【智能制造】欧阳劲松：制造的数字化网络化智能化的思考与建议

本文作者：机械工业仪器仪表综合技术经济研究所欧阳劲松，刘丹，杜晓辉

1  引言

2015年～2017年，机械工业仪器仪表综合技术经济研究所（以下简称“仪综所”）承担了工业和信息化部多项智能制造综合标准化与新模式应用项目，制定基础共性标准草案27项。在项目执行期间，仪综所技术团队走访调研了国内外近百家制造企业，同时与国内外技术团体、标准化组织、著名公司的技术专家交流探讨。特别是2017年，我们分别与德国工业4.0平台实验室网络主管ThomasHahn博士、德国工业4.0标准化委员会主管RinholdPichler先生、日本工业价值链促进会IVI发起人日本法政大学西冈靖之教授等资深专家进行深入交流，这些交流引起了我们的一些深度思考。

一方面，在实践应用上，我国制造业水平与欧美等工业强国相比还具有相当差距。“工业2.0补课、3.0普及、4.0示范”指出了我国企业自动化、数字化、网络化、智能化水平参差不齐的现状。因此，在智能制造实施道路上，切忌盲目跟风，企业必须明确经济效益指标，以打好2.0和3.0基础为首要任务，找到适合自身的实施路径。

另一方面，在以信息物理系统（CPS）为引领的顶层设计上，智能制造/工业4.0参考模型在世界各国如火如荼地建立。我国智能制造系统架构（IMSA）已列为国际上十一种智能制造参考模型架构之一，得到国际标准认可。更进一步，德国和日本两国在推出参考模型之后，正在积极延伸建立基于模型的信息空间数据平台。因此，我国的参考模型在指导智能制造实现与应用中还应继续做实做深，以掌握信息物理空间时代的主动权。

2  我国工业2.0，3.0，4.0实施路线的思考

2.1. 避免误区

我国制造业发展不平衡、不充分特点明显，企业转型升级势在必行，高质量发展是目前我国制造业由大转强的主旋律。“中国制造2025”是实施制造强国战略的第一个十年行动纲领，“智能制造”是主攻方向。《智能制造工程实施指南》、《智能制造发展规划（2016-2020年）》等重要文件发布后，基于自身转型升级需求，在相关部委及地方政府支持下，我国企业已纷纷对原有工厂/车间进行自动化、数字化、网络化升级改造，或者建立新型数字化车间、智能工厂，取得巨大成效。

《智能制造发展规划（2016-2020年）》对“智能制造”进行了描述：“智能制造是基于新一代信息通信技术与先进制造技术深度融合，贯穿于设计、生产、管理、服务等制造活动的各个环节，具有自感知、自学习、自决策、自执行、自适应等功能的新型生产方式”。但是实践来看，“自感知、自学习、自决策、自执行、自适应”的制造高级阶段对制造企业而言仍难以企及，德国专家预测德国的工业4.0尚需要15～20年时间来实现。因此，鉴于我国智能制造水平参差不齐的现状，如何规划好适用于我国智能制造现状的发展路径成为重点。

近日，中国工程院院刊《Engineering》刊发了最新观点性文章“走向新一代智能制造”，为我国制造业智能转型指明“并行推进、融合发展”的技术路线。可见我国智能制造的顶层设计上已深刻认识到智能制造/工业4.0的实现不可能一蹴而就，需要循序渐进，补齐短板，并行发力。因此，中国制造企业在实施智能制造过程中应“因企而异”，避免盲目跟风和片面认识。

误区一：为了智能制造而智能制造

由于智能制造“大热”，一些企业盲目跟风，存在为了“智能制造”而智能制造的现象。企业应首先明确要达到的经济目标——提升质量、提高效率、降低成本、缩短周期、降低能耗。根据自身的基础，针对于不同的目标，智能制造首要解决的问题和采用的技术手段是不同的。

误区二：智能制造=无人化

许多制造企业提出“机器换人”、“无人工厂”的口号。机器可代替人类的大量体力劳动，实现高效、高质量精准制造，但不能盲目采用“机器换人”，除了要考虑机器与人员置换成本之间的平衡，还需综合考虑操作场地、信息化接口、维护成本等。而且在2.0、3.0、4.0升级的长时间内，机器或“机器人”仅仅是一种自动化或智能化设备，其很难独立满足日益复杂的生产要求。

