近年来，工业领域经常讲“云、物、移、大、智”，即云计算、物联网、移动互联网、大数据、 智能制造 ，似乎这就找到了工业转型升级的方向和钥匙。其实，真正要重点关注的，是集成电路芯片、关键基础工具(比如数控机床、工业基础软件)，如果这些做好了，“云、物、移、大、智”是可以根据具体需要随时搭建的。如果数控 机床 、数控技术、工业基础软件做不好，那就只有长期受制于人，一切都是空谈。
诸如高铁、核电这类极端复杂的技术系统，中国也能连续实现创新突破，为什么在数控机床方面迟迟没有太大的进展?数控机床不仅仅是一种关键基础设备，更是一种一步一步将工作方法、知识经验融入软件和模型的“工作母机”。数控机床牵扯的应用领域极其广泛，无可比拟的产业基础性，使其真正凝聚了“整个工业领域百年以来的叠加式技术进步”。哪个工业国家一旦在数控机床的技术积累上落入下风，短时间内很难追赶上来。在此，我们基于工业、产业、商业三个维度系统阐述数控机床的进化迭代历史。
第一维度：速度、精度和寿命
数控机床不仅仅是一种数字化的工具机(Machinetool)，更是代表了传统工业社会的一种思维方式——减材制造。数控机床要做的事情无非就是“车钳铣刨磨”，将原材料当中不需要的部分一点一点减掉，通过弯折、钻孔、切削、打磨，得到产品结构中的物理零部件。
这个操作过程当中，机床设备自然是速度越快、精度越高、寿命越长、代表性能越好。很长一段时间，数控机床在速度、精度、寿命上的性能提升主要通过最基础的电子元器件得以实现。
数控机床的最初设想始于美国军方，1948年，美国空军在研制直升飞机螺旋桨叶片轮廓检验用样板的时候遭遇瓶颈，因为样板形状复杂多样，精度要求极高，要设计新型的特种加工设备以适应当时的特殊需求，“数字脉冲控制机床”的设想就由此诞生。
此后的25年当中，因为核心电子元器件的进化迭代，数控机床总共有五次更新换代：第一代是由MIT(美国麻省理工学院)参与研发的三坐标数控铣床，由电子管元件作为数控装置(1949年-1959年);第二代是带自动换刀装置的数控机床，由晶体管元件和印刷电路板作为数控装置(1959年-1965年);第三代是由集成电路作为数控装置的数控机床(1965年-1970年)，体积小、功率消耗少，同时具有高可靠性和低成本优势;上世纪60年代末，出现了由一台计算机直接控制多台机床的群控系统(简称DNC)，以及采用小型计算机控制的计算机数控系统(简称CNC)，第四代数控装置的典型特征就是“小型计算机化”;1974年以后更进一步，数控装置开始采用微处理器、半导体存贮器，即微机数控时代(简称MNC)。
在这段历史时期当中，数控机床的相关辅助部件也在持续进化迭代。比如实现高精度测绘，就要采用一个叫光栅的测量元件。直到如今，德国的海德汉公司与英国的雷尼绍公司，几乎垄断了光栅技术的全球市场，高精度的光栅，中国的数控产业也不是有钱就可以买到的，外国公司一般只向中国出口基本测量水平的光栅。
另外，机械加工的工艺技巧和管理水平也在持续沉淀优化。比如小小一个M6螺杆，外径公差在5.794-5.974毫米之间，内径、牙距、材质以及表面处理都有相应量化指标。在日本、德国或者瑞士，不符合规定的标准件是很难找到的，因为根本卖不出去。他们在制造环节的初期就设法杜绝残次品的出现，在后续几十道工序中又有多年的优化经验和数据积累，加上市场充分竞争，这种最基础的标准件十分便宜、十分可靠。
国内工厂因为缺乏工序优化和数据积累的那段历程，哪怕有了很好的数控机床设备，也难以保证产品不出现瑕疵。国内很多汽车制造企业在市场上采购零件回来以后，通过全检才会采用，甚至为了确保质量可靠，就干脆订做(要跟踪从原材料到表面处理的全过程)，哪怕一些小小的螺丝螺母也耗费大量成本。汽车产品的使用寿命可以取决于细微处的螺丝螺母，螺丝螺母的使用寿命取决于无数工序细节。
20世纪80年代以后，IT互联网技术开始全面融入数控机床产业，数控装置明显趋向小型化、自动化、网络化和智能化。由工业软件来引导自动监控刀具破损、自动检测工件，加上PC+CNC智能数控系统，明显增强了系统运行的速度和精度。过去40年当中，数控机床的发展方向就是“极其精确的系统控制”。这当中有三大特征：
技术立体融合
