本页目录 · 5 节
第 11 章 未来信息综合技术
对应大纲：科目 1-10 未来信息综合技术｜教材 P369–P404｜优先级 ★★★｜综合知识估分 3～5 分
读法：本章是「新名词扫盲课」，不抠原理，只记「三层、三派、四关键、五维、5V」这些骨架；选择题能认名词、论文能举场景即可。
一、知识框架
未来信息综合技术
├─ 11.1 CPS：计算+通信+控制，人-机-物融合
│ ├─ 三层：感知｜网络｜应用
│ └─ 四关键：感知｜传输｜计算｜控制
├─ 11.2 人工智能
│ ├─ 概念与三次浪潮
│ ├─ 三大学派：符号主义｜连接主义｜行为主义
│ └─ 关键技术：机器学习｜知识图谱｜NLP｜视觉
├─ 11.3 机器人技术
│ ├─ 发展：示教再现→带感觉→智能→机器人 4.0
│ ├─ 4.0 核心技术：感知、云边、互联、协作、孪生、AI
│ └─ 分类：工业｜服务｜特种
├─ 11.4 边缘计算
│ ├─ 概念与特点：近源、低时延、本地自治
│ ├─ 边云协同：数据｜智能｜应用管理｜业务管理
│ └─ 安全与应用：工业、车联网、城市、CDN
├─ 11.5 数字孪生体
│ ├─ 五维模型：物理实体｜虚拟实体｜服务｜数据｜连接
│ └─ 关键技术：建模仿真｜数据采集｜数字线程｜AI
└─ 11.6 云计算与大数据概述
├─ 云计算：IaaS/PaaS/SaaS；四种部署模式
└─ 大数据：5V + 采集/存储/处理/分析/可视化二、必背要点
11.1 信息物理系统 CPS
定义：CPS 是集成计算、通信与控制能力，实现物理空间与信息空间深度融合的智能系统。即把传感器、网络、计算模型与执行器连成闭环，让物理世界可感知、可计算、可控制。
三层体系
| 层次 | 主要作用 | 关键能力 |
|---|---|---|
| 感知层 | 采集物理状态、执行控制指令 | 传感器、RFID、视觉、执行器 |
| 网络层 | 数据传输与异构互联 | 工业以太网、5G、TSN |
| 应用层 | 数据汇聚、分析决策、行业服务 | 云/边缘计算、大数据、AI |
「人-机-物」融合：物是被感知与控制的对象，机是承载模型与算力的信息系统，人负责目标设定与决策；三者靠「感知—传输—计算—控制—反馈」闭环协同。
实现的四个关键
| 环节 | 要做的事 | 代表技术 |
|---|---|---|
| 感知 | 多源状态量测与对象标识 | 传感、RFID、视觉 |
| 传输 | 实时、可靠、确定性地传数据 | 5G、TSN、工业以太网 |
| 计算 | 云边端算力分配与模型计算 | 边缘计算、云计算、AI |
| 控制 | 闭环反馈、指令下发与执行 | 控制器、执行机构 |
建设与应用：建设分体系架构、技术体系、标准体系三块；应用于智能制造、车联网、医疗、城市、能源。
11.2 人工智能
定义：研究、开发用于模拟、延伸和扩展人类智能的理论、方法、技术与应用系统的科学。
三次浪潮：1956 年达特茅斯会议提出；70—80 年代专家系统兴起；2006 年深度学习推动感知智能落地，当前走向认知与生成式。
三大学派
| 学派 | 核心思想 | 代表成果 |
|---|---|---|
| 符号主义 | 智能 = 符号表示 + 逻辑推理 | 专家系统、知识图谱 |
| 连接主义 | 智能 = 神经元连接与数据学习 | 神经网络、深度学习、大模型 |
| 行为主义 | 智能 = 感知-动作闭环，在交互中涌现 | 强化学习、机器人控制 |
关键技术
| 技术 | 一句话说明 |
|---|---|
| 机器学习 | 从数据中学习规律，分监督、无监督、强化 |
| 深度学习 | 多层网络自动提特征，感知任务主力 |
| 知识图谱 | 实体-关系三元组网络，支撑推理问答 |
| 自然语言处理 | 分词、语义理解、翻译、问答、生成 |
| 计算机视觉 | 图像分类、检测、分割与识别 |
