https://liangweidonggood.github.io/tags/%E6%96%B0%E6%8A%80%E6%9C%AF/Recent content in 新技术 on Liangweidong's blogHugo -- gohugo.iozh-cnMon, 01 Jan 2024 00:00:00 +0000https://liangweidonggood.github.io/p/13-wei-lai-xin-xi-zong-he-ji-shu/Mon, 01 Jan 2024 00:00:00 +0000https://liangweidonggood.github.io/p/13-wei-lai-xin-xi-zong-he-ji-shu/<h1 id="13-未来信息综合技术基于第13小时">13-未来信息综合技术（基于第13小时） </h1> <blockquote> <p>软考-系统架构设计师 | 第3篇 架构设计高级知识 出题形式：单项选择题 + 下午案例分析题 分值占比：约 3-5 分（选择），案例分析 25 分</p> </blockquote> <hr> <h2 id="0-考点分析">0. 考点分析 </h2><p>本小时覆盖未来信息技术，包括 CPS、人工智能、机器人、边缘计算、数字孪生、云计算和大数据。</p> <p><strong>考试特点</strong>：</p> <ul> <li>选择题 3-5 分（概念必考：CPS 四要素、机器学习分类、云计算服务方式）</li> <li>案例分析题偶尔涉及</li> <li>论文题素材来源（边缘计算应用、CPS 建设路径）</li> </ul> <h2 id="1-核心知识点">1. 核心知识点 </h2><h3 id="11-信息物理系统cps">1.1 信息物理系统（CPS） </h3><h4 id="cps-概念">CPS 概念 </h4><ul> <li><strong>全称</strong>：Cyber-Physical System（信息物理系统）</li> <li><strong>起源</strong>：1992 年由美国国家航空航天局提出，科学家海伦·吉尔详细描述</li> <li><strong>本质</strong>：是控制系统、嵌入式系统的扩展与延伸</li> <li><strong>作用</strong>：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<strong>物理空间与信息空间</strong>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</li> </ul> <p><strong>CPS 本质</strong>：</p> <ul> <li>构建<strong>信息空间与物理空间之间基于数据自动流动</strong>的</li> <li>状态感知 → 实时分析 → 科学决策 → 精准执行 的<strong>闭环赋能体系</strong></li> <li>解决生产制造、应用服务过程中的复杂性和不确定性问题</li> </ul> <h4 id="cps-体系结构">CPS 体系结构 </h4><p><strong>3 个层级</strong>：</p> <ol> <li><strong>单元级</strong></li> <li><strong>系统级</strong></li> <li><strong>SOS 级</strong>（System of Systems，系统的系统）</li> </ol> <h4 id="cps-技术体系3-类">CPS 技术体系（3 类） </h4><ol> <li><strong>CPS 总体技术</strong>（顶层设计技术）</li> <li><strong>CPS 支撑技术</strong>（基于应用支撑）</li> <li><strong>CPS 核心技术</strong>（基础技术）</li> </ol> <h4 id="cps-四大核心技术要素-必考">CPS 四大核心技术要素（⭐⭐⭐ 必考） </h4><table> <thead> <tr> <th>要素</th> <th>内容</th> <th>作用</th> </tr> </thead> <tbody> <tr> <td><strong>一硬</strong></td> <td><strong>感知和自动控制</strong></td> <td>CPS 实现的<strong>硬件支撑</strong></td> </tr> <tr> <td><strong>一软</strong></td> <td><strong>工业软件</strong></td> <td><strong>CPS 核心</strong></td> </tr> <tr> <td><strong>一网</strong></td> <td><strong>工业网络</strong></td> <td><strong>网络载体</strong></td> </tr> <tr> <td><strong>一平台</strong></td> <td><strong>工业云和智能服务平台</strong></td> <td>支撑上层解决方案的<strong>基础</strong></td> </tr> </tbody> </table> <p><strong>记忆口诀</strong>：</p> <ul> <li>硬 = 感知控制（硬件）</li> <li>软 = 工业软件（核心）</li> <li>网 = 工业网络（载体）</li> <li>平台 = 工业云 + 智能服务（基础）</li> </ul> <h4 id="cps-典型应用场景">CPS 典型应用场景 </h4><table> <thead> <tr> <th>场景</th> <th>应用</th> </tr> </thead> <tbody> <tr> <td>智能设计</td> <td>产品及工艺设计、生产线/工厂设计</td> </tr> <tr> <td>智能生产</td> <td>设备管理、生产管理、柔性制造</td> </tr> <tr> <td>智能服务</td> <td>健康管理、智能维护、远程征兆诊断、协同优化、共享服务</td> </tr> <tr> <td>智能应用</td> <td>无人装备、产业链互动、价值链共赢</td> </tr> </tbody> </table> <h4 id="cps-建设路径">CPS 建设路径 </h4><p><strong>4 步走</strong>：CPS 体系设计 → <strong>单元级 CPS 建设</strong> → <strong>系统级 CPS 建设</strong> → <strong>SOS 级 CPS 建设</strong></p> <h3 id="12-人工智能技术">1.2 人工智能技术 </h3><h4 id="ai-概念">AI 概念 </h4><ul> <li><strong>定义</strong>：利用数字计算机或数字计算机控制的机器<strong>模拟、延伸和扩展人的智能</strong>，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统</li> <li><strong>分类</strong>： <ul> <li><strong>弱人工智能</strong>：不能真正实现推理、思考和解决问题</li> <li><strong>强人工智能</strong>：真正实现推理、思考和解决问题</li> </ul> </li> </ul> <h4 id="ai-发展历程">AI 发展历程 </h4><p>图灵测试 → &ldquo;人工智能&quot;术语 → 机器学习 → 专家系统 → 计算机战胜双陆棋世界冠军 → 决策树模型和神经网络 → IBM 深蓝战胜国际象棋世界冠军 → 深度学习 → 爆发式发展</p> <h4 id="ai-6-大关键技术">AI 6 大关键技术 </h4><table> <thead> <tr> <th>技术</th> <th>应用</th> </tr> </thead> <tbody> <tr> <td><strong>自然语言处理</strong></td> <td>机器翻译、语义理解、问答系统</td> </tr> <tr> <td><strong>计算机视觉</strong></td> <td>自动驾驶、机器人、智能医疗</td> </tr> <tr> <td><strong>知识图谱</strong></td> <td>反欺诈、不一致性验证、组团欺诈（公共安全保障）</td> </tr> <tr> <td><strong>人机交互</strong></td> <td>传统基本交互、图形、语音、情感、体感、脑机交互</td> </tr> <tr> <td><strong>虚拟现实 / 增强现实</strong></td> <td>生成与真实环境在视觉/听觉等方面高度近似的数字化环境</td> </tr> <tr> <td><strong>机器学习</strong></td> <td>见下文</td> </tr> </tbody> </table> <h4 id="机器学习分类">机器学习分类 </h4><h5 id="按学习模式分4-种">按学习模式分（4 种） </h5><table> <thead> <tr> <th>模式</th> <th>特点</th> <th>典型场景</th> </tr> </thead> <tbody> <tr> <td><strong>监督学习</strong></td> <td><strong>需提供标注的样本集</strong></td> <td>分类、回归</td> </tr> <tr> <td><strong>无监督学习</strong></td> <td><strong>不需提供标注的样本集</strong></td> <td>聚类、降维</td> </tr> <tr> <td><strong>半监督学习</strong></td> <td>需提供<strong>少量</strong>标注的样本集</td> <td>大部分数据无标签场景</td> </tr> <tr> <td><strong>强化学习</strong></td> <td><strong>需反馈机制</strong></td> <td>游戏 AI、机器人控制</td> </tr> </tbody> </table> <h5 id="按学习方法分">按学习方法分 </h5><table> <thead> <tr> <th>方法</th> <th>特点</th> </tr> </thead> <tbody> <tr> <td><strong>传统机器学习</strong></td> <td><strong>需手动完成</strong>（特征工程）</td> </tr> <tr> <td><strong>深度学习</strong></td> <td><strong>需大量训练数据集和强大 GPU 服务器提供算力</strong></td> </tr> </tbody> </table> <h5 id="机器学习常见算法">机器学习常见算法 </h5><p>迁移学习、主动学习、演化学习</p> <h3 id="13-机器人技术">1.3 机器人技术 </h3><h4 id="机器人的定义3-要素">机器人的定义（3 