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
在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24