AI 三要素：数据、算法、算力，三者缺一难落地。
11.3 机器人技术
定义：集机械、电子、控制、传感、人工智能于一体的自动化装置，可半自主或全自主完成任务。
四代发展
| 代际 | 特征 |
|---|---|
| 第一代 | 示教再现，重复固定动作 |
| 第二代 | 带力觉、视觉，有一定适应性 |
| 第三代 | 智能机器人，能感知、规划、决策 |
| 机器人 4.0 | 互联互通、云脑协同、人机协作、虚实融合 |
机器人 4.0 核心技术
| 方向 | 具体内容 |
|---|---|
| 智能感知 | 多传感器融合、视觉/力觉、SLAM |
| 云边计算 | 云端训练调度、边缘实时控制；5G/TSN 互联 |
| 人机协作 | 协作机器人、安全交互、意图识别 |
| 数字孪生 | 虚拟调试、状态映射、预测维护 |
| 人工智能 | 学习、路径规划、自主决策 |
分类
| 分类维度 | 类型 |
|---|---|
| 用途 | 工业、服务、特种机器人 |
| 结构 | 直角坐标、圆柱坐标、球坐标、关节型 |
| 控制方式 | 点位控制、连续轨迹控制 |
11.4 边缘计算
定义（边缘计算产业联盟）：在靠近物或数据源头的边缘侧，融合网络、计算、存储、应用能力的分布式开放平台，就近提供智能服务。
特点：近源、毫秒级时延、回传带宽省、位置感知、本地自治、数据不出园区。
边缘计算与云计算对比
| 维度 | 边缘计算 | 云计算 |
|---|---|---|
| 部署位置 | 数据源附近（网关、基站） | 集中数据中心 |
| 时延 | 毫秒级 | 数十至数百毫秒 |
| 带宽 | 本地处理，回传量小 | 依赖回传带宽 |
| 算力 | 有限、异构 | 弹性、近乎无限 |
| 适用 | 实时控制、视频分析、隐私敏感 | 训练、分析、长期存储 |
边云协同的四个层次
| 层次 | 协同内容 |
|---|---|
| 数据协同 | 边缘采集预处理，云端汇聚建模并下发模型 |
| 智能协同 | 云端训练、边缘推理，模型增量更新 |
| 应用管理协同 | 应用编排、部署、升级统一管理 |
| 业务管理协同 | 业务编排、计量计费、运营统一 |
安全：接入认证、传输加密、数据本地脱敏、应用沙箱、边云统一策略。
应用：工业质检、车联网、城市安防、CDN、智能家居、AR/VR。
11.5 数字孪生体
发展：源自 NASA 阿波罗计划；2003 年 Grieves 提出镜像空间模型；2011 年美国空军正式使用该词。
定义：以数字化方式为物理实体构建虚拟映射，基于实时与历史数据、机理与数据模型，对物理实体进行描述、诊断、预测与控制。
五维模型
| 维度 | 内容 |
|---|---|
| 物理实体 PE | 真实设备、产线、建筑或城市 |
| 虚拟实体 VE | 几何、物理、行为、规则模型 |
| 服务 Ss | 仿真、诊断、预测、优化等服务 |
| 数据 DD | 物理实测、仿真及融合数据 |
| 连接 CN | 采集通道与交互接口，双向驱动 |
关键技术：建模与仿真、多源数据采集与融合、数字线程、大数据与 AI、VR/AR、云边协同。
应用：产品设计验证、产线虚拟调试、预测性维护、智慧城市、手术规划。
11.6 云计算与大数据技术概述
云计算五特征：按需自服务、网络接入、资源池化、快速弹性、可计量。
三种服务模式
| 模式 | 提供内容 | 用户管理范围 | 典型例子 |
|---|---|---|---|
| IaaS | 计算、存储、网络资源 | 操作系统及以上 | 云主机、云硬盘 |
| PaaS | 运行平台、中间件、数据库 | 应用与数据 | 应用引擎、托管数据库 |
| SaaS | 完整可用的应用 | 只管使用 | 在线 OA、在线 CRM |
四种部署模式
| 模式 | 特征 | 适用 |
|---|---|---|
