《中国制造2025》提出，“基于信息物理系统的智能装备、智能工厂等智能制造正在引领制造方式变革”，要围绕控制系统、工业软件、工业网络、工业云服务和工业大数据平台等，加强信息物理系统的研发与应用。《国务院关于深化制造业与互联网融合发展的指导意见》明确提出，“构建信息物理系统参考模型和综合技术标准体系，建设测试验证平台和综合验证试验床，支持开展兼容适配、互联互通和互操作测试验证。”当前，《中国制造2025》正处于全面部署、加快实施、深入推进的新阶段，面对信息化和工业化深度融合进程中不断涌现的新技术、新理念、新模式，迫切需要研究信息物理系统的背景起源、概念内涵、技术要素、应用场景、发展趋势，以凝聚共识、统一认识更好的服务于制造强国建设。
信息化和工业化融合是人类社会两个重要发展历史进程的交汇。信息物理系统通过数据、软件、网络、平台等信息技术与人员、机器、物料、环境、供应链等制造要素的深度融合，构建一个信息空间与物理空间数据自动流动的闭环赋能体系，实现生产制造的自主协调、智能优化和持续创新，推动制造业与互联网融合发展。
- 从社会形态演进角度看，其所引发的生产方式变革与生活方式调整正在构建信息社会发展新蓝图；
- 从经济发展角度看，其所推动的资源配置方式优化与发展方式转变正在构建现代产业体系新格局；
- 从工业发展角度看，其所催生的智能化技术装备、协同化创新体系、柔性化生产方式、集约化资源利用、精准化管理模式正在重塑新时期国家竞争新优势。
信息物理系统通过集成先进的感知、计算、通信、控制等信息技术和自动控制技术，构建了物理空间与信息空间中人、机、物、环境、信息等要素相互映射、适时交互、高效协同的复杂系统，实现系统内资源配置和运行的按需响应、快速迭代、动态优化。 可以看出，信息物理系统是工业和信息技术范畴内跨学科、跨领域、跨平台的综合技术体系所构成的系统，覆盖广泛、集成度高、渗透性强、创新活跃，是两化融合支撑技术体系的集大成。 信息物理系统能够将感知、计算、通信、控制等信息技术与设计、工艺、生产、装备等工业技术融合，能够将物理实体、生产环境和制造过程精准映射到虚拟空间并进行实时反馈，能够作用于生产制造全过程、全产业链、产品全生命周期，能够从单元级、系统级到系统之系统（SoS）级不断深化，实现制造业生产范式的重构。
物理系统的概念总体来看， 其本质就是构建一套赛博（Cyber）空间与物理（Physical）空间之间基于数据自动流动的状态感知、实时分析、科学决策、精准执行的闭环赋能体系，解决生产制造、应用服务过程中的复杂性和不确定性问题，提高资源配置效率，实现资源优化。
- 状态感知：就是通过各种各样的传感器感知物质世界的运行状态。
- 实时分析：就是通过工业软件实现数据、信息、知识的转化。
- 科学决策：就是通过大数据平台实现异构系统数据的流动与知识的分享。
- 精准执行: 就是通过控制器、执行器等机械硬件实现对决策的反馈响应。这一切者依赖于一个实时、可靠、安全的网络。
“一硬”（感知和自动控制）、“一软”（工业软件）、“一网”（工业网络）、“一平台”（工业云和智能服务平台）即“新四基”是信息物理系统的四大核心技术要素。
感知和自动控制是数据闭环流动的起点和终点。感知的本质是物理世界的数字化，通过各种芯片、传感器等智能硬件实现生产制造全流程中人、设备、物料、环境等隐性信息的显性化，是信息物理系统实现实时分析、科学决策的基础，是数据闭环流动的起点。与人体类比，可以把感知看作是人类接收外部信息的感觉器官，提供视觉、听觉、嗅觉、触觉和味觉这“五觉”。
自动控制是在数据采集、传输、存储、分析和挖掘的基础上做出的精准执行，体现为一系列动作或行为，作用于人、设备、物料和环境上，如分布式控制系统（DCS）、可编程逻辑控制器（PLC）及数据采集与监视控制系统（SCADA）等，是数据闭环流动的终点。与人体类比，根据指令信息完成特定动作和行为的骨骼和肌肉可以看作是控制的执行机构。
工业软件是对工业研发设计、生产制造、经营管理、服务等全生命周期环节规律的模型化、代码化、工具化，是工业知识、技术积累和经验体系的载体，是实现工业数字化、网络化、智能化的核心。简而言之，工业软件是算法的代码化，算法是对现实问题解决方案的抽象描述，仿真工具的核心是一套算法，排产计划的核心是一套算法，企业资源计划也是一套算法。 工业软件定义了信息物理系统，其本质是要打造“状态感知-实时分析-科学决策-精准执行”的数据闭环，构筑数据自动流动的规则体系，应对制造系统的不确定性，实现制造资源的高效配置。 与人体类比，工业软件代表了信息物理系统的思维认识，是感知控制、信息传输、分析决策背后的世界观、价值观和方法论，是通过长时间工作学习而形成的。
