導讀

如同互聯網改變了人與人、人與數字世界之間的互動一樣，以CPS為核心思維的物聯網將改變人與物、物與物，乃至物理世界與數字世界之間的互動方式。而作為CPS背后一項重要的使能技術：信息物理計算（CPC，Cyber-Physical Computing），卻很少有人提及。在這篇文章中，我將圍繞絕少被人提及的信息物理計算CPC，為你介紹一些物聯網的前沿研究方向以及最新實踐。

在《看懂CPS，才能真正撬動物聯網的萬億級市場》一文中我曾經提到，如果你把物聯網作為新技術，可以開發一些創新硬件和方案，撬動百億級的市場；如果你把物聯網作為方法論，可以用它變革傳統行業與流程，撬動千億級的市場；如果你把物聯網作為思維方式，有可能改變整個物理世界的互聯方式，撬動的是不止萬億級的市場。

信息物理系統CPS更為本質的意義在于，它或將成為物聯網互聯與改造整個物理世界的一項底層思維基礎。如同互聯網改變了人與人、人與數字世界之間的互動一樣，以CPS為核心思維的物聯網將改變人與物、物與物，乃至物理世界與數字世界之間的互動方式。

而作為CPS背后一項重要的使能技術：信息物理計算（CPC，Cyber-Physical Computing），卻很少有人提及。簡單的說，CPC是一系列計算技術的統稱，它們具有相同的特性，都是基于非確定性的動態計算。從計算的角度來看，CPC超越了基于馮·諾依曼架構的確定性計算領域，可以實現硬件、軟件和網絡的非確定性自適應控制，緊急情況的動態響應，以及時間敏感條件下的敏捷計算。

這周剛好看到Fortune的一篇反諷文章《特朗普正在幫助中國的科學研究再創輝煌》，不由引發了我關于物聯網科研現狀的一些思考。有哪些關于IoT領域的科學研究還沒有被引起足夠重視？國外有哪些值得借鑒的科研與產業相結合的應用實踐？科研作為市場發展的領航者之一，會將物聯網的下一站引到何處？

因此在這篇文章中，我將圍繞絕少被人提及的信息物理計算CPC，為你介紹一些物聯網的前沿研究方向以及最新實踐。

從CPS信息物理“系統”到CPC信息物理“計算”

先從一個例子說起，1927年，當林德伯格首次在歷史上成功完成橫跨大西洋的單人不著陸飛行時，他駕駛的飛機是單引擎飛機圣路易斯精神號，那時的飛行控制僅僅通過監測幾個傳感器來實現，憑借林德伯格一己之力就能完成。而如今的空客A380飛機，需要監測的傳感器數量有數千個，遠非人力可及，這就對控制系統的內部設計提出了更高的要求：它須在駕駛員面前隱藏大量設備的復雜性，他只需要處理有限數量的控制指令來駕駛飛機，而大量的感知數據和關鍵指標通過系統的自動化程序進行處理。

未來CPS系統的復雜性還會再度提升，目前物聯網各行業各場景對于大量復雜計算的實時性、面對非確定性以及環境變化多端時的自適應性，都對處理系統提出了更高的要求，而這一切需要通過CPS背后的重要使能技術信息物理計算CPC進行滿足。

信息物理系統CPS的各種需求

1、馮·諾依曼系統結構是建立在預先設定的確定性基礎之上，更適用于經典控制和循序計算，而對于充滿不確定性以及大量高速計算的未來場景，馮·諾依曼系統結構正在經受越來越多的挑戰。

按照馮·諾伊曼的設計思想，將計算機清晰地分為計算器、控制器、存儲器（和輸入輸出設備）幾個部分，計算模塊和存儲單元是分離的，CPU在執行命令時必須先從存儲單元中讀取數據。

舉個例子，每一項任務，如果有10個步驟，那么CPU會依次進行10次讀取、執行、再讀取、再執行…這就造成了延時，以及大量功耗（80%）花費在了數據讀取上。當然，多核、多CPU或一些常用數據的就地存儲會一定程度上緩解這些問題，但這種中心處理的架構必然是處理能力提升的一大瓶頸。

因此目前許多人工智能芯片正在嘗試突破馮·諾依曼系統結構，設計善于靈活滿足神經網絡結構的特定處理器。

2、信息物理融合系統是一個反應式自適應系統，可以動態修改自身行為和結構，以響應變化與環境，持續不斷的進行從輸入到輸出的交互，應對物理世界的動態性和不確定性因素的持續增長。

