后维修方面，AI大模型如何改变机床行业

目前相关研究已经开始把多源制造传感器数据、知识图谱和大模型结合起来，用于加工状态诊断和预测性维护。甚至像西门子这样的工业企业，也已经把AI Copilot用于设备故障排查和工业运维。

1.3 AI进入工业软件领域

让工业软件自己变得“聪明”这一条其实比AI Agent更加重要。因为工业制造最核心的知识，很大一部分并不在聊天软件里面，而是在：CAD、CAM、CAE、PLM、MES以及各种专业软件里面。比如一个工程师设计一个复杂零件。传统流程是：人建模 → 人修改 → 人分析 → 人设计工艺 → 人编刀路 → 人仿真 → 人修改。而且这个过程在设计分析这块要不断反复的人去修改。

AI进入工业软件以后，变化就比较大了。

例如工程师可以直接告诉CAD，把这个零件重量降低20%，但是刚度不能下降。AI可以调用设计、仿真、优化等能力，帮助工程师寻找方案。现在这已经不是纯粹的概念。西门子的NX已经加入Design Copilot等AI能力，可以通过自然语言帮助用户分析、优化和生成设计内容。（利用CAD和CAE的设计和工业分析软AI功能，其实是一个非常利好和弯道超车的机会，可以快速拓扑出最优设计。）

CAM的变化可能更加直接

对于加工行业的人来说，真正有价值的可能不是AI帮我画一个漂亮的图。而是，这个零件怎么加工最合理？

例如一个复杂零件。AI可以结合，零件材料；机床能力；刀具；历史加工工艺数据库（切削参数，加工时间，表面质量）去寻找更加合理的加工方案。

最终可能形成：识别特征 → 制定工艺 → 选择刀具 → 生成刀路 → 仿真 → 优化加工时间 → 输出NC程序。

这才是AI真正进入制造业产品工艺编程核心环节。实际上，NX CAM本身已经具备大量自动化编程、刀路生成、仿真和机内测量等能力，AI未来更多是在这些专业能力之上进一步增加决策和优化。

所以未来的工业软件可能会发生一个很大的变化：过去软件是工具，工程师操作工具。

未来软件可能逐渐变成“工程师 + AI”的共同工作平台。

第二条路线：AI Agent，不再自己干活，而是负责调度。

AI Agent和普通的大模型最大的区别之一，是它不只是回答问题，而是可以：理解任务 → 制定步骤 → 调用工具 → 执行任务 → 检查结果 → 继续下一步。

例如你告诉AI：

帮我设计一个真空泵螺杆，要求达到多少真空度，多大功率等等，并提供优化了N种的设计方案。

一个真正面向制造业的AI Agent，理论上可以这样工作：

第一步：调用CAD建立三维模型；

第二步：调用CAE进行强度和运动分析；

第三步：调用CAM进行工艺规划，选择刀具和切削参数，进行加工仿真，生成NC程序；

第四步：把程序发送到对应机床。完成实体加工。

这时候AI本身其实并不需要成为世界上最好的CAD工程师，也不需要成为世界上最好的CAM工程师。

它真正需要做的是：知道什么时候应该调用什么工具。这就是通过MCP协议，Ai Agent 来调度各类软件。

但现在很多AI Agent为什么让制造业的人觉得不太有用？就像前文提到的小龙虾，导致很多人吃药，文件误删，数据泄露，任务失控，账号乱操作，卸载复杂。

现在很多所谓的AI Agent，还停留在办公领域，即使这些领域做得也非常糟糕。

但是对于真正的机械工程师来说，这些东西只是外围工作。工程师真正需要的是，专业的工业软件的使用。这些软件不是普通办公软件。

它们里面有大量专业知识、复杂的数据结构、专用接口和企业核心数据。所以现在工业AI Agent真正的瓶颈，是核心数据的保密行为。

所以工业AI真正的未来，其实是“两层结构”

如果把这两条路线放在一起，未来工业AI可能形成这样的结构：

第一层：设备AI，机床自己感知和决策。工业软件AI，软件帮助工程师完成设计和工艺决策。

第二层：AI Agent

AI负责把不同软件和设备连接起来。

AI Agent负责：CAD → CAE → CAM → 仿真 → CNC → 检测。把原来由几个工程师、几个软件、几个部门完成的流程连接起来。

还有个要说的就是AI重新定义工程师的工作方式

过去，一个工程师需要花大量时间：找参数查手册；建模编程改刀路；查故障；找历史案例；做重复性的设计。

未来这些工作里面，会越来越多地被AI接管。

工程师真正留下来的价值越来越集中在判断、经验、创新、责任以及最终决策上。所以未来制造业并不是简单的AI取代工程师，更可能是，会使用AI的工程师，逐渐替代不会使用AI的工程师。

这才是我们真正意义上所说的AI进入工业制造领域。而现在，我们其实还处在这个过程的早期。

本文完。

欢迎大家来链接，免费加微信群和加付费知识星球。目前年费99元，有80多位付费成员聚在这里，涉及机床行业和制造业同行，他们对相关领域熟悉。可以在内部发布需求，销售自己的产品，求助技术和展开各类合作等。