近年来，全球流量的井喷式增长，携手互联网、人工智能与云计算的广泛应用，共同催生了制造领域的黄金时代，其中激光技术作为核心驱动力，正以迅猛态势重塑传统加工范式。而今，AI人工智能的深度融合，更是为激光技术的飞跃插上了翅膀，加速了其创新与变革的步伐。
本次维科网激光有幸在百超中国精心筹办的圆桌论坛盛宴中，邀请到了激光制造领域的专家——南方科技大学徐少林教授接受本次专访。
徐教授以其深厚的学术造诣与前瞻视野，在超快激光微纳加工领域深耕多年，对激光技术与AI融合的最新趋势与深层逻辑有着独到而深刻的洞察。此次对话，徐教授将为我们深刻剖析激光与AI如何携手并进，共同绘制制造的未来宏伟蓝图，指引整个行业跨越至之前未有的新高度。
01
维科网·激光：随着人工智能和大数据的快速发展，您如何看待激光技术与AI融合的趋势？您认为这种融合将如何推动激光技术的创新和应用？
徐少林：激光技术虽非新兴，但近十年来的发展可谓突飞猛进。在多个领域，尤其是在制造业已经对传统制造方法产生了的影响。
与此同时，AI技术也正迎来一场之前未有的爆发式增长，其应用场景的拓展与技术边界的推进，正以之前未有的力度席卷并重塑着各行各业的格局。在此背景下，AI与激光技术的交汇融合，恰似两颗璀璨星辰的碰撞，不仅为激光技术的产业化进程注入了强劲的动力，更预示着一个融合创新、高速发展的黄金时代到来。
本质而言，AI作为机器学习的集大成者，虽非我专攻领域，然我对其在激光微纳制造领域的潜力抱有深切厚望。AI凭借其出色的自主感知、智能学习与精准决策能力，为激光制造技术开辟了新的维度。
激光制造，这一过程虽表象为光线的舞动，实则内里蕴含着振幅、偏振、相位等错综复杂的物理信息，其工艺之精妙，非深谙其道者难以窥其全貌。
在激光制造的实践中，精准调控平均功率、精细计算脉冲能量、优化选择波长与重频等关键因素，是确保加工质量与效率的核心所在。这些参数的设定，往往需要深厚的专业知识与丰富的实践经验，方能洞悉其内在逻辑与规律。
而今，若能将AI的机器学习机制巧妙融入其中，使专家的智慧与AI的算力相得益彰，无疑将极大推动激光制造领域的创新发展。
为此，我们可依托机器学习原理，精心研发一款软件，旨在为激光制造从业者提供精准的参数指导与智能决策支持。此举不仅将简化操作流程，提升加工效率，更有望促进激光加工技术在工业领域的广泛渗透与深层次发展，成为推动制造业转型升级的重要力量。
聚焦于百超中国自动化设备，这一融合趋势更是彰显了无限潜力与可能。百超中国，作为激光加工自动化设备的榜样，其产品在精度、效率及智能化水平上均展现出优势。在激光技术与AI融合的背景下，百超中国的自动化设备将更加注重智能化、自适应能力的提升，通过集成AI算法，实现对激光加工过程的精准控制与优化。
02
维科网·激光：目前在AI与激光技术的融合中，您认为目前有哪些已经实现或正在研究的成功案例？现阶段又面临着哪些技术挑战？您认为应该如何克服这些挑战，以更好地推动AI在激光技术中的应用？
徐少林：我们与企业精英并肩合作，共同指引一系列前沿项目，旨在彰显AI与激光技术融合的潜力。从项目视角深入剖析，不难发现，两者结合之作正指引着技术革新的浪潮。
在传统机械制造，特别是模具与刀具加工领域，传统机械加工技术虽已成熟且广泛应用，但激光技术近年来异军突起，尤其在刀具与模具加工中展现出替代之势。传统方法凭借精确定义的刀具路径与形状，确保了模具与刀具的精度与表面质量。然而，激光加工以其物理机制，对参数的选择提出了更高要求，这些参数的选择往往需跨越学术与技术的双重门槛。
面对挑战，我们的研究聚焦于大数据与机器学习技术的深度融合，旨在通过解析激光与材料相互作用的物理烧蚀过程及实时测量参数，为参数选择提供科学依据。此举旨在使激光加工过程摆脱经验依赖，迈向基于物理模型与数据模型指导的可预测、可靠且简化的新阶段。
研究途中，我们深刻洞察到技术突破的核心在于对光与物质相互作用深层机理的透彻理解。这涉及光子能量向材料内部电子能量的微妙转化，进而激发宏观热效应，以及这些热能如何精准作用于材料，实现其烧蚀与改性。
唯有如此，方能在构建物理模型与数据驱动模型时，奠定坚实的基础，确保模型的精准性与可靠性，进而赋能非技术背景人员也能高效驾驭激光加工技术，推动制造业向智能化、高效化迈进。
03
维科网·激光：AI技术在激光设备的智能化控制、数据分析以及自主学习等方面有哪些潜在的应用？您认为这些应用将如何提升激光设备的性能和效率？
徐少林：我专注于超快激光微纳加工领域，致力于微米乃至纳米尺度的精密加工，涵盖半导体、通讯和光学器件等制造领域。
在过去，这些微纳尺度的加工通常依赖于传统的机械加工或半导体制程技术。自2017年回国以来，我聚焦于推动激光技术在制造领域的应用，旨在解决传统机械精密加工和半导体光刻工艺所面临的制造精度挑战。
在探索过程中，我既看到了激光技术的优势，同时也发现了其局限性。对于追求精密制造的应用场景，激光的可控性相对较弱，难以像半导体工艺或机械制造工艺那样实现高度的可控性和可预测性。然而，这正是AI技术能够发挥作用的关键所在。
AI的加持，有望使激光制造过程变得更加可控和可预测，从而让激光在微纳制造领域焕发新的生命力。我相信，这对于激光行业的科研人员和从业者而言，无论是在科研探索还是工业应用方面，都将带来显著的提升和广阔的前景。展望未来，激光技术与AI的深度融合将为制造领域带来革命性的变革。
04
维科网·激光：随着AI技术的普及和应用，您认为激光行业的人才需求将发生哪些变化？对于想要进入这一领域的人才，您有哪些建议或指导？
徐少林：对于未来的行业变革，我们早已洞察先机。在实验室人才培养方面，我们曾侧重于深化学生对激光制造过程中激光与材料相互作用物理机制的理解，将此作为研究之基石。然而，近年来，随着技术发展的潮流，我们逐渐将机器学习的基础理论知识纳入学生培养体系之中。
正如我之前所述，预见未来趋势，要使激光在产业及先进制造领域发挥更大作用，我们不仅需要深入理解激光与材料相互作用的物理过程，还需从制造过程中激光加工技术所能实现的确定性制造结果这一角度出发，进行深入研究。这两方面的知识对于现代科研和工业应用而言，皆至关重要。
因此，我们的学生不仅要单纯掌握物理机制，还需深入理解制造应用场景的实际需求，以此为基础，培养具备跨学科知识和创新能力的未来科技人才。