“人”作为智能制造的重要资源，在应对定制化生产和复杂多变生产环境方面仍处于中心地位。特别对于现阶段“2.0补课、3.0普及、4.0示范”，人、信息系统、物理系统的协同显得尤为重要，智能制造仍需要人工智力参与政策解读、法规约束、知识积累、工匠传承、文化发扬和统筹组织等，以实现有序生产并产生效益，这些都是现阶段的机器无法替代的。

误区三：自动化+软件= 智能制造

自动化和软件是实现智能制造的必要条件但不是充分条件。智能制造强调自动化系统和工业软件的集成与纵横协同，并体现先进的工艺技术和管理理念。除此之外，更需要植入先进的感知系统、控制手段、网络技术和云计算等，进行长时间的数据收集积累，开展数据分析和建模，并不断迭代优化，以实现生产过程快速有效的运行，才能支撑先进的制造方式实现自适应，进而应对复杂的生产环境。

误区四：互联网+大数据= 智能制造

互联网和大数据只是提升智能化的手段之一。智能制造的本体是“制造”，制造装备和生产过程的数字化是基础[1]。没有制造装备与系统的数据采集与互联互通，互联网、云、大数据都将是无源之水。

2.2. 梳理问题

以离散制造业为例，我们通过调研总结，目前我国企业智能化升级过程中常见问题如下：

（1）产品品种规格多样，物料清单（BOM）结构复杂多变，生产工艺随之动态调整，导致生产计划调度困难；

（2）生产对象不一样，生产车间可能包括铸造、锻造、表面处理、机加、装配等车间，不同形态的车间管理需求不同；

（3）许多企业未实施或未应用好MES，生产计划调度和管理主要依靠人工，导致任务执行进度、设备状态、物料状态等难以跟踪；

（4）系统集成困难，ERP和MES接口不开放，底层设备的通信协议和接口不统一，有的设备甚至不具备网络接口；

（5）制造装备类型繁多，服役周期不同，数控机床及各种加工装备、工业机器人、表面贴装设备（SMT）、检测仪器和物流系统等底层设备自动化和数字化程度差别大；

（6）产品质量管理，许多企业通常还是以离线检验为主，特别针对多品种、小批量的产品生产，产品的质量和生产率很大程度上依赖于工人技术水平，废品率得不到有效控制。

企业在实施智能制造过程中，应认清基础，梳理存在问题，明确经济目标，系统规划，才能有计划有选择地打好自动化、数字化基础。

2.3. 实施要点

工业2.0并非必须先实现3.0才能追求4.0。在进行升级改造过程中，企业应总体规划自动化、数字化、网络化、智能化升级方案，并行推进。但这并不意味着工业2.0和3.0的技术基础是可以省略和跨越的。根据工业2.0、3.0、4.0的主要特征，建议从制造本体出发实现智能制造的一个基本路线如图1所示。

图1中工业2.0到3.0的最重要内容是采用ERP和MES（两者融合趋势明显）等生产管理系统（或称IT信息系统）进行运营和生产管理，并实现与自动化系统（或称OT运行系统）的纵向集成，推荐采用OPCUA解决方案，建立设备信息模型并提供统一接口。图中工业4.0阶段尚未实现制造系统的自适应、自组织、自决策并跨企业、跨行业、跨地域调动生产资源等智能制造愿景，因此将其称为准智能化。3.0到4.0的最重要内容是实现产品全生命周期管理，实现信息流与价值流（含物流、资金流）的协调整合。

图1 工业2.0、3.0、准4.0实现路线建议

进一步聚焦工厂或车间内部，针对2.2中的常见问题，首要任务是补齐自动化与信息化短板，应实现的基本功能要素如图2所示。同时，还应实现设计、物流、生产运行、调度、检测等各子系统之间的协同，以及持之以恒地建立企业各种生产资源数据库（技术、零件、产品、工艺、可靠性、供货商等）。

图2 数字化车间基本功能要素

此外，安全（功能安全与信息安全）对于信息化网络化和智能化的保障作用需要高度重视，必需注重研究智能化时代安全风险防范手段，建立基于风险分析的与国内国际标准相协调的分级管理制度，系统的协调政策保障体系，发挥各方面的主动性，共建安全生态。

2.4. 新一代信息技术引领

智能制造的网络化特征包括两方面内容，如图3所示。一方面，通过物联网实现数字化车间/工厂内部的纵向集成与横向集成，如各种信息系统、智能装备、物料、在制品、完成品甚至操作人员等制造资源通过网络连接并实现相互间的互联互通互操作，这部分网络包括以太网、现场总线、工业以太网、工业无线网等。