| 公有云 | 多租户共享、按量付费 | 互联网业务、弹性需求 |
| 私有云 | 单租户独占、自主可控 | 金融、政务核心数据 |
| 社区云 | 特定群体共同使用 | 行业云、园区云 |
| 混合云 | 核心私有 + 弹性公有 | 多数中大型企业 |
大数据 5V
| 维度 | 含义 |
|---|---|
| Volume | 数据规模大 |
| Velocity | 产生与处理速度快 |
| Variety | 结构化、半结构化、非结构化多样 |
| Value | 价值密度低但总价值高 |
| Veracity | 数据真实性与质量 |
处理流程：采集 → 存储 → 处理 → 分析 → 可视化。
三、易混淆概念对比
| A | B | 关键区别 |
|---|---|---|
| CPS | 物联网 | 物联网重「连接与感知」；CPS 强调「计算 + 控制」闭环 |
| CPS | 数字孪生 | CPS 是系统形态；数字孪生是其中的虚实映射手段 |
| 符号主义 | 连接主义 | 前者靠知识表示与逻辑推理；后者靠数据驱动的网络学习 |
| 连接主义 | 行为主义 | 前者给「大脑」建模；后者强调「身体」与环境交互 |
| 边缘计算 | 云计算 | 边缘近源低时延、算力有限；云端集中弹性、时延较高 |
| 数字孪生 | 传统仿真 | 孪生有实时数据双向驱动、覆盖全生命周期；仿真多为离线单向 |
| IaaS | PaaS | IaaS 给资源，用户管 OS 以上；PaaS 给平台，用户只管应用 |
| 大数据 4V | 大数据 5V | 5V 在 4V 基础上增加 Veracity（真实性） |
| 机器人 3.0 | 机器人 4.0 | 3.0 是单机智能；4.0 强调互联、云脑、人机协作与孪生 |
四、常见考法与出题角度
| 出题角度 | 典型问法 | 答题要点 | 易错提示 |
|---|---|---|---|
| 层次归属 | 「CPS 应用层负责什么」 | 数据汇聚、分析决策、行业服务 | 感知层才管采集与执行 |
| 学派识别 | 「专家系统属于哪个学派」 | 符号主义 | 不要选连接主义 |
| 技术匹配 | 「让机器理解自然语言的技术」 | 自然语言处理 | 计算机视觉管图像 |
| 边云选型 | 「产线实时质检用哪种算力」 | 边缘计算，低时延、数据本地 | 云端负责训练 |
| 协同层次 | 「边云协同包括哪些层次」 | 数据、智能、应用管理、业务管理 | 不要与云边端混淆 |
| 孪生五维 | 「数字孪生五维模型指什么」 | 物、虚、服、数、连 | 连接常被漏掉 |
| 服务/部署 | 「只提供虚拟机属于哪种模式」 | IaaS；政务核心宜私有云 | PaaS 给平台 |
| 大数据特征 | 「5V 中表示真实性的是」 | Veracity | 不要与 Value 混淆 |
案例题角度：工业质检、车联网类案例常问「为什么用边缘计算」。主线：时延带宽 → 边缘推理 → 云端训练 → 安全运维。
论文可用角度：可直接改写为——「在××项目中，我们将视觉检测模型放在产线边缘推理、在云端统一训练迭代，形成『云训练、边推理』的边云协同，单帧时延由 200ms 降至 30ms。」
五、速记与自测
速记
- CPS 三层：感、网、用；四关键：感、传、算、控
- AI 三派：符、连、行；三要素：数、法、算
- 数字孪生五维：物、虚、服、数、连
- 大数据 5V：量、速、多、值、真
自测
- CPS 的三层体系是什么？实现 CPS 的四个关键环节是什么？
- 边缘计算与云计算在时延、带宽、算力、适用场景上有何差异？
- 数字孪生的五维模型包括哪五个部分？
答案：1. 感知层、网络层、应用层；感知、传输、计算、控制。2. 边缘近源毫秒级、回传省带宽、算力有限，适合实时控制与隐私场景；云端集中、时延高、算力弹性，适合训练分析与长期存储。3. 物理实体、虚拟实体、服务、数据、连接。