京公网安备 11010802034615号
经营许可证编号:京B2-20210330
解读工业与物联网,云计算和大数据的关系
互联网新概念层出不穷,在云计算,物联网,大数据火热之后,工业4.0在2014年受到越来越多的关注,在2015年成为新的热点之前,我们有必要了解这个新概念究竟是什么含义,它和其他互联网概念间到底是什么关系。
2013年4月,德国政府在2013年4月的汉诺威工业博览会上正式推出提出“工业4.0”战略,其目的是为了提高德国工业的竞争力,在新一轮工业革命中占领先机。
德国学术界和产业界认为,“工业4.0”概念即是以智能制造为主导的第四次工业革命,或革命性的生产方法。该战略旨在通过充分利用信息通讯技术和网络空间虚拟系统—信息物理系统(Cyber-Physical System)[5] 相结合的手段,将制造业向智能化转型。
德国的工业4.0没有明确指出它与互联网有什么关系,通俗的说,就是无数个行业被互联网浪潮冲击后,互联网开始改造工业制造业了。
我们在2007年发表的互联网进化论论文中提出“互联网将向着与人类大脑高度相似的方向进化,它将具备自己的视觉、听觉、触觉、运动神经系统,也会拥有自己的记忆神经系统、中枢神经系统、自主神经系统,也就是是说,互联网正在形成一个互联网大脑”,并绘制了下列互联网未来结构图.
2014年我们曾经用这幅图分析了物联网,云计算,大数据与互联网的关系:
1.物联网是互联网大脑的感觉神经系统,因为物联网重点突出了传感器感知的概念,同时它也具备网络线路传输,信息存储和处理,行业应用接口等功能。而且也往往与互联网共用服务器,网络线路和应用接口,使人与人(Human ti Human ,H2H),人与物(Human to thing,H2T)、物与物( Thing to Thing,T2T)之间的交流变成可能,最终将使人类社会、信息空间和物理世界(人机物)融为一体
2.云计算是互联网大脑的中枢神经系统,在互联网虚拟大脑的架构中,,互联网虚拟大脑的中枢神经系统是将互联网的核心硬件层,核心软件层和互联网信息层统一起来为互联网各虚拟神经系统提供支持和服务,从定义上看,云计算与互联网虚拟大脑中枢神经系统的特征非常吻合。在理想状态下,物联网的传感器和互联网的使用者通过网络线路和计算机终端与云计算进行交互,向云计算提供数据,接受云计算提供的服务。
3.大数据是互联网智慧和意识产生的基础,也是互联网梦境时代到来的源泉,随着互联网大脑的日臻成熟,虚拟现实技术开始进入到一个全新的时期,与传统虚拟现实不同,这一全新时期不再是虚拟图像与现实场景的叠加(AR),也不是看到眼前巨幕展现出来的三维立体画面(VR)。它开始与大数据、人工智能结合得更加紧密,以庞大的数据量为基础,让人工智能服务于虚拟现实技术,使人们在其中获得真实感和交互感,让人类大脑产生错觉,将视觉、听觉、嗅觉、运动等神经感觉与互联网梦境系统相互作用,在清醒的状态下产生梦境感(Real dream),可以形成如下这幅图:
从这幅图中我们也同样可以看出工业4.0或工业互联网本质上是互联网运动神经系统的萌芽,互联网中枢神经系统也就是云计算中的软件系统控制工业企业的生产设备,家庭的家用设备,办公室的办公设备,通过智能化,3D打印,无线传感等技术使的机械设备成为互联网大脑改造世界的工具。同时这些智能制造和智能设备也源源不断向互联网大脑反馈大数据数,供互联网中枢神经系统决策使用。
总体看,西方企业和理论界不断提出互联网新概念,还比较割裂,但实质上,无论是物联网,云计算,大数据,移动互联网还是工业4.0依然是互联网未来发展的一部分。它们起到不同的作用。
由于中国在互联网领域日趋发达,与中国先进制造业结合,互联网运动神经系统的发育,中国必然会强于德国甚至追赶美国。目前舆论界宣传的德国工业4.0要甩开中国,工业4.0要取代淘宝和天猫,明显是风牛马不相及的事情,充斥了炒作的嫌疑。
补充材料:
工业互联网与工业4.0类似,2013年6月,GE提出了工业互联网革命(Industrial Internet Revolution),伊梅尔特在其演讲中称,一个开放、全球化的网络,将人、数据和机器连接起来。工业互联网的目标是升级那些关键的工业领域。如今在全世界有数百万种机器设备,从简单的电动摩托到高尖端的MRI(核磁共振成像)机器。有数万种复杂机械的集群,从发电的电厂到运输的飞机。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26