CPS与未来制造业的发展：中德美政策与能力构建的比较研究

戴亦舒，叶丽莎，董小英，胡燕妮

(北京大学 光华管理学院，北京 100871)

一、引言

随着移动互联网、云计算、大数据等信息通信技术的飞速发展，传统制造业正在发生颠覆式变革。新一代信息通信技术改变了制造业传统的生产方式、价值链体系、产业形态和商业模式。制造业是国民经济的主体，为了在激烈的全球竞争中取得制造业的新优势，世界多个国家纷纷实施“再工业化”战略，如“中国制造2025”战略、德国“工业4.0”战略、美国“工业互联网”战略。在以中国、德国、美国①本文选择中国、德国和美国为代表，主要根据《<中国制造2025>解读之六：制造强国“三步走”战略》中对各国制造业的划分。该评价构建了4项一级指标、18项二级指标，经过专家打分测算，提出了表征各主要工业化国家历年来制造业相对强弱的综合指数，根据2012年各国的制造业综合指数划分为三个国家方阵：美国第一方阵，德国第二方阵，中国第三方阵。为代表的“再工业化”战略中，新一代信息通信技术与工业生产制造技术的交互镶嵌，虚拟世界与现实世界的智能结合，成为制造业转型升级的关键。为了实现信息化与工业化深度有效的融合(下文简称：两化融合)，网络实体系统(Cyber-Physical System，又译信息物理系统，简称CPS)成为整合传统制造业体系的关键框架和技术②本文没有采纳国内对CPS的通常译法“信息物理系统”，而是译为“网络实体系统”。主要原因是CPS不仅仅是一个技术系统，更是技术驱动的社会与技术系统综合体，但目前对CPS社会与技术综合特征的研究关注较少，它与整个社会生态中的制造业、服务业和人有关，在空间复杂性和时间动态性上，需要在政策、机制、标准、管理等等综合要素的协同集成上实现制造业转型升级。。

2006年，美国国家科学基金会的科学家Helen Gill首次提出CPS概念，认为CPS是网络世界与实体世界融合的新一代系统[1]。自2006年起，德国、美国、中国等制造业大国纷纷确立了CPS在制造业发展中的核心地位，加速推动CPS的创新研发与多领域应用[2-4]。有学者指出，新一代工业将建立在CPS基础上，CPS与汽车、航空航天、国防、工业自动化、健康/医疗设备、重大基础设施等主要工业领域的深度融合将会提高制造业竞争力[5]。因此，无论从学术角度还是从实践角度，CPS成为理解、剖析和指导“再工业化”战略的关键切入点。

对于CPS的概念和关键特征，Lee(2008)强调计算与物理进程的交互，他认为CPS是计算进程与物理进程的整合体系，通过嵌入式计算和网络技术对物理进程进行监视和控制，并通过物理进程的反馈结果调整计算进程[6]。Rajkumar等人(2010)认为，CPS是计算技术、通信技术与物理工程系统的整合体系，其中计算技术与通信技术能够监视和控制物理工程系统，并与之产生协调[7]。基于已有研究，我们对CPS的解释是：CPS是整合计算技术、通信技术、控制技术和实体系统的智能体系。它强调网络空间和实体空间的深度融合，通过在网络空间实现对实体设备和运行进程的感知、数字化采集、数据化集成、智能分析及预判，从而达到优化配置的目标，实现网络空间与实体空间的自适应、自组织和自协调。

目前，很多重要的国际会议集中讨论信息通信技术与制造业融合的技术细节[8]，比如能量管理[9]、网络安全[10]、数据传输与管理[11]、架构设计[12]、控制技术[13]、系统资源配置[14]、系统应用[15]等。但是，对于CPS在未来制造业核心能力构建中关键地位的研究还存在很多缺口(图1)。第一，在理论层面，已有研究没有回答基于CPS的未来制造业主导逻辑是否发生变化。第二，在企业数字化转型过程中，技术本身无法自动转换为能力，技术与业务流程的深度融合才能变成制造业的核心能力。但是，在CPS技术架构基础上，能力架构建设的理论基础尚不清晰，应用架构的逻辑体系也不清晰。第三，中、德、美制造业基础不同，政策重点和战略布局也不一样，理解三个国家的政策和能力构建异同对预判未来制造业的竞争会产生重要影响。基于上述思考，本文以CPS技术架构为基础框架，以服务主导逻辑为理论指引，以中德美政策体系为分析对象，试图对未来制造业的核心能力和关键应用进行系统分析，探索和比较中德美三国政府在未来制造业发展中核心能力构建的政策和路径。

