原子标签索引：[概念×16 | 机制×2 | 流程×2 | 分类×6 | 判据×3 | 数据×3 | 案例×2] 上游：第1章（信息化发展） 下游：第14章（云和大数据架构）、第20章（系统架构前沿）

标准表述

• 未来信息综合技术：近年来新技术发展提出的新概念、新知识、新产品，核心是计算机信息技术的延伸。
• CPS（信息物理系统，定义拆解）：定性——一个"复杂系统"；构成——把物理空间同信息空间里的人、机、物、环境、信息等要素连接起来，使其相互映射、适时交互、高效协同；靠什么建？集成先进的感知、计算、通信、控制等信息技术，连同自动控制技术；带来什么？系统内的资源配置和运行能做到按需响应、快速迭代、动态优化。
• CPS 本质：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。
• CPS 的最终目的：实现资源优化配置，关键靠数据的自动流动。
• 数据在流动中的 4 种形态：隐性数据、显性数据、信息、知识。
• CPS 四大核心技术要素："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）。
• 工业软件固化了 CPS 计算和数据流程的规则，是 CPS 的核心。
• 单元级 CPS：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。
• 人工智能：利用数字计算机或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。
• 弱人工智能：不能真正实现推理和解决问题的智能机器，没有自主意识；迄今所有 AI 均为弱人工智能。
• 强人工智能：真正能思维的智能机器，有知觉和自我意识；分类人（思维推理类似人）与非类人（推理方式与人完全不同）两类。
• 图灵测试：机器与人对话而不能被辨别出机器身份，则称该机器具有智能。
• 机器学习（Mitchell 定义）：程序从经验数据 E 中学习任务 T，其在任务 T 上的性能度量 P 随经验 E 的学习而提高。
• 知识图谱本质：结构化的语义知识库，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。
• 机器人 4.0：云端大脑分布式部署，充分利用边缘计算优势，实现规模化部署；机器人除感知协作外还具备一定理解和决策能力。
• 边缘计算（ECC 定义）：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。

蒸馏笔记

概念

• CPS：控制系统、嵌入式系统的扩展与延伸；1992 年由 NASA 提出，2006 年美国 NSF 海伦·吉尔详细描述。
• 单元级 CPS：不可分割的最小单元，构建最基本的数据自动流动闭环（智能部件、工业机器人、智能机床均可）。
• 系统级 CPS：多个单元级经工业网络互联，实现局部制造资源的自组织、自配置、自决策、自优化；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 6 功能。
• SoS 级 CPS：多个系统级 CPS 有机组合（车间级/工厂级）；主要实现数据汇聚，对内资产优化、对外运营优化服务。
• 感知和自动控制（一硬）：CPS 实现的硬件支撑，含传感器技术、虚实融合控制技术。
• 虚实融合控制：多层"感知-分析-决策-执行"循环，分嵌入控制、虚体控制、集控控制、目标控制 4 层。
• 工业软件（一软）：CPS 的核心，固化计算和数据流程规则。
• 工业网络（一网）：互联互通和数据传输的网络载体，基于分布式的全新范式。
• 工业云和智能服务平台（一平台）：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。
• NLP（自然语言处理）：人与计算机用自然语言有效通信的理论方法；含机器翻译、语义理解、问答系统。
• 计算机视觉：模仿人类视觉系统，提取、处理、理解和分析图像及图像序列。
• 人机交互（HCI）：研究人与计算机之间的信息交换，是 AI 的重要外围技术。
• VR/AR：以计算机为核心生成与真实环境高度近似的数字化环境，用户借助装备与之交互。
• 机器学习：以数据为基础，通过研究样本数据寻找规律，并据规律对未来数据进行预测。
• 监督学习：利用已标记的有限训练数据集建立模型，对新实例分类/映射。
• 无监督学习：利用无标记数据发现隐藏的结构/规律。
• 半监督学习：少量标注样本+大量未标注样本训练，减少标注代价。
• 强化学习：学习环境状态到行为的映射，使智能体获得环境最大奖赏；必须靠自身经历学习。
• 深度学习：基于多层神经网络并以海量数据作为输入的自学习方法；典型算法 CNN、RNN。
• 边缘计算：数据处理、应用运行和功能服务由网络中心下放到网络边缘节点就近处理。

机制

• CPS 赋能机制：数据自动流动 →(形态演变) 隐性数据→显性数据→信息→知识 →(价值释放) 为物理实体"赋予"资源优化能力。
• 机器人 4.0 云-边-端分工：云侧提供高性能计算和知识存储 → 边缘侧进一步处理数据并实现协同共享 → 机器人端只完成实时操作。

