未来信息综合技术

信息物理系统CPS

信息物理系统(CPS)是控制系统、嵌入式系统的扩展与延伸，其涉及的相关底层理论技术源于对嵌入式技术的应用与提升。CPS的核心概念是将数字和物理系统融合在一起，以实现更好的协同工作和决策

CPS的体系架构

单元级CPS：是具有不可分割性的CPS最小单元，是具备可感知、可计算、可交互、可延展、自决策功能的CPS最小单元，一个智能部件、一个工业机器人或一个智能机床都可能是一个CPS最小单元。

系统级CPS：多个最小单元(单元级)通过工业网络(如工业现场总线、工业以太网等)，实现更大范围、更宽领域的数据自动流动，实现了多个单元级CPS的互联、互通和互操作，进一步提高制造资源优化配置的广度、深度和精度。包含互联互通、即插即用、边缘网关、数据互操作、协同控制、监视与诊断等功能。

SoS级：多个系统级CPS的有机组合构成SoS级CPS。比如在一个智能城市中，多个系统级CPS（例如交通管理系统、能源管理系统、环境监测系统）可以组成SoS级CPS。这些系统级CPS共享数据

CPS的技术体系

CPS技术体系主要分为：CPS总体技术、CPS支撑技术、CPS核心技术。

CPS总体技术就是CPS的顶层设计技术，主要包括：系统架构、异构系统集成、安全技术、试验验证技术等

CPS支撑技术就是基于CPS应用的支撑技术，主要包括：智能感知、嵌入式软件、数据库、人机交互、中间件、SDN(软件定义网络)、物联网、大数据等

CPS核心技术就是是CPS的基础技术，主要包括：虚实融合控制、智能装备、MBD、数字孪生技术、现场总线、工业以太网、

CAX\MES\ERP\PLM\CRM\SCM等

上述技术体系可以分为四大核心技术要素即“一硬”(感知和自动控制)、“一软”(工业软件)、“一网”(工业网络)，“一平台”(工业云和智能服务平台)，工业云和智能服务平台是CPS 数据汇聚和支撑上层解决方案的基础，对外提供资源管控和能力服务。

CPS的典型应用场景：智能设计，智能生产，智能服务，智能应用

CPS建设路径：CPS体系设计、单元级CPS建设、系统级CPS建设和SoS级CPS建设阶段

人工智能

人工智能(Al)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。

人工智能的目标是了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智能机器。该领域的研究包括机器人、自然语言处理、计算机视觉和专家系统等。

人工智能关键技术：

自然语言处理(NLP)，计算机视觉，知识图谱，人机交互(HCI)，虚拟现实或增强现实(VR/AR)，

机器学习(ML)。是以数据为基础，通过研究样本数据寻找规律，并根据所得规律对未来数据进行预测

按照学习模式的不同，机器学习可分为监督学习、无监督学习、半监督学习、强化学习。其中，监督学习需要提供标注的样本集，无监督学习不需要提供标注的样本集，半监督学习需要提供少量标注的样本，而强化学习需要反馈机制。

按照学习方法的不同，机器学习可分为传统机器学习和深度学习。区别在于，传统机器学习的领域特征需要手动完成，且需要大量领域专业知识；深度学习不需要人工特征提取，但需要大量的训练数据集以及强大的GPU服务器来提供算力。

传统机器学习从一些观测(训练)样本出发，试图发现不能通过原理分析获得的规律，实现对未来数据行为或趋势的准确预测

深度学习是一种基于多层神经网络并以海量数据作为输入规则的自学习方法，依靠提供给它的大量实际行为数据(训练数据集)，进行参数和规则调整

机器人

机器人技术已经准备进入4.0时代。所谓机器人4.0时代，就是把云端大脑分布在各个地方，充分利用边缘计算的优势，提供高性价比的服务，把要完成任务的记忆场景的知识和常识很好地组合起来，实现规模化部署。特别强调机器人除了具有感知能力实现智能协作，还应该具有一定的理解和决策能力，进行更加自主的服务

