（報告出品方：國金證券）
1. 復盤：“04 專項”政策支持目標為核心技術國產化突破
1.1 “04 專項”屬于國家科技重大專項，向機床“自主可控”發力
《國家中長期科學和技術發展規劃綱要（2006-2020 年）》提出“圍繞國家目標，進一步 突出重點，篩選出若干重大戰略產品、關鍵共性技術或重大工程作為重大專項，充分發揮 社會主義制度集中力量辦大事的優勢和市場機制的作用，力爭取得突破，努力實現以科技 發展的局部躍升帶動生產力的跨越發展，并填補國家戰略空白”。 《規劃綱要》確定了 16 個國家科技重大專項，其中“高檔數控機床與基礎制造裝備”是 第四項，一般簡稱為“04 專項”。
根據《高檔數控機床與基礎制造裝備重大專項——編寫組專家對重大專項的解讀》信息， “04 專項”采用了更加創新的支持方式，以滿足需求為前提拉動自主創新可持續發展， 在“產、學、研”的基礎上增加了“用”，強化了產業鏈上下游合作加速研發落地，同時 有六項圍繞補貼、融資、招標等核心問題的政策和措施落地以促進專項成功實施： 1）在“產學研”基礎增加了“用”：圍繞實際產業需求，以企業為主體，采用“產、學、 研、用”結合方式統籌安排重點突破，實現自主創新，促進產業升級。
2）建立了圍繞國產化率等的清晰目標：以 2010/2015/2020 三個時間點規劃了清晰的發展 目標，總體發展目標主要關注產品開發/創新能力，實現高國產化率滿足下游需求。
3）推出促進重大專項的實施措施與政策：以“應用示范工程”支持、產品加入《政府采 購自主創新產品目錄》、稅收補貼等六項政策和措施促進專項成功實施。
“04 專項”課題采用申報的形式由企業自籌+地方配套資金+中央財政投入經費支持完成。
1.2 “04 專項”支持下，高檔機床、高檔數控系統、功能部件等多個領域實現突破
根據新華財經信息，在 22 年 9 月 6 日工業和信息化部舉行的“新時代工業和信息化發展” 系列新聞發布會第五場，工業和信息化部裝備工業一司司長王衛明表示，以“高檔數控機 床與基礎制造裝備”國家科技重大專項為抓手，高檔數控機床平均無故障時間間隔（MTBF） 實現了從 600 小時到 2000 小時的跨越，精度指標提升 20%；國產高檔數控系統在國產機 床中市場占有率由專項實施前的不足 1%提高到 31.9%；五軸擺角銑頭等功能部件的市場占 有率由不足 10%提升至 30%以上。
伴隨“04 專項”的實施，海天精工、紐威數控、科德數控、華中數控、秦川機床、日發 精機等企業均參與了相關課題，加速技術進步。 以科德數控為例，到 2021 年已承擔及參加了 29 項課題，圍繞高檔機床、數控系統、功能 部件實現技術升級突破。
1.3 “04 專項”課題與時俱進，已經出現了較多智能化相關內容
從“04 專項”2009 年第一批課題申報指南看，當時大多數課題圍繞機床、核心零部件的 產品開發展開，考核指標以機床精度、主軸轉速、MTBF 等為主，智能化、數字化、大數 據等詞較少提到。
“04 專項”2009 年的第一批課題主要圍繞機床與核心零部件相關產品開發展開，到了 2018 年的課題可以看到一方面課題的內容不再僅限于單個產品，而是圍繞前期研制的機床、數 控系統在專項重點領域（比如汽車行業）的實際應用場景展開；一方面數字化、智能化、 大數據詞頻明顯提高，開始要求在智能化相關技術上也實現突破。
2. 展望：AI 時代的政策導向有望過渡為新技術領域實現突破，數控系統重點 關注
2.1 從數控技術出現后，機床的技術升級就與電子、信息技術密切相關