工业网络是连接工业生产系统和工业产品各要素的信息网络，通过工业现场总线、工业以太网、工业无线网络和异构网络集成等技术，能够实现工厂内各类装备、控制系统和信息系统的互联互通，以及物料、产品与人的无缝集成，并呈现扁平化、无线化、灵活组网的发展趋势。工业网络主要用于支撑工业数据的采集交换、集成处理、建模分析和反馈执行，是实现从单个机器、产线、车间到工厂的工业全系统互联互通的重要基础工具，是支撑数据流动的通道。物质（机械、如导线）连接、能量（物理场、如传感器）连接、信息（数字、如比特）连接、乃至意识（生物场，如思维）连接，为打造万物互联的世界提供了基础和前提。与人体类比，工业网络构成了经路脉络，可以像神经系统一样传递信息。
工业云和智能服务平台是高度集成、开放和共享的数据服务平台，是跨系统、跨平台、跨领域的数据集散中心、数据存储中心、数据分析中心和数据共享中心，基于工业云服务平台推动专业软件库、应用模型库、产品知识库、测试评估库、案例专家库等基础数据和工具的开发集成和开放共享，实现生产全要素、全流程、全产业链、全生命周期管理的资源配置优化，以提升生产效率、创新模式业态，构建全新产业生态。 这将带来产品、机器、人、业务从封闭走向开放，从独立走向系统，将重组客户、供应商、销售商以及企业内部组织的关系，重构生产体系中信息流、产品流、资金流的运行模式，重建新的产业价值链和竞争格局。国际巨头正加快构建工业云和智能服务平台，向下整合硬件资源、向上承载软件应用，加快全球战略资源的整合步伐，抢占规则制定权、标准话语权、生态主导权和竞争制高点。与人体类比，工业云和智能服务平台构成了决策器官，可以像大脑一样接收、存储、分析数据信息，并分析形成决策。
系统之系统级（即SoS级）是多个系统级CPS的有机组合，涵盖了“一硬、一软、一网、一平台” 四大要素。 SoS级CPS通过大数据平台，实现了跨系统、跨平台的互联、互通和互操作，促成了多源异构数据的集成、交换和共享的闭环自动流动，在全局范围内实现信息全面感知、深度分析、科学决策和精准执行。 基于大数据平台，通过丰富开发工具、开放应用接口、共享数据资源、建设开发社区，加快各类工业APP和平台软件的快速发展，形成一个赢者通吃的多边市场，构建一个新的产业生态。 西门子Mindsphere、 GE Predix以及海尔COSMO、 PTC的ThingWorx等软件和大数据平台，通过实现横向、纵向和端到端集成，形成了开放、协同、共赢的产业新生态，体现了SoS级CPS的发展方向。
实体制造和虚拟制造的统一。 ICT对人类社会带来的重大变革是创造一个新世界：信息空间。制造业数字化、网络化、智能化的过程，是在信息空间重建制造流程，并基于此不断提升制造效率的过程。未来制造，将是基于信息物理系统的制造，将是数据驱动、软件定义、平台支撑的制造，将是实体制造与虚拟制造实时交互的制造，无论是产品、设备、工艺流程都将以数字双胞胎的形态出现。虚拟制造的应用，将会经历从碎片化到一体化、从局部到全局、从静态到动态的过程，逐渐涵盖研发设计、制造过程、服务运营的全流程。
信息物理系统技术演进正处于新旧融合、快速迭代、多方博弈的新阶段，当前要以“一硬、一软、一网、一平台”为重点，加大支持力度，推进关键技术研发和产业化。
- 一是提升感知与自动控制产业支撑能力，突破核心芯片、驱动器、现场总线、工业以太网等关键器件和技术的发展瓶颈，加快推动智能传感器、可编程逻辑控制器、分布式控制系统、数据采集与监控系统等研发和产业化。
- 二是实施工业技术软件化工程，促进软件技术与工业技术深度融合，重点突破工业嵌入式软件、制造执行系统等传统工业软件，虚拟仿真、工业数据分析等新型工业软件，提升工业软件的集成应用能力。
- 三是建设工业云和智能服务平台，围绕智能装备接入工业云的数据采集、网络连接和调度管理等重点环节，突破通信协议、数据接口、数据分析等关键技术，提升工业云平台系统解决方案供给能力，推动工业设计模型、数字化模具、产品和装备维护知识库等制造资源向全社会的开放共享，鼓励培育基于平台的新型生产组织模式。