流程

CPS 建设 4 阶段路径（循序渐进）： 1. CPS 体系设计：从行业背景出发，针对应用模式、层次架构、安全体系、标准规范做整体体系设计。 2. 单元级 CPS 建设：目标=物理硬件+嵌入式软件+通信模块构成"感知-分析-决策-执行"闭环；重点=感控设备安装、制造工艺与流程数字化。 3. 系统级 CPS 建设：关注多个单元级互联互通与协同控制；重点=工业网络建设。 4. SoS 级 CPS 建设：关注数据存储与分布式处理能力、智能服务能力；重点=大数据平台、智能服务平台建设。

分类体系

CPS 技术体系 3 类： 1. 总体技术（顶层设计）：系统架构、异构系统集成、安全技术、试验验证技术。 2. 支撑技术（应用支撑）：智能感知、嵌入式软件、数据库、人机交互、中间件、SDN、物联网、大数据。 3. 核心技术（基础技术）：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。

人工智能发展史关键节点： - 1950：图灵《计算机器与智能》提出图灵测试。 - 1956 夏：明斯基、麦卡锡等在达特茅斯学院举办研讨会，"人工智能"术语正式诞生。 - 1959：塞缪尔提出机器学习，进入第一次繁荣期。 - 1968：费根鲍姆提出首个专家系统 DENDRAL，AI 从理论走向应用。 - 20 世纪 70 年代：计算能力不足，进入"寒冬"。 - 1980：汉斯·柏林纳的计算机战胜双陆棋世界冠军，第二次浪潮（专家系统商业成功）。 - 1987：LISP 机市场崩塌、日本第五代机项目失败，进入萧瑟期。 - 1997：IBM"深蓝"战胜国际象棋世界冠军卡斯帕罗夫（基于规则的 AI 的胜利）。 - 2006：辛顿推动深度学习备受关注。 - 2011：IBM Watson 问答系统在《危险边缘》获胜；2012：Google Brain 无监督学出"猫"；2014：微软 Cortana、亚马逊 Echo/Alexa；2016：AlphaGo 击败李世石。

机器学习三种分类维度： 1. 按学习模式：监督（回归、分类）、无监督（Apriori、K-Means、随机森林、主成分分析）、半监督（图论推理、拉普拉斯 SVM）、强化（Q-Learning、时间差学习）。 2. 按学习方法：传统机器学习（人工完成特征提取；逻辑回归、隐马尔可夫、SVM、K 近邻、三层 BP 网络、Adaboost、贝叶斯、决策树）/ 深度学习（不需要人工特征提取，但需大量训练数据+强大 GPU 算力）。 3. 其他常见算法：迁移学习（另一领域数据获得的关系用于本领域，迁移已训练好的模型参数）、主动学习（算法查询最有用未标记样本交专家标注；不确定性准则+差异性准则）、演化学习（演化算法维护解集合，启发式算子产生新解；粒子群优化、多目标演化算法）。

机器人发展 3 代： 1. 第一代：示教再现型机器人——1947 年美国橡树岭国家实验室为处理核燃料研制首台遥控机器人；1962 年美国研制成功 PUMA 通用示教再现型机器人（如汽车点焊机器人）。 2. 第二代：感觉型机器人——20 世纪 70 年代后期，有力觉、触觉、滑觉、视觉、听觉等感知。 3. 第三代：智能型机器人——20 世纪 90 年代以来，多传感器+复杂逻辑推理、判断及决策，自主决定行为。

机器人定义两个代表（1967 年日本第一届机器人学术会议）：森政弘与合田周平——具有移动性、个体性、智能性、通用性、半机械半人性、自动性、奴隶性 7 个特征的柔性机器；加藤一郎——3 条件：①脑、手、脚三要素的个体；②非接触传感器（眼、耳）和接触传感器；③平衡觉和固有觉传感器。

机器人分类： 1. 按控制方式 5 类：操作机器人（核电站主/从机械手）、程序机器人（按预先给定程序/条件/位置作业）、示教再现机器人（直接示教与遥控示教两种）、智能机器人（可按环境改变动作）、综合机器人（如"火星探路者"）。 2. 按应用行业 3 类：工业机器人（搬运、焊接、装配、喷漆、检查）、服务机器人（娱乐、根据环境改变动作）、特殊领域机器人（建筑、农业，用于核电站、海底、宇宙空间等人员难以进入场合）。

