【CPS】【智能制造】郭朝晖：控制理论、CPS与智能制造
8月2日晚20点，CPS专家宣讲团继续开讲。走向智能研究院研究员郭朝晖博士为大家分享了"控制理论、CPS与智能制造”。CPS信息物理系统专家宣讲团，组织国内顶级CPS专家，从不同角度讲解CPS，为广大企业用户进行网络宣讲。
微信多群同步直播，万人参与直播活动。聚焦行业应用与案例，网络宣贯CPS。
CPS专家宣讲团第二期第三讲
郭朝晖：控制理论、CPS与智能制造
在“走向智能论坛”微信公众号回复“20170803”，可免费下载“郭朝晖：控制理论、CPS与智能制造“讲座完整PDF
时间：2017年8月2日晚20点
主讲专家：
郭朝晖：走向智能研究院研究员、宝钢中央研究院首席研究员
主持人：
王继宏：中国机电一体化技术应用协会副秘书长、走向智能研究院特约研究员
参与人员：覆盖上万名科技界、企业界专业人士。包括CPS发展论坛、CPS信息物理系统专家宣讲团、走向智能论坛读书汇、CPS专家宣讲团政企群、《三体智能革命》雅读汇、国家两化融合创新推进联盟群、工业4.0俱乐部系列群、工业4.0商业共同体系列群、中国智能制造IMchina、西南精益智造联盟、智能科技创新交流群、慧造智能研究院研讨群等约50个工业、IT领域主流专业微信群同步直播。
主持人开场白：
各位群友，大家晚上好！ 还记得我们CPS专家宣讲团的口号吗?“相信我，2017，中国制造最大的IP是CPS”。没错，CPS专家宣讲团第二期继续开讲，今晚我们将聚焦CPS行业应用与案例。我叫王继宏，是中国机电一体化技术应用协会副秘书长、走向智能研究院特约研究员。非常荣幸担任今天晚上多个科技、产业社群同步直播CPS专家宣讲团活动的主持人。
这是我第二次在虚拟空间里主持专业的科技交流活动，觉得很有意思、也非常高兴在赛博空间与广大群友重逢，分享一顿丰盛的CPS大餐。
自今年3月1日正式发布《CPS信息物理系统白皮书》后，为做好CPS的宣贯工作，在工信部信软司的指导下，走向智能研究院与中国电子技术标准化研究院、中国信息物理系统发展论坛等权威机构一起，发起组建CPS专家宣讲团。在之前的活动中，邀请了郭楠、宁振波、赵敏、邱伯华、陈继忠、朱铎先等专家就CPS的内涵、技术本质、目标、分级、应用等进行了深入讲解。
今天我们开展第二阶段第三场网络宣讲活动，重点关注CPS行业应用及案例，继续推动CPS技术和应用发展。今晚我们邀请到的重量级嘉宾是走向智能研究院研究员、宝钢中央研究院首席研究员郭朝晖博士。作为教授级高工，郭博士在宝钢研究院长期从事控制模型（即工业4.0中CPS）、数据建模（即工业大数据分析）等技术研发工作，对工业大数据、企业技术与管理创新、智能制造、企业信息化等专题有着深入的研究与丰富的实践经验，著有《管中窥道》一书，《三体智能革命》编委。郭博士是具有丰富实践经验的专家。今天为我们做CPS行业应用和案例主题宣讲，值得期待。
首先，我们要感谢我国工业、IT行业若干重要部门、机构、单位、企业对今晚的活动给予重要指导与大力支持。他们是:
CPS信息物理系统专家宣讲团
指导单位：工业和信息化部信息化和软件服务业司
主办单位：中国电子技术标准化研究院、中国信息物理系统发展论坛、走向智能研究院
支持单位（滚动更新）：中国机电一体化技术应用协会、中科院青岛软件研究所、北京信息科技大学自动化学院、北京科技大学智能装备产业技术研究院、机械工业出版社、中科院计算所华南分所、华为、索为、PTC、树根互联、兰光创新、英诺维盛、合众联恒、深圳昱辰泰克、北京格分维、兮易、大驰创新等，以及e-works数字化企业网、工业4.0俱乐部、工业4.0商业共同体、慧造智能研究院、工控兄弟连、至顶网、制学网等。
接下来，有请郭朝晖博士进入宣讲时间，为大家分享“控制理论、 CPS与智能制造——技术和理论发展的逻辑”：
大家晚上好！今天我和大家谈一点个人的想法。想法不一定对，欢迎大家批评指正。
我搞了几十年学术，有个深刻的体会：前人非常伟大；我们现在想到的，前人几乎都想到过。我们现在之所能创新，并不是因为我们比前人聪明，而是因为我们的现在的条件和环境和过去不同。为此，搞创新的人就要去研究理论发展的渊源，比如每个阶段和过去有什么不同、推动这种变化的原因是什么。这对于创新者特别有利：一方面能够理解得更深、一方面就是真正理解现在的机会在什么地方。反之，如果不能理解现在和过去的差异，我们现在做事情的结果就很可能和前人一样。这样，前人不能成功的事情我们也难以成功，创新就会遭遇失败。今天我来谈谈控制论、CPS、智能制造相关的渊源。