“云、物、移、大、智”不是单独存在的，而是融合发展构建的一个关联系统。如果以人体结构类比数控机床，数控系统是人的大脑，伺服驱动器是人的肌肉，电机是人的关节，传感器是人的视觉，执行部件(回转工作台或摆角铣头)是人的手脚，机床本体(床身/裸机)是人的骨架，而云计算、物联网、大数据则贯穿数控机床的整个神经网络，相当于“能力倍增器”。
状态精确控制
通过工业互联网和大量工业APP的支持，产品的设计问题、工艺问题、制造问题都可以在虚拟空间中完成，反复核查和检查，状态精确控制贯穿了产品的全寿命周期。毕竟，改进模型要比修补产品实物容易得多，诸多细节问题在虚拟空间中做了最优调整，进入实物制造，精度、成本和可靠性得到最佳平衡。
大规模定制化生产
数控机床的工作过程越来越柔性化，比如西门子的安贝格工厂，每天生产6万个PLC控制器，每个都不一样，结构、总线、接口标准、通信协议、软件和印刷板都是定制的，最初是0.5%的不合格品率，智能升级之后，不合格品率下降了几个数量级，现在大概是百万分之五。
第二维度：产业体系
2018年，中国工业产值已经超过美国+日本+德国的总和，可是中国仍算不上一流工业强国，数控机床就是其中一大短板。
1982年-2009年，世界第一的机床生产大国是日本，2010年中国机床工业实现赶超，可是中国制造的数控机床在核心数控系统和功能部件上，至今受制于人。因为核心设备能力不足，连带整个材料工业、多个细分工业领域长期处于劣势。比如中国稀土储量是世界第一，但稀土在中国人手里就是土，因为中国缺少技术把它变成材料。这些材料技术都是用几十年的积累研究出来的，通过各种实验做出来的，这些材料能做到纳米级，搁在手机芯片里面。这些都需要专门的机床设备，这些东西就德国和日本有。谁控制着材料和机床，谁就处于强势地位，享受议价权和更多利润。一个国家数控技术的进化迭代，取决于产业体系，又将投射于产业体系。
取决于产业体系
工业强国的最大根基是基础工业(包括装备、材料、工艺)。基础工业受制于数控机床的工艺精度，但是高精度的数控机床也不能加工超过自身精度水平的零部件。那么，数控机床的工艺精度源于哪里?源于最精密的基础装备(包括数控机床、工业机器人等)加工基础材料，得到基础零部件和基础装备，即机器制造机器。这是一个“不断自我强化的内在循环”，这一循环的关键影响因素，除了机械工业，更重要的是电子信息工业和材料工业。
美国制造业可以引进德国造的数控机床，但核心的数控系统、工业软件美国是有技术主导能力的。美国基础工业的深厚内力，主要源于电子信息工业的垄断地位，全球的芯片和实时控制软件几乎都源于美国。比如，美国波音公司独步全球的核心优势不是在机械部分，而是在软件部分，1991年波音777的诞生用了七八百种工业软件，2005年波音787的飞天用了8000种工业软件，波音现在已经有8500种工业软件，也只是渗入波音飞机的部分核心环节，如果算上外包的那些部分，这一数字更加惊人。
德国、日本的基础工业由大量掌握技术诀窍的中小企业支撑，由西门子、三菱重工等大型企业来牵引，机械、电子、材料、工艺等各个方面的技术能力非常均衡。比如，数控机床的最大限制就是材料，高速加工时，包括主轴和轴承摩擦产生热变形导致主轴抬升和倾斜、刀具磨损导致的误差等，加工精度极高的数控机床，背后是材料工业的支持。
投射于产业体系
如果数控机床、数控技术实现创新突破，可以有效投射于产业体系的各处毛细血管。比如航空母舰用的电磁弹射技术，技术原型就是数控产业的直线电机技术，因为中国的直线电机技术已经成熟了，才可以继美国、俄罗斯之后第三个接近实现舰载机的电磁弹射起飞。瑞士制造了世界上最精巧的钟表产品，就是因为瑞士达到了精密制造的极致，同样重量的数控机床，瑞士货的价值最高，是中国货的10倍，日本货的价值可比肩德国，是中国货的3.5倍。
中国制造业要实现转型升级，数控产业的长期弱势就是一个很大的掣肘。不仅机床设备的数控系统要依赖德国、日本这些传统工业强国的开放程度，更要考验中国工程技术人员的学习适应能力，那些习惯使用日本发那科(FANUC)系统的技工，几乎操作不了德国西门子(Siemens)产品(换一个品牌的数控系统就不会工作了)。
