【系统规划与管理师第二版】1.3 新一代信息技术及发展

一、物联网

物联网（IoT）是指通过信息传感设备，按约定的协议将任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的网络。物联网主要解决物品与物品（T2T）、人与物（(H2T）、人与人（H2H）之间的互连。另外，许多学者在讨论物联网时经常会引入 M2M 的概念：可以解释为人与人（Man to Man）、人与机器（Man to Machine）或机器与机器（Machine to Machine）。

1. 从产业角度物联网具备的特点

感知识别普适化（广泛应用在各个领域）、异构设备互联化（不同设备都可连接）、联网终端规模化（数量急剧增加）、管理调控智能化（调控、智能）、应用服务链条化（产生完整的服务链和生态，例如通过智能家具判断客户喜好推荐新的产品）、经济发展跨越化（催生出新产业）。

2. 物联网架构可分为三层

感知层：传感器层，包括温度传感器、二维码标签、RFID 标签和读写器、摄像头、 GPS 等感知终端，物联网识别物体、采集信息的来源。

网络层：由各种网络组成，包括互联网、广电网、网络管理系统和云计算平台等，是整个物联网的中枢，负责传递和处理感知层获取的信息。

应用层：物联网和用户的接口，它与行业需求结合以实现物联网的智能应用。

3. 物联网的关键技术

主要涉及传感器技术、传感网和应用系统框架等：

传感器技术（感知周边环境）:是一种检测装置，它能“感受”到被测量的信息，是实现自动检测和自动控制的首要环节，也是物联网获取物理世界信息的基本手段。射频识别技术 RFID 是一种简单的无线系统，由一个询问器（或阅读器）和很多应答器（或标签）组成（现在很多标签中都包含芯片，无需专门扫码，可以隔空扫描定位到标签对应的物品），赋予了物联网一个特性——可跟踪性。

传感网：微电子机械系统 MEMS 是由微传感器、微执行器、信号处理和控制电路、通信接口和电源等部件组成的一体化的微型器件系统。它们有了属于自己的数据传输通路、存储功能、操作系统和专门的应用程序，从而形成一个庞大的传感网。

应用系统框架：是一种以机器终端智能交互为核心的、网络化的应用与服务。它将使对象实现智能化的控制，涉及 5 个重要的技术部分：机器、传感器硬件、通信网络、中间件和应用。

4. 物联网应用和发展（几乎所有场景都要用到）

智能家居：借助物联网技术，可以实现家庭设备的远程控制和自动化管理。医疗健康：在医疗领域能远程监测患者情况，提高就医便利性。

农业智能化：通过无人机和传感器对农田进行精准喷药和灌溉，降低资源浪费。物流跟踪：运用 GPS 定位和RFID 技术实时追踪货物位置，方便调度和监控。

能源管理：远程监控和优化设备的能耗；利用智能电网技术平衡供需、减少损耗。智慧城市：智能交通系统、智能停车场、环境监测、能源管理等方面都得到了显著改善。

工业自动化：通过传感器收集数据，实现实时监控和预测性维护，降低故障率。

 二、区块链（去中心化，多中心化）

区块链是一种按照时间顺序将数据区块以顺序相连的方式组合成的一种链式数据结构，并以密码学方式保证的不可篡改和不可伪造的分布式账本。区块链可以理解为一个多方协作数据库，区块链技术是一种分布式账本的记账技术。狭义上，区块链是一种链式数据结构，一种分布式账本。广义上，区块链是一种技术，是利用块链式数据结构来验证与存储数据、利用分布式节点共识算法来生成和更新数据，利用密码学的方式保证数据传输和访问的安全，利用由自动化脚本代码组成的智能合约来编程和操作数据的一种全新的分布式基础架构与计算范式。

