（报告出品方：国金证券）

1. 复盘：“04 专项”政策支持目标为核心技术国产化突破

1.1 “04 专项”属于国家科技重大专项，向机床“自主可控”发力

《国家中长期科学和技术发展规划纲要（2006-2020 年）》提出“围绕国家目标，进一步 突出重点，筛选出若干重大战略产品、关键共性技术或重大工程作为重大专项，充分发挥 社会主义制度集中力量办大事的优势和市场机制的作用，力争取得突破，努力实现以科技 发展的局部跃升带动生产力的跨越发展，并填补国家战略空白”。 《规划纲要》确定了 16 个国家科技重大专项，其中“高档数控机床与基础制造装备”是 第四项，一般简称为“04 专项”。

根据《高档数控机床与基础制造装备重大专项——编写组专家对重大专项的解读》信息， “04 专项”采用了更加创新的支持方式，以满足需求为前提拉动自主创新可持续发展， 在“产、学、研”的基础上增加了“用”，强化了产业链上下游合作加速研发落地，同时 有六项围绕补贴、融资、招标等核心问题的政策和措施落地以促进专项成功实施： 1）在“产学研”基础增加了“用”：围绕实际产业需求，以企业为主体，采用“产、学、 研、用”结合方式统筹安排重点突破，实现自主创新，促进产业升级。

2）建立了围绕国产化率等的清晰目标：以 2010/2015/2020 三个时间点规划了清晰的发展 目标，总体发展目标主要关注产品开发/创新能力，实现高国产化率满足下游需求。

3）推出促进重大专项的实施措施与政策：以“应用示范工程”支持、产品加入《政府采 购自主创新产品目录》、税收补贴等六项政策和措施促进专项成功实施。

“04 专项”课题采用申报的形式由企业自筹+地方配套资金+中央财政投入经费支持完成。

1.2 “04 专项”支持下，高档机床、高档数控系统、功能部件等多个领域实现突破

根据新华财经信息，在 22 年 9 月 6 日工业和信息化部举行的“新时代工业和信息化发展” 系列新闻发布会第五场，工业和信息化部装备工业一司司长王卫明表示，以“高档数控机 床与基础制造装备”国家科技重大专项为抓手，高档数控机床平均无故障时间间隔（MTBF） 实现了从 600 小时到 2000 小时的跨越，精度指标提升 20%；国产高档数控系统在国产机 床中市场占有率由专项实施前的不足 1%提高到 31.9%；五轴摆角铣头等功能部件的市场占 有率由不足 10%提升至 30%以上。

伴随“04 专项”的实施，海天精工、纽威数控、科德数控、华中数控、秦川机床、日发 精机等企业均参与了相关课题，加速技术进步。 以科德数控为例，到 2021 年已承担及参加了 29 项课题，围绕高档机床、数控系统、功能 部件实现技术升级突破。

1.3 “04 专项”课题与时俱进，已经出现了较多智能化相关内容

从“04 专项”2009 年第一批课题申报指南看，当时大多数课题围绕机床、核心零部件的 产品开发展开，考核指标以机床精度、主轴转速、MTBF 等为主，智能化、数字化、大数 据等词较少提到。

“04 专项”2009 年的第一批课题主要围绕机床与核心零部件相关产品开发展开，到了 2018 年的课题可以看到一方面课题的内容不再仅限于单个产品，而是围绕前期研制的机床、数 控系统在专项重点领域（比如汽车行业）的实际应用场景展开；一方面数字化、智能化、 大数据词频明显提高，开始要求在智能化相关技术上也实现突破。