机器人4.0的核心技术：云-边-端的无缝协同计算，持续学习与协同学习，知识图谱，场景自适应，数据安全

边缘计算

边缘计算是一种分布式计算模型，其中计算资源和数据存储被放置在物理世界的边缘，靠近数据源和终端设备，以降低延迟、提高性能，并更好地满足实时性要求

边缘计算的业务本质是云计算在数据中心之外汇聚节点的延伸和演进，主要包括云边缘、边缘云和云化网关三类落地形态；以“边云协同”和“边缘智能”为核心能力发展方向

边缘计算具有以下特点：

联接性：联接性是边缘计算的基础。所联接物理对象的多样性及应用场景的多样性，需要边缘计算具备丰富的联接功能。

数据第一入口：边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，将更好的支撑预测性维护、资产效率与管理等创新应用。

约束性：边缘计算产品需适配工业现场相对恶劣的工作条件与运行环境，如防电磁、防尘.防爆、抗振动、抗电流/电压波动等。在工业互联场景下，对边缘计算设备的功耗、成本、空间也有较高的要求。

分布性：边缘计算实际部署天然具备分布式特征。这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力

边云协同：边缘计算与云计算各有所长，云计算擅长全局性、非实时、长周期的大数据处理与分析，能够在长周期维护、业务决策支撑等领域发挥优势：边缘计算更适用局部性、实时、短周期数据的处理与分析，能更好地支撑本地业务的实时智能化决策与执行。

边缘计算既靠近执行单元，更是云端所需高价值数据的采集和初步处理单元，可以更好地支撑云端应用，而云计算则是通过大数据分析优化输出的业务规则或模型可以下发到边缘侧，边缘计算基于新的业务规则或模型运行，两者相辅相成，主要包括六种协同：

资源协同：边缘节点提供计算、存储、网络、虚拟化等基础设施资源、具有本地资源调度管理能力，同时可与云端协同，接受并执行云端资源调度管理策略，包括边缘节点的设备管理、资源管理以及网络连接管理。

数据协同：边缘节点主要负责现场/终端数据的采集，按照规则或数据模型对数据进行初步处理与分析，并将处理结果以及相关数据上传给云端：云端提供海量数据的存储、分析与价值挖掘。

智能协同：边缘节点按照A模型执行推理，实现分布式智能；云端开展AI 的集中式模型训练，并将模型下发边缘节点。

应用管理协同：边缘节点提供应用部署与运行环境，并对本节点多个应用的生命周期进行管理调度：云端主要提供应用开发、测试环境，以及应用的生命周期管理能力。

业务管理协同：边缘节点提供模块化、微服务化的应用/数字孪生/网络等应用实例：云端主要提供按照客户需求实现应用、数字孪生、网络等的业务编排能力。

服务协同：边缘节点按照云端策略实现部分ECSaaS服务，通过ECSaas与云端Saas的协同实现面向客户的按需Saas服务：云端主要提供Saas服务在云端和边缘节点的服务分布策略，以及云端承担的Saas服务能力。

边缘计算的应用场合(既有中央控制中心，又有分支设备)：智慧园区、安卓云与云游戏、视频监控、工业互联网、智慧医疗。

边云协同架构通常包括以下几层：

• 边缘层：位于网络边缘，负责收集数据、进行初步处理和存储。

• 雾层：位于边缘层和云层之间，负责数据的聚合、转发和处理。

• 云层：位于网络中心，负责提供强大的计算、存储和网络资源。

边云协同架构设计面临以下几个挑战：

• 异构性：边缘设备、网络和云平台存在异构性，需要统一管理和调度。

• 延迟：边缘计算需要满足低延迟要求，需要优化网络架构和数据处理流程。

• 安全性：边云协同系统需要保障数据安全和隐私。

针对上述挑战，可以采取以下解决方案：

• 虚拟化：将边缘计算资源虚拟化，以便于统一管理和调度。

• 容器化：将应用打包成容器，以便于在不同平台上部署和运行。

• 微服务：将应用拆解成微服务，以便于弹性扩展和故障处理。

• 软件定义网络 (SDN)：使用 SDN 技术可以灵活控制网络流量，降低延迟。

• 安全技术：使用安全技术保障数据安全和隐私，例如加密、身份认证、访问控制等

数字孪生体

数字孪生体技术是跨层级、跨尺度的现实世界和虚拟世界建立沟通的桥梁。

数字孪生体是现有或将有的物理实体对象的数字模型，通过实测、仿真和数据分析来实时感知、诊断、预物理实体对象的状态，通过优化和指令来调控物理实体对象的行为，通过相关数字模型间的相互学习来进化自身，同时改进利益相关方在物理实体对象生命周期内的决策