1. 区块链的典型特征

多中心化、多方维护、时序数据、智能合约、不可篡改、开放共识、安全可信。

2. 关键技术

分布式账本。交易记账由分布在不同地方的多个节点共同完成，而且每一个节点保存一个唯一、真实账本的副本，它们都可以参与监督交易的合法性，同时也可以共同为其作证。理论上除非所有的节点都被破坏，因此整个分布式账本系统是非常稳健的，从而保证了账目数据的安全性。

加密算法。主要作用是保证区块数据在网络传输、存储和修改过程中的安全。区块链系统中的加密算法一般分为散列（哈希）算法和非对称加密算法。

共识机制。没有中心点总体协调的情况下，当某个记账节点提议区块数据增加或减少，并把该提议广播给所有的参与节点，所有节点要根据一定的规则和机制，对这一提议是否能够达成一致进行计算和处理。常用的共识机制主要有PoW、PoS、DPoS、Paxos、 PBFT 等。从合规监管、性能效率、资源消耗、容错性四方面分析共识机制。

3. 区块链的应用和发展

当前的互联网技术成功实现了信息的多中心化，但却无法实现价值的多中心化。建立全球信用的互联网技术就在发展中遇到了障碍：人们无法在互联网上通过多中心化方式参与价值交换活动。

随着加密技术和智能合约的发展，区块链技术在金融、供应链管理等领域得到了广泛应用。例如：数字货币、金融服务创新、供应链管理、数据安全与隐私保护。

区块链将成为互联网的基础协议之一。区块链架构的不同分层将承载不同的功能。区块链的应用和发展将呈螺旋式上升趋势。

三、云计算

云计算是分布式计算的一种，指的是通过网络“云”将巨大的数据计算处理程序分解成无数个小程序，然后通过由多台服务器组成的系统处理和分析这些小程序最终将得到的结果返回给用户。云计算将网络上配置为共享的软件资源、计算资源、存储资源和信息资源，按需求提供给网上的终端设备和终端用户。

云计算实现了“快速、按需、弹性”的服务，用户可以随时通过宽带网络接入“云”并获得服务，按照实际需求获取或释放资源，根据需求对资源进行动态扩展。云计算以实现一切即服务（EaaS）为首要任务。

1. 云计算分类

按照云计算服务提供的资源层次，可以分为三类服务类型：

基础设施即服务（Infostructure as a Service, IaaS）—向用户提供计算机能力、存储空间等基础设施方面的服务。这种服务模式需要较大的基础设施投入和长期运营管理经验。

平台即服务（Platform as a Service, PaaS）—向用户提供虚拟的操作系统、数据库管理系统、Web 应用等平台化的服务 PaaS 服务的重点不在于直接的经济效益，而更注重构建和形成紧密的产业生态。

软件即服务（Software as a Service, SaaS）—向用户提供应用软件（如 CRM、办公软件等）、组件、工作流等虚拟化软件的服务。（公有云、私有云、混合云）

2. 云计算特点（降低成本，提高资源利用率）

超大规模、通用性、高可扩展性、廉价性、虚拟化、灵活定制、高可靠性。（双十一支持展现了高可扩展性和高可靠性）

3. 云计算的关键技术

虚拟化技术：虚拟化技术可以扩大硬件容量，简化软件的重新配置过程。

多租户和访问控制管理：云计算访问控制研究主要集中在云计算访问控制模，基于 ABE 密码机制的云计算访问控制、云中多租户及虚拟化访问控制。（现在大型企业上云后，分公司使用云资源部署应用需做“租户侧申请”）

云存储技术：基于传统媒体系统发展而来的一种全新信息存储管理方式。

云安全技术：是云计算技术本身的安全保护工作；二是借助于云服务的方式来保障客户端用户的安全防护要求。

4. 云计算的应用和发展

云计算经历多年的发展，已逐步进入成熟期，“上云”将成为各类组织加快数字化转型、鼓励技术创新和促进业务增长的第一选择，甚至是必备的前提条件。

云计算将进一步成为创新技术和最佳工程实践的重要载体和试验场。

云计算将顺应产业互联网大潮，下沉行业场景，向垂直化和产业化纵深发展。

多云和混合云将成为大中型组织的刚需，得到更多重视与发展。当组织大量的工作负载部署在云端，新的问题则会显现：

① 虽然云端已经能提供相当高的可用性，但为了避免单一供应商出现故障时的风险，关键应用仍须架设必要的技术冗余；

② 当业务规模较大时，从商业策略角度看，也需要避免过于紧密的厂商绑定，以寻求某种层面的商业制衡和主动权。组织可以选择多个云服务提供商，并结合私有云和公共云，以满足不同业务的需求。