- 四是推动工业网络发展，制定工业互联网总体体系架构方案，明确关键技术路径，加快IPv6、泛在无线等技术在工厂内部网络的部署，推动软件定义网络、 5G等技术在网络基础设施中的应用。
数据流动环节
实现数据的自动流动具体来说需要经过四个环节，分别是：状态感知、实时分析、科学决策、精准执行。大量蕴含在物理空间中的隐性数据经过状态感知被转化为显性数据，进而能够在信息空间进行计算分析，将显性数据转化为有价值的信息。不同系统的信息经过集中处理形成对外部变化的科学决策，将信息进一步转化为知识。最后以更为优化的数据作用到物理空间，构成一次数据的闭环流动。具体来说：
- 状态感知：是对外界状态的数据获取。生产制造过程中蕴含着大量的隐性数据，这些数据暗含在实际过程中方方面面，如物理实体的尺寸、运行机理，外部环境的温度、液体流速、压差等。状态感知通过传感器、物联网等一些数据采集技术，将这些蕴含在物理实体背后的数据不断的传递到信息空间，使得数据不断“可见”，变为显性数据。状态感知是对数据的初级采集加工，是一次数据自动流动闭环的起点，也是数据自动流动的源动力
- 实时分析：是对显性数据的进一步理解。是将感知的数据转化成认知的信息的过程，是对原始数据赋予意义的过程，也是发现物理实体状态在时空域和逻辑域的内在因果性或关联性关系的过程。大量的显性数据并不一定能够直观的体现出物理实体的内在联系。这就需要经过实时分析环节，利用数据挖掘、机器学习、聚类分析等数据处理分析技术对数据进一步分析估计使得数据不断“透明”，将显性化的数据进一步转化为直观可理解的信息。此外，在这一过程中，人的介入也能够为分析提供有效的输入。
- 科学决策：是对信息的综合处理。决策是根据积累的经验、对现实的评估和对未来的预测，为了达到明确的目的，在一定的条件约束下，所做的最优决定。在这一环节CPS能够权衡判断当前时刻获取的所有来自不同系统或不同环境下的信息，形成最优决策来对物理空间实体进行控制。分析决策并最终形成最优策略是CPS的核心关键环节。这个环节不一定在系统最初投入运行时就能产生效果，往往在系统运行一段时间之后逐渐形成一定范围内的知识。对信息的进一步分析与判断，使得信息真正的转变成知识，并且不断地迭代优化形成系统运行、产品状态、企业发展所需的知识库。
- 精准执行:是对决策的精准物理实现。在信息空间分析并形成的决策最终将会作用到物理空间，而物理空间的实体设备只能以数据的形式接受信息空间的决策。因此，执行的本质是将信息空间产生的决策转换成物理实体可以执行的命令，进行物理层面的实现。输出更为优化的数据，使得物理空间设备运行的更加可靠，资源调度更加合理，实现企业高效运营，各环节智能协同效果逐步优化。
- 螺旋上升：数据在自动流动的过程中逐步由隐性数据转化为显性数据，显性数据分析处理成为信息，信息最终通过综合决策判断转化为有效的知识并固化在CPS中，同时产生的决策通过控制系统转化为优化的数据作用到物理空间，使得物理空间的物理实体朝向资源配置更为优化的方向发展。从这一层面来看，数据自动流动应是以资源优化为最终目标“螺旋式”上升的过程。
技术体系
CPS技术体系如下图:
技术体系主要分为CPS总体技术、 CPS支撑技术、 CPS核心技术。
- CPS总体技术主要包括系统架构、异构系统集成、安全技术、试验验证技术等，是CPS的顶层设计技术；
- CPS支撑技术主要包括智能感知、嵌入式软件、数据库、人机交互、中间件、 SDN（软件定义网络）、物联网、大数据等，是基于CPS应用的支撑；
- CPS核心技术主要包括虚实融合控制、智能装备、 MBD、数字孪生技术、现场总线、工业以太网、 CAXMESERPPLMCRMSCM等，是CPS的基础技术。
上述技术体系可以分为四大核心技术要素即“一硬”（感知和自动控制）、“一软”（工业软件）、“一网”（工业网络）、“一平台”（工业云和智能服务信息物理系统白皮书27平台）”。
- 其中感知和自动控制是CPS实现的硬件支撑；
- 工业软件固化了CPS计算和数据流程的规则，是CPS的核心；
- 工业网络是互联互通和数据传输的网络载体；
- 工业云和智能服务平台是CPS数据汇聚和支撑上层解决方案的基础，对外提供资源管控和能力服务。
