【工业大数据】工业大数据应用场景分析；工业大数据，从何做起

2018 年 1 月 20 日 产业智能官 工业4点0

工业大数据也是一个全新的概念，从字面上理解，工业大数据是指在工业领域信息化应用中所产生的大数据。随着信息化与工业化的深度融合，信息技术渗透到了工业企业产业链的各个环节，条形码、二维码、RFID、工业传感器、工业自动控制系统、工业物联网、ERP、CAD/CAM/CAE/CAI等技术在工业企业中得到广泛应用，尤其是互联网、移动互联网、物联网等新一代信息技术在工业领域的应用，工业企业也进入了互联网工业的新的发展阶段，工业企业所拥有的数据也日益丰富。工业企业中生产线处于高速运转，由工业设备所产生、采集和处理的数据量远大于企业中计算机和人工产生的数据，从数据类型看也多是非结构化数据，生产线的高速运转则对数据的实时性要求也更高。因此，工业大数据应用所面临的问题和挑战并不比互联网行业的大数据应用少，某些情况下甚至更为复杂。

工业大数据应用将带来工业企业创新和变革的新时代。通过互联网、移动物联网等带来的低成本感知、高速移动连接、分布式计算和高级分析，信息技术和全球工业系统正在深入融合，给全球工业带来深刻的变革，创新企业的研发、生产、运营、营销和管理方式。这些创新不同行业的工业企业带来了更快的速度、更高的效率和更高的洞察力。工业大数据的典型应用包括产品创新、产品故障诊断与预测、工业生产线物联网分析、工业企业供应链优化和产品精准营销等诸多方面。本文我们讲就工业大数据在制造企业的应用场景进行逐一梳理。

1、加速产品创新

加速产品创新放大图片

客户与工业企业之间的交互和交易行为将产生大量数据，挖掘和分析这些客户动态数据，能够帮助客户参与到产品的需求分析和产品设计等创新活动中，为产品创新作出贡献。福特公司是这方面的表率，他们将大数据技术应用到了福特福克斯电动车的产品创新和优化中，这款车成为了一款名副其实的“大数据电动车”。第一代福特福克斯电动车在驾驶和停车时产生大量数据。在行驶中，司机持续地更新车辆的加速度、刹车、电池充电和位置信息。这对于司机很有用，但数据也传回福特工程师那里，以了解客户的驾驶习惯，包括如何、何时以及何处充电。即使车辆处于静止状态，它也会持续将车辆胎压和电池系统的数据传送给最近的智能电话。这种以客户为中心的大数据应用场景具有多方面的好处，因为大数据实现了宝贵的新型产品创新和协作方式。司机获得有用的最新信息，而位于底特律的工程师汇总关于驾驶行为的信息，以了解客户，制订产品改进计划，并实施新产品创新。而且，电力公司和其他第三方供应商也可以分析数百万英里的驾驶数据，以决定在何处建立新的充电站，以及如何防止脆弱的电网超负荷运转。

2、产品故障诊断与预测

产品故障诊断与预测放大图片

这可以被用于产品售后服务与产品改进。无所不在的传感器、互联网技术的引入使得产品故障实时诊断变为现实，大数据应用、建模与仿真技术则使得预测动态性成为可能。在马航MH370失联客机搜寻过程中，波音公司获取的发动机运转数据对于确定飞机的失联路径起到了关键作用。我们就拿波音公司飞机系统作为案例，看看大数据应用在产品故障诊断中如何发挥作用。在波音的飞机上，发动机、燃油系统、液压和电力系统等数以百计的变量组成了在航状态，这些数据不到几微秒就被测量和发送一次。以波音737为例，发动机在飞行中每30分钟就能产生10 TB数据。这些数据不仅仅是未来某个时间点能够分析的工程遥测数据，而且还促进了实时自适应控制、燃油使用、零件故障预测和飞行员通报，能有效实现故障诊断和预测。再看一个通用电气（GE）的例子，位于美国亚特兰大的GE能源监测和诊断（M&D）中心，收集全球50多个国家上千台GE燃气轮机的数据，每天就能为客户收集10G的数据，通过分析来自系统内的传感器振动和温度信号的恒定大数据流，这些大数据分析将为GE公司对燃气轮机故障诊断和预警提供支撑。风力涡轮机制造商Vestas也通过对天气数据及期涡轮仪表数据进行交叉分析，从而对风力涡轮机布局进行改善，由此增加了风力涡轮机的电力输出水平并延长了服务寿命。