要素） </h4><ul> <li>具<strong>脑</strong>、<strong>手</strong>、<strong>脚</strong>三要素个体</li> <li>具有<strong>非接触传感器</strong>和<strong>接触传感器</strong></li> <li>具有<strong>平衡觉</strong>和<strong>固定觉</strong>的传感器</li> </ul> <h4 id="机器人发展历程3-代">机器人发展历程（3 代） </h4><ol> <li><strong>第一代</strong>：示教再现型机器人</li> <li><strong>第二代</strong>：感觉型机器人</li> <li><strong>第三代</strong>：智能型机器人</li> </ol> <h4 id="机器人-40-核心技术5-项">机器人 4.0 核心技术（5 项） </h4><ol> <li><strong>云—边—端的无缝协同计算</strong></li> <li><strong>持续学习与协同学习</strong></li> <li><strong>知识图谱</strong></li> <li><strong>场景自适应</strong></li> <li><strong>数据安全</strong></li> </ol> <h4 id="机器人分类">机器人分类 </h4><table> <thead> <tr> <th>维度</th> <th>类型</th> </tr> </thead> <tbody> <tr> <td><strong>按控制方式</strong></td> <td>操作机器人、程序机器人、示教再现机器人、智能机器人、综合机器人</td> </tr> <tr> <td><strong>按应用行业</strong></td> <td>工业机器人、服务机器人、特殊领域机器人</td> </tr> </tbody> </table> <h3 id="14-边缘计算">1.4 边缘计算 </h3><h4 id="边缘计算概念">边缘计算概念 </h4><ul> <li><strong>基本思想</strong>：将数据的处理、应用程序的运行以及一些功能服务的实现，由<strong>网络中心下放到网络边缘节点</strong>上</li> </ul> <h4 id="边缘计算的多种定义">边缘计算的多种定义 </h4><table> <thead> <tr> <th>来源</th> <th>定义</th> </tr> </thead> <tbody> <tr> <td><strong>边缘计算产业联盟</strong></td> <td>云计算在数据中心之外汇聚节点的延伸和演进，包括<strong>云边缘、边缘云和云化网关</strong>三类落地形态；以&rdquo;<strong>边云协同</strong>&ldquo;和&rdquo;<strong>边缘智能</strong>&ldquo;为核心和发展方向</td> </tr> <tr> <td><strong>OpenStack 社区</strong></td> <td>为应用开发者和服务提供商在<strong>网络边缘侧提供云服务和 IT 环境服务</strong>，目标是在靠近数据输入或用户的地方提供计算、存储和网络带宽</td> </tr> <tr> <td><strong>ISO/IEC JTC1/SC38</strong></td> <td>在靠近物或数据源头的<strong>网络边缘侧</strong>，融合网络、计算、存储、应用核心能力的开放平台，<strong>就近提供边缘智能服务</strong></td> </tr> <tr> <td><strong>国际标准组织</strong></td> <td>提供移动网络边缘 IT 服务和计算能力，<strong>靠近移动用户</strong></td> </tr> </tbody> </table> <h4 id="边缘计算-4-大特点">边缘计算 4 大特点 </h4><ol> <li><strong>联接性</strong>：所联接物理对象的多样性及应用场景的多样性，需要边缘计算具备丰富的联接功能（各种网络接口、网络协议等）</li> <li><strong>数据第一入口</strong>：边缘计算拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造</li> <li><strong>约束性</strong>：需适配工业现场相对恶劣的工作条件与运行环境（功耗、成本、空间）</li> <li><strong>分布性</strong>：边缘计算实际部署天然具备分布式特征</li> </ol> <h4 id="边云协同6-个维度">边云协同（6 个维度） </h4><table> <thead> <tr> <th>协同维度</th> <th>边缘节点</th> <th>云端</th> </tr> </thead> <tbody> <tr> <td><strong>资源协同</strong></td> <td>提供计算、存储、网络、虚拟化等基础设施资源</td> <td>资源调度管理策略</td> </tr> <tr> <td><strong>数据协同</strong></td> <td>现场/终端数据采集、初步处理与分析</td> <td>海量数据存储、分析与价值挖掘</td> </tr> <tr> <td><strong>智能协同</strong></td> <td><strong>执行推理</strong>，实现分布式智能</td> <td><strong>开展模型训练</strong>，并将模型下发边缘节点</td> </tr> <tr> <td><strong>应用管理协同</strong></td> <td>提供应用部署与运行环境</td> <td>应用开发、测试环境、应用生命周期管理</td> </tr> <tr> <td><strong>业务管理协同</strong></td> <td>模块化、微服务化的应用/数字孪生/网络实例</td> <td>按客户需求实现应用/数字孪生/网络等的业务编排能力</td> </tr> <tr> <td><strong>服务协同</strong></td> <td>按云端策略实现部分 