我们知道，不论是工业产品还是工业的生产过程，我们都希望它的运行稳定可靠。比方说，我们希望钟表永远走得准，不管是在什么天气或温度下，不管用多少年，都要走得准。我们还希望产线上的设备永远不出故障，参数永远是稳定的，精准的；设备和设备之间的配合，永远是默契的、没有不愿意看到的意外发生。我们把这个现象总结成一句话：确定性（或者说可靠性）是工业人追求的目标。口语化的说法就是：不希望被打扰、不希望看到意外。
如果获得确定性的？最好的办法是“御敌于国门之外”。把各种干扰挡住，不让它影响系统的稳定运行。比如，机器的外壳要有一定的强度，其实就是保护设备本身、阻止外部干扰啊。但是我们也知道：现实中总有这样或那样的干扰，导致设备和生产不稳定、而且是没办法挡在系统外面的。比方说蒸汽机。燃烧的时候，火苗总会时大时小、产生的蒸汽时多时少，这是不可避免的。这种现象会导致机器运转不稳定，是人们所不希望的。当年，瓦特就想了一个办法来解决这个问题。这个办法很奇妙：转速快的时候能把速度降下来，转速慢的时候又能把速度提上去，让干扰尽量少地影响转速。这个办法很妙，可惜的是缺乏通用性、只能解决具体问题，很难被其他机器借鉴。
70年前，有个很伟大的科学家叫做维纳。他写了一本书，叫做《Cybernetics》，中国人把它翻译成《控制论》。现在CPS中的Cyber，就来源于Cybernetics。控制论的伟大意义在于，提出了一般性的理论来解决瓦特遇到的这一类问题。
维纳最初的想法，是着眼于人（动物）与机器（比如钟表）机制的差异。他发现，人（动物）的能耐是主动感知和适应外部的变化。首先要获得外部发生变化的信息，然后根据信息（其实还有知识）作出相应的动作、并在执行过程中不断调整动作。这个概念就是著名的“反馈”。
控制论的伟大之处在于它是个一般性的理论： 而不像瓦特那样只能解决具体的技术问题。这样，就把过去依靠天才、依靠奇思妙想的事情，转化成普通人也能学会的方法、一种在很多场合都适用的方法。
在我看来，这个理论有个潜台词：要想让机器像人或动物一样聪明，关键是要有信息感知、传送和处理的机制。有了这个机制，就可以把“信息域”的感知、决策与“物理域”的执行自动地结合在一起，也就是可以做到自动化了。按照《三体智能革命》的观点，把感知、决策和执行自动地结合在一起，具备了已经智能的最基本的特征。事实上，控制论很早之前就被列入人工智能的三大学派之一。
控制论的出现，不是凭空而来的，而是有背后技术进步的支撑。
我们反过头来看瓦特蒸汽机，它显然是符合控制论原理的。但是，信息的感知、处理（决策）和执行机构，全都是由机械来完成的。我们注意到：“信息的感知和处理全部由机械来完成”是个很大的约束。 依靠机械温度、声音、光照度、湿度等信息测量本身就是个困难的问题；即便能测量到，依靠机械把测量值进行计算就更难了（冯.诺依曼当前要求计算机用电子管而不是机械就是这个道理）。再把计算结果转化成机械动作更是难上加难。所以，瓦特的做法（也就全机械式的做法），很难推广到其他领域。
但是，到了维纳的时代，电的使用已经相当广泛了。我们知道，很多信息可以用传感器转化成电信号；电信号可以直接用于运算，比机械容易多了。而且，处理结束后又可以进行放大，变成强电，来驱动机械动作。这样，“电”就可以自由地从信息领域跑到物理实体，就像孙悟空穿越阴阳两界一样方便。于是，感知、决策和执行就可以借助“电”这个奇妙的东西，自动地统一起来了。依靠这个机制，多种控制问题都可以实现。在我看来，这是控制论产生的一个重要背景。在《控制论》这本书中，维纳把弱电的产生作为新时代产生的标志，大概就是这个道理。
维纳当时就认为：控制论的思想不仅适合于机器，还适合于生物、社会。当然，也适合企业的经营和管理。但在当时的技术条件下，维纳还是太乐观了。控制论更深入的应用，还有待技术条件的进一步改变。
学过控制论的都知道，控制论有两个相继产生的理论，经典控制理论和现代控制理论。但不管是哪个阶段，实际上都是用线性常微分方程（组）来描述对象或控制策略的。