例如，汽車的巡航控制程序就是一個經典的反應式計算實例，其中的物理設備要求對物理量進行動態建模，并要求系統能夠持續的自適應演化以應對環境中的不確定性。傳統的控制理論只關注連續時間系統，而在CPS信息物理系統中組成控制系統的軟件是看似零散的，由可并發的執行機構組成，它們可能有多種運行時模型，并且能夠與連續演化的實際物理設備進行交互。

在現有的研究工作中，基于多智能體和基于模型的自適應是廣泛使用的方法。

多智能體系統（Multi-Agent System，MAS）是由環境中交互的多個智能體組成的計算系統，它是分布式人工智能的一個重要分支，目標是將大而復雜的系統建設成小的、彼此互相通信和協調的，易于管理的系統。

基于運行時模型（models@run.time）的自適應方法將模型驅動工程MDE技術的應用從設計時擴展到運行時，利用軟件模型對運行時豐富和不確定的信息進行管理，以支持自適應能力的實現。

上面這些術語是不是有些燒腦，我盡量通過鮮活的例子依次進行說明。

基于多智能體的自適應系統

還記得我曾經提到過的那個“不務正業”的公司Festo嗎？最近幾年，Festo總是在德國漢諾威展會上“搞事情”，接連推出一系列仿生學產品，例如：機器鳥、機器章魚、機器昆蟲、機器大水母之類。而且這些動物機器人“家族”的成員不斷壯大，大有成群結隊的趨勢，比如一群可以協同工作的機器螞蟻，以及一批具有昆蟲輕盈性的蝴蝶機器人。

Festo在一份說明中寫道：“這些仿生機器人在明確的規則下一起工作，它們彼此溝通，協調行為和動作，每個機器螞蟻雖然自主決策，但總是服從于共同目標，就像自然界的螞蟻一樣。”

這些“動物”的控制與執行單元，都搭載了最新一代的數字式氣動運控終端。每個機器動物都包含n個關節，分別對應n個自由度，每個關節都包括氣動旋轉葉輪模組、絕對值編碼器、壓力傳感器、可調節軸承等元件。面對如此復雜的系統，實現如此復雜的動作，其動力控制機構僅是一套數字式氣動運控終端。

內行一眼就可以看出，這款產品堪稱革命性的氣動運控代表，它通過數字化將連接到各類氣動執行機構的動力控制硬件減少、減少、再減少…最終徹底減少到只剩一種。

看“熱鬧”的圍觀群眾估計會認為它們只是一堆外形奇特的氣動“大玩具”，概念和炫技的成分超出了產品本身的實用價值，其實隱藏在這些具有群體智能的仿生機器人背后的“統帥”就是多智能體系統（Multi-Agent System，MAS）。

在上周的文章中，我曾經提到第2代CPS中包含兩個交織的計算周期：

1. 基本周期：包括從傳感à監控à決策à推理à計劃à執行à效用的閉環

2. 增強周期：包括從推理à學習à適應à進化的閉環

MAS中借鑒了上述兩個計算周期的思路，并且將智能工廠中的最底層“車間現場層”分為多類智能體，比如加工智能體（M）代表工廠中執行加工或檢測任務的機器，傳輸智能體（C）代表傳送帶、自動導引車AGV等運輸設備，產品智能體（P）代表正在加工中的產品，緩沖智能體（S）代表臨時儲存半成品的銜接設備…在MAS中，設計與定義了這些智能體之間的協作與談判機制。

通過合作，這些智能體嘗試自適應的調整行為，以便實現系統的整體目標。由于受到本地信息不對稱的限制，單個智能體做出的決策有可能無法保證系統整體的性能最佳，這時預先定義的“協調員”（Coordinator）模塊就會發揮作用。

協調員與多個智能體通訊，掌握多種狀態和過程信息，從大量的實時信息中提取智能工廠的全局狀態，并將通過大數據分析之后的決策反饋給各個智能體，協調多智能體系統的行為，達到全局最優化。

用于智能制造的多智能體系統

由于MAS既需要確保智能體之間的通訊，還需要確保物理設備之間的實時互聯，因此IEC 61131-3和IEC 61499標準是必不可少的底層支持。其中，IEC 61131-3是IEC 61131標準的第3部分，用于規范可編程邏輯控制器PLC、過程控制系統DCS、工控機IPC、數控機床CNC和SCADA編程系統的標準；IEC 61499是用于分布式工業過程測量與控制系統功能塊的標準。