3、工业物联网生产线的大数据应用

工业物联网生产线的大数据应用放大图片

现代化工业制造生产线安装有数以千计的小型传感器，来探测温度、压力、热能、振动和噪声。因为每隔几秒就收集一次数据，利用这些数据可以实现很多形式的分析，包括设备诊断、用电量分析、能耗分析、质量事故分析（包括违反生产规定、零部件故障）等。首先，在生产工艺改进方面，在生产过程中使用这些大数据，就能分析整个生产流程，了解每个环节是如何执行的。一旦有某个流程偏离了标准工艺，就会产生一个报警信号，能更快速地发现错误或者瓶颈所在，也就能更容易解决问题。利用大数据技术，还可以对工业产品的生产过程建立虚拟模型，仿真并优化生产流程，当所有流程和绩效数据都能在系统中重建时，这种透明度将有助于制造商改进其生产流程。再如，在能耗分析方面，在设备生产过程中利用传感器集中监控所有的生产流程，能够发现能耗的异常或峰值情形，由此便可在生产过程中优化能源的消耗，对所有流程进行分析将会大大降低能耗。

4、工业供应链的分析和优化

工业供应链的分析和优化放大图片

当前，大数据分析已经是很多电子商务企业提升供应链竞争力的重要手段。例如，电子商务企业京东商城，通过大数据提前分析和预测各地商品需求量，从而提高配送和仓储的效能，保证了次日货到的客户体验。RFID等产品电子标识技术、物联网技术以及移动互联网技术能帮助工业企业获得完整的产品供应链的大数据，利用这些数据进行分析，将带来仓储、配送、销售效率的大幅提升和成本的大幅下降。以海尔公司为例，海尔公司供应链体系很完善，它以市场链为纽带，以订单信息流为中心，带动物流和资金流的运动，整合全球供应链资源和全球用户资源。在海尔供应链的各个环节，客户数据、企业内部数据、供应商数据被汇总到供应链体系中，通过供应链上的大数据采集和分析，海尔公司能够持续进行供应链改进和优化，保证了海尔对客户的敏捷响应。美国较大的OEM供应商超过千家，为制造企业提供超过1万种不同的产品，每家厂商都依靠市场预测和其他不同的变量，如销售数据、市场信息、展会、新闻、竞争对手的数据，甚至天气预报等来销售自己的产品。利用销售数据、产品的传感器数据和出自供应商数据库的数据，工业制造企业便可准确地预测全球不同区域的需求。由于可以跟踪库存和销售价格，可以在价格下跌时买进，所以制造企业便可节约大量的成本。如果再利用产品中传感器所产生的数据，知道产品出了什么故障，哪里需要配件，他们还可以预测何处以及何时需要零件。这将会极大地减少库存，优化供应链。

5、产品销售预测与需求管理

产品销售预测与需求管理放大图片

通过大数据来分析当前需求变化和组合形式。大数据是一个很好的销售分析工具，通过历史数据的多维度组合，可以看出区域性需求占比和变化、产品品类的市场受欢迎程度以及最常见的组合形式、消费者的层次等，以此来调整产品策略和铺货策略。在某些分析中我们可以发现，在开学季高校较多的城市对文具的需求会高很多，这样我们可以加大对这些城市经销商的促销，吸引他们在开学季多订货，同时在开学季之前一两个月开始产能规划，以满足促销需求。对产品开发方面，通过消费人群的关注点进行产品功能、性能的调整，如几年前大家喜欢用音乐手机，而现在大家更倾向于用手机上网、拍照分享等，手机的拍照功能提升就是一个趋势，4G手机也占据更大的市场份额。通过大数据对一些市场细节的分析，可以找到更多的潜在销售机会。