图3 智能制造的网络化概念

另一方面，借助互联网、云、大数据能等新一代信息技术实现跨企业、跨行业、跨地区的网络协同制造，以及利用人工智能技术实现智能产品的版本升级、远程诊断和预测性维护等智能服务，更进一步将分析结果反馈到规划设计、产品开发、生产优化，实现产品全生命周期的闭环控制。

2.5. 小结

历经CAD、计算机集成制造系统（CIMS）、制造业信息化、两化融合、物联网、两化深度融合、智能制造、互联网+等概念的“嵌入”，我国制造业数字化已有30多年的历史，但仍有很多企业欠缺数字化的基础——自动化和信息化，及由此产生的各种数据库，另外许多企业对这些概念的理解和实施存在偏差。所以北京航空航天大学刘强教授疾呼：“不要在落后的工艺基础上搞自动化，不要在落后的管理基础上搞信息化，不要在不具备数字化网络化的基础上搞智能化”[2]。因此，实现智能制造，首先要打好工业自动化和信息化的基础，再以大数据、互联网和云等数字化网络化手段加快4.0进程。

3  智能制造参考模型的实现

3.1. 参考模型概述

智能制造/工业4.0面向新的生产模式，实现跨企业、跨行业、跨地域的信息集成、应用集成和价值集成。它是一个覆盖信息通信（ICT）、自动化、装备、软件等宽泛领域和技术的“超级”系统工程，目前没有一个学科能够完全覆盖所涉及的方方面面，因此，需要用标准化手段来统一认识和引领发展，普遍的实施方法是通过制定智能制造/工业4.0的参考模型来梳理所涉及的相关标准，进而建立智能制造标准体系。IEC是制定智能制造/工业4.0国际标准的重要阵地，在IEC标准化管理局（SMB）系统评估组SEG7关于智能制造架构和模型的报告[3]中列出了众多标准化组织已制定的11种参考模型和参考架构，具体名称如表1所示。

表1 智能制造相关的现有模型

制定参考模型本身不是目的，参考模型需要随着生产经营模式和技术的发展应不断的优化修正，再指导智能制造/工业4.0的落地实施才具有真正意义。在此选择德国和日本两种后续指导和应用工作做得比较好的参考模型进行分析。

3.2. 德国工业4.0参考架构模型（RAMI4.0）

德国电工电子与信息技术标准化委员会（DKE）于2015年4月发布了工业4.0参考架构模型（RAMI4.0），如图4所示，并将其提交到IEC/TC65工业过程测量、控制和自动化技术委员会。现在，RAMI4.0已成为公共可用规范IEC/PAS63088发布。RAMI4.0以一个三维模型展示了工业4.0涉及的所有关键要素，借此模型可识别现有标准在工业4.0中的作用以及缺口和不足[4]。为方便起见，本文使用X、Y、Z来区分三个轴向[5]。

图4 工业4.0参考架构模型（RAMI4.0）

工业4.0的概念旨在以RAMI4.0模型为形式，制定数字化描述规则，用来描述贯彻整个全生命周期的技术对象和价值链变化[6]。RAMI4.0的提出并非从零开始，其中X轴和Y轴都是基于已有标准，但为适应工业4.0需求而进行扩展。X轴为生命周期&价值链维度，在IEC62890《工业过程测量控制和自动化系统和产品生命周期管理》基础上，根据资产在增值链中的使用方式，将产品生命周期进一步划分为样机（type）和产品（instance）两个阶段。Type阶段与Instance阶段各自都有资产的使用、维护、优化，并且相互间有反馈形成闭环。

Y轴为企业的层次结构维度，在IEC62264《企业控制系统集成》基础上进行扩展。由于工业4.0不仅关注生产产品的工厂、车间和机器，还关注产品本身以及工厂外部的跨企业协同（包括质量链、价值链等的协同）制造关系，因此，在底层增加了“产品”层，在工厂顶层增加了“互联世界”层。