從 18 世紀工業革命開始，機床隨著不同的工業時代展現出各個時代的技術特點，當前的發展方向是數字化、智能化。
機床的技術升級主要體現在機床結構、主軸、驅動、控制等方面，持續迭代追求高精度、 高剛度、熱穩定性、長壽命和精度保持性。
機床行業過去出現的***大技術迭代為數字控制（NC）技術尤其是后來采用計算機的計算機 數字控制（CNC）的出現和成熟，讓機床與電子、信息技術的發展直接關聯。
在軟件、硬件的持續迭代下，機床的加工精度和加工效率出現大幅提升。
2.2 機床行業 AI 技術怎么落地？數控系統有望成為 AI 技術落地核心場景
數控系統由數控裝置、伺服驅動、電機組成，其中數控裝置為數控系統的核心。
數控系統的基礎功能主要包括控制功能、主軸功能、準備功能（G 代碼）、輔助功能（M 代碼）、刀具功能等，系統軟件必須完成管理和控制兩大任務，系統的管理軟件主要包括 輸入、I/O 處理、通信、顯示和診斷等程序。系統的控制部分包括譯碼、刀具補償、速度 控制、插補和位置控制、開關量控制等軟件。
從具體運行流程來看，可以簡單總結為建模（制造圖紙）、路徑規劃（確定走刀路徑）、插 補（輪廓擬合/加工補償）、完成驅動。
也就是數控系統在運行過程中實際上涉及大量數據的獲取和處理。
通過采用 AI 技術，數控系統的智能化程度可以進行大幅提升，讓機床具有動態規劃、推 理決策、環境感知、智能監控、預測性診斷能力等。
2.3 遺傳算法、人工神經網絡等技術已在數控系統插補、熱誤差補償、加工路徑優化等領 域持續推進研發
2.3.1 人工神經網絡與遺傳算法：強化數控系統插補、熱誤差補償能力
人工神經網絡（ANN）是人工智能技術中應用***廣泛的一種技術，具有學習能力、并行處 理能力、自適應能力和容錯能力等。在復雜非線性的、難以用數學公式描述的系統建模和 控制中成為一種重要的建模技術手段。人工神經網絡是根據人的認識過程而開發的一種算 法，分為訓練和工作兩個階段。在訓練階段，以一組輸入—輸出模式用以訓練網絡，使網 絡參數（包括權值、閾值等）調整到***佳；在工作階段，網絡參數不變，給定新的輸入得 到相應的輸出。 ***廣泛的 BP 神經網絡是一種人工神經網絡的誤差反向傳播訓練算法，由輸入層、隱層、 輸出層組成。BP 算法是采用有導師的監督學習方式，適合于多層前饋神經元網絡的一種 學習方法，其主要思想是利用期望值與網絡輸出值的誤差函數沿負梯度方向下降，不斷地 修正網絡權值和閾值，使網絡輸出層的誤差平方和達到***小，逐漸逼近目標值。
在實際使用中，由于 BP 神經網絡存在訓練時間長、學習算法收斂速度慢等問題，通常可 采用遺傳算法和 BP 算法相結合的方式進行優化。
通過采用遺傳算法和 BP 神經網絡算法，對數控機床加工效率、加工精度影響較大的插補、 熱誤差補償等功能將得到顯著強化：
1）插補：減少運算時間，提高插補速度，解決復雜型面加工難題
數控機床刀具的移動是一步步進行的，為了實現***優加工效果刀具軌跡應該和工件輪廓一 致。對于復雜曲線，直接生成一條完全一致的軌跡算法會變得很復雜，實際應用中主要通 過直線/圓弧逼近需要加工的曲線，插補就是指在這個過程中根據輸入的基本數據（如直 線終點坐標值、圓弧起點、圓心、終點坐標值等），按照一定的方法產生直線、圓弧等基 本線型，并以此為基礎完成所需要輪廓軌跡的擬合工作。
通過采用遺傳-神經網絡對插補進行優化，可以簡化計算過程提高插補效率，并且改善刀 具路徑精度和表面光順性。
2）熱誤差補償：通過建模提高預測精度