6、生产计划与排程

生产计划与排程放大图片

制造业面对多品种小批量的生产模式，数据的精细化自动及时方便的采集(MES/DCS)及多变性导致数据剧烈增大，再加上十几年的信息化的历史数据，对于需要快速响应的APS来说，是一个巨大的挑战。大数据可以给予我们更详细的数据信息，发现历史预测与实际的偏差概率，考虑产能约束、人员技能约束、物料可用约束、工装模具约束，通过智能的优化算法，制定预计划排产，并监控计划与现场实际的偏差，动态的调整计划排产。帮我们规避“画像”的缺陷，直接将群体特征直接强加给个体（工作中心数据直接改变为具体一个设备、人员、模具等数据）。通过数据的关联分析并监控它，我们就能计划未来。虽然，大数据略有瑕疵，只要得到合理的应用，大数据会变成我们强大的武器。当年，福特问大数据的客户需求是什么？而回答是“一匹更快的马”，而不是现在已经普及的汽车。所以，在大数据的世界里，创意、直觉、冒险精神和知识野心尤为重要。

7、产品质量管理与分析

传统的制造业正面临着大数据的冲击，在产品研发、工艺设计、质量管理、生产运营等各方面都迫切期待着有创新方法的诞生，来应对工业背景下的大数据挑战。例如在半导体行业，芯片在生产过程中会经历许多次掺杂、增层、光刻和热处理等复杂的工艺制程，每一步都必须达到极其苛刻的物理特性要求，高度自动化的设备在加工产品的同时，也同步生成了庞大的检测结果。这些海量数据究竟是企业的包袱，还是企业的金矿呢?如果说是后者的话，那么又该如何快速地拨云见日，从“金矿”中准确地发现产品良率波动的关键原因呢？这是一个已经困扰半导体工程师们多年的技术难题。

产品质量管理与分析放大图片

某半导体科技公司生产的晶圆在经过测试环节后，每天都会产生包含一百多个测试项目、长度达几百万行测试记录的数据集。按照质量管理的基本要求，一个必不可少的工作就是需要针对这些技术规格要求各异的一百多个测试项目分别进行一次过程能力分析。如果按照传统的工作模式，我们需要按部就班地分别计算一百多个过程能力指数，对各项质量特性一一考核。这里暂且不论工作量的庞大与繁琐，哪怕有人能够解决了计算量的问题，但也很难从这一百多个过程能力指数中看出它们之间的关联性，更难对产品的总体质量性能有一个全面的认识与总结。然而，如果我们利用大数据质量管理分析平台，除了可以快速地得到一个长长的传统单一指标的过程能力分析报表之外，更重要的是，还可以从同样的大数据集中得到很多崭新的分析结果。

8、工业污染与环保检测

工业污染与环保检测放大图片

《穹顶之下》令人印象深刻的一点是通过可视化报表，柴静团队向观众传递雾霾问题的严峻性、雾霾的成因等等。这给我们带来的一个启示，即大数据对环保具有巨大价值。《穹顶之下》图表的原生数据哪里来的呢？其实并非都是凭借高层关系获取，不少数据都是公开可查，在中国政府网、各部委网站、中石油中石化官网、环保组织官网以及一些特殊机构，可查询的公益环保数据越来越多，包括全国空气、水文等数据，气象数据，工厂分布及污染排放达标情况等数据等等。只不过这些数据太分散、太专业、缺少分析、没有可视化，普通人看不懂。如果能够看懂并保持关注，大数据将成为社会监督环保的重要手段。