在这两个理论中，人们把控制策略的制定转化成一个数学问题：只要控制对象知道，控制要求给出来，人们就知道该怎么设计控制器了。这个控制器可以“以不变应万变了”：不管外部来了什么干扰和指令，就按控制器的算法去做。从理论上说，可谓非常完美。
我读书的时候就想：为什么用线性常微分方程组呢？大概有三个方面的原因：首先是很多控制对象，在局部范围内往往可以简化成这样的模型；这一点保证了控制论有比较大的应用范围。其次，当初的控制器是用电感电容电阻等电子元器件搭建的，可以用实现这样的控制器。说得更直白一些：信息转化成电信号后，最初的信息运算是由这些电子元器件完成的。第三个原因就是数学上很容易处理，能够得到非常完美的结论。对于学术界来说，第三个原因其实也是蛮重要的，能吸引很多学者做研究：在我看来，这种吸引力如此之大，甚至把控制论研究搞得有点过了。在我看来，很多高深的论文真的很无聊（因为我自己也做过），但可以显示学术水平。用任正非的话说: 有人只顾了炫耀锄头，忘记了种地。
当然，也有些理论工作者在研究非线性方程、偏微分方程。但从数学的角度看，这些理论远不成熟。要想达到线性系统的成熟度，可能是不现实的。而且这些理论特别难懂，应用受限制比较多。我读博士的时候就研究这个，难度真的很大。难度大了推广应用就难。似乎主要用在航天航空邓高端领域，普通企业连懂的人才都难找。
经典和现代控制论非常了不起。但也遇到了很多麻烦、受到了很多的限制。比方说，很多控制算法就是是复杂的逻辑关系，许多控制对象不能用线性常微分方程组来描述。再按照传统的思路走下去、得到每秒的数学解，基本上可以说是举步维艰的、应用特别难。
“不是路到了尽头，而是到了该拐弯的时候”。在我看来，除了个别行业，用太复杂的把数学方法对应用的价值未必大、也难推广。所谓的“拐弯”，就是建立一般性的数学模型，根据这个数学模型进行仿真计算，然后根据实际情况和计算结果调整控制策略。
这些年我也在想，数学模型的一般性意义是什么？现在想起来，数学真的太伟大了：人们能想到的对象和过程，似乎都能建立模型。但是，同一个对象可以建立完全不同的数学模型，功能和作用完全不同。这些模型最具一般性的价值在什么地方？在我看来，最一般的价值就是可以针对模型做测试，而不是用实物做测试。我们知道，科学家的工作是探索客观世界未知的东西，往往需要做实验。如果有了数学模型，就可以用模型做实验。成本、效率方面的优势，高得太多了。
有人可能要问了：有了模型为什么还要做实验呢？我们把模型理解为从X到Y的映射，其中，X是输入、是我们可以做出的行为，而Y是输出、是结果。用模型做实验就是：想得到特定的Y，怎样才能找到X呢？ 所以，这种“实验”，是个反着来的过程。
我们前面提到的“线性微分方程组”好处是这个解可以直接求出来。但对于一般的模型就做不到了，只能去试：找几个X，看看哪个Y更合适。然后找出最喜欢的Y。不论什么模型，这种仿真总是可以做的。在我看来，这就是模型的一般性意义——所有的对象都适合。
对物理对象建模型、把物理对象的信息和模型的状态对应起来、甚至可以产生互动，这样就具有了CPS的思想。CPS思想的伟大之处，在于适用面非常广。
各种各样的数学模型出现了千百年。但那时的模型都是靠人来计算的，没办法用于自动化。有了计算机以后，情况发生了改变。但是，计算机刚刚出现时，在工业界应用的困难很大。直到改革开放之初，我国顶尖的控制论专家还认为：计算机稳定性太差、是“瘟机”，不能用在工业生产当中的。好在随着计算机技术的不断发展，可靠性那逐渐提高。大家都知道的DCS、PLC、单片机、工控机就是为了解决了可靠性提出来的。
但是，我们知道：仅有稳定可靠还是不够的。计算机要有足够的计算能力才能完成一些复杂模型的计算、尤其是控制中常见的实时计算。对于实时计算，现在大家觉得很自然。但如果把时间拉回到三十多年以前，是非常困难的。我们国家有位著名学者叫吕永哉（我的师爷），曾经做过IFAC（国际自动控制联合会）的主席。他的“成名作”就是把数学模型用在钢铁的生产控制上。二十年前我刚到宝钢工作时，已有很多数学模型在现场应用了。当时，些数学模型用不好，原因就是计算机性能不够导致的。现在看来，这些模型本质上就是单体的CPS。
我在宝钢讲了好多年的模型。模型真的是个好东西：因为任何对象和过程，几乎都可以建立数学模型。借助计算机技术的快速发展，控制论所依据的条件发生了改变，走向了一般性的对象、可以用在人类社会的方方面面。CPS的理论就在这个背景下产生了。
