CPS的4个发展世代

CPS其实并不复杂，纵览关于CPS的多篇文献，看懂CPS，只需读懂两张架构图。

过去我们解决已知和可见问题的前提假设是，物理世界的变化规律是确定的，这些规律可以被认知和被模拟。前几次产业革命都是基于这种认为世界是确定性的思维方式，通过不断研究确定性的客观规律，一次次突破了生产力的发展瓶颈，一次次将人类的生产力带上一个新的台阶。

但是这一次，当我们试图再通过原来的手段将各个产业带入新的阶段时，发现不是单纯提升生产力的问题那么简单，人类对自身的认知以有了合理的“回落”，即：如果不能正视真实世界的非确定性，将很难取得突破。面对充满不确定性的多变世界，原有的计算基础和思维方式将会受到挑战。为了应对真实世界的不确定性，就要从根本上改变系统设计的理念和方法，而不仅仅是简单改造外界，如提升设备性能。

从发展阶段上来看，根据智能化和自组织的等级，CPS分为四代。目前我们正在从第1代向第2、3代的演进过程中，工业4．0的核心是第2代CPS。

第0代CPS：封闭物理系统和流程

目前存在于各种产业中的自动化系统属于此类，第0代CPS具有感知、控制、执行和反馈的闭环，通常是由预先定义的逻辑或者规则进行控制的封闭系统，不能对各种不确定性以及多变的环境及任务产生响应。

第0代CPS更加侧重功能性的设计，解决的是已知或者可见的问题，系统以预期和实际之间的差异作为负反馈控制的依据。但是在真实世界中，环境和目标都有很大的未知和不确定性，这些不确定性来自于环境和任务，也来自于系统本身，因此便有了CPS的如下演进路径。

第1代CPS：自调节与自校正

在第1代CPS中，系统架构和默认的操作方式在方案设计阶段被定义和确定，在整个系统的生命周期中不会发生变化。第1代CPS具有控制功能，并且可以将参数调节到最优水平。在系统发生故障，或者周边环境产生变化的情况下，需要人为进行干预和调整。

系统可以应对软件或者网络的一些非确定性，比如通信和计算中的时钟抖动，网络中的丢包，资源的调用与冲突。然而第1代CPS并非自适应系统，不能对非确定性做出相应地预测。

实例：数控机床。

第2代CPS：自感知与自适应

第2代CPS可以应对已知模式的变化，系统在设计时考虑了多个可替代的控制模式，在运行时CPS将在最佳模式下运行。控制模式和推理算法在设计阶段进行预定义，在整个系统的生命周期内不会发生变化。来自系统和环境的感知数据，用于CPS在不同操作模式中进行切换。

此处CPS系统的自感知并不等同于人类心理学层面的自我感知，CPS的自感知对应人脑中的初级思维功能，包括对当前状态的评估，设备与环境、设备与任务之间的关联关系识别，不同情境对系统影响的判断，特定场景中的操作理解，以及上下文语义识别。

CPS的自感知构成了一种本地化的“系统世界观”，这种自感知的强弱很大程度上取决于引入信息的多少，以及可用信息的范围。

实例：运作在多模式下的飞行控制系统。

第3代CPS：自认知与自进化

对于准已知的变化，第3代CPS可以应对，它是一个可以自我成长的智能体，其价值和能力会随着使用的不断积累而增强。具备自学习能力的CPS可以在预定义的范围内，根据实际约束条件进行自组织与自调整。

相比自感知，自认知是一种更高级的认知模式，需要结合各种经验和知识，对陌生的情况做出适当的推理。自认知在部件级、单机级、系统级等不同应用层面上有着不同的方式和目的。从自感知到自认知，反应了智能化水平的提升，也反映了从局部到全局的智能化范围扩展。自感知使得CPS在特定情况下可以针对物理世界建立有效的模型，自认知使得CPS可以从多个不同角度建立物理世界的多种模型。自认知本身具有一定的不确定性，不同的情景和上下文语境，有可能让系统从不同角度提出多种模型。

自进化表现为CPS从一个稳定状态，发展到一个新的稳定状态的能力，以便响应需求、任务、目标和环境的变化。目前在设计阶段，充分预测各种运行场景和功能变得越来越困难，因此让CPS具有自进化的能力变得非常迫切，当前的各种系统还远未达到被期待的自进化水平。

示例：自学习机器人。

第4代CPS：自我意识和自我复制

第4代CPS可以应对未知变化，人不再必须参与控制过程。目前对于第4代CPS，尚无法给出明确的界定。全面的实现系统智能，包括机器感知、情景感知、机器学习、自主认知等能力，被认为是第3代和第4代CPS的主要区别。

对于什么是智能，什么是系统智能，智能水平如何评级，不同的机构与组织之间存在颇多争论，也可能本不存在确定答案。

CPS中两个交织的计算周期

当下物联网方案普遍处于向第2代CPS迈进的阶段，在这里形成了两个交织的计算周期：

1． 基本周期：包括从传感à监控à决策à推理à计划à执行à效用的闭环

2． 增强周期：包括从推理à学习à适应à进化的闭环

在基本周期中，物理世界被提炼为数字模型，各个模型基于“设备画像”或者“物模型”进行提炼。设备画像形成了一种设备维度的标准数据，可以进一步分析不同场景中使用的配置，做到知识的复用。

企业通过设备画像和物模型的管理，不断从设备物联数据获取想要的信息，帮助提升业务精准度。它可以帮助企业实现数据资产的沉淀，打造数据驱动业务的能力，精准预测和构建设备的特征库。

在基本周期中，经由模型驱动，以万变应不变。

在增强周期中，考虑到真实世界的不确定性和多变性，通过深度学习得出来的推理模型对基本模型进行自适应调整，由此形成了具有非确定性特征的CPS。经由赋予CPS一定的自由度，以增强其适应不同任务、环境和场景的能力。

CPS的智能性很大程度上取决于推理机制，由其感知和预测环境的变化及不确定性，并对自身状态的变化和风险性因素进行评估和预测。

在增强周期中，经由规则驱动，以不变应万变。

至此，通过对于CPS的四个世代和两个周期的说明，辅以两张图片，我将关于CPS的最新进展呈现在了你的面前。

这篇文章不同于往常，我们从方法论和思维方式的角度揭示了物联网的未来发展之路。把“通信”、“计算”和“控制”置于同等地位的CPS，值得花时间细细琢磨，掌握了它，将让我们更好的认知和“驾驭”充满不确定性的真实物理世界，它或许还将改变我们与物理世界的相处方式。

最后，由衷感谢阿里智联网首席科学家丁险峰在成文过程中对我的大力支持。

本文小结：

1． 物联网，既是技术又不完全是技术，它更像是一种方法论、一种思维方式，让我们有机会从前所未有的角度认知物理世界、改造物理世界。

2． CPS着眼于将物理设备联网，也就是将设备连接到互联网上，让物理设备具有计算、通信、精确控制、远程协调和自治等5大功能。

3． CPS的本质意义在于，它是物联网互联与改造整个物理世界的底层思维基础。如同互联网改变了人与人、人与数字世界之间的互动一样，以CPS为核心思维的物联网将改变人与物、物与物，乃至物理世界与数字世界的互动方式。

参考资料：

《CPS新一代工业智能》

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