“创新、垂直、混合、生态”这四大趋势伴随着云计算快速发展。

四、大数据

大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。

大数据通常是海量数据或巨量数据，其规模往往巨大到无法通过目前的主流计算机系统在合理时间内获取、存储、管理、处理并提炼以帮助使用者决策。

大数据产业是以数据生成、采集、存储、加工、分析和服务为主的战略性新兴产业，是激活数据要素潜能的关键支撑，是加快经济社会发展质量变革、效率变革和动力变革的重要引擎。

1. 大数据的特点（4V）

规模性：数据单位已从 GB 到 TB 再到 PB 级，甚至开始以 EB 和 ZB 来计数。

多样性：一般分为结构化数据和非结构化数据。

价值密度：单位数据价值密度在不断降低。（因为数据量很大，以前在少量数据中找一个数据，密度较高，现在在海量数据中找要用的数据，密度低）

速度：数据量越来越大，单位时间内找到有用信息，所需要的速度也得加快。

2. 大数据的关键技术

① 大数据获取技术：主要集中在数据采集、整合和清洗三个方面。

数据采集技术，主要是通过分布式爬取、分布式高速高可靠性数据采集和高速全网数据映像技术，从网站上获取数据信息。数据整合技术，是在数据采集和实体识别的基础上，实现数据到信息的高质量整合。数据整合技术需要建立多源多模态信息集成模型、异构数据智能转换模型、异构数据集成的智能模式抽取和模式匹配算法、自动容错映射和转换模型及算法、整合信息的正确性验证方法、整合信息的可用性评估方法等。数据清洗技术，一般根据正确性条件和数据约束规则，清除不合理和错误的数据，对重要的信息进行修复，保证数据的完整性。数据清洗技术需要建立数据正确性语义模型、关联模型和数据约束规则、数据错误模型和错误识别学习框架、针对不同错误类型的自动检测和修复算法、错误检测与修复结果的评估模型和评估方法等。

② 分布式数据处理技术：其核心是将任务分解成许多小的部分，分配给多台计算机进行处理，通过并行工作的机制，达到节约整体计算时间、提高计算效率的目的。

目前，主流的分布式计算系统有 Hadoop、Spark 和 Storm（开源技术）。

Hadoop常用于离线的、复杂的大数据处理；

Spark 常用于离线的、快速的大数据处理；

Storm 常用于在线的、实时的大数据处理。

大数据分析技术主要指改进已有的数据挖掘和机器学习技术。

③ 大数据管理技术：主要集中在大数据存储、大数据协同和安全隐私等方面。

大数据存储有三个方面：

采用 MPP 架构的新型数据库集群（用来高效查询），通过列存储、粗粒度索引等多项大数据处理技术和高效的分布式计算模式，实现大数据存储。围绕Hadoop（存预制数据）衍生出相关的大数据技术，对应传统关系型数据库较难处理的数据和场景。基于集成的服务器、存储设备、操作系统、数据库管理系统，

实现具有良好的稳定性和扩展性的大数据一体机。

多数据中心的协同管理技术通过分布式工作流引擎实现工作流调度和负载均衡，整合多个数据中心的存储和计算资源，从而为构建大数据服务平台提供支撑。

大数据安全隐私技术的研究，主要是在数据应用和服务过程中，在尽可能少损失数据信息的同时最大化地隐藏用户隐私，从而实现数据安全和隐私保护的需求。

④ 大数据应用和服务技术

大数据应用和服务技术主要包含分析应用技术和可视化技术。

大数据分析应用技术主要是面向业务的分析应用。在分布式海量数据分析和挖掘的基础上，大数据分析应用技术以业务需求为驱动，面向不同类型的业务需求开展专题数据分析，为用户提供高可用、高易用的数据分析服务。