这几年，我一直在想：互联网的本质作用是什么？ 在回答这个问题之前，我想到了现代控制论的两个非常重要的概念：可观性、可控性。
现代控制理论把控制对象看成一个系统。系统的输入影响系统的内部状态、状态决定系统输出。系统的状态能不能被知到、被控制到任意点呢？从理论上体系上说，这是个关键问题。现代控制理论奠基人鲁道夫·卡尔曼提出了两个概念：（状态的）可观性、可控性。 从某种意义上说，这两个概念的诞生，标志着现代控制理论的产生。
现在回到刚才的话题：互联网的本质作用是什么呢？在我看来，就是提升了人们感知世界、控制资源的能力。有了互联网，我们可以感知到全世界的各种资源和变化，可以使用全世界的资源；我们也可以为全世界提供服务。互联网这张网，形成了一个伟大的Cyber空间。人们可以通过这个Cyber空间，“可观”、“可控”的能力跨越了时空。这样一来，基于网络，就形成了一个CPS的体系、CPS的群体；这种体系不断扩张、不断攻城略地、成燎原之势。正是这种变化，为人类带来的巨大的变化。越来越多的事情可以通过网络来做了。
不论是对工业还是对商业、对企业还是对个人，互联网本质作用都是“可观”、“可控”能力的加强。开网店、共享经济都是这个逻辑。既然如此，“商业+互联网”与“制造业+互联网”有什么不同呢？由于时间关系，我这里只简单地提一下。我认为：从技术人员的角度看，差异主要体现在对“确定性”要求的不同，制造业对确定性的要求特别高。前面我曾经提过“确定性是工业人追求的目标”。“确定性”要求高了，困难度就上升了，就会有量变到质变的差别。这就好比: 玩具飞机和空客A380，看似原理一样，难度差别可就大了。所以，在工业中推进互联网应用，关键点常常是如何处理不确定性问题、如何降低应用过程的风险。而降低不确定性，并非单纯靠信息技术就可以解决的。
要做事，就要从理念回归现实、看看企业要关注什么。我们先来考虑一下：“可观”、“可控”针对的到底是什么东西？
我把感知、控制的东西可以归结为“资源”。包括物质资源、信息知识资源、人力资源等等。这些资源可以是企业内部的，可以是企业外部的。企业外部的可以包括下游用户，也可以包括上游供应商、以及合作伙伴；企业内部可以包含生产制造、销售采购、研发服务等各个业务板块。
借助互联网，各个业务主体之间可以进行大尺度的协同，实现跨越时空的资源共享与重用。从而提升企业快速响应能力、为企业创造更多的价值。这样，就进入了智能制造的逻辑。
我们知道，互联网提升了感知和执行的能力。那么，我们还需要一个决策的机制，才能将感知、决策和执行统一起来。“将感知、决策和执行统一起来”体现了基本的智能。所以，尽管智能制造的英文一般称为Smart Manufacture， 但确实在一定程度上体现了一定的智能（intelligent）。
如何建立这个决策机制呢？关键之一是知识的管理，尤其是知识的数字化、模型化。简单地说，把感知作为输入、把决策当做输出。中间的计算过程就是广义的知识。这些知识很可能来自于业务人员，但把业务人员头脑中的知识变成可执行的代码，就会发生量变到质变的改变：自动化了、智能化了。
“感知、决策和执行的统一”是控制论的逻辑、是自动化的逻辑、也是智能制造的逻辑。逻辑是老的逻辑，但内涵不一样了。现在，大量的信息可以数字化、被计算机处理；大量的对象和流程，可以用计算机来模型化；我们可以感知和控制全球的资源。在新的技术环境下，数据的跨越时空的流动就像汽车在高速公路上一样方便，而不是各种“断头路”。这样，信息处理的机制从量变走到了质变，从而带领我们进入了智能时代。
说到这里，我想起维纳当年对计算机设计提出的几条最基本的建议：计算过程全部计算自动完成、数据都记录下来等。这些建议虽然很简单，但抓住了本质。我们现在研究智能制造，也想在运行过程中尽量排除人的干扰、也想把数据都记录下来。这些隐隐约约的相似，似乎有某些必然的联系。但时代不一样了：我们针对的不是一台计算机，而是一个通过网路连接起来的赛博世界。
我们知道，互联网对工业智能化的意义巨大。人们常说：智能制造是ICT技术与制造业的深度融合。形象地说，不是“混合”、不是“物理变化”，而是“化学变化”。这种“深度”具体又是如何体现的呢？
在我看来，所谓的“深度融合”就是：ICT技术要适应制造业的特点，还要用ICT技术改变制造过程。是双向的，不是单向的。长期以来，真正懂IT的人都知道：IT的技术服从于业务的需求。这一点，决定IT项目的成败。但是，走入智能化时代的时候，这个原则受到一定的挑战。