工业云和智能服务平台
工业云和智能服务平台通过边缘计算技术、雾计算技术、大数据分析技术等技术进行数据的加工处理，形成对外提供数据服务的能力，并在数据服务基础上提供个性化和专业化智能服务，如下图
- 边缘计算：边缘计算指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，就近提供边缘智能服务，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。对于SoS级CPS，其每一个CPS组成均具有计算和通信功能，通过每一个CPS的边缘计算，数据在边缘侧就能解决，更适合实时的数据分析和智能化处理。边缘计算聚焦实时、短周期数据的分析，具有安全、快捷、易于管理等优势，能更好地支撑CPS单元的实时智能化处理与执行，满足网络的实时需求，从而使计算资源更加有效地得到利用。此外，边缘计算虽靠近执行单元，但同时也是是云端所需高价值数据的采集单元，可以更好地支撑云端的智能服务。
- 雾计算：CPS是复杂控制系统，局域型的CPS对于每个CPS组成也需要进行协同计算，从而对组成CPS单元协同控制。雾计算将数据、数据处理和应用程序集中在网络边缘的设备中，数据的存储及处理更依赖本地设备，而非服务器。雾计算是新一代的分布式计算，在CPS中应用分布式的雾计算，通过智能路由器等设备和技术手段，在不同设备之间组成数据传输带，可以有效减少网络流量，数据中心的计算负荷也相应减轻。雾计算可以作为产品CPS或系统CPS之间的计算处理，以应对网络产生的大量数据——运用处理程序对这些数据进行预处理，以提升其使用价值。雾计算不仅可以解决联网设备自动化的问题，更关键的是，它对数据传输量的要求更小。
- 大数据分析：大数据分析技术将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，给企业带来了更快的速度、更高的效率和更深远的洞察力。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、工业企业供应链优化和产品精准营销等诸多方面。工业云和智能服务平台所支持的CPS技术，可以通过大数据分析来实现上述创新。例如，有效地分析产品大数据，通过系统地收集研发数据和分析建模，以新的算法来优化、控制和稳定产品研发质量，以此来实现产品创新；有效地分析高
频、海量的运维大数据，可以确定产品的工作状态，发现零部件更换与维护的规律，由事后发现问题、解决问题而做到事先避免问题，以此来实现产品故障诊断与预测式运维服务。对来自社交网络的商业大数据的分析，可以从数据中观察到人们复杂的社会行为模式，通过数据挖掘，找到用户的产品使用习惯、喜好和实际需求，以调整优化产品，为客户提供更高满意度的产品与服务，以此来实现产品精准营销。
应用场景
- 智能生产：传统生产制造模式中的生产设备分散，而且特殊设备处于高危区域中，所以造成生产设备的操作、监测、管理等极为不便。此外，因设备与设备之间的不能通信而造成生产制造过程缺乏协同性，从而出现设备闲置或设备不足的现象，造成生产资源及生产能力分配不合理和浪费。另一方面，由于缺乏数据传导渠道和工具，对生产制造过程中的状态、数据、信息很难进行传输和分析。因此，生产过程的管理和控制缺乏数据信息等决策依据的支撑，管理者的意志难以准确传递和执行。这样会造成资源调度和生产规划的不合理，并阻碍生产制造效率和质量的提高。
- 解决方案：CPS通过软硬件配合，可以完成物理实体与环境、物理实体之间（包括设备、人等）的感知、分析、决策和执行。设备将在统一的接口协议或者接口转化标准下连接，形成具有通信、精确控制、远程协调能力的网络。通过实时感知分析数据信息，并将分析结果固化为知识、规则保存到知识库、规则库中。知识库和规则库中的内容，一方面帮助企业建立精准、全面的生产图景，企业根据所呈现的信息可以在最短时间内掌握生产现场的变化，从而作出准确判断和快速应对，在出现问题时得到快速合理的解决；另一方面也可以在一定的规则约束下，将知识库和规则库中的内容分析转化为信息，通过设备网络进行自主控制，实现资源的合理优化配置与协同制造。