可视化技术通过交互式视觉表现的方式来帮助人们探索和理解复杂的数据。大数据的可视化技术主要集中在文本可视化技术、网络（图）可视化技术、时空数据可视化技术、多维数据可视化和交互可视化等。

3. 大数据的应用和发展

从数据资源中挖掘潜在的价值，是当前大数据时代研究的热点。如何快速对数量巨大、来源分散、格式多样的数据进行采集、存储和关联分析，从中发现新知识、创造新价值、提升新能力的新一代信息技术和服务业态，是大数据应用价值的重要体现。

在互联网行业，随着网络的广泛应用，社交网络已深入到社会工作、生活的方方面面，海量数据的产生、应用和服务出现一体化趋势。

在政府的公共数据领域，结合大数据的采集、治理和集成，将各个部门搜集的信息进行剖析和共享。

在金融领域，大数据征信是重要的应用领域。通过大数据的分析和画像，能够实现个人信用和金融服务的结合。

在工业领域，结合海量的数据分析，能够为工业生产过程提供准确的指导。在社会民生领域，大数据的分析应用能够更好地为民生服务。

五、人工智能

人工智能是指利用计算机或者计算机控制的机器来模拟、延伸和扩展人类的智能和感知环境的能力，从而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。

1. 人工智能的特点有三个

由人类设计，为人类服务、本质为计算，基础为数据。

能感知环境，能产生反应，能与人交互，能与人互补。

有适应特性，有学习能力，有演化迭代，有连接扩展。

2. 人工智能的关键技术

主要涉及机器学习（机器自己学习）、自然语言处理（听懂人类语言）、计算机视觉、知识图谱、专家系统、人机交互、机器思维、机器感知、机器行为、计算智能、分布智能、人工心理和人工情感、大模型等。

3. 人工智能的应用和发展

经过数十年的发展，人工智能在算法、算力（计算能力）和算料（数据）等方面取得了重要突破，正处于从“不能用”到“可以用”的技术拐点，但是距离“很好用”还存在诸多瓶颈。实现从专用人工智能向通用人工智能的跨越式发展，既是下一代人工智能发展的必然趋势，也是研究与应用领域的重大挑战，是未来应用和发展的趋势。

从人工智能向人机混合智能发展。从“人工+智能”向自主智能系统发展。人工智能将加速与其他学科领域的交叉渗透。人工智能产业将蓬勃发展。全球人工智能产业规模在未来 10 年将进入高速增长期。“人工智能+X”的创新模式将随着技术和产业的发展日趋成熟。人工智能的社会学将提上议程。

六、边缘计算（算力的一种）

边缘计算（Edge Computing，EC），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上，脑部仅有 40%,也就是说章鱼是用“腿”来解决问题的。类比于边缘计算，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。

边缘计算是一种将主要处理和数据存储放在网络边缘节点的分布式计算形式，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，就近提供边缘计算服务，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。边缘计算可以作为连接物理世界和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。

1. 边缘计算的特点

边缘计算的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，以“边云协同”和“边缘智能”为核心能力发展方向。软件平台需要考虑导入云理念、云架构、云技术，提供端到端实时、协同式智能、可信赖、可动态重置等能力；硬件平台需要考虑异构计算能力。边缘计算特点如下：

联接性（注意是关联的联，不是连接的连）：是边缘计算的基础。需要边缘计算具备丰富的联接功能，例如各种网络接口、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：边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时和完整的数据设计机构。

约束性：边缘计算产品需要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的集成与优化，以适配各种条件约束，支撑行业数字化多样性场景。