图1 CPS的能力架构的理论缺口

二、CPS的理论解读及能力体系架构

(一)CPS的技术架构

CPS是信息通信技术与制造业融合的智能系统，系统架构的设计与开发成为有效推动和实施两化融合的关键。一些学者提出了CPS技术系统架构，如陈丽娜等人(2011)[16]、Sztipanivits等人(2012)[17]。Lee等人(2015)提出适用于深度剖析智能制造的CPS五层架构，即连接层、转换层、网络层、认知层与配置层[18]。本文基于Lee等人提出的CPS五层技术架构对CPS的能力架构进行分析(参见图2技术架构)。

连接层：利用具有感知功能的终端设备，如传感器、探测器、企业信息系统，准确、实时、可靠地采集工业设备和机器组件产生的所有数据，如设备的功能、属性、状态、位置、所处环境数据等[18]。利用具有执行功能的终端设备，接收CPS上层反馈的控制信息，操控机器设备执行相应动作[19]。

转换层：利用具有计算功能的工具和算法，如数据关联算法、逻辑回归算法，对连接层采集的数据进行处理分析，使其转化为机器可识别的信息，如机器退化信息、机器健康信息[18,20]。比如，通过综合优化技术预测机器剩余使用寿命，有助于工人对机器进行及时维护。

网络层：利用网络基础设施、网络技术和网络服务，将独立单元相互连接，组成大范围、分布式的制造网络，汇集来自机器、系统上的信息[18,20]，实现数据交换和共享[16]。制造网络可以是工厂内部的生产网络，多个厂商的设备网络，或是纵贯价值链的业务网络[21-22]。

认知层：利用数据分析工具和算法，对连接到网络层的各个独立单元的信息进行差异性对比和相似性分析[18,20]。利用具有认知功能的智能技术，对网络层聚集的海量信息进行智能分析，生成可视化、支持性的知识，辅助专家或智能算法做出正确、可靠地决策[18,20]。

配置层：利用预设规则和语义规范等控制技术，基于认知层生成的决策，生成控制指令[19]。控制指令对底层工业设备和机器组件进行控制，使机器具备自适应、自配置和自调节的能力[23]。配置层的反馈将整个CPS五层架构形成一个闭环。

(二)CPS的能力架构

CPS技术架构对理解未来制造业的核心能力提供了一个清晰的基础框架，但如果从打造全球制造业的竞争能力视角来看，它与产业生态、供应链、客户需求密切关联。“中国制造2025”战略提出，“加快制造业服务协同发展”的重点任务，鼓励制造业从产品制造向提供个性、精准、全生命周期的服务转变[24]。德国“工业4.0”战略勾勒“智能服务”的未来场景是：“根据用户需求，以用户为中心，生产出智能、联网的物品、设备和机器，不仅出售产品，而且销售智能产品附带的智能服务，并通过智能服务盈利”[25]。美国“工业互联网”战略指出，“先进制造业”是通过生产流程和供应链创新，快速满足用户需求，支持更广泛的高质量服务[26]。从制造业产品化向服务化转型的趋势来看，各国“再工业化”的重要任务是构建制造业服务化的重要能力。

在此背景下，服务主导逻辑理论对我们理解未来制造业的竞争能力提供强有力的解释。根据Vargo和Lusch两位学者提出的服务主导逻辑理论，在供大于求的时代，产品主导逻辑开始向服务主导逻辑转型。服务是指“主体运用知识、技术等资源通过一系列处理、流程和操作，实现自身或其他主体获益的过程”[27]。服务是市场交易的本质对象，有形产品是服务的一部分，服务以用户为中心[27]。服务主导逻辑认为，价值是在特定情境下，由用户体验服务后决定的，只有满足用户需求的服务才能实现价值[28]。操纵型资源超越产品主导逻辑关注的对象型资源(如生产资料、生产设备等)，成为服务提供和价值创造过程的关键要素[29]。操纵型资源是指能作用于其他资源并产生效果的资源(如知识、信息通信技术)[29-30]。

服务主导逻辑指出，服务的关键是资源整合[31]。资源整合指多种资源聚集交互[32]。以信息通信技术为代表的操纵型资源是驱动资源整合的关键要素[33]。资源整合分为资源液化、资源集成、资源增值和资源调配。资源液化是指数据脱离物理实体，形成数字化形态，具备在网络空间中传递的能力[34]。资源集成是指来自不同物理实体的资源汇集到网络空间，聚集成海量的数据和信息[34-35]。资源增值是指一种资源的使用会增加另一种资源的价值[30]。资源调配是指以信息通信技术为代表的操纵型资源对其他资源进行优化配置和操控[34]。