根據《數控機床絲杠傳動系統熱誤差實時補償技術》數據，高精度數控機床的誤差主要是 熱誤差，可占總誤差的 50%-75%。以絲杠熱誤差補償為例，目前的主要補償方式是通過位 移傳感器測量絲杠總熱形變量，或通過溫度傳感器檢測溫度變化量，通過軟件生成一個認 為誤差來抵消熱誤差影響。
目前機器學習已經成為了熱誤差建模的主要方法，通過 BP 神經網絡模型可以提高模型預 測精度。
2.3.2 視覺模型：在工件尺寸測量與定位、機床回轉軸誤差檢測等領域有較好應用前景
傳統數控系統主要依靠機械定位或光學定位進行誤差補償，對于夾具要求較高，對小批量、 高靈活性的生產任務適應性較弱。搭配了機器視覺系統的數控系統可以在保證加工精度的 情況下對不同加工任務僅需進行特征點的采集即可，能夠有效節約生產成本和提高生產效 率。 通過確定相機坐標系和機床主軸坐標系之間的坐標變換關系，可以建立運動學模型，再結 合工件定位特征點建立優化目標函數，求解特征點的工件坐標來完成定位。
未來機器視覺技術在工件尺寸測量與定位、機床回轉軸誤差檢測、機床軌跡補償、工件裝 夾誤差視覺矯正等領域有較好應用前景。
2.3.3 數字孿生模型：在可靠性分析、加工路徑優化等領域進一步強化
數字孿生（Digital Twin，DT）主要指在數字空間構建物理實體或過程的數字模型,保持 數字模型與物理實體或過程同步共生,進而完成對物理實體性能狀態的動態預測,***終對 物理實體或過程進行主動干預。 對于機床來說，數字孿生技術的應用主要是建立數字空間和物理空間的雙向映射，以數字 模型為基礎結合感知數據實現可視化監測、性能預測、參數優化、反饋控制等，顯著提升 機床的智能化水平。
通過采用數字孿生技術，可以更高效的以數字驅動方式對機床進行可靠性分析監控、加工 路徑優化等：
1）可靠性分析
基于歷史數據進行數字孿生模型訓練，基于事實數據用于數字孿生模型在線預測，從而建 立機床監測信號和實際狀態之間的映射關系，將狀態監測數據和數字孿生模型預測結果進 行展示，幫助可靠性分析、預測性維護過程中進行決策。
2）加工路徑優化
《基于數字孿生的數控機床加工路徑優化方法研究》提出了一種數字孿生感知驅動的加工 路徑優化機制，在改進遺傳退火算法（IGASA）路徑優化算法基礎上結合數字孿生機床（DTMT） 模型對傳統機床（MT_CNC）實際加工過程進行監控和仿真，除提供全程加工監控外，數字 孿生機床在虛擬信息空間中的仿真為數控加工提供了一個低成本的試驗驗證平臺，規避實 際加工中的潛在問題，如刀具碰撞、干涉等情況，實現對加工路徑與數控代碼的檢驗，從 而降低加工成本、提高工件質量與機床效率。一旦感知到數控機床加工工藝參數或數控機 床相關運行參數與原先預期不相符合情況的發生，即機床狀態發生變化時，分析路徑優化 算法中的運動干涉約束、重復走刀約束、加工工藝約束及刀具壽命約束是否發生變化，一 旦四個約束條件中的一個或幾個約束條件發生改變，則需要更新算法參數，重新啟動 IGASA 優化算法，進行路徑優化。
2.4 全球數控系統廠商積極加碼布局，華中數控推出“大模型”數控系統，AI 技術應用 將成為新的競爭點
從前文內容可以看出，目前針對如何將數控機床中孤立、碎片化的大量數據轉化成有效決 策信息已有較多基于 AI 技術的應用嘗試嘗試，***終目標都是打造一個具有自適應、自感 知、自學習、自交互、自執行的數控系統。
海外主要數控系統廠商目前均在加碼智能化布局：
1） 西門子
西門子推出了 SINUMERIK ONE 數控系統，是以西門子技術生態及其數字孿生工具鏈為依托 的“數字化原生”數控系統，是西門子推動機床行業數字化轉型的關鍵產品，具有創建相 應數字化雙胞胎的多功能軟件，以實現機床制造和生產過程數字化孿生。其智能化功能包 括：智能動態控制（IDC）、智能負載控制（ILC）、Top Speed plus 智能功能。