比如，我常说：协同、共享和重用，是智能制造创造价值最常见的方式。那么，为了能够更好地做到这一点，就要为推进“协同、共享和重用”创造条件。例如：业务流程的改变、人机合作方式的改变、组织体系的改变、商业模式的改变、工厂设备的改变等。换句话说，我们要在一定程度上强调，智能化为业务创新服务。
这里再多数几句：“协同、共享、重用”是个普遍适用的原则，包括智能工厂。所谓的智能工厂，可以看成不同产品共享生产线；不同设备的协同、工厂与用户和供应链的协同；生产与设计服务的协同、知识和部件的重用等。这些都是ICT技术带来的机会。
再具体地说，要为“感知、决策、执行”的统一集成创造条件。比如，信息的数字化、感知的自动化，比如信息和数据共享的平台。再比如，决策需要知识、需要知识的沉淀、积累和持续改进；为此，需要促进知识的数字化，促进知识共享、开发支撑知识共享的平台等。这些问题，都可以挂在这个逻辑下面。
我为什么要强调“深度融合”呢？ 主要是针对国内的一种常见现象：很多人认为，智能制造是技术人员的事情、是部门的事情。但事实上，智能制造强调的是跨越时空的大范围的协同、共享和重用、大范围优化。如果仅仅是小范围、小尺度的事情，那其实就是传统的自动化和信息化，而不是智能化。推进智能化，公司要有升级转型的思想准备。这怎么是部门可以做的呢？这个道理，需要老板们明白才行。由于各种原因，这个观点只能点到为止。
我多次给人讲智能制造，都感到很难讲。因为智能制造有很多的观察角度和层次。如果只强调某个角度和层次，经常会陷入“瞎子摸象”、”不识庐山真面目”的状态。所以，必须全面完整地认识智能制造。这里，我简单地谈一个逻辑，把智能制造相关的一些说法“挂到一条链子上”。
我们知道：互联网带来了可观、可控性的提升，进一步又带来的企业内部和外部的协同、共享和重用。这样一样，许多问题的处理，就会变得非常复杂——复杂到过去依靠人的处理方法很难保证了。这样，就会推动新的技术需求，如智能工厂、智能设备、工业软件平台等等。而为了实现这些技术，需要大量的数字化工作、需要信息集成、需要大数据的支撑。同时，机器的智能化水平高了，人的传统工作量就少了，人的劳动强度可就低了；与此同时，机器做得事情比人做得更好，从而可以提高质量、降低成本、减少决策失误，进而具有了更好的经济价值。而提高成本、降低质量、减少决策失误的工作，其实也可以看成“精益生产”要做的事情，只是现在让机器自己做了。而人呢，就要去从事更加自由、更需要创造力的工作，从而推动社会的发展。与此同时，企业的劳动成本就降低了。
我说这些话的目的是：要健康地推动智能制造，必须要真正明白什么是“需求驱动”。需求，指的是业务需求和经济需求的统一、要有足够的强度。没有具体的需求，技术就没法落地，技术就会成为“被展示的锄头”。如果需求的强度不大，技术推动就会困难。例如：问题不复杂，先进的技术就像“高射炮打蚊子”，缺乏经济价值；需求不大，投入产出比也不合适，企业就不愿意采用，技术也难以落地。
需求的源头是什么呢？其实有很多层次。搞ICT技术的，要向业务要需求；搞技术的人，要向技术之外要需求；到企业层面，需求的源头往往是企业的升级转型、市场的改变；到国家层面，往往是劳动力成本的提升、ICT成本的降低、国家发展和竞争的需要。而从人类社会的角度看，则主要是ICT技术推动的。要满足外部的需求，技术才不至于沦落为“被展示的锄头”。
企业的需求来自于企业之外。ICT技术能够让企业感知到企业内外的变化。感知到这些变化之后，企业抓住机会，响应市场的需求。把市场的变化，变成自己的机遇。从这种意义上说，ICT技术引入了不确定性、利用了不确定性。而CPS则是应对不确定性的技术手段。
有句话很有意思：鸡蛋从外面打破是别人菜，从里面打破是新的生命。我感觉：对整个工业行业来说，互联网带来的首先是挑战；但是，对于优秀的企业，如果能够很好地应对这种挑战，就会给企业带来机会。确定性是工业企业追求的目标，不确定性是优秀工业人的机会。
最后总结一下
在《三体智能革命》一书中，把（一般性的）“智能”归结为20个字、5个要点：状态感知、实时分析、自主决策、精准执行、学习提升。由此看来，控制论被做为人工智能的三个学派之一是有道理的：它强调了上述5个要点中最基本的三个：感知、决策与执行。