- 智能服务:伴随着新工业革命的到来，先进制造模式和技术不断深化，用户在高精度和制造高效率方面的需求越来越突出，带来的是装备越来越智能化、产品模块越来越集成化，从而生产过程的精密性、自动化、数字化、智能化程度越来越高。企业大幅度提高生产效率的同时也面临着装备运行复杂、使用难度日益增大的困扰，这些无疑会对企业的管理和服务带来巨大挑战。
- 对装备应用企业来讲，需要将传统的集中式控制向分布式控制转变。装备进入制造企业成为了企业经营要素，企业的目标是通过较低成本投入能够高效生产出高品质的产品。将智能装备与关联的其他装备、相关软件等要素有机的融合，配合基于大数据的先进管理才可能实现，但是大量、多样的智能装备和产品融入，必然会产生各类海量的多样化、碎片化信息，并且会贯穿到各个环节，这必然会给传统制造模式在运营管理、维护等方面带来严峻挑战。对装备制造企业来说，装备的复杂性、故障原因的多样性，增加了自身和使用者故障解决的周期和成本，特别是大型复杂的协同运行环境中，各装备的维护活动不能独立进行，更是加大了系统管理、维护、故障处理的难度和复杂度，加重企业负担。智能化的普及带来传统企业管理复杂的问题，管理的各个环节都是碎片化管理，装备间、系统间、使用者等攸关方不能互联互通，协同优化。企业需要能够保证装备在协同优化、健康管理、远程诊断、智能维护、共享服务等方面进行高效应用。利用CPS数据驱动、虚实映射、系统自治等应用特征，为解决上述需求提供了有效的手段。
- 解决方案：通过在自身或是相关要素搭载具有感知、分析、控制能力的智能系统，采用恰当的频率对人、机、料、法、环数据进行感知、分析和控制，运用工业大数据、机器学习、 PHM、人工智能等技术手段，帮助企业解决装备健康监测、预防维护等问题，实现“隐形数据-显性数据-信息-知识”的循环优化。同时通过将不同的“小”智能系统按需求进行集成，构建一个面向群体或是SoS的装备的工业数据分析与信息服务平台，对群体装备间的相关多源信息进行大数据分析、挖掘，实现群体、 SoS之间数据和知识的共享优化，解决远程诊断、协同优化、共享服务等问题，同时通过云端的知识挖掘、积累、组织和应用，构建具有自成长能力的信息空间，实现“数据-知识-应用-数据”。通过CPS按照需要形成本地与远程云服务相互协作、个体与群体（个体）、群体与系统的相互协同一体化工业云服务体系，能够更好地服务于生产，实现智能装备的协同优化，支持企业用户经济性、安全性和高效性经营目标落地。
- 健康管理：将CPS与装备管理相结合，通过应用建模、仿真测试、验证等技术建立装备健康评估模型，在数据融合的基础上搭建具备感知网络的智能应用平台，实现装备虚拟健康管理。通过智能分析平台对装备运行状态进行实时的感知与监测，并实时应用健康评估模型进行分析预演及评估，将运行决策和维护建议反馈到控制系统，为装备最优使用和及时维护提供自主认知、学习、记忆、重构的能力，实现装备健康管理。
- 智能维护：应用建模、仿真测试及验证等技术，基于装备虚拟健康的预测性智能维护模型，构建装备智能维护CPS系统。通过采集装备的实时运行数据，将相关的多源信息融合，进行装备性能、安全、状态等特性分析，预测装备可能出现的异常状态，并提前对异常状态采取恰当的预测性维护。装备智能维护CPS系统突破传统的阈值报警和穷举式专家知识库模式，依据各装备实际活动产生的数据进行独立化的数据分析与利用，提前发现问题并处理，延长资产的正常运行时间
- 远程征兆性诊断：传统的装备售后服务模式下，装备发生故障时需要等待服务人员到现场进行维修，将极大程度影响生产进度，特别是大型复杂制造系统的组件装备发生故障时，维修周期长，更是增加了维修成本。在CPS应用场景下，当装备发生故障时，远程专家可以调取装备的报警信息、日志文件等数据，在虚拟的设备健康诊断模型中进行预演推测，实现远程的故障诊断并及时、快速地解决故障，从而减少停机时间并降低维修成本。
- 协同优化：CPS通过搭建感知网络和智能云分析平台，构建装备的全生命周期核心信息模型，并按照能效、安全、效率、健康度等目标，通过对核心部件和过程特征等在虚拟空间进行预测推演，结合不同策略下的预期标尺线，从而筛选出最佳决策建议，为装备使用提供辅助决策，从而实现装备的最佳应用。以飞机运营为例，运营中对乘客人数、飞行时间、飞行过程环境数据、降落数据、机场数据等数据的采集，同步共享给相关方：飞机设计与制造部门通过飞机虚拟模拟模型推演出最优方案指导飞机操作人员、航空运营商提供最优路线方案给地勤运营等。