未来信息综合技术

信息物理系统

控制系统、嵌入式系统的扩展与延伸。

信息物理系统(Cyber-Physical Systems,CPS)： 通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。

CPS 的本质就是构建一套信息空间与物理空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。

  • 单元级：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
  • 系统级：要包含互联互通、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：实现数据的汇聚，从而对内进行资产的优化和对外形成运营优化服务。

体系：“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)。

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，是CPS 的顶层设计技术；
  • CPS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，是基于 CPS应用的支撑；
  • CPS核心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、 CAXMES\ERP\PLM\CRMSCM 等，是CPS 的基础技术。

虚实融合控制技术：多层“感知-分析-决策-执行”循环（状态感知、实时分析、科学决策、精准执行）

应用场景：智能设计、智能生产、智能服务、智能应用。

  • 智能设计：产品及工艺设计、生产线工厂设计
  • 智能生产：设备联网管理、生产管理、柔性制造
  • 智能服务：健康管理、智能维护、远程诊断。
  • 智能应用：无人装备、产业链互动、价值链共赢。

柔性制造的要求就是能够根据快速变化的需求变更生产。

生产制造是制造企业运营过程中非常重要的活动， CPS 可以打破生产过程的信息孤岛现象，实现设备的互联互通，实现生产过程监控，合理管理和调度各种生产资源，优化生产计划，达到资源和制造协同，实现“制造”到“智造”的升级。

人工智能

人工智能 (Artificial Intelligence,AI) 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。包括：机器人、自然语言处理、计算机视觉、专家系统。

根据人工智能是否能真正实现推理、思考和解决问题，可以将人工智能分为弱人工智能和强人工智能。

  • 弱人工智能：不能真正实现推理和解决问题的智能机器
  • 强人工智能（通用人工智能）：有知觉的和有自我意识的。类人(机器的思考和推理类似人的思维)与非类人(机器产生了和人完全不一样的知觉和意识，使用和人完全不一样的推理方式)

技术：自然语言处理、计算机视觉、知识图谱、人机交互、VR/AR、机器学习

自然语言处理 (Natural Language Processing,NLP)：自然语言处理是计算机科学与语言学的交叉学科，也是人工智能的重要方向，研究实现人与计算机之间用自然语言进行有效通信的各种理论和方法。

  • 机器翻译(利用计算机实现从一种自然语言到另外一种自然语言的翻译)
  • 语义理解(利用计算机理解文本篇章内容，并回答相关问题)
  • 问答系统(让计算机像人类一样用自然语言与人交流)

计算机视觉 (Computer Vision)：计算机视觉是使用计算机模仿人类视觉系统的科学，让计算机拥有类似人类提取、处理、理解和分析图像以及图像序列的能力，将图像分析任务分解为便于管理的小块任务。

知识图谱 (Knowledge Graph)：知识图谱本质上是结构化的语义知识库，是一种由节点和边组成的图数据结构，以符号形式描述物理世界中的概念及其相互关系。

人机交互 (Human-Computer Interaction,HCl)：人机交互主要研究人和计算机之间的信息交换，包括人到计算机和计算机到人的两部分信息交换，是人工智能领域的重要的外围技术。包括语音交互、情感交互、体感交互及脑机交互等技术

虚拟现实或增强现实 (Virtual Reality /Augmented Reality,VR/AR)：用户借助必要的装备与数字化环境中的对象进行交互，相互影响，获得近似真实环境的感受和体验。在一定范围内生成与真实环境在视觉、听觉等方面高度近似的数字化环境。

机器学习 (Machine Learning,ML)：是一门涉及统计学、系统辨识、逼近理论、神经网络、优化理论、计算机科学、脑科学等诸多领域的交叉学科。让计算机系统具有人的学习能力以便实现人工智能。 机器学习是以数据为基础，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。

