近年來，全球流量的井噴式增長，攜手互聯網、人工智能與云計算的廣泛應用，共同催生了高端制造領域的黃金時代，其中激光技術作為核心驅動力，正以前所未有的迅猛態勢重塑傳統加工范式。而今，AI人工智能的深度融合，更是為激光技術的飛躍插上了翅膀，加速了其創新與變革的步伐。

本次有幸在百超中國精心籌辦的圓桌論壇盛宴中，邀請到了激光制造領域的專家——南方科技大學徐少林教授接受本次專訪。

徐教授以其深厚的學術造詣與前瞻視野，在超快激光微納加工領域深耕多年，對激光技術與AI融合的最新趨勢與深層邏輯有著獨到而深刻的洞察。此次對話，徐教授將為我們深刻剖析激光與AI如何攜手并進，共同繪制高端制造的未來宏偉藍圖，引領整個行業跨越至前所未有的新高度。

隨著人工智能和大數據的快速發展，您如何看待激光技術與AI融合的趨勢？您認為這種融合將如何推動激光技術的創新和應用？

徐少林：激光技術雖非新興，但近十年來的發展可謂突飛猛進。在多個領域，尤其是在制造業已經對傳統制造方法產生了顛覆性的影響。

與此同時，AI技術也正迎來一場前所未有的爆發式增長，其應用場景的拓展與技術邊界的推進，正以前所未有的力度席卷并重塑著各行各業的格局。在此背景下，AI與激光技術的交匯融合，恰似兩顆璀璨星辰的碰撞，不僅為激光技術的產業化進程注入了強勁的動力，更預示著一個融合創新、高速發展的黃金時代到來。

本質而言，AI作為機器學習的集大成者，雖非我專攻領域，然我對其在激光微納制造領域的潛力抱有深切厚望。AI憑借其卓越的自主感知、智能學習與精準決策能力，為激光制造技術開辟了新的維度。

激光制造，這一過程雖表象為光線的舞動，實則內里蘊含著振幅、偏振、相位等錯綜復雜的物理信息，其工藝之精妙，非深諳其道者難以窺其全貌。

在激光制造的實踐中，精準調控平均功率、精細計算脈沖能量、優化選擇波長與重頻等關鍵因素，是確保加工質量與效率的核心所在。這些參數的設定，往往需要深厚的專業知識與豐富的實踐經驗，方能洞悉其內在邏輯與規律。

而今，若能將AI的機器學習機制巧妙融入其中，使專家的智慧與AI的算力相得益彰，無疑將極大推動激光制造領域的創新發展。

為此，我們可依托機器學習原理，精心研發一款高端軟件，旨在為激光制造從業者提供精準的參數指導與智能決策支持。此舉不僅將簡化操作流程，提升加工效率，更有望促進激光加工技術在工業領域的廣泛滲透與深層次發展，成為推動制造業轉型升級的重要力量。

聚焦于百超中國自動化設備，這一融合趨勢的典范更是彰顯了無限潛力與可能。百超中國，作為激光加工自動化設備的佼佼者，其產品在精度、效率及智能化水平上均展現出卓越優勢。在激光技術與AI融合的背景下，百超中國的自動化設備將更加注重智能化、自適應能力的提升，通過集成AI算法，實現對激光加工過程的精準控制與優化。

目前在AI與激光技術的融合中，您認為目前有哪些已經實現或正在研究的成功案例？現階段又面臨著哪些技術挑戰？您認為應該如何克服這些挑戰，以更好地推動AI在激光技術中的應用？

徐少林：我們與企業精英并肩合作，共同引領一系列前沿項目，旨在彰顯AI與激光技術融合的潛力。從項目視角深入剖析，不難發現，兩者結合的典范之作正引領著技術革新的浪潮。

在傳統機械制造，特別是模具與刀具加工領域，傳統機械加工技術雖已成熟且廣泛應用，但激光技術近年來異軍突起，尤其在刀具與模具加工中展現出替代之勢。傳統方法憑借精確定義的刀具路徑與形狀，確保了模具與刀具的精度與表面質量。然而，激光加工以其獨特的物理機制，對參數的選擇提出了更高要求，這些參數的選擇往往需跨越學術與技術的雙重門檻。

面對挑戰，我們的研究聚焦于大數據與機器學習技術的深度融合，旨在通過解析激光與材料相互作用的物理燒蝕過程及實時測量參數，為參數選擇提供科學依據。此舉旨在使激光加工過程擺脫經驗依賴，邁向基于物理模型與數據模型指導的可預測、可靠且簡化的新階段。

研究途中，我們深刻洞察到技術突破的核心在于對光與物質相互作用深層機理的透徹理解。這涉及光子能量向材料內部電子能量的微妙轉化，進而激發宏觀熱效應，以及這些熱能如何精準作用于材料，實現其燒蝕與改性。

唯有如此，方能在構建物理模型與數據驅動模型時，奠定堅實的基礎，確保模型的精準性與可靠性，進而賦能非技術背景人員也能高效駕馭激光加工技術，推動制造業向智能化、高效化邁進。

AI技術在激光設備的智能化控制、數據分析以及自主學習等方面有哪些潛在的應用？您認為這些應用將如何提升激光設備的性能和效率？

徐少林：我專注于超快激光微納加工領域，致力于微米乃至納米尺度的精密加工，涵蓋半導體、通訊和光學器件等高端制造領域。

在過去，這些微納尺度的加工通常依賴于傳統的機械加工或半導體制程技術。自2017年回國以來，我聚焦于推動激光技術在高端制造領域的應用，旨在解決傳統機械精密加工和半導體光刻工藝所面臨的制造精度挑戰。

在探索過程中，我既看到了激光技術的獨特優勢，同時也發現了其局限性。對于追求精密制造的應用場景，激光的可控性相對較弱，難以像半導體工藝或機械制造工藝那樣實現高度的可控性和可預測性。然而，這正是AI技術能夠發揮作用的關鍵所在。

AI的加持，有望使激光制造過程變得更加可控和可預測，從而讓激光在微納制造領域煥發新的生命力。我相信，這對于激光行業的科研人員和從業者而言，無論是在科研探索還是工業應用方面，都將帶來顯著的提升和廣闊的前景。展望未來，激光技術與AI的深度融合將為高端制造領域帶來革命性的變革。

隨著AI技術的普及和應用，您認為激光行業的人才需求將發生哪些變化？對于想要進入這一領域的人才，您有哪些建議或指導？

徐少林：對于未來的行業變革，我們早已洞察先機。在實驗室人才培養方面，我們曾側重于深化學生對激光制造過程中激光與材料相互作用物理機制的理解，將此作為研究之基石。然而，近年來，隨著技術發展的潮流，我們逐漸將機器學習的基礎理論知識納入學生培養體系之中。

正如我之前所述，預見未來趨勢，要使激光在產業及先進制造領域發揮更大作用，我們不僅需要深入理解激光與材料相互作用的物理過程，還需從制造過程中激光加工技術所能實現的確定性制造結果這一角度出發，進行深入研究。這兩方面的知識對于現代科研和工業應用而言，皆至關重要。

因此，我們的學生不僅要單純掌握物理機制，還需深入理解制造應用場景的實際需求，以此為基礎，培養具備跨學科知識和創新能力的未來科技人才。