RAMI4.0模型的最大创新在于Z轴即功能级维度，可将其理解为一种信息建模方法，用于对另外两个维度建模——即对生命周期维度进行价值链建模，对层次结构维度进行技术对象建模。RAMI4.0模型在此维度定义了工业4.0组件来作为建模的载体。工业4.0组件由资产和管理壳组成，如图5所示。资产为各种人、机、料、法、环等技术对象，工业4.0组件使用“对象”来数字化（虚拟）表示资产。多个“小”资产可通过数字连接组合成“大”资产。将管理壳附加到资产上，一方面可作为对外展示信息及提供访问的接口，另一方面可对内进行资源管理。如此，使用工业4.0组件就可对工厂层次结构进行数字化（虚拟）表示，建立企业各种资源库（产品库、设备库、工艺库等），并在全生命周期及生产管理工具中实现资源互联互通和互操作。

图5 工业4.0组件及基于工业4.0组件的工厂资产建模

RAIM4.0在Z轴通信层实施方面，推荐使用IEC62541《OPC统一架构（OPCUA）》标准[7,8]。这是因为OPCUA既具有信息建模功能，又支持面向服务（SoA）的架构并提供统一的通信接口（TCP和HTTPS）。因此，OPCUA可用于实现工业4.0组件，包括利用OPCUA强大的信息建模技术实现工厂中各种资产的数字化描述与建模，以UA服务器的形式可视化展示工业4.0组件的对象结构并提供统一的访问接口，如图6所示。

图6 工业4.0组件管理壳及OPC UA实现

3.3. 日本工业价值链参考架构（IVRA）

日本工业价值链促进会（IVI）于2015年12月发布了工业价值链参考架构（IVRA），旨在自下而上地从制造业需求出发，将制造技术和信息技术“串接”起来[9]。面向工业需求多样性和个性化的复杂系统（系统的“系统”），IVRA首先定义智能制造单元（SMU），来表示智能制造的一个自主单元。同RAMI4.0模型一样，SMU也由三个维度组成，但分别对应资产、活动和管理三个视角，如图7所示。不同SMU之间可进行互联互通，并实现物、信息、数据、价值等传递，最终实现生产力和效率的极大提高。

图7 工业价值链参考架构（IVRA）的智能制造单元（SMU）

资产视角向生产组织展示该SMU的资产或财产，包括人员、过程、产品和设备四种类型，这与RAMI4.0模型中的资产基本一致。有些资产还可以在不同SMU之间传输。活动视角涉及该SMU的人员和设备所执行的各种活动，包括“计划、执行、检验、改善、活动”的不断循环。管理视角说明实施的目的，并指出管理要素“质量、成本、交付、环境”之间的关系。IVRA SMU是基于日本管理学的持续改善（Kaizen）概念提出的，SMU的资产和活动都应以控制质量、成本、交期准确率、环境为目标。因此，在每个SMU 中通过操作“人员、过程、产品、设备”资产，重复进行“计划->执行->检验->改善”的生产活动循环，以实现提高“质量、成本、交付、环境”评估指标。

此外，从制造业整体出发，企业实施智能制造具有通用的功能和活动。因此，IVRA还定义了通用功能块（GFB），通过知识/工程流、需求/供应流和企业组织层级三个轴向进行描述，如图8所示。从工程角度出发，知识/工程流包含的设计信息和工程信息，可划分为市场和设计、构造和实现、制造执行、维护和修复、研究和开发五个通用功能。需求/供应流是指由多家企业组成的价值链，涉及将原料转变为最终产品并运送至终端用户的所有活动，包括总体规划、原料采购、制造执行、销售与物流、售后服务。知识/工程流与需求/供应流在制造执行阶段交汇因而具有共同的GFB。更进一步，智能制造通用功能分解到企业的各个垂直层级也形成不同的功能块，自底向上包括设备层、车间层、部门层和企业层。

图8 工业价值链参考架构（IVRA）

SMU的作用是对智能制造的总体（目标、资产和改善活动）进行建模，GFB则是用于描述企业实现智能制造的具体活动及场所。根据企业规模及部门自主性，一个企业可由一个或多个SMU组成。并且，企业不一定实现全部的GFB。一个SMU对应于一个、多个或所有GFB。

IVI提出IVRA的一个主要目的在于分析制造过程中哪里存在问题，并理清提供解决方案的系统范围[9]。因此，IVI在定义IVRA模型的同时，配套实施了一系列步骤，来推动IVRA在智能制造中得以真正应用，如图9所示。首先基于概念化的IVRA统一参考架构模型，定义用户（工厂）生产现场中存在的实际问题，经过AS-IS/TO-BE分析，使用“IVI用例器”工具来形式化描述业务场景，最终指导在工厂中构建实际的制造系统。这种标准化描述的业务场景更容易取得解决方案供应商和制造用户的一致理解。