2. 边缘计算的关键技术

① 边云协同

边缘计算更适用于局部性、实时、短周期数据的处理与分析，能更好地支持本地业务的实时智能化决策与执行。

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。

边缘计算与云计算之间不是替代关系，而是互补协同关系。

边云协同的能力与内涵涉及 IaaS、PaaS、SaaS 各层面的全面协同，主要包括：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。

② 边缘计算的安全

边缘安全是边缘计算的重要保障。

边缘安全涉及跨越云计算和边缘计算纵深的安全防护体系。

边缘计算安全的价值体现在：提供可信的基础设施、为边缘应用提供可信赖的安全服务、保障安全的设备接入和协议转换、提供安全可信的网络及覆盖。

3. 边缘计算的应用和发展

① 智慧园区

智慧园区场景中，边缘计算主要功能包括海量网络连接与管理、实时数据采集与处理和本地业务自治。

② 视频监控

视频监控场景中，边缘计算主要功能包括：边缘节点图像识别与视频分析、边缘节点智能存储和边云协同。

③ 工业物联网

在工业物联网场景中，边缘计算主要功能包括：

1. 基于 OPC UA over TSN 构建统一工业现场网络，实现数据的互联互通与互操作。
2. 基于边缘计算虚拟化平台构建可编程逻辑控制器，支持生产过程的数字化、流程化。
3. 融合识别与视频分析，实现产品质量缺陷检测。
4. 运筹制造场景的边缘计算安全机制与方案。

七、数字孪生

数字孪生技术是跨层级、跨尺度的现实世界和虚拟世界建立沟通的桥梁，是第四次工业革命的通用目的技术和核心技术体系之一，是支撑万物互联的综合技术体系，是数字经济发展的基础，是未来智能时代的信息基础设施。

（只是复刻现实世界，和元宇宙的区别在于元宇宙可以创造虚拟空间的东西）

数字孪生是现有的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、诊断和预测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。

​​​​​​​1. 数字孪生的关键技术

建模、仿真和基于数据融合的数字线程是数字孪生的三项核心技术。能够做到统领建模、仿真和数字线程的基于模型的系统工程（Model Based System Engineering, MBSE）,成为数字孪生的顶层框架技术，物联网是数字孪生的底层伴生技术，而云计算、机器学习、大数据、区块链则是数字孪生的外围技术。

建模的目的是将人们对物理世界的理解进行简化和模型化。

数字化模型的仿真技术是创建和运行数字孪生、保证数字孪生与对应物理实体实现有效闭环的核心技术。（评估可靠性、安全性）

仿真是用将包含了确定性规律和完整机理的模型转化成软件的方式来模拟物理世界的一种技术。

​​​​​​​2. 数字孪生的典型应用

制造领域：数字孪生在研发设计和生产制造环节将会起到越来越大的作用，成为智能制造的基石。

产业链：数字孪生以云计算、大数据、物联网、人工智能和区块链等 IT 和 DT 使能技术为支撑，与行业趋势和产业升级需求相结合，构建实体的数字镜像。通过多种组合集成形式，按照数字化互动、先知、先觉、共智的顺序逐渐深入应用，最终实现“服务型制造”和“数字经济”等产业发展目标。数字孪生在全产业链上的应用，除研发和制造领域外，还在市场营销、供应链物流和维保服务三大领域发挥巨大作用。

城市：数字孪生在城市建设与发展中的核心价值在于，它能够在现实世界和数字世界之间全面建立实时联系，进而对城市物理实体全生命期的变化进行数字化、模型化和可视化。

战争：数字孪生技术在军事方面的应用又可以分为单体装备应用和战场综合应用。

​​​​​​​3. 数字孪生的发展

目前：开发与使用深度融合。

深度开发和大规模扩展应用期：2020-2030 年。

领先应用期：2010-2020 年，NASA、美国军方和 GE 等航空航天、国防军工机构的领先应用。

概念产生期：指数字孪生模型的出现和英文术语名称的确定，2002-2010 年。

技术准备期：1960 年-21 世纪初，CAD/CAE 建模仿真、传统系统工程等预先技术的准备。