在我们看来，“智能”首先出现在生物体身上，然后进入人造的世界。中间经历了漫长的历史阶段。在此之前，人类操作机器时，本身往往起到感知和决策者的作用，再通过人的操作，把任务交给机器执行。要摆脱这种现象、实现自动化，必须把感知、决策的任务交给机器、把人类本身脱离出来。
在我看来，“电子”不仅让信息的感知和处理变得容易，还打通了信息和物理两界、让感知决策和执行统一起来、不再受机械手段的约束；这导致了控制论的产生，自动化走上了历史的舞台。但是，控制论产生之初，受到信息控制手段的限制，应用范围有限。计算机则让信息的处理、尤其是建模和仿真变得非常容易、并适合描述各种过程和对象——我常说“数字化为什么重要？ 因为它能够被计算机处理”，就是这个道理。这样就产生了CPS的萌芽。随着ICT技术的进一步发展，尤其是互联网的出现，让人们观察和控制的能力突破了时空的限制，赛博空间空前强大，从而带领我们进入了智能时代、CPS开始大放异彩。由此可见，基础技术条件的变化，才是最根本的（当然，信息技术进步背后或许是材料的进步）。这些技术的进步，为控制论、信息论的出现奠定了基础（这个基础其实是对理论的需求）。
基础条件变了，人应该怎么办？人应该主动地迎接这个时代、适应这个时代，而不是被动地被淘汰。这才是人的智能啊。对工业企业，就是要推进两化的深度融合。深度融合的表现之一，是为智能化创造条件、适应市场的需要。其中，一切数字化就是为信息的处理和传递创造条件，商业模式和组织流程的改变也是创造条件。
我认为，真正懂得理论的人，就是不被理论所束缚的人。他们的长处，在于能够敏感地感知到条件和需求这些现实的变化，利用新的技术条件、解决实际的技术问题。感知客观条件和需求的变化，本质上就是“倾听客观自然这个上帝的声音”。当然，如果看得更远一点，则是技术为业务创新、企业的转型升级创造条件；而业务创新会把具体的技术真正带入蓝海。如果能做到这一点，我们自然就会走到技术的前沿，而不必去迎合理论的观点。
今天我和大家交流的内容就到这里。这些观点中肯定会有很多不当的地方，我自己也是个学习者。衷心欢迎各位批评指正！谢谢大家。
【网友互动环节】
【群友提问】：请问郭博士，互联网在智能制造中有哪些地方可以发挥价值？如何更好推动智能制造在制造业中的应用？
【郭朝晖】：互联网的本质作用，是让我们可以跨越时空地感知信息、并在这个基础上进行协同、共享、重用，去调动资源或者被调动资源。可以说，没有互联网就没有智能制造。要做到制造业与互联网的深入融合就不容易了。一言难尽。有一位老领导说过一句话：互联网让整个公司面向市场和用户，而不是某个部门。
【群友提问】：很多专家讲CPS时，都会提到塞纳的《控制论》。郭老师，请问CPS除了控制的功能以外，还有哪些要素需要引起我们注意的？
【郭朝晖】：我觉得，人机关系是设计CPS必须关注的问题。比如：是自主决策、受人监控的决策、辅助人决策，还是以人的决策为主？按照我的理解，人机关系不同，CPS的设计难度和方法可能有很大的不同。我觉得，这里有很多值得思考的问题，必须引起足够的关注。
【群友提问】：请问郭老师，您认为CPS与人工智能之间是什么关系？
【郭朝晖】：我认为，CPS至少具备了初级智能，但与传统人工智能的两个主流学派关系不大。我讲个故事：国家主席刘少奇对掏粪工人时传祥说：你我都是为人民服务，没有高低贵贱之分。但在我看来，CPS的目标是代替时传祥的工作，而传统人工智能则是希望辅助刘少奇工作。然而，我觉得CPS会在所谓的“新一代人工智能”上大放异彩，因为内涵不一样了。
新一代技术+商业操作系统：AI-CPS OS
在新一代技术+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，在行业、企业和自身三个层面勇立鳌头。
数字化力量与行业、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。
分辨率革命：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控制、事件控制和结果控制。
复合不确定性：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。
