本科的專業取名字，其實是一件很討巧的事情。我一直覺得，在十年前，也就是2010，有一個專業改名字，引起了一場風暴。

這個專業就是機械工程改機械設計製造及其自動化，不要小看這個名字的改變，「蝴蝶效應」就是這麼產生於微末之間。先要從自動化說起，也就是控制工程，在十年前，可沒有最近兩年之火爆，但是在十五年前，自動化是一個熱門專業，許多理科高考狀元報的就是自動化。為什麼自動化會有一個沉默的十幾年呢?原因跟自動化的技術有關，自動化技術十五年前，以弱電控，線控，工業樣機控制為主，系統控制還是一個雛形。再加上中國人工便宜，自動化的受眾，大多限於一些需要代替人工的危險工作場合，比如鋼鐵廠的鍛壓機，熔爐。說白了，自動化，那會兒就不是特別好找工作。

這個關鍵節點，10年時期，中國大規模工業化形成，中國做為世界工廠的雛形誕生，並且全國基建開始徹底落地。相比於化工，輕工等，中國逐漸發展為全球最大的工程機械市場，徐工，三一，中聯橫空出世，機械成為了現代化建設的先行者。但是，你不能取名字叫工程機械工程(實際上很多年前，它確實有這個專業)。

那不如就靈活一些，機械設計製造及其自動化，取這個名字的先生，一定是一位風水大師，或者是佛學大師，給機械直接開了光。機械加個自動化。讓龐大的機器，自己動起來，這種人類最原始的視覺衝擊感，是每一個中國男孩，兒時的夢想。

但是，但是來了，這麼一改名，出現了兩個問題。第一個，機械工程的自動化研究，是非常燒錢的方向，我不是誇張，這是真正的拿錢去燒。除了中科院，清華，華科，浙大，上交，這樣的龐然大物，誰能燒的起?所以，時至今日，真正能把機械設計製造及其自動化結合的很完美的本科教育，很少出現。第二個，既然大部分高校沒錢，那麼到底怎麼搞呢？各大機械畢業的同學，應該深有體會，大三下學期大家考研，要找工作了，開始分流，匆忙的開個課，比如工業優化，比如經典控制理論，比如工程材料，鐵鍋亂燉。讓人極為痛苦，為什麼痛苦?好像啥也沒學到，又啥都學了。這個其實跟機械的屬性有關，機械每一門相關學科，都是工業發展的集大成者，有著幾百年的經驗科學和理論科學積累，要徹底弄明白一本書，都很難，何況這麼多。它的技術迭代性，已經趨向於平緩期，沒有太大的改變。去國外做學術交流後，我個人認為，機械這樣的發展了幾百年的學科，應該像數學，理論物理，化學一樣提供選修。整體名字叫機械工程，本科時除了基礎課，大部分專業課以選修模式展開，學校只提供指導許可權，讓學生自我加深發展方向。而不是分為設計，製造，自動化這麼簡單的分配來掩耳盜鈴。

同時，機械課業的冗餘繁重，讓很多打算考研的學子，複習時間非常尷尬，可選擇性遠不如文商科靈活。

但是，各位家長和不了解機械的考生可不管這些，只要機器能動，最好能自己動，別說報一個志願，六個志願全報這個都行。但是尷尬的是，機械能動，一個本科顯然少了。第二個，機械能動，不賺錢!學自動化的，就沒賺到太多錢，準確來說，在機械這個大圈子裡，機械相關製造業，從齒輪到火箭，都是高投入，奮力拉高回報為主，它最適合的體系，就是國家徹底控股。而不是讓各位就業者，放任自流。所以，要學習它，學好它，是非常需要情懷的。

智能製造，跟自動化又有關係，現在自動化叫做控制工程，隨著集成電路的微觀性能越來越強，工業晶元的運算能力大大加強。這個階段，人工智慧化讓機器全面的動起來，有了基礎，有了支撐。但現實比較骨幹，機械設計製造及其自動化這個大鍋燉，沒有解決掉，智能製造這口大鍋就一定好么？鍋是換成了黃金鍋，但是鍋里的菜，就沒變過。這個過程，是讓人深省的。

製造這二字，中國有先天優勢，人口眾多且便宜。並且人們有一個誤區，就是認為中國製造全都是大而不強，其實不是，中國製造有強的地方。但是強的地方，人均起來，就沒賺到錢。這個循環，讓人頭皮發麻。所以，工程師紅利就是讓工程師變成紅利，這個問題，在大多數國家始終沒有解決，最後大家紛紛轉行。智能製造，就是機械設計及其自動化的進化版。我甚至相信，它的冠名大可能出自同機械設計製造及其自動化的一位大師之手!在下拜服!