在服务主导逻辑理论视角下，CPS技术架构的连接层，能够实现工业设备和机器组件的数字化，使数据在网络空间具备流动能力；转换层通过数据分析将数据增值为可监测的信息；网络层在网络空间通过云计算整合为庞大的工业数据中心；认知层开发出与人类智能相似、能进行思考和反应的智能机器，将数据和信息增值为支持决策的知识；配置层通过智能系统优化实体和网络空间的资源配置，实现机器的自适应、自控制和自协调。本研究从CPS技术架构如何驱动制造业资源整合的角度提出CPS的五层能力架构(参见图2能力架构)。

资源液化能力。与连接层对应的资源液化能力是指：以传感器为代表的信息通信技术，将工业设备和机器组件等物理对象数字化，驱动数字资源从实体空间映像到网络空间，使其具备在网络空间传递的能力。资源液化能力是两化融合的基本能力，实体对象的数字化是实现业务灵活组配和柔性生产的基石；对制造服务全流程的实时数据采集，是实现智能生产、智能管理和智能服务的基础。构建资源液化能力需要考虑：获取不同类型的数据；选择利用合适的传感器；制定数据采集过程中的监管框架和安全体系[18]。

数据增值能力。与转换层对应的数据增值能力是指，借助计算工具和算法等，根据连接层采集的数据生成设备或生产流程的状态和事件信息(如，使用寿命、健康状态)，对局部物理对象进行监控管理[36]。数据增值能力是制造业迈向智能化的第一步，在局部的生产环节中形成“大脑”，使实体对象产生自我认知和预判，使工人们对机器的管理维护变得更容易。构建数据增值能力需要考虑：对数据的清洗和处理；数据的长期存储；上层服务接口的标准化[2]。

资源集成能力。与网络层对应的资源集成能力是指，企业价值网络中的信息在网络空间大范围集成和交换，局部物理对象之间的屏障被打破，企业内外的信息孤岛被消除，资源集成的速度、广度和深度大幅提升[36]。资源集成能力是构筑制造网络和创新生态的关键能力。构建资源集成能力需要考虑：网络基础设施要保证网络覆盖和实体对象的快速接入；确保数据和信息资源实时、规范、安全、可靠的互联互通；采用先进的信息通信技术，实现端到端的实时透明、无缝对接，屏蔽下层的异构性[22]。

智能分析能力。与认知层对应的智能分析能力是指，利用人工智能技术对网络层汇集的海量、复杂、异构的数据进行处理，生成模型库、经验库、方案库、算法库、工具库等价值含量高的知识资源，为用户提供高度个性化的服务[25,37]。智能分析能力是智能制造的核心，在整个制造服务流程中形成“主脑”，全面了解生产和管理的实际情况，并做出准确的判断。构建智能分析能力需考虑：研发智能分析技术；将知识资源可视化；保障专家与知识资源交互的便捷[18,20]。

资源调配能力。与配置层对应的资源调配能力是指，利用智能控制等信息系统，基于认知层的大数据分析结果，生成描述、诊断、预测、决策、控制等不同应用，形成优化决策建议或产生直接控制指令[37]，驱动知识资源灵活、动态地调配和操控工业设备和机器组件等物理资源，实现创新的、智能的生产模式、服务模式以及商业模式[21]。

(三)CPS的应用架构

在两化融合的过程中，CPS能力架构支持设计、生产、管理、服务等制造活动的各个环节，能够实现先进的、智能的实践应用。从中国、德国、美国的实践来看，智能工厂成为“再工业化”的主要应用形态。与CPS技术架构和能力架构对应的应用架构包括：

装备数字化。在智能工厂车间内，使用传感器、变送器、设备和仪器自动在线采集生产对象、设备、流程、环境等关键数据。

装备自监测。实时采集装备数据以后，由信息系统对各制造环节产生的数据进行实时监测和分析，有效监视现场设备的运转状态、发现生产过程中的问题。

工厂网络化。使用工业控制网络，将智能工厂中的制造装备、信息系统、操作人员、生产物料等连接起来，使用互联网将智能工厂与价值网络中的企业连接起来，实现设备与设备、设备与人、物料与设备、企业与企业之间的互联互通和柔性组合。海量的数据在网络层集成，形成工业数据云，建立全生产周期的数据共享平台。