2. 展望：AI 时代的政策导向有望过渡为新技术领域实现突破，数控系统重点 关注

2.1 从数控技术出现后，机床的技术升级就与电子、信息技术密切相关

从 18 世纪工业革命开始，机床随着不同的工业时代展现出各个时代的技术特点，当前的发展方向是数字化、智能化。

机床的技术升级主要体现在机床结构、主轴、驱动、控制等方面，持续迭代追求高精度、 高刚度、热稳定性、长寿命和精度保持性。

机床行业过去出现的***大技术迭代为数字控制（NC）技术尤其是后来采用计算机的计算机 数字控制（CNC）的出现和成熟，让机床与电子、信息技术的发展直接关联。

在软件、硬件的持续迭代下，机床的加工精度和加工效率出现大幅提升。

2.2 机床行业 AI 技术怎么落地？数控系统有望成为 AI 技术落地核心场景

数控系统由数控装置、伺服驱动、电机组成，其中数控装置为数控系统的核心。

数控系统的基础功能主要包括控制功能、主轴功能、准备功能（G 代码）、辅助功能（M 代码）、刀具功能等，系统软件必须完成管理和控制两大任务，系统的管理软件主要包括 输入、I/O 处理、通信、显示和诊断等程序。系统的控制部分包括译码、刀具补偿、速度 控制、插补和位置控制、开关量控制等软件。

从具体运行流程来看，可以简单总结为建模（制造图纸）、路径规划（确定走刀路径）、插 补（轮廓拟合/加工补偿）、完成驱动。

也就是数控系统在运行过程中实际上涉及大量数据的获取和处理。

通过采用 AI 技术，数控系统的智能化程度可以进行大幅提升，让机床具有动态规划、推 理决策、环境感知、智能监控、预测性诊断能力等。

2.3 遗传算法、人工神经网络等技术已在数控系统插补、热误差补偿、加工路径优化等领 域持续推进研发

2.3.1 人工神经网络与遗传算法：强化数控系统插补、热误差补偿能力

人工神经网络（ANN）是人工智能技术中应用***广泛的一种技术，具有学习能力、并行处 理能力、自适应能力和容错能力等。在复杂非线性的、难以用数学公式描述的系统建模和 控制中成为一种重要的建模技术手段。人工神经网络是根据人的认识过程而开发的一种算 法，分为训练和工作两个阶段。在训练阶段，以一组输入—输出模式用以训练网络，使网 络参数（包括权值、阈值等）调整到***佳；在工作阶段，网络参数不变，给定新的输入得 到相应的输出。 ***广泛的 BP 神经网络是一种人工神经网络的误差反向传播训练算法，由输入层、隐层、 输出层组成。BP 算法是采用有导师的监督学习方式，适合于多层前馈神经元网络的一种 学习方法，其主要思想是利用期望值与网络输出值的误差函数沿负梯度方向下降，不断地 修正网络权值和阈值，使网络输出层的误差平方和达到***小，逐渐逼近目标值。

在实际使用中，由于 BP 神经网络存在训练时间长、学习算法收敛速度慢等问题，通常可 采用遗传算法和 BP 算法相结合的方式进行优化。

通过采用遗传算法和 BP 神经网络算法，对数控机床加工效率、加工精度影响较大的插补、 热误差补偿等功能将得到显著强化：

1）插补：减少运算时间，提高插补速度，解决复杂型面加工难题

数控机床刀具的移动是一步步进行的，为了实现***优加工效果刀具轨迹应该和工件轮廓一 致。对于复杂曲线，直接生成一条完全一致的轨迹算法会变得很复杂，实际应用中主要通 过直线/圆弧逼近需要加工的曲线，插补就是指在这个过程中根据输入的基本数据（如直 线终点坐标值、圆弧起点、圆心、终点坐标值等），按照一定的方法产生直线、圆弧等基 本线型，并以此为基础完成所需要轮廓轨迹的拟合工作。

通过采用遗传-神经网络对插补进行优化，可以简化计算过程提高插补效率，并且改善刀 具路径精度和表面光顺性。

2）热误差补偿：通过建模提高预测精度

根据《数控机床丝杠传动系统热误差实时补偿技术》数据，高精度数控机床的误差主要是 热误差，可占总误差的 50%-75%。以丝杠热误差补偿为例，目前的主要补偿方式是通过位 移传感器测量丝杠总热形变量，或通过温度传感器检测温度变化量，通过软件生成一个认 为误差来抵消热误差影响。

