近日，由Jay Lee等54位作者联合撰写的《2026年智能制造人工智能与机器学习路线图》在arXiv上发布。该路线图全面审视了人工智能（AI）和机器学习（ML）在智能制造领域的现状与未来，旨在为研究人员、工程师和实践者提供指导，加速创新并推动工业应用。
路线图分为三个主要部分。第一部分概述了塑造智能制造中AI演进的基础和趋势。第二部分聚焦AI已取得进展的关键主题，包括工业大数据分析、先进传感与感知、自主系统、增材制造和激光制造、数字孪生、机器人技术、供应链与物流优化以及可持续制造。这些领域展示了AI如何提高效率、适应性和自主性。
第三部分探索了非传统ML方法，这些方法正在开辟新前沿，例如物理信息AI、生成式AI、语义AI、先进数字孪生、可解释AI、可靠性可用性可维护性和安全性（RAMS）、数据为中心的计量学、大语言模型（LLM）以及面向高度互联复杂制造系统的基础模型。
尽管AI/ML潜力巨大，但在工业部署中仍面临关键挑战，包括工业大数据的复杂性、有效的数据管理、与异构传感和控制系统的集成，以及对可信、可解释和可靠操作的需求。路线图识别了各领域的机遇和障碍，概述了方法、集成策略和工业采用方面所需的进展。
作者希望该路线图能推动学术与工业优先事项的协调，确保AI驱动的智能制造为未来的制造生态系统带来可靠、可持续和可扩展的影响。该论文已被《机器学习：工程》期刊接受发表。