工厂自决策。基于网络层集成的海量数据，利用大数据分析和挖掘技术对数据进行处理，建立工厂知识库，利用机器学习、预测分析等智能技术对数据进行解析，应用LED看板、图形报表、工业APP等可视化技术支持人机交互，进而制定合理的决策。

工厂自配置。使用智能控制系统和智能装备，实现整个制造流程的智能管理，根据用户实时的需求进行动态生产，实现自我配置、精准执行的自组织生产。工人从执行例行任务中解放出来，能够专注于创新、增值的活动。

图2 从CPS技术架构到能力架构与应用架构注：技术架构由Lee等人(2015)提出，能力架构与应用架构由本研究提出。

三、中德美政策比较研究

为了提高制造业的全球竞争优势，构建制造业服务化的核心能力，中国、德国和美国制定了多个重要政策(图3)。2015年，中国提出“中国制造2025”行动纲领，制定“三步走”行动计划。围绕这一行动纲领，中国先后出台《智能制造工程实施指南(2016-2020)》、《中国制造2025》“1+X”规划体系等一系列政策文件，旨在实现制造强国目标。2010年，德国提出制造业智能升级的战略构想。2013年，德国正式提出“工业4.0”的战略建议。2013年，美国通用电气提出“工业互联网”概念。围绕这一概念，美国先后颁布《捕捉美国先进制造业的竞争优势》、《加速美国先进制造业》和《美国制造创新网络战略计划》等一系列政策文件，加快抢占全球先进制造业制高点。下文对中国、德国和美国的政策进行分析比较(表1)。

(一)中国政策重点与能力布局

与德国、美国等发达国家相比，中国制造业大而不强，在制造业自主创新、产品质量、资源利用效率、信息化水平、产业结构等方面差距明显。“中国制造2025”提出，“将加快新一代信息通讯技术与制造业的深度融合作为中国再工业化的战略主线，基于CPS推动制造业的数字化、网络化和智能化，提升制造业的整体素质和创新能力，建成全球领先的技术体系和产业体系”。

资源液化能力构建。资源液化能力是中国“三步走”的第一步，是中国2015-2025年重点构建的能力之一。《中国制造2025》提出，加快贯穿于工业设计、工艺、生产、管理、服务等各个环节的基础设施建设，集中力量在智能传感装备、智能感知元器件、智能测量仪表等技术上取得突破。

数据增值能力构建。构建数据增值能力的智能检测装备被列为重点突破的关键技术之一。《智能制造工程实施指南(2016-2020)》指出，通过对智能传感设备获取的数据进行分析，制造装备能够远程无人操控、工作环境预警、运行状态监测、故障诊断与自修复。

资源集成能力构建。我国将“融合发展”和“创新引领”作为资源集成能力的两大基本原则。“融合发展”指两化融合，旨在促进“软件与硬件、技术与产品、产业链上下游等融合协同发展，完善产业生态体系”，搭建工业云服务和工业大数据平台。创新资源集成集中在三个层面：新型价值链、信息产业链和创新生态系统。

表1 三国对比CPS能力构建

注：表中内容来源于本研究对中国、德国和美国政策的分析比较。

图3 中德美政策发布路线

智能分析能力构建。在构建智能分析能力上，《智能制造发展规划(2016-2020年)》提出，“引导企业加大研发投入，突破识别技术、建模与仿真技术、人工智能等关键共性技术”。《大数据产业发展规划(2016-2020年)》提出，“要支持深度学习、类脑计算、认知计算等前沿技术创新”，研发具有智能分析和智慧决策的智能制造装备。

资源调配能力构建。“中国制造2025”将“生产型制造向服务型制造转变”作为资源调配能力的目标。“生产型制造向服务型制造转变”体现在“推动发展服务型制造”和“加快生产性服务业发展”两个方面。一是“鼓励制造业企业增加服务环节投入，发展个性化定制服务、全生命周期管理、网络精准营销和在线支持服务等”。二是“鼓励互联网等企业发展移动电子商务、在线定制、线上到线下等创新模式，实现与制造业企业的无缝对接，创新业务协作流程和价值创造模式”。

(二)德国政策重点与能力布局

德国制造业处于世界领先地位，新一代信息通信技术对德国制造业产生了深刻影响。德国“工业4.0”提出，利用CPS将智能机器、存储系统和生产设施等资源数据化，形成贯穿在制造业中的“物联网”和“服务互联网”，将传统工厂转变成能够自我控制、自我调节、自我配置的智能工厂，实现快速、有效、个性化的产品供应。