近日百度上线《全国污染监测地图》就是一个很好的方式，结合开放的环保大数据，百度地图加入了污染检测图层，任何人都可以通过它查看全国及自己所在区域省市，所有的在环保局监控之下的排放机构（包括各类火电厂、国控工业企业和污水处理厂等）的位置信息、机构名称、排放污染源的种类，最近一次环保局公布的污染排放达标情况等。可查看距离自己最近的污染源，出现提醒，该监测点检测项目，哪些超标，超标多少倍。这些信息可以实时分享到社交媒体平台，告知好友，提醒大家一同注意污染源情况及个人安全健康。

总结

工业大数据应用的价值潜力巨大。但是，实现这些价值还有很多工作要做。一个是大数据意识建立的问题。过去，也有这些大数据，但由于没有大数据的意识，数据分析手段也不足，很多实时数据被丢弃或束之高阁，大量数据的潜在价值被埋没。还有一个重要问题是数据孤岛的问题。很多工业企业的数据分布于企业中的各个孤岛中，特别是在大型跨国公司内，要想在整个企业内提取这些数据相当困难。因此，工业大数据应用一个重要议题是集成应用。

来源：工业4点0（Industry4_0）!转载请注明出处！

工业大数据，从何做起？

昆仑数据K2Data

大数据是工业升级的关键技术要素已经是一个业界共识。新工业革命的实质就是一场从自动化、信息化时代向数字化、互联化、智能化时代迈进的产业变革，让工业企业可以基于从自动化、信息化系统中采集的数据对于企业的生产经营进行深入洞察和优化提升。那么，究竟大数据能为工业企业带来哪些具体的业务价值？要实现这些业务价值，企业又应该从何做起？

工业大数据的业务价值

大数据对于工业企业提升质量、效益和行业竞争力起着不可替代的作用。

一方面，大数据将和物联网、云计算等一起支撑产品制造生命周期“4+1”环节业务模式创新。

在产品设计环节，在各种需求数据、设计数据、产品仿真数据的支持下，可以支撑众包众智的协同创新设计模式；在产品使用数据的支持下，可以支撑用户反馈驱动的产品演进设计模式。

在制造环节，在生产计划数据、过程控制数据、设备状态数据、质量检测数据、资源使用数据等的支持下，可以支持制造质量控制与提升、实时排程、减低资源消耗等智能车间能力。

在销售交付流通环节，基于销售订单、仓储物流、供应商和用户信息、市场行情等数据，可以支持更经济、更高效的智慧物流，以及工业品市场预测、精准营销等。

在后服务环节，基于产品工作状态数据、周边环境数据、用户交互信息，可以进行产品健康评估、基于状态的保养维修、零备件库存优化管理等。

在单个产业链之外，还可以通过不同产业链间数据打通，消弭不必要的中间环节，提升产业生态链的效率。例如，汽车企业可以直接把汽车外壳形状和材质要求提供给钢铁企业，而不是传统方式通过一个中间商从钢铁企业买钢板，再按照车厂的要求裁剪冲压成汽车外壳，既提升了响应时间，又降低了费用，边角余料还可以直接回炉减少浪费。

另外一方面，大数据也是新兴的产业互联网的重要支撑手段。

随着物联网技术的普及，越来越多的工业产品开始有了感知能力和开始联网。就像智能手机是移动互联网的载体一样，这些智能联网的工业品形成了产业互联网的载体，每一类的联网工业品上承载着一个产业互联网应用的生态，例如联网的汽车上承载着车联网，联网的能源装备上承载着能源互联网。

在产业互联网时代，工业产品能带给用户的价值将超过产品硬件本身的功能，而可以更全面地支持用户全生命周期的使用场景。

在《哈佛商业评论》的一篇文章中，以农机为例，描绘了这样一个产品转型的过程（如下图）。

过去的农机产品如拖拉机，加上一个外设如播种装置、犁地装置等，形成了一个农场设备系统，可以帮助农夫完成耕种活动。

未来的农机，在联网之后，除了耕种外，通过传感器可以在耕种的过程中感知土壤墒情，还可以联网对接天气系统、浇灌系统、种子数据库等，全面指导农夫的各项工作：根据天气决定农业活动时间，根据墒情决定如何施用水肥，甚至根据市场情况决定种什么品类农作物。