机器人 4.0 五大核心技术：①云-边-端无缝协同计算（含动态的任务迁移机制）；②持续学习与协同学习（少量数据建基本识别→自主找数据自动标注→重训练；机器人间数据共享）；③知识图谱（需更动态个性化知识，须与感知决策深度结合，分存于机器人侧/云侧/边缘侧）；④场景自适应（三维语义理解→主动观察人和物变化→预测事件→改变行为模式；关键是场景预测能力）；⑤数据安全（端到端安全传输+服务器端安全存储；机器人本体/云侧/边缘侧安全需求不同）。

边缘计算 3 种落地形态（ECC）： 1. 云边缘：云服务在边缘侧的延伸，逻辑上仍是云服务（华为 IEF、阿里 Link Edge、AWS Greengrass）。 2. 边缘云：在边缘侧构建中小规模云服务能力（MEC、CDN、华为 IEC）。 3. 云化网关：以云化技术重构嵌入式网关，提供协议/接口转换、边缘计算能力。

判据

弱 vs 强人工智能判据：能否真正实现推理、思考和解决问题；强人工智能还须有知觉和自我意识。

机器学习 Mitchell 定义三要素：经验 E、任务 T、性能度量 P——P 随 E 提升。

传统机器学习 vs 深度学习判据：特征提取方式（人工/自动）+ 数据与算力需求（少量/海量+GPU）。

数据

• CPS 术语：1992 年 NASA 提出；2006 年 NSF 海伦·吉尔详细描述。
• 章鱼类比：60% 神经元分布在八条腿（腕足）上，脑部仅 40%——"用腿解决问题"即边缘计算。
• IDC 预测：2020 年超 500 亿终端与设备联网；50% 的物联网网络将面临带宽限制；40% 的数据需要在网络边缘分析、处理与存储；边缘计算市场规模将超万亿。
• Robot 一词：1920 年捷克作家卡雷尔·恰佩克剧中所造，捷克语"苦力、奴隶"。

案例

• 互联网广告点击率（CTR）预估：从海量历史点击日志提取训练样本→构建特征训练 CTR 模型→新请求到达时预估各广告点击概率→结合出价计算点击收益→选收益最高广告（11.2.3）。
• "火星探路者"（1997.7.4 着陆）：四面体形着陆体+两台 CCD 摄像机立体观测，可视为地面指令操纵的操作机器人（11.3.4）。

易错点 / 边界情况

• CPS ≠ 嵌入式系统：CPS 是控制系统、嵌入式系统的扩展与延伸；嵌入式是单点解决方案，CPS 要深度融合计算、感知、通信、控制。
• CPS 闭环 16 字顺序：状态感知→实时分析→科学决策→精准执行，别答成"感知-分析-决策-执行"以外的顺序。
• "一软"工业软件是 CPS 的核心；"一硬"只是硬件支撑；"一平台"是对外提供资源管控和能力服务的基础。
• 弱人工智能仍可实现语音识别、图像处理、机器翻译等接近或超越人类的水平——"弱"不等于"能力弱"。
• 迄今所有人工智能都是弱人工智能；强 AI 至少未来几十年难以实现（美国专家与国家科技委员会观点）。
• 达特茅斯会议是"夏季研讨会"，1956 年，组织者是明斯基与麦卡锡（不是图灵）。
• 深蓝（1997，国际象棋，规则式 AI 胜利）≠ AlphaGo（2016，围棋，深度学习）。
• 半监督学习介于监督与无监督之间：少量标注+大量未标注。
• 强化学习外部环境反馈信息很少，必须靠自身经历学习。
• 深度学习不需要人工特征提取，但需要大量训练数据和 GPU 算力——并非无条件优于传统方法。
• 机器人三代记忆点：示教再现（无感知）→感觉型（有感知）→智能型（自主决策）。
• 机器人 4.0 时代核心挑战：日常生活场景缺大量数据，须少量数据建立识别能力+自适应。
• 边缘计算三形态区分：云边缘（逻辑上是云服务）、边缘云（边缘侧自建云能力）、云化网关（重构嵌入式网关）。
• 边缘计算是云计算的补充而非替代——"与云计算平分秋色的新兴市场"。
• OpenStack 社区由 NASA 和 Rackspace 合作研发发起。
• 数字孪生属于 CPS 核心技术（不是总体技术也不是支撑技术）。