资源液化能力构建。资源液化能力是德国“工业4.0”的基础能力。在资源液化能力方面，德国推进发展智能传感器和制动器技术。重点开展有关传感器的端到端分布和连接的研究工作，将本地或全球范围内网络和具实时性的传感器/制动器用于生产。

数据增值能力构建。在数据增值能力方面，《德国工业4.0实施战略报告》提出加速研发微电子技术，“微电子技术是工业4.0的关键技术之一，是电子硬件和智能软件之间的融合，用于智能识别、监测生产和物流的过程，具有自我诊断功能”。

资源集成能力构建。为了构建制造流程的资源集成能力，《德国工业4.0实施战略报告》提出了四大核心模块，即“研究与创新，参考体系结构以及标准化与标准，网络化系统的安全性，法律框架的构建”。为了构建制造创新的资源集成能力，德国提出建设智能服务实施平台和智能服务创新平台。

智能分析能力构建。智能分析能力成为德国“工业4.0”未来发展重要方向。《德国智能服务世界—未来项目实施建议》总结了德国重点研发的关键技术，包括“大数据流分析、数据挖掘和大数据分析、信息提取的自动本体学习、优化设备利用率的数据分析、复杂事件处理、学习的决策支持等”。

资源调配能力构建。德国“工业4.0”战略旨在创造智能产品、程序和流程，智能工厂是根据客户个性化需求生产智能、联网产品。在智能产品的基础上，在构建智能分析能力的基础上，以用户为中心，随时随地根据用户需求设计、生产、提供适合的智能服务解决方案。

(三)美国的政策重点及能力布局

从2000-2009年，美国制造业的增长率几乎持平，劳动力减少三分之一，制造业投资停滞不前。推动新一轮制造业革命成为美国的战略重心。美国“工业互联网”提出，“利用CPS将人、数据和机器连接起来，由智能设备采集大数据，利用智能系统进行数据挖掘和可视化展现，形成智能决策，为生产管理提供实时判断参考，指导生产、优化工艺，实现制造业的数据流、硬件、软件的智能交互”。

资源液化能力构建。在资源液化能力方面，美国将先进传感、测量和制程控制技术作为优先发展的技术领域之一，集中研究内置传感、测量和控制技术。

数据增值能力构建。《美国工业互联网参考架构》提到了工业互联网的“监测与诊断”功能，“它负责实时监测资产的关键性指标，智能收集并处理资产的健康数据，以便诊断问题的真正原因，警示异常条件和偏差。监测和诊断对数据服务和分析功能有较强的依赖性”。

资源集成能力构建。美国从创新研究所和网络职能两个方面构建资源集成能力。美国联邦政府的先进制造业合作伙伴计划，致力于联合政府、院校、各行业组织和其他利益相关者，共同搭建先进制造技术的生态系统。创新研究所是美国创新网络计划的创新平台，平台聚集了各行业企业、大学与研究机构、政府机构等相关主体，搭建公私合作的关系桥梁。

智能分析能力构建。美国制造业在发展过程中呈现出知识密集的特征，作业和流程越来越依靠大数据分析、建模与模拟、人工智能等技术的支持。《加速美国先进制造业》提出，“建立制造业创新研究所，支持大量复杂、真实的供应链数据的开发利用”。

资源调配能力构建。在资源调配能力方面，机器人制造成为美国实现先进制造、重塑本土制造业的重要推动者。《美国机器人路线图研究报告》提出，“有效使用机器人技术将增加美国就业，提高工作质量，并增强全球竞争力”。

四、理论启示与实践建议

本文基于CPS五层技术架构，从服务主导逻辑理论出发，对中国、德国和美国制造业升级政策和战略进行深入分析。在理论意义上，本研究主要贡献在于构建CPS五层能力架构。研究发现，以用户为中心的制造业服务化将成为两化融合的目标。为推动制造业从产品主导向服务主导的跃升，中国、德国和美国都将CPS作为核心技术架构，构建制造业体系的五层能力以及确保能力构建的保障机制，并在工厂、供应链、价值网络等领域开展应用。