多智能體系統與IEC 61131-3結合使用

作為最新趨勢，多智能體系統MAS正在朝著自組織的方向邁進，同時由于面向服務的體系結構SOA（service-oriented architecture）是構造分布式計算應用程序的方法，被認為是實現CPS智能工廠和智能生產的最佳技術途徑，SOA與MAS的融合也成為發展方向之一。構建面向服務的多智能體系統（SOMAS），不僅服務之間可以通過網絡調用，而且分布式多智能體自動滿足SOA原則。

CPS中的自組織多智能體系統

基于運行時模型的自適應系統

普適計算的興起促使數字世界與物理世界進一步融合，整個系統尤其是軟件部分的自適應能力愈發重要。具備自適應能力的軟件系統能夠在運行時根據上下文環境和需求的變化動態地調整自身的結構和行為。

自適應軟件通常包括被管理元素和管理元素兩個部分，其中，被管理元素是指自適應軟件的應用邏輯，這部分可以在運行過程中被動態地加以調整；管理元素是指自適應軟件的自適應邏輯，這部分通常通過反饋回路對應用邏輯進行調控。一種典型的反饋回路是由IBM提出的MAPE-K回路。該反饋回路包括4個環節，即監測、分析、規劃和執行，以及一個被各過程共享的知識庫。

IBM提出的自治元素參考結構

在基于模型的自適應方法中，MAPE-K回路中的各過程都以模型為中心進行。由于利用軟件模型來開發和管理自適應軟件系統能夠有效地解決運行時的復雜性問題，有觀點認為模型驅動工程（Model DrivenEngineering，MDE）將成為CPS開發的主流，是一個非常熱門的研究領域，基于運行時計算模型（models@run.time）的自適應方法利用并擴展了模型驅動工程MDE中的模型和技術。

基于模型驅動工程MDE的CPS開發流程

這里所說的一個模型，是一個與系統有因果聯系的系統的抽象表示，從問題空間的角度對系統的結構、行為或需求進行了刻畫，下面視頻中的路燈控制系統就是基于MDE的物聯網應用實例。

基于運行時計算模型（models@run.time）的自適應方法對傳統的模型驅動工程中的模型進行了擴展，將模型的應用從設計階段擴展到運行階段。與模型驅動工程中的模型類似，運行時模型也是與系統有因果聯系的系統的抽象表示，刻畫了系統的結構、行為或者目標。因為這樣的因果聯系，模型可以提供及時和明確的信息以驅動后續的自適應分析和規劃，在模型層次做出的自適應規劃也可以被追蹤到系統中。

Model@run.time機理

與模型驅動工程MDE中的模型從解決方案空間出發不同，運行時模型（models@run.time）從問題空間的角度對系統進行刻畫。該模型可以被視為一個在運行時仍然活動的開發模型，通常支持動態演化、在線推理、動態狀態監測、系統控制、系統行為觀察、制品的自動生成、設計決策的新增等。

新舊系統的逐步遷移是必須考慮的一環

作為落地實踐中的重要步驟，如果不考慮現有系統的遷移問題，就無法將上述提及的MAS、SOMAS、MDE、models@run.time等范例滲透到現實系統環境當中。

目前的絕大多數系統遵循ISA 95企業參考架構規范（www.isa95.org）進行設計，而在不遠的將來，傳統的金字塔架構將成為歷史。更高的連接性和更強的靈活性需求，正在觸發金字塔架構向平展化的趨勢演進。

這種從傳統的分層管理到扁平化分布式控制的遷移過程充滿諸多挑戰，一方面服務提供商和服務消費者的角色會有一定程度的交替，另一方面需要打破過去由企業競爭造成的人為邊界。

歐洲創新項目IMC-AESOP中，充分利用了SOA和云平臺等現代架構來提升企業的運營能力，同時對系統的遷移問題進行了有益的探索。

IMC-AESOP兼顧ISA 95中金字塔架構中的各種元素，同時將其與扁平化的現代系統趨勢相輔相成，通過工程實踐增強兩者之間的可集成性。IMC-AESOP將ISA 95規范中的功能拆解為可以在邊緣側或者云端提供的服務模塊。最終用戶可以輕松的將特定場景所需的功能和服務進行搭配，免除了ISA 95各個層級中系統集成的困擾。