學科是否勸退?本人立場非常鮮明，今年起不做勸退，只講行業發展規律。給大家提供思路。

這個就是傳統機械，只不過改了個名字。最多也多開幾門不痛不癢的課程，把你的課程表填滿。

畢業之後，你還是要走進工廠（走向智能化工廠）。

先了解一下paper，學術上paper一般叫法是research paper。怎麼做paper呢？發現或提出問題，再針對該問題提出自己的Idea，提供實驗數據以佐證自己的Idea。

research paper為什麼那麼難發表呢？因為需要peer review也就是同行專家評審，你看research paper都這麼難，博士或教授搞出來一篇paper還需要同行認可才能發表，何況隨隨便便一個推文？一個雞湯文呢？怎麼可能嚴密無縫？怎麼可能沒有個人情緒在裡面呢？現實中充斥著大量的帶有雜訊的消息，怎麼過濾怎麼extract到自己需要的信息需要一定的指導思想，甚至是數學概率論方面的知識。

信息錯綜複雜的情況下，提取的信息價值都未必很高，需要加上自己的學識進行萃取。

1、決策前信息要精準。「以史為鏡，可以知興替」，不管是機電、車輛還是機械製造等泛機械專業的小夥伴兒，首先需要了解行業發展找准坐標。

從數學的角度給簡單探討一下怎麼才能做出正確的決策，對於大多數小夥伴兒決策就是靠蒙猜。從網路上獲取的信息不管是paper也好、勸退也好、公共號雞湯文也好，這些放在控制系統裡面是什麼呢？就是對待測量的一個估計，paper、勸退、雞湯文等等各類文章都有個人的情緒在裡面，個人情緒對比到感測器上是什麼呢？就是觀測誤差，感測器都是有誤差的，建模時一般假定誤差是正態分布。那實際中怎麼從各種帶有誤差的感測器數據中提煉出準確的信息呢，或者放到移動robot領域就是怎麼才能從激光雷達、視覺、GPS等感測器獲取機器人的位置和姿態呢？就是Kalman filtering（卡爾曼濾波器）。

常用的濾波演算法

卡爾曼濾波解決mobile robot的SLAM問題

那從各類文章中怎麼get到堆行業客觀的描述不也是類似卡爾曼濾波嗎？不就是一個最優估計的過程嗎？怎麼才能提升估計精度呢？首先感測器要好，獲取的數據儘可能準確，5毛錢一個的感測器用到robot上肯定不行啊。這也類似深度學習喂數據，喂進去優質的數據才能訓練場好的模型。橫向對比例子數不勝數，怎麼才能獲取更精準的行業信息呢？肯定不是用GPS，那就從多渠道獲取資料，比如知網綜述性paper一般介紹行業發展、知網的碩博學位論文前言部分會花幾萬字介紹行業需要解決的痛點、英文好的去google看博客、也可以看SCI。

SLAM就是解決不知道是先有雞還是先有蛋的問題
工業4.0或第四次工業革命都有什麼支撐技術呢？Terrell的視頻 · 4260 播放

2、了解前沿技術，如深度學習、自動駕駛、視覺等等。

Google自動駕駛汽車怎麼工作的呢？Terrell的視頻 · 1027 播放自動駕駛汽車怎麼「看」路呢？Terrell的視頻 · 1819 播放

3、學習C、C++編程，感覺難可以從python或matlab開始

了解一下Google的演算法面試題Terrell的視頻 · 1.6 萬播放

Matlab在本科機械專業可以做些什麼呢？看這裡，有基於Matlab做的槽輪機構運動學分析源碼。

https://zhuanlan.zhihu.com/p/141595120?

zhuanlan.zhihu.com圖標

Matlab編程做的槽輪機構分析

C/C++最難學的就是pointer，學習資料選擇的不好很容易被打擊 。不信看一下下圖的幾個function pointer看蒙不蒙？

4、轉型

https://zhuanlan.zhihu.com/p/100001876?

zhuanlan.zhihu.com圖標

5、考研提升學歷

https://zhuanlan.zhihu.com/p/99810839?

zhuanlan.zhihu.com圖標

本科階段，這這專業名字大體上是容易誤導報考學生的。如果考研，不調查清楚，對就業的尷尬處境那就要自行負責了。

我寫了三篇文章，淺談從就業角度分析這個專業。

https://zhuanlan.zhihu.com/p/195209891?

zhuanlan.zhihu.com圖標

智能製造這個詞就是傳統行業在互聯網信息時代給自己續命用的，國內外皆如此，德國最早提工業4.0，也是要維護在信息互聯時代，其優勢傳統行業的「勢」。你看，內燃機行業不會造詞，被新能源欺負成什麼樣了。這就是一個詞和一個皮，跟你的訴求沒有必然因果。

推薦閱讀：
相关文章