目前机器学习已经成为了热误差建模的主要方法，通过 BP 神经网络模型可以提高模型预 测精度。

2.3.2 视觉模型：在工件尺寸测量与定位、机床回转轴误差检测等领域有较好应用前景

传统数控系统主要依靠机械定位或光学定位进行误差补偿，对于夹具要求较高，对小批量、 高灵活性的生产任务适应性较弱。搭配了机器视觉系统的数控系统可以在保证加工精度的 情况下对不同加工任务仅需进行特征点的采集即可，能够有效节约生产成本和提高生产效 率。 通过确定相机坐标系和机床主轴坐标系之间的坐标变换关系，可以建立运动学模型，再结 合工件定位特征点建立优化目标函数，求解特征点的工件坐标来完成定位。

未来机器视觉技术在工件尺寸测量与定位、机床回转轴误差检测、机床轨迹补偿、工件装 夹误差视觉矫正等领域有较好应用前景。

2.3.3 数字孪生模型：在可靠性分析、加工路径优化等领域进一步强化

数字孪生（Digital Twin，DT）主要指在数字空间构建物理实体或过程的数字模型,保持 数字模型与物理实体或过程同步共生,进而完成对物理实体性能状态的动态预测,***终对 物理实体或过程进行主动干预。 对于机床来说，数字孪生技术的应用主要是建立数字空间和物理空间的双向映射，以数字 模型为基础结合感知数据实现可视化监测、性能预测、参数优化、反馈控制等，显著提升 机床的智能化水平。

通过采用数字孪生技术，可以更高效的以数字驱动方式对机床进行可靠性分析监控、加工 路径优化等：

1）可靠性分析

基于历史数据进行数字孪生模型训练，基于事实数据用于数字孪生模型在线预测，从而建 立机床监测信号和实际状态之间的映射关系，将状态监测数据和数字孪生模型预测结果进 行展示，帮助可靠性分析、预测性维护过程中进行决策。

2）加工路径优化

《基于数字孪生的数控机床加工路径优化方法研究》提出了一种数字孪生感知驱动的加工 路径优化机制，在改进遗传退火算法（IGASA）路径优化算法基础上结合数字孪生机床（DTMT） 模型对传统机床（MT_CNC）实际加工过程进行监控和仿真，除提供全程加工监控外，数字 孪生机床在虚拟信息空间中的仿真为数控加工提供了一个低成本的试验验证平台，规避实 际加工中的潜在问题，如刀具碰撞、干涉等情况，实现对加工路径与数控代码的检验，从 而降低加工成本、提高工件质量与机床效率。一旦感知到数控机床加工工艺参数或数控机 床相关运行参数与原先预期不相符合情况的发生，即机床状态发生变化时，分析路径优化 算法中的运动干涉约束、重复走刀约束、加工工艺约束及刀具寿命约束是否发生变化，一 旦四个约束条件中的一个或几个约束条件发生改变，则需要更新算法参数，重新启动 IGASA 优化算法，进行路径优化。

2.4 全球数控系统厂商积极加码布局，华中数控推出“大模型”数控系统，AI 技术应用 将成为新的竞争点

从前文内容可以看出，目前针对如何将数控机床中孤立、碎片化的大量数据转化成有效决 策信息已有较多基于 AI 技术的应用尝试尝试，***终目标都是打造一个具有自适应、自感 知、自学习、自交互、自执行的数控系统。

海外主要数控系统厂商目前均在加码智能化布局：

1） 西门子

西门子推出了 SINUMERIK ONE 数控系统，是以西门子技术生态及其数字孪生工具链为依托 的“数字化原生”数控系统，是西门子推动机床行业数字化转型的关键产品，具有创建相 应数字化双胞胎的多功能软件，以实现机床制造和生产过程数字化孪生。其智能化功能包 括：智能动态控制（IDC）、智能负载控制（ILC）、Top Speed plus 智能功能。