总结起来，工业大数据业务价值实现路径有二，如图所示：

一是制造全生命周期业务创新（先进制造）：通过大数据驱动的创新产品设计、智能制造、智能服务，实现提升产品质量、生产效率、节省成本，达到提升企业在行业内竞争力的目的。按照大数据切入的环节不同，具体又可以落实到协同设计、精益制造、智能运维等。

二是产业互联网新业务创新（制造+互联网）：以智能联网的工业产品为载体承载服务产品周边生态系统的产业互联网业务，达到开创新兴市场和业务模式的目的。根据产品和所服务用户的不同，产业互联网业务将表现出多种不同的形态。

工业企业大数据实施路径

那么，具体到一个工业企业，要实施工业大数据，应该从何做起呢？并没有一定之规。企业需要根据自身的业务发展状况和竞争策略来决定自己的最佳实践切入点。

对行业领先者而言，企业最大的挑战不是行业内部的竞争，而是如何拓展新业务空间的问题，那么可以选择从“制造+互联网”业务创新的角度切入。

典型的例子是海尔的U+智慧生活空间，全面服务海尔家电用户在使用电器过程中的各种需求，例如烤箱的用户不仅需要烘焙的功能，还需要点心配方、原料、和其他烘焙爱好者交流，这些全部可以在U+智慧生活空间中得到满足，而海尔也借此从一个家电硬件的制造商转型成为了智慧生活服务提供商。

对于面临巨大竞争压力的企业而言，更迫切的需求在于通过提质增效、提升服务水平来增加企业竞争力，因此选择“先进制造”的路径是可行的。在“先进制造”路径下，又可以根据所处行业和企业自己的特点和基础来选取一个合适的切入点。

举例说明：在陕鼓动力所在的动力透平行业，由于所服务的冶金和化工等行业需求下降，新产品的采购需求也下降，企业通过服务创新，建设远程设备运维系统，实现从制造向“制造服务”的转型，目前企业收入中服务所占比例已经超过一半；

金风科技所在的风电行业，业主关注风场整体投入产出效率，金风利用大数据技术加强风机设计，变基于典型工况的选型为根据每台风机的微观选址进行个性化的“一机一设计”；

山东临工所在的工程机械行业，液压阀等核心关键部件长期为国外垄断，订货周期长，且挤占了大量利润，要实现核心部件自主制造，必须突破质量关，因此临工采用“点穴式投入”，针对关键零部件进行了智能制造改造。

条条大路通罗马，只要把握技术为业务目标服务的本质，明确业务提升目标，实施大数据就有了一个良好的开端。

本文由昆仑数据原创

从数据到应用，智能制造与工业大数据的实践更新

在工业自动化逐渐成熟后，工业机器人、自动化生产这样的实体技术不再是唯一实现智能制造的途径，而大数据、物联网、云计算、人工智能等新技术成为了新的增长点。

随着信息化水平的不断发展，以智能制造为主导的第四次工业革命正在各国掀起变革浪潮，不论是德国的工业4.0、美国的工业互联网，还是国内的“中国制造2025”，新一代信息技术与制造业的深度融合正在引发生产方式、产业形态、商业模式和经济增长点的重大变革，“制造”正在向“智造”转变。

智能制造：物理工厂+虚拟工厂

智能制造将物联网、大数据、云计算等新一代信息技术与设计、生产、管理、服务等制造活动的各个环节融合，以智能工厂为载体，采用“物理工厂+虚拟工厂”的形式，实现产业的智造升级。