关键技术：

建模。建模的目的是将我们对物理世界的理解进行简化和模型化

仿真。是将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术。只要模型正确，并拥有了完整的输入信息和环境数据，就可以基本准确地反映物理世界的特性和参数。

云计算

云计算概念的内涵包含两个方面：平台和应用

云计算的服务方式

基础设施即服务(laaS)。在laaS模式下，服务提供商将多台服务器组成的“云端”基础设施作为计量服务提供给客户。具体来说，服务提供商将内存、IO设备、存储和计算能力等整合为一个虚拟的资源池，为客户提供所需要的存储资源、虚拟化服务器等服务。比如选择云端的不同配置的服务器

平台即服务(PaaS)。在PaaS模式下，服务提供商将分布式开发环境与平台作为一种服务来提供。这是一种分布式平台服务，厂商提供开发环境、服务器平台、硬件资源等服务给客户，客户在服务提供商平台的基础上定制开发自己的应用程序，并通过其服务器和互联网传递给其他客户。比如在线编程、在线办公软件

软件即服务(Saas)。在Saas的服务模式下，服务提供商将应用软件统一部署在云计算平台上，客户根据需要通过互联网向服务提供商订购应用软件服务，服务提供商根据客户所订购软件的数量、时间的长短等因素收费，并且通过标准浏览器、向客户提供应用服务。比如百度云盘之类的

三者比较：

在灵活性方面, Saas <PaaS <laas灵活性依次增强。

在方便性方面, laas <PaaS<Saas方便性依次增强。

部署方式：

公有云。在公有云模式下，云基础设施是公开的，可以自由地分配给公众。企业、学术界与政府机构都可以拥有和管理公用云，并实现对公有云的操作。公有云能够以低廉的价格为最终用户提供有吸引力的服务，创造新的业务价值。

社区云。在社区云模式下，云基础设施分配给一些社区组织所专有，这些组织共同关注任务、安全需求、政策等信息。云基础设施被社区内的一个或多个组织所拥有、管理及操作。“社区云”是”公有云”范畴内的一个组成部分。

私有云。在私有云模式下，云基础服务设施分配给由多种用户组成的单个组织。它可以被这个组织或其他第三方组织所拥有、管理及操作。

混合云。混合云是公有云、私有云和社区云的组合。由于安全和控制原因，并非所有的企业信息都能放置在公有云上，因此企业将会使用混合云模式。

大数据

大数据的特点：大规模、高速度、多样化、可变性、复杂性等

大数据分析的分析步骤，大致分为数据获取╱记录、信息抽取/清洗/注记、数据集成/聚集/表现、数据分析/建模和数据解释5个主要阶段。

大数据的应用领域：制造业、服务业、交通行业、医疗行业

区块链

区块链是一种分布式数据库技术，以区块的形式按时间顺序链接在一起，形成了一个不断增长的、不可篡改的记录链

它的核心特性包括：

• 去中心化：区块链的数据不存储在单一的中心服务器上，而是分布在网络的各个节点上，每个节点都有该链的完整副本。这意味着没有一个中心机构能够控制或篡改整个数据库。

• 不可篡改性：一旦数据被写入区块链，就几乎不可能被修改或删除。这是因为每个区块都包含了前一个区块的哈希值，形成了一个不可逆的链条结构，任何篡改都会立即被其他节点检测出来。

• 透明性：区块链中的数据是公开可见的，所有参与者都可以查看和验证数据，从而增加了数据的透明度和可信度。

• 安全性：区块链使用了加密技术确保数据的安全性，使得交易和信息在传输和存储过程中更加安全可靠。

• 智能合约：智能合约是基于区块链的自动化合约，能够自动执行合约条款，无需中介机构，提高了交易的效率和可靠性

区块链的原理：

• 安全性：区块链的安全性是建立在密码学原理上的，包括哈希函数、非对称加密等技术，确保数据的完整性和不可篡改性。

• 共识机制：共识机制确保了网络中各个节点对交易记录的一致性认可，从而防止了双重支付等问题。

• 分布式存储：区块链采用分布式存储方式，数据存储在多个节点上，避免了单点故障和数据丢失的风险。

• 智能合约：智能合约是一种在区块链上执行的自动化合约，其中包含了预先编写好的代码逻辑，可以自动执行合约条款