ECSaaS 服务</td> <td>SaaS 服务在云端和边缘节点的服务分布策略</td> </tr> </tbody> </table> <h4 id="边缘安全">边缘安全 </h4><ul> <li>价值体现：提供<strong>可信的基础设施</strong>、为边缘应用提供可信赖的安全服务、提供安全可信的网络和覆盖</li> </ul> <h4 id="边缘计算应用场合">边缘计算应用场合 </h4><p>智慧园区、安卓云与云游戏、视频监控、工业物联网、Cloud VR</p> <h3 id="15-数字孪生体技术">1.5 数字孪生体技术 </h3><h4 id="数字孪生体定义">数字孪生体定义 </h4><ul> <li><strong>定义</strong>：数字孪生体是<strong>现有或将有的物理实体对象的数字模型</strong></li> <li>通过<strong>实测、仿真和数据分析</strong>来实时感知、诊断、预测物理实体对象的状态</li> <li>通过优化和指令来调控物理实体对象的行为</li> <li>通过相关数字模型间的相互学习来进化自身</li> <li>同时改进利益相关方在物理实体对象生命周期内的决策</li> </ul> <h4 id="关键技术">关键技术 </h4><p><strong>3 大核心技术</strong>：</p> <ol> <li><strong>建模</strong></li> <li><strong>仿真</strong></li> <li><strong>基于数据融合的数字线程</strong></li> </ol> <h4 id="应用领域">应用领域 </h4><p><strong>4 大领域</strong>：制造、产业、城市、战场</p> <h3 id="16-云计算和大数据技术">1.6 云计算和大数据技术 </h3><h4 id="云计算概述">云计算概述 </h4><ul> <li>&ldquo;云计算&quot;是同时描述一个<strong>系统平台</strong>或<strong>一类应用程序</strong>的术语</li> </ul> <h4 id="云计算的-3-种服务方式-必考">云计算的 3 种服务方式（⭐⭐⭐ 必考） </h4><table> <thead> <tr> <th>服务方式</th> <th>缩写</th> <th>说明</th> </tr> </thead> <tbody> <tr> <td><strong>软件即服务</strong></td> <td><strong>SaaS</strong></td> <td>服务提供商将应用软件<strong>统一部署</strong>在云计算服务器上</td> </tr> <tr> <td><strong>平台即服务</strong></td> <td><strong>PaaS</strong></td> <td>服务提供商将<strong>分布式开发环境与平台</strong>作为一种服务来提供</td> </tr> <tr> <td><strong>基础设施即服务</strong></td> <td><strong>IaaS</strong></td> <td>服务提供商将多台服务器组成&rdquo;<strong>云端</strong>&ldquo;基础设施作为计量服务提供给客户</td> </tr> </tbody> </table> <p><strong>记忆口诀</strong>：从上到下是 SaaS→PaaS→IaaS（用户控制范围递减）</p> <h4 id="云计算的部署模式">云计算的部署模式 </h4><p><strong>4 种模式</strong>：</p> <ul> <li><strong>公有云</strong></li> <li><strong>社区云</strong></li> <li><strong>私有云</strong></li> <li><strong>混合云</strong></li> </ul> <h4 id="大数据分析步骤5-步">大数据分析步骤（5 步） </h4><ol> <li><strong>数据获取/记录</strong></li> <li><strong>信息抽取/清洗/注记</strong></li> <li><strong>数据集成/聚集/表现</strong></li> <li><strong>数据分析/建模</strong></li> <li><strong>数据解释</strong></li> </ol> <h4 id="大数据应用领域">大数据应用领域 </h4><p><strong>4 大领域</strong>：制造业、服务业、交通行业、医疗行业</p> <h2 id="2-关键概念速查">2. 