机器学习指专门研究计算机怎么模拟或实现人类的学习行为以获取新的知识或技能的学科，使计算机重新组织已有的组织结构并不断改善自身的性能。

学习模式区分：

  • 监督学习：需要提供标注的样本集。监督学习要求训练样本的分类标签已知
  • 无监督学习：不需要提供标注的样本集。是利用无标记的有限数据描述隐藏在未标记数据中的结构/规律。
  • 半监督学习：需要提供少量标注的样本。利用少量的标注样本和大量的未标识样本进行训练和分类，从而达到减少标注代价、提高学习能力的目的。
  • 强化学习：需要反馈机制。习从环境状态到行为的映射，使得智能体选择的行为能够获得环境的最大奖赏，最终目标是使外部环境对学习系统在某种意义下的评价最佳。

学习方法区分：

  • 传统机器学习：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。在自然语言处理、语音识别、图像识别、信息检索等许多计算机领域获得了广泛应用。
  • 深度学习：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。卷积神经网络 (CNN)、 循环神经网络 (RNN)。

其他：

  • 迁移学习：是指当在某些领域无法取得足够多的数据进行模型训练时，利用另一领域数据获得的关系进行的学习。
  • 主动学习：通过一定的算法查询最有用的未标记样本，并交由专家进行标记，然后用查询到的样本训练分类模型来提高模型的精度。
  • 演化学习：基于演化算法提供的优化工具设计机器学习算法

机器人

  1. 第一代：示教再现型机器人。重复地根据人当时示教的结果，再现出这种动作。
  2. 第二代：感觉型机器人。拥有类似人在某种功能的感觉。
  3. 第三代：智能型机器人。可以进行复杂的逻辑推理、判断及决策。
  4. 4.0：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。具有一定的理解和决策能力

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

章鱼就是用“边缘计算”来解决实际问题的。作为无脊椎动物中智商最高的一种动物，章鱼拥有巨量的神经元，但60%分布在章鱼的八条腿(腕足)上，脑部仅有40%。也就是说章鱼是用“腿”来解决问题的。

边缘计算将数据的处理、应用程序的运行甚至一些功能服务的实现，由网络中心下放到网络边缘的节点上。在网络边缘侧的智能网关上就近采集并且处理数据，不需要将大量未处理的原生数据上传到远处的大数据平台。

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。

  • 云边缘：是云服务在边缘侧的延伸，逻辑上仍是云服务，主要的能力提供依赖于云服务或需要与云服务紧密协同。
  • 边缘云：是在边缘侧构建中小规模云服务能力，边缘服务能力主要由边缘云提供。集中式 DC 侧的云服务主要提供边缘云的管理调度能力。
  • 云化网关：以云化技术与能力重构原有嵌入式网关系统，云化网关在边缘侧提供协议/接口转换、边缘计算等能力，部署在云侧的控制器提供边缘节点的资源调度、应用管理与业务编排等能力。

边缘计算是一种将主要处理和数据存储放在网络的边缘节点的分布式计算形式。是指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。

特点：

  • 联接性：具备丰富的联接功能，如各种网络接口、网络协议、网络拓扑、网络部署与配置、网络管理与维护。
  • 数据第一入口：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：需适配工业现场相对恶劣的工作条件与运行环境。需要考虑通过软硬件集成与优化，以适配各种条件约束，支撑行业数字化多样性场景。
  • 分布式性：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：

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。

  • 资源协同
  • 数据协同
  • 智能协同
  • 应用管理协同
  • 业务管理协同
  • 服务协同

安全：

  • 提供可信的基础设施：包括了计算、网络、存储类的物理资源和虚拟资源。应对镜像篡改、 DDoS 攻击、非授权通信访问、端口入侵等安全威胁。
  • 为边缘应用提供可信赖的安全服务：从运行维护角度，提供应用监控、应用审计、访问控制等安全服务；从数据安全角度，提供轻量级数据加密、数据安全存储、敏感数据处理与监测的安全服务，进一步保证应用业务的数据安全。

场景：

  1. 智慧园区：
  2. 安卓云与云游戏：
  3. 视频监控：
  4. 工业物联网：
  5. Cloud VR：

数字孪生

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 (Digital Twin)

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。

云计算

大数据