图9 IVRA在智能制造中的实现与应用

IVI已经按照八大类成立了22个专业的工作组来收集生产现场的各类业务场景，并建立共享经济循环平台Ecosystem，以实现用户实际问题与供应商解决方案的匹配，如图10所示。

图10 IVI共享经济循环平台Ecosystem架构

3.4. 小结

智能制造/工业4.0参考模型的初衷是为了统一认识和梳理标准，但更应该对智能制造的实施提供基本方法与指导。德国RAMI4.0模型可应用于建立数字化工厂各种资源库，并与OPCUA结合实现制造装备/设备与信息系统之间的互联互通和互操作。日本以工业价值链参考架构IVRA为基础构建用于匹配供应商解决方案与用户需求的共享服务平台，及时高效地服务于智能制造。这两个国家将参考模型以数据平台等形式服务于智能制造的应用经验值得我们进行深刻地思考与借鉴。

4  结论与展望

我国在智能制造道路上既要“低头看路，脚踏实地”，补好自动化和信息化的短板，也要“抬头看天，搭好梯子”，用现代技术手段，持续建好公共数据服务平台。在CPS时代，基于我国的制造业现状和发展目标，政策引导方面需要统一认识，发挥制度优势，实现国家资源的有效配置和精准发力；具体实施方面特别需要加强信息建模方法研究，建立制造资源数据平台，积累解决方案及应用案例，优化我国智能制造模型实施技术路线，使我国在CPS落地实践阶段掌握主动权，避免在智能制造进程中受制于人。　

参考文献

[1]沈烈初.关于智能制造发展战略的八点建议——我对中国工程院《中国智能制造发展战略研究报告》的一些看法.中国仪器仪表,2018（2）.

[2]刘强.智能制造的昨天、今天和明天.中国智能制造百人会筹备会,北京,2015.

[3]IEC标准化管理局（SMB）系统评估组SEG7任务组3关于智能制造架构和模型的报告（IEC-SEG7Task Team3 Report on Smart Manufacturing Architectures and Models）.

[4]欧阳劲松.德国工业4.0参考架构模型与我国智能制造技术体系的思考.

[5]沈烈初.关于"中国制造2025"与"德国工业4.0"的思考.表面工程与再制造,2015, 15(4):11-13.

[6]IEC/PAS智能制造——工业4.0参考架构模型（RAMI4.0）.

[7]VDI/VDE/ZVEI（德国）工业4.0参考架构模型（RAMI4.0）状态报告.

[8]Thereis no Industrie 4.0 without OPC UA，PCControl，2017.01.

[9]IndustrialValue Chain Reference Architecture (IVRA), Industrial Value Chain Initiative, https://iv-i.org/wp/en/downloads/.

人工智能赛博物理操作系统

AI-CPS OS

“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能）分支用来的今天，企业领导者必须了解如何将“技术”全面渗入整个公司、产品等“商业”场景中，利用AI-CPS OS形成数字化+智能化力量，实现行业的重新布局、企业的重新构建和自我的焕然新生。

AI-CPS OS的真正价值并不来自构成技术或功能，而是要以一种传递独特竞争优势的方式将自动化+信息化、智造+产品+服务和数据+分析一体化，这种整合方式能够释放新的业务和运营模式。如果不能实现跨功能的更大规模融合，没有颠覆现状的意愿，这些将不可能实现。

领导者无法依靠某种单一战略方法来应对多维度的数字化变革。面对新一代技术+商业操作系统AI-CPS OS颠覆性的数字化+智能化力量，领导者必须在行业、企业与个人这三个层面都保持领先地位：

1. 重新行业布局：你的世界观要怎样改变才算足够？你必须对行业典范进行怎样的反思？

2. 重新构建企业：你的企业需要做出什么样的变化？你准备如何重新定义你的公司？

3. 重新打造自己：你需要成为怎样的人？要重塑自己并在数字化+智能化时代保有领先地位，你必须如何去做？

AI-CPS OS是数字化智能化创新平台，设计思路是将大数据、物联网、区块链和人工智能等无缝整合在云端，可以帮助企业将创新成果融入自身业务体系，实现各个前沿技术在云端的优势协同。AI-CPS OS形成的数字化+智能化力量与行业、企业及个人三个层面的交叉，形成了领导力模式，使数字化融入到领导者所在企业与领导方式的核心位置：