2） 發那科
發那科已經推出了采用機器學習技術的 AI 伺服調整、AI 熱誤差補償、AI 分揀等功能。
3）海德漢
海德漢 TNC7 數控系統具有智能偏差測控、智能磨損檢測、智能反向間隙補償、智能機床 前端點控制、智能圖形化編程、智能函數、智能動態碰撞監測等智能化功能。
國內數控系統領軍企業華中數控推出了華中 9 型智能數控系統，集成了 AI 芯片，融合了 AI 算法，將人工智能、物聯網等新一代智能技術與先進制造技術深度融合，遵循“自主 感知-自主學習-自主決策-自主執行”新模式。
華中 9 型在自主感知、自主學習、自主決策、自主執行等方面實現了較大突破：
1）自主感知：“指令域”大數據
通過獨創的“指令域”大數據分析方法，采集、匯聚數控系統內部電控大數據和外部傳感 器數據，形成指令域“心電圖”，實現大數據與加工工況的關聯映射，構建由機床全生命 周期大數據描述的數字孿生。
2）自主學習：融合建模
借助具有“因果關系”的數理模型和具有“關聯關系”的大數據模型，獨創性地將數理模 型與大數據模型進行融合建模，實現對機床動態行為的自學習和認知理解，構建由機床動 態模型描述的數字孿生。
3）自主決策：i 代碼
利用所獲得的數字孿生，進行虛擬加工，并預測加工效果。根據預測結果，自動進行多輪 優化迭代，***終生成多目標智能優化的“i 代碼”，實現自主決策。
4）自主執行：雙碼聯控
華中數控獨創的雙碼聯控技術，讓傳統數控加工的“G-代碼”（第一代碼）和多目標智能 優化的 “i-代碼”（第二代碼）同步運行，實現優質、高效、可靠、安全的數控加工。
根據公司微信公眾號信息，***新的系統采用了基于大模型技術的故障診斷功能，能夠理解 用戶對故障問題的語言描述，快速提供可能得故障原因及解決方案，并通過手機 APP 操作 以實現更好的人機交互。截至 24 年 4 月，系統已達到 1 到 2 年工程師水平，未來將不斷 進化，提高診斷處理能力。
在第十三屆中國數控機床展覽會（CCMT2024）上，有 15 臺來自各個機床廠不同型號的參 展機床配套了華中 9 型智能數控系統，后續有望繼續走進更多機床廠商進行適配。
2.5 結合日本機床產業政策復盤看，在技術重大變革時期的產業政策核心目標為在新技術 領域實現突破
通過復盤日本機床產業我們看到 CNC 技術出現之后，數控系統的探測（可以通過傳感器數 據修正溫度變化帶來的熱脹冷縮）和自適應（可以通過軟件來修正硬件的幾何缺陷）能力 可以認為重新讓大多數生產商，包括日本企業都到了同一起跑線，許多領先企業積累的經 驗都變得不那么重要了。數控技術的出現成為了日本機床企業崛起的契機，日本的數控化 率持續全球領跑，日本的龍頭企業也借此機會逐步成長為全球龍頭。
日本數控化率快速提升的背后我們認為政策支持方向的切換也帶來了顯著的積極影響。 1971 年日本推出“機電法”，確定了機械工業與電子工業相結合的目標，政策導向從技術 引進與模仿開始向技術改革與創新過渡，主要目標從實現核心技術國產化轉換至在新方向 （CNC）關鍵核心技術實現突破。
通過前文復盤可以看出，“04 專項”相關政策目標主要是實現核心技術的國產化，在當前 AI 技術快速發展背景下，我們認為國內政策支持也有望逐步向在新方向實現關鍵核心技 術突破過渡，加速 AI 技術在機床行業的產業化落地。
（本文僅供參考，不代表我們的任何投資建議。如需使用相關信息，請參閱報告原文。）
精選報告來源：【未來智庫】。
川公網安備51012202001782