中国要发展机器人产业，风口一来，泡沫就来了，恶性低价竞争随处可见。因为基础的数控产业不强，控制器、减速器、伺服电机都受制于人，机器人用的RV减速器，日本一个帝人公司就占了70%的全球份额。中国机器人公司拼技术的空间就很有限了，只能拼成本价格，大量的低端竞争吹起了一个一个产业泡沫。
第三维度：商业模式
百年以来，数控机床的进化迭代主要集中在物理层面，即精度、速度和寿命。可是，物理性能做到了极致，将会面临商业上的发展瓶颈。
计算机以纳米级的精度进行计算，控制设备工作进程，每秒钟读取和传输的数据流量，超过一个人一生的阅读能力。更重要的是，设备制造的品质寿命已得到空前提高。就像德国“双立人”菜刀，要人民币一两千元一把，卖这么贵，是因为“双立人”菜刀质量太好，用二三十年都不会坏——“双立人”恰恰被自己产品的高质量打败。因为一般收入的，不会买这么贵的菜刀，买得起“双立人”菜刀的，几十年后才会再来买。
当今时代，那些高端数控机床、工程机械，质量太好了，用几十年都不会坏。那些昂贵的机器设备，买家终究是有限的，又不可能像卖牙膏、方便面那样，有老客户重复购买，开发新客户又特别困难。如果机床产业的商业模式还停留在卖设备的阶段，那是难以持续的，近年国内机床销量的断崖式下跌就是证明。
数控机床行业面临类似于“诺基亚时代与苹果时代的交叉口”。十几年前的诺基亚手机，通话好、质量佳、摔不坏，几乎做到了极致，但苹果iPhone诞生之后，竞争的重点已经不是摔不摔得坏了。因为大众已不再喜欢longlonglife的产品了，而是偏向即时享用。
美国白宫信息物理系统专家组的一位成员曾直言：“未来的工业竞争将从实体世界转至‘不可见’的世界，以往的创新集中在实体世界，而现今这一情况已出现变化，创新正从实体的‘蛋黄’转向更具创新空间的数据和服务‘蛋白’。卖机床不是卖那吨钢铁，卖的是生产力。”
工业圈有一个老故事：福特汽车公司的一台电机出了故障，很多人几个月修不好，请来德裔工程师斯坦门茨，两天就排除故障。他用粉笔在电机外壳上划了一条线，然后告诉众人：“打开电机，在记号处把里面的线圈减少16圈就好。”果然，问题解决了。斯坦门茨的报价是10000美元，粉笔划线值1美元，知道在哪里划线值9999美元。机器设备只是一堆钢铁，know-how(技术诀窍)和know-why(工程原理)才是真正的生产力。
现今，很多数控机床企业已经不再是传统的机床买卖、加价销售、赚取利润，而是选择租赁设备，按小时、按加工数量收费，结算的依据就是机床运转所传输回来的数据。机床运行过程中的数据采集、传输，经过“解读和可视化”以后，你在手机APP上就能实时查看设备的运转情况，替代了传统管理。
从“卖设备”向“卖服务”的商业转变，起源于GE(通用电气)的航空发动机业务。一台客机发动机的平均价格在1300万美元左右，民航公司要不断给发动机进行维护、大修和更换零件，才能达到10000小时的使用寿命。不过，GE已经升级商业模式，将运行中的所有发动机的工作数据收集起来，协助航空公司减少不必要的故障，减少不必要的排程，减少不必要的废油，这样下去，一架民航飞机大概15年可以节省30亿美元。
在数控机床的运行过程中，也会产生很多不必要的变数(各种故障、各种损耗)，要有一个软件将传输回来的运行数据进行“解读和消化”，转换成为大多数人看得懂的东西。比如机床上的刀具会有磨损，影响加工的精度和进程，如果你能透过传回来的数据很快解决know-how和know-why的问题，远程协助客户消除因设备损耗而面临的各种损失，这就给客户创造了很大的价值。这本身就可以成为一门生意。
软件和数据带来的商业模式转化，更大价值是走向了实时联网、即时分享，由于掌握了底层运动控制，有了最真实的数据，专业人士可以跨越时间、地域间隔在线提供技术解决方案，实现生产制造环节的持续效能提升。这种“知识和生产力的输出”，将会创造各种商业可能性。
“数字驱动”正在替代“工业驱动”
“智能制造”已成为时代趋势，但这是一个门槛很高的系统工程，哪怕波音公司掌握了世界上最复杂的工业软件系统，做到了“由软件控制数据的自动流动，解决复杂产品的不确定性”，也只敢说是数字化，不敢说是智能化。