在智造升级过程中，“物联网”和“大数据”成为智能制造的两个主角。通过应用物联网和大数据，以端到端数据流为基础，以互联互通为支撑，构建高度灵活的个性化和数字化智能制造模式，实现信息深度自感知、智慧优化自决策、精准控制自执行等内容。

undefined

（智能制造：物理工厂+虚拟厂）

物联网的核心在于运用新一代信息和通信技术，把传感器、感应器等智能装置（信息系统）嵌入到电网、交通、建筑、工厂、货物等各种物体和环境（物理系统）中，通过有线和无线网络加以连接形成物联网，并通过网络和云计算将物联网和互联网的整合，将物体接入信息网络，通过人、生产与产品的实时联通与有效沟通，实现对实体世界的洞察和控制。

大数据分析应用则是物联网的基础上，通过将企业内部全流程运营数据和外部移动互联端、社交媒体端、社会化物联网端，以及延伸到消费者的智慧化物联网数据，纳入到完整的“洞察 -响应-提升”闭环式精益管理中，帮助企业充分发挥大数据分析的辅助决策作用。

以制造型工厂为例，工厂以提升质量、降低成本、提高效率为根本目标，通过应用物联网技术，使制造过程中的各种数据源互联互通，实现信息流的自动化，实现制造链条全程可视化，通过大数据分析将海量的隐形数据转化为显性数据，并将信息及决策建议实时提供给生产一线操作工人、主管和高级管理人员，帮助企业增强制造洞察力。

undefined

（制造型工厂的应用重点）

决策智能化：构建大数据分析能力

随着智能制造的在各领域的推进应用，企业生产过程数字化及管理流程智能化正在逐步实现，但未来，能否实现决策智能化将是拉开企业差距的关键。

何为决策智能化？指的是在自动化和设备智能化的基础上构建大数据分析能力，使“数据”转化为“洞察”，再由洞察产生行动，不仅要从技术上提升洞察分析能力，也要从组织、管控、能力角度同步提升，真正实现“感知 -洞察-评估-响应”闭环的顺利运作与循环提升。

undefined

（大数据分析能力构建）

工业大数据在在数据管理阶段，聚焦于信息和数据管理，建立数据管理规则，指导海量数据辨识处理与信息提炼。第二个阶段则是将信息转化为洞察，通过建设相应的运行机制、数据分析平台和数据分析手段，利用数据分析挖掘根因，为管理决策提供支持，包括：支持和管控体系建设、组织和人才管理、获悉洞察管理、洞察到行动的管理等6个方面。第三个阶段由洞察反推业务，通过将分析洞察引入业务运营，实现最优决策的相关工作流程及建立相关评价工具、方法与流程，衡量大数据分析带来的业务洞察对业务产生的实际价值。

随着物联网和大数据分析技术的应用实践，通过数据洞察驱动业务经营管理已成为行业的重要趋势，在此基础上实现商业模式创新、生产模式创新、运营模式创新和科学决策能力等企业目标已经成为可能，物联网和大数据正在帮助企业实现从“制造”向“智造”的转变。来源：数博会

中国工业大数据实践及应用评估

信通院

3月28-29日，由工业和信息化部指导，中国信息通信研究院、中国通信标准化协会主办，数据中心联盟、大数据发展促进委员会承办的“2017大数据产业峰会”在北京国际会议中心盛大召开。

中国信息通信研究院田洪川做了题为《中国工业大数据实践及应用评估》的演讲。部分亮点摘录如下：

工业大数据不同于商业大数据，工业领域通常有大量的机理模型、专家经验的深厚积累，其分析范式更加注重数据科学与行业经验的融合。
工业大数据产业生态根植于传统大数据和工业自动化产业，以IBM、SAP、微软、GE、西门子等为代表的巨头企业利用先发者优势占据产业链重要环节。
工业大数据应用成为领先企业智能化实施重点方向，但数据模型及经验积累不足仍制约着全流程、全系统的综合应用发展。

以下为现场解读PPT，敬请阅读。

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：

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？
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？
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：

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。
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。
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。
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：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：

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。

给决策制定者和商业领袖的建议：

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；
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；
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。