关键概念速查 </h2><table> <thead> <tr> <th>概念</th> <th>定义/说明</th> <th>常见考点</th> </tr> </thead> <tbody> <tr> <td>CPS</td> <td>信息物理系统，1992 年 NASA 提出</td> <td>一硬一软一网一平台</td> </tr> <tr> <td>一硬</td> <td>感知和自动控制（硬件支撑）</td> <td>CPS 4 要素</td> </tr> <tr> <td>一软</td> <td>工业软件（CPS 核心）</td> <td>CPS 4 要素</td> </tr> <tr> <td>一网</td> <td>工业网络（网络载体）</td> <td>CPS 4 要素</td> </tr> <tr> <td>一平台</td> <td>工业云和智能服务平台（基础）</td> <td>CPS 4 要素</td> </tr> <tr> <td>弱 AI</td> <td>不能真正实现推理、思考和解决问题</td> <td>vs 强 AI</td> </tr> <tr> <td>强 AI</td> <td>真正实现推理、思考和解决问题</td> <td>vs 弱 AI</td> </tr> <tr> <td>监督学习</td> <td>需提供标注的样本集</td> <td>机器学习分类</td> </tr> <tr> <td>无监督学习</td> <td>不需提供标注的样本集</td> <td>机器学习分类</td> </tr> <tr> <td>半监督学习</td> <td>需提供少量标注的样本集</td> <td>机器学习分类</td> </tr> <tr> <td>强化学习</td> <td>需反馈机制</td> <td>机器学习分类</td> </tr> <tr> <td>深度学习</td> <td>需大量训练数据 + GPU 算力</td> <td>vs 传统机器学习</td> </tr> <tr> <td>机器人 4.0 五技术</td> <td>云边端协同/持续学习/知识图谱/场景自适应/数据安全</td> <td>5 项核心</td> </tr> <tr> <td>边缘计算定义</td> <td>网络中心下放到网络边缘节点</td> <td>ISO/IEC 定义</td> </tr> <tr> <td>边云协同 6 维度</td> <td>资源/数据/智能/应用管理/业务管理/服务</td> <td>6 协同</td> </tr> <tr> <td>数字孪生体 3 技术</td> <td>建模、仿真、基于数据融合的数字线程</td> <td>3 核心技术</td> </tr> <tr> <td>数字孪生体 4 应用</td> <td>制造、产业、城市、战场</td> <td>4 大领域</td> </tr> <tr> <td>SaaS</td> <td>软件即服务</td> <td>3 种服务方式</td> </tr> <tr> <td>PaaS</td> <td>平台即服务</td> <td>3 种服务方式</td> </tr> <tr> <td>IaaS</td> <td>基础设施即服务</td> <td>3 种服务方式</td> </tr> <tr> <td>云计算 4 部署</td> <td>公有云/社区云/私有云/混合云</td> <td>4 种模式</td> </tr> <tr> <td>大数据 5 步骤</td> <td>记录→抽取→集成→分析→解释</td> <td>5 步流程</td> </tr> </tbody> </table> <h2 id="3-典型例题">3. 典型例题 </h2><h3 id="例题-1cps-四要素">例题 1（CPS 四要素） </h3><p><strong>题目</strong>：CPS 技术体系的四大核心技术要求中&quot;一平台&quot;是（ ）。</p> <ul> <li>A. 感知和自动控制</li> <li>B. 工业软件</li> <li>C. 工业网络</li> <li>D. 工业云和智能服务平台</li> </ul> <p><strong>答案</strong>：D</p> <p><strong>解析</strong>：</p> <ul> <li>一硬 = 感知和自动控制（硬件支撑）</li> <li>一软 = 工业软件（CPS 核心）</li> <li>一网 = 工业网络（网络载体）</li> <li><strong>一平台 = 工业云和智能服务平台</strong>（基础）</li> </ul> <hr> <h3 id="例题-2机器学习分类">例题 2（机器学习分类） </h3><p><strong>题目</strong>：人工智能的关键技术包括自然语言处理、计算机视觉、知识图谱、机器学习。机器学习分类中（ ）是利用已标记的有限训练数据集，通过某种学习策略/方法建立一个模型，从而实现对新数据/实例标记/映射。</p> <ul> <li>A. 监督学习</li> <li>B. 无监督学习</li> <li>C. 半监督学习</li> <li>D. 强化学习</li> </ul> <p><strong>答案</strong>：A</p> <p><strong>解析</strong>：<strong>监督学习</strong>需要提供<strong>已标记</strong>的训练样本集来建立模型；无监督学习不需标注；半监督学习只需少量标注；强化学习需反馈机制。</p> <hr> <h3 id="例题-3云计算服务方式">例题 3（云计算服务方式） </h3><p><strong>题目</strong>：云计算的服务方式不包括（ ）。</p> <ul> <li>A. 软件即服务</li> <li>B. 计算即服务</li> <li>C. 平台即服务</li> <li>D. 基础设施即服务</li> </ul> <p><strong>答案</strong>：B</p> <p><strong>解析</strong>：云计算的 3 种服务方式是 SaaS、PaaS、IaaS，<strong>没有&quot;计算即服务&rdquo;</strong>。</p> <hr> <h3 id="例题-4数字孪生体技术">例题 4（数字孪生体技术） </h3><p><strong>题目</strong>：数字孪生体的核心技术不包括（ ）。</p> <ul> <li>A. 