多年以前，欧美工程师在判断工厂“智力水平”时有两个标准：一是数控机床有没有ID(账号)，就像手机或者PC机，这是要获得真正有效的数据，驱动系统的持续改进;二是随着机械、材料工业的技术精进，机床硬件变得越来越好，但数控设备的灵活性、适用性要由软件系统来实现，好的软件系统能使机床设备具有更好的可调适性，即“柔性制造”。
很长时间，机床设备的运行过程要靠人去监控，要等问题出现之后，才知道故障在哪里。随着“万物互联(5G)”时代的开启，新的趋势是每台机床设备都会安装有传感器，实时监控机床运转情况。如果加工出来的产品或零部件存在质量瑕疵，传感器会启动预警响应，通过5G网络传输信号并实施控制，使问题产品或零部件无法进入下一环节。这种智能化的精准控制将大大减少浪费，提高制造环节的成品率甚至精品率。这样“让机器开口说话”，操作过程中所需要的数据量和速度，只有在5G技术的大宽带和低延迟的条件下才能实现。
德国机床业的“隐形冠军”埃马克集团曾经认为，“工业4.0的本质是交流，机器与机器之间的交流，机器与人之间的交流”。几十台甚至几百台机床设备联结起来控制，在流畅的沟通和反馈中实时精准调控。哪怕出现了各种意外状况，也能有很强的调整、适应能力。
比如在一台机床出现故障时，别的设备会自主做出决定、协调分担多余工作量，类似于计算机的分布式运行，保证工作效率不受影响。这就像人体的血液系统，如果你不小心划伤手指，血小板会立刻聚集到这根血管的伤口上，暂时堵塞破损血管，可使你的手指不会因为缺血而坏死。为什么呢?因为你的手指(以及身体绝大多数的组织、器官)，都有可供备用的供血系统，以毛细血管间的互联互通为基础，经过智能化的分析判断，实现向每一个器官乃至细胞的精准服务。
如果机床与机床之间真正实现了“顺畅交流”，就像PC与PC、手机与手机那样，或者直接将数控机床视作“特定工业用途的电子设备”，那么，工业生态也将随之发生很大变化。这当中存在两个严重对立的问题：
正面作用：推进工业生态化趋势
过去，不同品牌、不同型号、不同用途的数控机床之间“孤岛”一般很难发生关系，很多局部的“技术问题”总会在“管理层面”发酵，伤害了整个系统的运行效率。其实，很多技术、管理问题可以纳入到一个大的生态中进行系统解决。就像现在开发的手机APP，要么是基于Android系统，要么是基于苹果iOS系统，所有手机APP的开发者都是在一个大的系统生态中进行各种应用开发。所有APP产品竞逐的焦点集中在场景适应、用户体验，而不用考虑用户手机的厂家、型号、配置。
系统生态是可以“简化技术问题”的，这在手机、PC行业中已经反复得到证明。在欧美工程师的思维中，标准化的问题是将复杂问题(解构以后)简单化，简单问题流程化，流程问题信息化，基于系统思维解决很多技术问题。如果不同型号、不同用途的数控机床可以纳入到一个大的系统生态中，比如制造一部手机、一辆汽车，不同的零部件供应商用同一个软件、同一个版本，参照的模型包括几何外形、材料数据等，可以在电脑上计算产品的功能和性能，减少了大量的转换。这就是工业生态化的明显好处。
目前，国内已有机床企业(比如沈阳机床)投入很多资源做平台、做生态，就像当年滴滴、快的、Uber的生态大战，哪怕财务上要承受极大压力，也要“看终局、造趋势”，尽快赢得更多用户、成为市场主流。
反面作用：存在更多安全担忧
时至今日，数控机床足以影响很多工业企业的命运发展，所有的加工过程、加工数据、产量信息，都会在数控系统中留下痕迹，几乎没有秘密可言，数控系统掌握一切。
数控机床甚至可以决定一个工业企业的能力极限，比如汽车的产能受制于零部件的产能和装配效率，而零部件则几乎全是由数控机床加工生产的，只要控制了其中的精密加工环节，即控制精密加工环节的数控机床，就决定了汽车的质量和产能。如果将这一逻辑放大，只要控制了一个工业国家的精密加工环节，就足以控制这个国家的工业发展能力。
欧洲发展与领土规划高等学院院长皮耶尔·维勒兹(PierreVeltz)认为：“我们不是生活在工业时代的尾声，而是新型工业社会的孵化阶段。”而数控机床就是制造业、服务业、数字产业紧密交融的重要载体。透过数据“提炼”信息，信息的关联和抽象形成了知识，知识再向智能升华，这个持续进化和迭代的过程完全可以由数控系统来承载。