IMC-AESOP項目中實現CPS的系統遷移視圖

如圖所示，IMC-AESOP提出了一種面向服務的架構，通過將流程服務化，業務軟件云化，更好的滿足最終用戶的應用需求，同時保留了傳統軟件設計、操作、管理等方面的各種有益特性，快速部署和實現現代快節奏的工業環境下所需的創新應用。此外，模塊化和基于服務的基礎架構充分考慮了靈活性的需求，可以隨時間推移逐步演變，以便適應未來的潛在需求。

目前，在CPC信息物理計算領域，科研和應用的彼此結合越來越緊密，與IMC-AESOP相仿的創新項目還有許多，它們各自在SOA、MAS、自適應生產管理、models@run.time等領域進行著持續的嘗試。

本文所述的研究工作大多圍繞打造系統的自適應能力開展，因為在充滿非確定性的現實世界，自適應能力是系統能夠實現部分自治，完成自主響應，滿足業務環境靈活性與多變性的必備手段。無論是CPS還是CPC，都需要來自跨越產、學、研、用等多個領域，跨越電子、計算機、自動化等多種學科的企業與資源互相合作，才能取得學術突破以及實踐反哺。希望本文能為你揭開物聯網產業核心新技術的一葉視角。

最后，由衷感謝阿里智聯網首席科學家丁險峰在成文過程中對我的大力支持。

本文小結：

1.信息物理計算（CPC，Cyber-PhysicalComputing）是CPS背后一項重要的使能技術，它是一系列計算技術的統稱，共性是基于非確定性的動態計算。

2.由于CPS系統的復雜性快速顯著提升，對于大量復雜計算的實時性、面對非確定性以及環境變化多端時的自適應性，都提出了更高的要求，多智能體系統（Multi-Agent System，MAS）和基于運行時模型（models@run.time）的自適應計算是CPC的重要分支。

3.作為落地實踐中的重要步驟，新舊系統的逐步遷移是必須考慮的一環，面向服務的架構兼顧ISA 95中金字塔架構中的各種元素，同時將其與扁平化的現代系統趨勢相輔相成，最終用戶可以輕松的將特定場景所需的功能和服務進行搭配，免除了ISA 95各個層級中系統集成的困擾。

參考文獻：

【1】Towards Smart Factory for Industry 4.0: A Self-organized Multi-agentSystem with Big Data Based Feedback and Coordination

【2】Self-adaptation for Internet of Things applications

【3】Patterns for Self-Adaptation in Cyber-PhysicalSystems

【4】A Comprehensive Technological Survey onDependable Self-Managing CPS:The Decade ofResearches on Correctness and Dependability

【5】Industrial automation based on cyber-physical systemstechnologies:Prototype implementations and challenges

【6】A review of design principles for smart cyber-physicalsystems forrun-time adaptation:Learned lessons and open issues

【7】Order beyond chaos: introducing the notion of generation tocharacterize the continuously evolving implementation of cyber-physical systems

【8】A Methodology Based on Model-Driven Engineering for IoT ApplicationDevelopment

【9】Runtime model based approach to IoT application development

【10】Cyber Physical Computing for IoT-driven Services

【11】MDE4IoT-Supporting the Internet of Things with Model-DrivenEngineering

【12】Beyond Discrete Modeling-Continuous and Efficient Models@Run.timefor IoT

【13】Model-driven Development of Adaptive IoT Systems

【14】Runtime Model Based Approach to Smart Home System Development

【15】Facilitating Modeling and Simulationof Complex SystemsThroughInteroperable Software

看懂CPS，才能真正撬動物聯網的萬億級市場

作者：物女王（彭昭）

物聯網智庫 原創

轉載請注明來源和出處

導 讀

在本文中，我將嘗試探討以下問題：

為什么看懂CPS對于理解物聯網的未來尤為重要？

CPS描繪了怎樣的未來藍圖？

CPS為我們更深的認知和改造物理世界，提供了哪些思路？

在多個產業環節，原有的通用性芯片的發展思路顯然不能滿足萬物互聯的需求，因此，針對不同場景研發不同垂直領域的芯片成為一種新的“解題方式”，所以你會看到越來越多的IoT公司正在自行研發算法更優化、功耗與成本更低的芯片，以滿足智能家居、智能音箱、智能攝像頭、自動駕駛汽車等特定場景的需求。