建模</li> <li>B. 仿真</li> <li>C. 数据融合的数字线程</li> <li>D. 区块链</li> </ul> <p><strong>答案</strong>：D</p> <p><strong>解析</strong>：数字孪生体 3 大核心技术：<strong>建模、仿真、基于数据融合的数字线程</strong>，<strong>不含区块链</strong>。</p> <h2 id="4-高频考点">4. 高频考点 </h2><h3 id="41-必须记住的核心要点">4.1 必须记住的核心要点 </h3><ol> <li><strong>CPS 起源</strong>：1992 年 NASA 提出</li> <li><strong>CPS 本质</strong>：物理空间与信息空间的闭环赋能</li> <li><strong>CPS 4 大核心技术要素</strong>（必考）： <ul> <li>一硬（感知和自动控制）</li> <li>一软（工业软件）</li> <li>一网（工业网络）</li> <li>一平台（工业云和智能服务平台）</li> </ul> </li> <li><strong>CPS 3 层级</strong>：单元级、系统级、SOS 级</li> <li><strong>CPS 建设路径</strong>：CPS 体系设计 → 单元级 → 系统级 → SOS 级</li> <li><strong>AI 6 大关键技术</strong>：自然语言处理、计算机视觉、知识图谱、人机交互、VR/AR、机器学习</li> <li><strong>机器学习 4 种模式</strong>（必考）：监督（需标注）、无监督（不需标注）、半监督（少量标注）、强化（需反馈）</li> <li><strong>深度学习 vs 传统 ML</strong>：深度学习需大量数据 + GPU 算力</li> <li><strong>机器人 4.0 五技术</strong>：云边端协同/持续学习/知识图谱/场景自适应/数据安全</li> <li><strong>边缘计算核心思想</strong>：从网络中心下放到网络边缘节点</li> <li><strong>边云协同 6 维度</strong>：资源/数据/智能/应用管理/业务管理/服务</li> <li><strong>数字孪生体 3 核心技术</strong>：建模、仿真、基于数据融合的数字线程</li> <li><strong>数字孪生体 4 应用</strong>：制造、产业、城市、战场</li> <li><strong>云计算 3 种服务方式</strong>（必考）：SaaS、PaaS、IaaS</li> <li><strong>云计算 4 种部署模式</strong>：公有云、社区云、私有云、混合云</li> <li><strong>大数据 5 步骤</strong>：记录→抽取→集成→分析→解释</li> <li><strong>大数据 4 应用领域</strong>：制造业、服务业、交通、医疗</li> </ol> <h3 id="42-易混淆对比">4.2 易混淆对比 </h3><table> <thead> <tr> <th>对比项</th> <th>区别</th> </tr> </thead> <tbody> <tr> <td>一硬 vs 一软</td> <td>一硬是<strong>感知控制硬件</strong>，一软是<strong>工业软件</strong>（CPS 核心）</td> </tr> <tr> <td>一网 vs 一平台</td> <td>一网是<strong>网络载体</strong>，一平台是<strong>云+智能服务</strong></td> </tr> <tr> <td>弱 AI vs 强 AI</td> <td>弱 AI 不能真正推理，强 AI 能真正推理</td> </tr> <tr> <td>监督 vs 无监督</td> <td>监督<strong>需标注</strong>，无监督<strong>不需标注</strong></td> </tr> <tr> <td>半监督 vs 监督</td> <td>半监督只需<strong>少量</strong>标注，监督需<strong>全部</strong>标注</td> </tr> <tr> <td>强化学习 vs 监督学习</td> <td>强化是<strong>反馈机制</strong>，监督是<strong>标注样本</strong></td> </tr> <tr> <td>深度学习 vs 传统 ML</td> <td>深度学习<strong>自动</strong>特征学习，传统 ML <strong>手动</strong>特征工程</td> </tr> <tr> <td>SaaS vs PaaS vs IaaS</td> <td>用户控制范围递减，灵活度递减</td> </tr> <tr> <td>边缘计算 vs 云计算</td> <td>边缘在<strong>网络边缘节点</strong>，云在<strong>数据中心</strong></td> </tr> <tr> <td>边缘 vs 数字孪生</td> <td>边缘是<strong>计算下放</strong>，数字孪生是<strong>物理对象建模</strong></td> </tr> <tr> <td>大数据 vs 传统数据</td> <td>大数据是<strong>5V 特征</strong>（量大/速快/多样/价值/真实）</td> </tr> <tr> <td>公有云 vs 私有云</td> <td>公有云<strong>对外</strong>，私有云<strong>内部专用</strong></td> </tr> </tbody> </table>