2） 发那科

发那科已经推出了采用机器学习技术的 AI 伺服调整、AI 热误差补偿、AI 分拣等功能。

3）海德汉

海德汉 TNC7 数控系统具有智能偏差测控、智能磨损检测、智能反向间隙补偿、智能机床 前端点控制、智能图形化编程、智能函数、智能动态碰撞监测等智能化功能。

国内数控系统领军企业华中数控推出了华中 9 型智能数控系统，集成了 AI 芯片，融合了 AI 算法，将人工智能、物联网等新一代智能技术与先进制造技术深度融合，遵循“自主 感知-自主学习-自主决策-自主执行”新模式。

华中 9 型在自主感知、自主学习、自主决策、自主执行等方面实现了较大突破：

1）自主感知：“指令域”大数据

通过独创的“指令域”大数据分析方法，采集、汇聚数控系统内部电控大数据和外部传感 器数据，形成指令域“心电图”，实现大数据与加工工况的关联映射，构建由机床全生命 周期大数据描述的数字孪生。

2）自主学习：融合建模

借助具有“因果关系”的数理模型和具有“关联关系”的大数据模型，独创性地将数理模 型与大数据模型进行融合建模，实现对机床动态行为的自学习和认知理解，构建由机床动 态模型描述的数字孪生。

3）自主决策：i 代码

利用所获得的数字孪生，进行虚拟加工，并预测加工效果。根据预测结果，自动进行多轮 优化迭代，***终生成多目标智能优化的“i 代码”，实现自主决策。

4）自主执行：双码联控

华中数控独创的双码联控技术，让传统数控加工的“G-代码”（第一代码）和多目标智能 优化的 “i-代码”（第二代码）同步运行，实现优质、高效、可靠、安全的数控加工。

根据公司微信公众号信息，***新的系统采用了基于大模型技术的故障诊断功能，能够理解 用户对故障问题的语言描述，快速提供可能得故障原因及解决方案，并通过手机 APP 操作 以实现更好的人机交互。截至 24 年 4 月，系统已达到 1 到 2 年工程师水平，未来将不断 进化，提高诊断处理能力。

在第十三届中国数控机床展览会（CCMT2024）上，有 15 台来自各个机床厂不同型号的参 展机床配套了华中 9 型智能数控系统，后续有望继续走进更多机床厂商进行适配。

2.5 结合日本机床产业政策复盘看，在技术重大变革时期的产业政策核心目标为在新技术 领域实现突破

通过复盘日本机床产业我们看到 CNC 技术出现之后，数控系统的探测（可以通过传感器数 据修正温度变化带来的热胀冷缩）和自适应（可以通过软件来修正硬件的几何缺陷）能力 可以认为重新让大多数生产商，包括日本企业都到了同一起跑线，许多领先企业积累的经 验都变得不那么重要了。数控技术的出现成为了日本机床企业崛起的契机，日本的数控化 率持续全球领跑，日本的龙头企业也借此机会逐步成长为全球龙头。

日本数控化率快速提升的背后我们认为政策支持方向的切换也带来了显著的积极影响。 1971 年日本推出“机电法”，确定了机械工业与电子工业相结合的目标，政策导向从技术 引进与模仿开始向技术改革与创新过渡，主要目标从实现核心技术国产化转换至在新方向 （CNC）关键核心技术实现突破。

通过前文复盘可以看出，“04 专项”相关政策目标主要是实现核心技术的国产化，在当前 AI 技术快速发展背景下，我们认为国内政策支持也有望逐步向在新方向实现关键核心技 术突破过渡，加速 AI 技术在机床行业的产业化落地。

（本文仅供参考，不代表我们的任何投资建议。如需使用相关信息，请参阅报告原文。）

精选报告来源：【未来智库】。