也就是說，物聯網已經不僅僅是技術，它還帶來了方法論層面的變革；更進一步，它還是一種新的思維方式，讓我們有機會以前所未有的角度認知物理世界、前所未有的方式改造物理世界。

如果你把物聯網作為新技術，可以開發一些創新硬件和方案，撬動百億級的市場；如果你把物聯網作為方法論，可以用它變革傳統行業與流程，撬動千億級的市場；如果你把物聯網作為思維方式，有可能改變整個物理世界的互聯方式，撬動的是不止萬億級的市場。

為了以正宗的姿勢理解物聯網這種全新的思維方式，有一個術語不得不提：CPS（Cyber-Physical Systems），中文翻譯為“信息物理系統”。

CPS這個名詞在2006年由美國國家科學基金會NSF首次提出，并在消費電子、能源、工業、公共事業、醫療健康等領域開展了對于CPS的應用探索，隨后美國將其作為搶占全球新一輪產業競爭制高點的“種子選手”。

2013年，德國《工業4.0實施建議》將CPS作為工業4.0的核心技術，在隨后則重點推進以制造為導向的CPS，即CPPS（Cyber Physical Production System）。

凡事有利有弊，工業4.0將CPS作為其核心的舉措，一方面讓CPS受到了更加廣泛的關注，另一方面也讓部分人錯誤的認為CPS僅僅局限于工業領域，或許對于CPS的刻板印象和誤解還不止于此。

看到這里，你的心中一定充滿了各種疑問。因此在本文中，我將嘗試探討以下問題：

為什么看懂CPS對于理解物聯網的未來尤為重要？

CPS描繪了怎樣的未來藍圖？

CPS為我們更深的認知和改造物理世界，提供了哪些思路？

CPS的精髓在于數字世界

不可否認的事實是，CPS的內涵和外延一直都在持續變化，至今尚未形成統一的定義。

拆解CPS這個名詞，其中既包含Cyber（數字世界），又包含Physical（物理世界），給人的第一印象是CPS是連接可見與不可見世界的“橋梁”。如果僅僅把CPS理解為“橋梁”、“總線”，或者“系統”，未免過于狹隘和短視。

英文Physical不僅是“物理”的意思，更代表蘊含在物理實體背后的客觀規律。美國國家科學基金會NSF對于CPS的解釋是，按照自然規則或者人為規則運行的系統，物理模型只是承載這些規則的手段之一，其它的手段還包括周邊環境、相關要素、機器社群等。

目前我看到的對于CPS最好的解釋是，CPS著眼于將物理設備聯網，也就是將設備連接到互聯網上，讓物理設備具有計算、通信、精確控制、遠程協調和自治等5大功能。

CPS本質上是一個具有控制屬性的網絡，但它又有別于現有的控制系統。CPS的3個核心元素包括通信（communication）、計算（computation）和控制（control），值得注意的是，CPS把“通信”放在與“計算”和“控制”同等的地位上，因為在CPS強調的分布式應用系統中，物理設備集群之間的協調是離不開通信的。

CPS對網絡內部設備的控制精度、遠程協調能力、自治能力、控制對象的種類和數量，特別是在網絡規模上，可以說吊打現有的各種網絡。

在美國辛辛那提大學李杰教授所著的新書《CPS新一代工業智能》中，曾經提到在電影《天空之眼》中的一個鮮活故事，讓我們可以在一定程度上直觀的感受到CPS的內涵。

《天空之眼》是一部以無人機反恐打擊為角度切入的戰爭片。電影中，遠程駕駛的無人機原本只需要執行空中監視任務，卻在發現恐怖分子即將進行恐怖活動后，改為對其進行定點清除任務。因為襲擊目標房屋的旁邊有個小女孩，執行任務過程中很有可能會造成小女孩的傷亡。劇情的沖突點在于，經過計算，小女孩受傷的概率非常高，所以指揮官與操作手在無辜生命和有價任務之間徘徊、爭執、選擇。

在電影的一個場景中，指揮中心里的分析人員不斷尋找目標房屋的射擊點，以便在擊殺恐怖分子的同時使小女孩被誤傷的風險降到最低。這個微妙決策的誕生，其基礎即為對狀態和活動的精確評估及預測，涵蓋了CPS的3個核心元素：