边界模糊化：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。
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。随着变革范围不断扩大，一切都几乎变得不确定，即使是最精明的领导者也可能失去方向。面对新一代技术+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）颠覆性的数字化力量，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。
如果不能在上述三个层面保持领先，领导力将会不断弱化并难以维继：
重新进行行业布局：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？
重新构建你的企业：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？
重新打造新的自己：你需要成为怎样的人？要重塑自己并在数字化时代保有领先地位，你必须如何去做？
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！
人工智能通过三个方式激发经济增长：
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；
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；
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。
新一代信息技术（云计算、大数据、物联网、区块链和人工智能）的商业化落地进度远不及技术其本身的革新来得迅猛，究其原因，技术供应商（乙方）不明确自己的技术可服务于谁，传统企业机构（甲方）不懂如何有效利用新一代信息技术创新商业模式和提升效率。
“产业智能官”，通过甲、乙方价值巨大的云计算、大数据、物联网、区块链和人工智能的论文、研究报告和商业合作项目，面向企业CEO、CDO、CTO和CIO，服务新一代信息技术输出者和新一代信息技术消费者。
助力新一代信息技术公司寻找最有价值的潜在传统客户与商业化落地路径，帮助传统企业选择与开发适合自己的新一代信息技术产品和技术方案，消除新一代信息技术公司与传统企业之间的信息不对称，推动云计算、大数据、物联网、区块链和人工智能的商业化浪潮。
给决策制定者和商业领袖的建议：
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；
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；
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；
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；
开发人工智能型企业所需新能力：员工团队需要积极掌握判断、沟通及创造
性思维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。
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）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。
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）正在经历从“概念”到“落地”，最终实现“大范围规模化应用，深刻改变人类生活”的过程。
产业智能官 AI-CPS
用新一代技术+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”、“智能驾驶”、“智能金融”、“智能城市”、“智能零售”；新模式：“案例分析”、“研究报告”、“商业模式”、“供应链金融”、“财富空间”。
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：erp_vip@hotmail.com
相关内容
微信扫码咨询专知VIP会员