导读：跟中国一些专家病诟“概念太多”不同，美国推出大量的概念，但并不会引起非议。针对人工智能驱动的制造，美国北卡罗来纳州大学提出了自感知制造和测量联盟（CSAM，Consortium for Self-Aware Machining and Metrology）。
在第四次工业革命，人工智能是通用目的技术（GPT，General-Purpose Technologies），它对大量行业产生影响，其中一个就是制造业。毋庸置疑，人工智能驱动的制造成为我们这个时代最值得探索的领域。
针对人工智能在制造业的应用，美国有多个流派，例如，工业数据流派STEP Tools，NIST和DMDII主张的数字孪生制造，当然，还有UNC支持的自感知制造，它是数字孪生体联盟值得关注的一支技术力量。
如果我们认真了解自感知制造，可以从中更深入认识到一些机加工领域的复杂性。
UNC的Tony Schmitz专门以《自感知制造之路》（Towards Self-Aware Manufacturing，演讲稿在数字孪生体课堂网站）做了一次演讲，详细介绍了自感知制造的原理。
本质上讲，Tony Schmitz想在机床加工领域用上数据驱动的新一代人工智能，但这没有成形的方法，所以他推动发起了自感知制造和测量联盟。
数据驱动（Data-Driven）和基于物理模型（Physics-Based Models）是两个领域，因此融合它们的难度不小，这也是国内一些加工专家“看不起”人工智能驱动制造的提法，毕竟两个领域有模型上的差异。
但美国人认为自己可以解决这个问题，CSAM提出了“混合物理引导数据学习方法”（Hybrid Physics-Guided Data Learning），该方法充分考虑了物理模型和数据驱动之间的差异。
从概念体系实际应用来看，由于加入了过程测量，有效保证了传统数据驱动带来的容差，从而使得机加工制造所要的确定性。
工业4.0研究院围绕数字孪生制造的GD&T研究发现，利用人工智能驱动的自感知制造，有可能在机加工领域找到控制加工质量的方法，从而为深度学习等找到用武之地。