通信（communication）：無人機將地面的數據和自身的狀態不間斷地傳輸到控制中心，而控制指令也能夠實時地傳遞到無人機上。

計算（computation）：這里的計算有非常明確的目的性，首先是完成任務的能力，即選擇不同的瞄準點對襲擊目標造成致命打擊的成功率；還有在襲擊過程中造成房屋邊上的小女孩傷亡的風險。

控制（control）：無人機的指揮中心設置在距離襲擊目標數千英里的亞利桑那州，操作手能夠通過實時控制系統RCS實現飛行員對飛機的一切真實操作。

在這個實例的決策過程中，對目標要求的完成程度和達成目標所要付出的代價，這兩者之間的精確預測和權衡是計算的內容和目的。決策不是最終目的，對決策造成的影響進行精確化的評估和管理才是目的。

CPS將整個物理世界的規則進行建模、預測、優化和管理，CPS不僅是“橋梁”、“總線”，或者“系統”，它的精髓在于對數字世界的營造。

CPS更為本質的意義在于，它或將成為物聯網互聯與改造整個物理世界的一項底層思維基礎。如同互聯網改變了人與人、人與數字世界之間的互動一樣，以CPS為核心思維的物聯網將改變人與物、物與物，乃至物理世界與數字世界的互動方式。

CPS的4個發展世代

CPS其實并不復雜，縱覽關于CPS的多篇文獻，看懂CPS，只需讀懂兩張架構圖。

過去我們解決已知和可見問題的前提假設是，物理世界的變化規律是確定的，這些規律可以被認知和被模擬。前幾次產業革命都是基于這種認為世界是確定性的思維方式，通過不斷研究確定性的客觀規律，一次次突破了生產力的發展瓶頸，一次次將人類的生產力帶上一個新的臺階。

但是這一次，當我們試圖再通過原來的手段將各個產業帶入新的階段時，發現不是單純提升生產力的問題那么簡單，人類對自身的認知以有了合理的“回落”，即：如果不能正視真實世界的非確定性，將很難取得突破。面對充滿不確定性的多變世界，原有的計算基礎和思維方式將會受到挑戰。為了應對真實世界的不確定性，就要從根本上改變系統設計的理念和方法，而不僅僅是簡單改造外界，如提升設備性能。

從發展階段上來看，根據智能化和自組織的等級，CPS分為四代。目前我們正在從第1代向第2、3代的演進過程中，工業4.0的核心是第2代CPS。

第0代CPS：封閉物理系統和流程

目前存在于各種產業中的自動化系統屬于此類，第0代CPS具有感知、控制、執行和反饋的閉環，通常是由預先定義的邏輯或者規則進行控制的封閉系統，不能對各種不確定性以及多變的環境及任務產生響應。

第0代CPS更加側重功能性的設計，解決的是已知或者可見的問題，系統以預期和實際之間的差異作為負反饋控制的依據。但是在真實世界中，環境和目標都有很大的未知和不確定性，這些不確定性來自于環境和任務，也來自于系統本身，因此便有了CPS的如下演進路徑。

第1代CPS：自調節與自校正

在第1代CPS中，系統架構和默認的操作方式在方案設計階段被定義和確定，在整個系統的生命周期中不會發生變化。第1代CPS具有控制功能，并且可以將參數調節到最優水平。在系統發生故障，或者周邊環境產生變化的情況下，需要人為進行干預和調整。

系統可以應對軟件或者網絡的一些非確定性，比如通信和計算中的時鐘抖動，網絡中的丟包，資源的調用與沖突。然而第1代CPS并非自適應系統，不能對非確定性做出相應地預測。

實例：數控機床。

第2代CPS：自感知與自適應

第2代CPS可以應對已知模式的變化，系統在設計時考慮了多個可替代的控制模式，在運行時CPS將在最佳模式下運行。控制模式和推理算法在設計階段進行預定義，在整個系統的生命周期內不會發生變化。來自系統和環境的感知數據，用于CPS在不同操作模式中進行切換。

此處CPS系統的自感知并不等同于人類心理學層面的自我感知，CPS的自感知對應人腦中的初級思維功能，包括對當前狀態的評估，設備與環境、設備與任務之間的關聯關系識別，不同情境對系統影響的判斷，特定場景中的操作理解，以及上下文語義識別。

CPS的自感知構成了一種本地化的“系統世界觀”，這種自感知的強弱很大程度上取決于引入信息的多少，以及可用信息的范圍。

實例：運作在多模式下的飛行控制系統。

第3代CPS：自認知與自進化

對于準已知的變化，第3代CPS可以應對，它是一個可以自我成長的智能體，其價值和能力會隨著使用的不斷積累而增強。具備自學習能力的CPS可以在預定義的范圍內，根據實際約束條件進行自組織與自調整。