1. 精细：这种力量能够使人在更加真实、细致的层面观察与感知现实世界和数字化世界正在发生的一切，进而理解和更加精细地进行产品个性化控制、微观业务场景事件和结果控制。

2. 智能：模型随着时间（数据）的变化而变化，整个系统就具备了智能（自学习）的能力。

3. 高效：企业需要建立实时或者准实时的数据采集传输、模型预测和响应决策能力，这样智能就从批量性、阶段性的行为变成一个可以实时触达的行为。

4. 不确定性：数字化变更颠覆和改变了领导者曾经仰仗的思维方式、结构和实践经验，其结果就是形成了复合不确定性这种颠覆性力量。主要的不确定性蕴含于三个领域：技术、文化、制度。

5. 边界模糊：数字世界与现实世界的不断融合成CPS不仅让人们所知行业的核心产品、经济学定理和可能性都产生了变化，还模糊了不同行业间的界限。这种效应正在向生态系统、企业、客户、产品快速蔓延。

AI-CPS OS形成的数字化+智能化力量通过三个方式激发经济增长：

1. 创造虚拟劳动力，承担需要适应性和敏捷性的复杂任务，即“智能自动化”，以区别于传统的自动化解决方案；

2. 对现有劳动力和实物资产进行有利的补充和提升，提高资本效率；

3. 人工智能的普及，将推动多行业的相关创新，开辟崭新的经济增长空间。

给决策制定者和商业领袖的建议：

1. 超越自动化，开启新创新模式：利用具有自主学习和自我控制能力的动态机器智能，为企业创造新商机；

2. 迎接新一代信息技术，迎接人工智能：无缝整合人类智慧与机器智能，重新

   评估未来的知识和技能类型；

3. 制定道德规范：切实为人工智能生态系统制定道德准则，并在智能机器的开

   发过程中确定更加明晰的标准和最佳实践；

4. 重视再分配效应：对人工智能可能带来的冲击做好准备，制定战略帮助面临

   较高失业风险的人群；

5. 开发数字化+智能化企业所需新能力：员工团队需要积极掌握判断、沟通及想象力和创造力等人类所特有的重要能力。对于中国企业来说，创造兼具包容性和多样性的文化也非常重要。

子曰：“君子和而不同，小人同而不和。”  《论语·子路》云计算、大数据、物联网、区块链和 人工智能，像君子一般融合，一起体现科技就是生产力。

如果说上一次哥伦布地理大发现，拓展的是人类的物理空间。那么这一次地理大发现，拓展的就是人们的数字空间。在数学空间，建立新的商业文明，从而发现新的创富模式，为人类社会带来新的财富空间。云计算，大数据、物联网和区块链，是进入这个数字空间的船，而人工智能就是那船上的帆，哥伦布之帆！

新一代技术+商业的人工智能赛博物理操作系统AI-CPS OS作为新一轮产业变革的核心驱动力，将进一步释放历次科技革命和产业变革积蓄的巨大能量，并创造新的强大引擎。重构生产、分配、交换、消费等经济活动各环节，形成从宏观到微观各领域的智能化新需求，催生新技术、新产品、新产业、新业态、新模式。引发经济结构重大变革，深刻改变人类生产生活方式和思维模式，实现社会生产力的整体跃升。

---

产业智能官  AI-CPS

用“人工智能赛博物理操作系统”（新一代技术+商业操作系统“AI-CPS OS”：云计算+大数据+物联网+区块链+人工智能），在场景中构建状态感知-实时分析-自主决策-精准执行-学习提升的认知计算和机器智能；实现产业转型升级、DT驱动业务、价值创新创造的产业互联生态链。

长按上方二维码关注微信公众号： AI-CPS，更多信息回复：

新技术：“云计算”、“大数据”、“物联网”、“区块链”、“人工智能”；新产业：“智能制造”、“智能金融”、“智能零售”、“智能驾驶”、“智能城市”；新模式：“财富空间”、“工业互联网”、“数据科学家”、“赛博物理系统CPS”、“供应链金融”。

官方网站：AI-CPS.NET

本文系“产业智能官”（公众号ID：AI-CPS）收集整理，转载请注明出处！

---

---

版权声明：由产业智能官（公众号ID：AI-CPS）推荐的文章，除非确实无法确认，我们都会注明作者和来源。部分文章推送时未能与原作者取得联系。若涉及版权问题，烦请原作者联系我们，与您共同协商解决。联系、投稿邮箱：[email protected]

---

---