相比自感知，自認知是一種更高級的認知模式，需要結合各種經驗和知識，對陌生的情況做出適當的推理。自認知在部件級、單機級、系統級等不同應用層面上有著不同的方式和目的。從自感知到自認知，反應了智能化水平的提升，也反映了從局部到全局的智能化范圍擴展。自感知使得CPS在特定情況下可以針對物理世界建立有效的模型，自認知使得CPS可以從多個不同角度建立物理世界的多種模型。自認知本身具有一定的不確定性，不同的情景和上下文語境，有可能讓系統從不同角度提出多種模型。

自進化表現為CPS從一個穩定狀態，發展到一個新的穩定狀態的能力，以便響應需求、任務、目標和環境的變化。目前在設計階段，充分預測各種運行場景和功能變得越來越困難，因此讓CPS具有自進化的能力變得非常迫切，當前的各種系統還遠未達到被期待的自進化水平。

示例：自學習機器人。

第4代CPS：自我意識和自我復制

第4代CPS可以應對未知變化，人不再必須參與控制過程。目前對于第4代CPS，尚無法給出明確的界定。全面的實現系統智能，包括機器感知、情景感知、機器學習、自主認知等能力，被認為是第3代和第4代CPS的主要區別。

對于什么是智能，什么是系統智能，智能水平如何評級，不同的機構與組織之間存在頗多爭論，也可能本不存在確定答案。

CPS中兩個交織的計算周期

當下物聯網方案普遍處于向第2代CPS邁進的階段，在這里形成了兩個交織的計算周期：

1. 基本周期：包括從傳感à監控à決策à推理à計劃à執行à效用的閉環

2. 增強周期：包括從推理à學習à適應à進化的閉環

在基本周期中，物理世界被提煉為數字模型，各個模型基于“設備畫像”或者“物模型”進行提煉。設備畫像形成了一種設備維度的標準數據，可以進一步分析不同場景中使用的配置，做到知識的復用。

企業通過設備畫像和物模型的管理，不斷從設備物聯數據獲取想要的信息，幫助提升業務精準度。它可以幫助企業實現數據資產的沉淀，打造數據驅動業務的能力，精準預測和構建設備的特征庫。

在基本周期中，經由模型驅動，以萬變應不變。

在增強周期中，考慮到真實世界的不確定性和多變性，通過深度學習得出來的推理模型對基本模型進行自適應調整，由此形成了具有非確定性特征的CPS。經由賦予CPS一定的自由度，以增強其適應不同任務、環境和場景的能力。

CPS的智能性很大程度上取決于推理機制，由其感知和預測環境的變化及不確定性，并對自身狀態的變化和風險性因素進行評估和預測。

在增強周期中，經由規則驅動，以不變應萬變。

至此，通過對于CPS的四個世代和兩個周期的說明，輔以兩張圖片，我將關于CPS的最新進展呈現在了你的面前。

這篇文章不同于往常，我們從方法論和思維方式的角度揭示了物聯網的未來發展之路。把“通信”、“計算”和“控制”置于同等地位的CPS，值得花時間細細琢磨，掌握了它，將讓我們更好的認知和“駕馭”充滿不確定性的真實物理世界，它或許還將改變我們與物理世界的相處方式。

最后，由衷感謝阿里智聯網首席科學家丁險峰在成文過程中對我的大力支持。

本文小結：

1.物聯網，既是技術又不完全是技術，它更像是一種方法論、一種思維方式，讓我們有機會從前所未有的角度認知物理世界、改造物理世界。

2.CPS著眼于將物理設備聯網，也就是將設備連接到互聯網上，讓物理設備具有計算、通信、精確控制、遠程協調和自治等5大功能。

3.CPS的本質意義在于，它是物聯網互聯與改造整個物理世界的底層思維基礎。如同互聯網改變了人與人、人與數字世界之間的互動一樣，以CPS為核心思維的物聯網將改變人與物、物與物，乃至物理世界與數字世界的互動方式。

參考資料：

《CPS新一代工業智能》

A review of design principles for smartcyber-physical systems for run-time adaptation: Learned lessons and open issues

Order beyond chaos: introducing the notionof generation to characterize the continuously evolving implementation ofcyber-physical systems