在构建CPS五层能力的过程中，资源液化能力和数据增值能力的建立是最基础且漫长的阶段。从生产端的装备构件到用户端的穿戴设备，整个制造业生态的物理对象液化和自认知必定要经历相当长的时间积累。资源集成能力成为两化融合的核心，是制造业产生质变的关键。将实体对象映射并汇聚在网络空间，不仅创造了生态中多种资源交互协同的机会，而且提供给先进技术作用于海量资源产生价值的平台。实际上，资源集成能力成为各国聚力的焦点。智能分析能力是制造业实现智能化的必要能力，智能分析能力的构建需要对相关的技术投入大量的研发资源，并给予法律有效的支持保障。在此基础上，资源配置能力的构建、网络空间对实体空间的优化配置才有可能实现。

虽然三个国家在CPS五层能力架构均有布局，但能力构建的重点不同，这与三个国家的制造业基础差异有关。中国当前的能力构建集中在资源液化能力和资源集成能力上。这与我国制造业基础相对薄弱、制造业规模巨大有关。只有将基础建设好，才有制造业转型升级的空间。德国的重点是资源集成能力，重点打造价值链的横向集成和纵向集成。它需要通过工业4.0战略有效地实现服务于客户的端到端连接，支持德国工业高效服务于全球市场，确保德国制造业的核心竞争力。美国的重点是智能分析能力，一方面，美国有大量领先的互联网和软件企业，在网络空间已经形成了领先优势，在新一代信息通信技术的研发创新上处于全球垄断的地位，能够充分利用技术领先优势推动制造领域的应用研究，如人机智能技术和机器人技术，构建工业领域的智能分析能力和资源调配能力。另一方面，美国制造业信息化水平非常高，对价值链的信息化管控能力已经成为其运营体系的核心竞争优势[38-39]，在经历了多年制造业外包实践之后，美国制造业会通过制造业软件化能力，实现跨越式领先发展，打造整体化的创新生态。

在实践意义上，研究发现三个国家非常重视制造业创新平台的建设，特别是大企业主导的平台。如中国已率先建成产业技术基础公共服务平台和协同创新平台。德国的平台建设直接服务于制造型企业的服务转型，如德国的智能服务实施平台和智能服务创新平台。美国通过建立国家制造创新网络，即政企合作的伙伴关系，提供共享的高科技设施，提升美国在新兴科技领域的领先地位，截止到2015年底，美国已经成立9家制造创新研究所。

在新一轮国际竞争中，中国企业面临的压力与挑战比德美企业更大。我国制造业面临两翼竞争。一方面，中国企业面临着传统制造业转型升级的艰难挑战，在产品质量、技术含量、运营体系和品牌建设上与德国企业有较大差距，在企业、产业和工业互联网领域，与德国和美国的企业仍有很大距离；另一方面，美国在资源集成能力和智能分析能力上已经建立了一定的领先优势。基于本文的理论架构与政策分析，我们建议：第一，整体规划布局以CPS为核心的能力建设，充分调动社会资源同步推进，政府通过整体协同和社会化治理机制，发挥大企业的领军作用，加速各个能力层的建设。第二，增强对战略性操纵型资源的研发强度与力度。建议利用我国整体创新资源和市场优势，积极参与CPS国际标准的制定。通过前瞻性战略研究，提供将实体经济与网络经济共赢发展的综合性框架，为企业提供长期、稳定的政策设计与环境营造，将实体与网络经济的发展打造成互利互惠、共同发展的伙伴关系。第三，充分利用互联网企业拥有的操纵型资源，加速对传统产业的融合。鼓励我国的互联网企业强化对已有操纵型资源的开发利用能力，将其扩散到更加广泛的产业领域，特别是推进工业互联网、产业互联网与专业互联网的发展。

[1]中国电子技术标准化研究院. 中国信息物理系统标准化白皮书(2016)[OL]. http://www.innovation4.cn/library/r747#pfc, 2016-03-28.

[2]美国总统办公室与总统科技顾问委员会(PCAST). 数字未来设计：联邦资助的网络与信息技术研发[OL]. http://www.istis.sh.cn/list/list.aspx?id=10253, 2016-11-01.

[3]德国国家科学与工程院研究部. 德国CPS综合研究报告[OL]. http://www.innovation4.cn/library/r2319, 2016-09-14.

[4]中国工业和信息化部. 国务院关于积极推进“互联网+”行动的指导意见[OL]. http://www.miit.gov.cn/n973401/n5329857/n5329867/c4538241/content.html, 2015-12-14.

[5]魏晓东. 《工业4.0与两化融合》讲座第二讲信息物理系统(CPS)——新工业革命的基础[J]. 自动化博览, 2015(12): 68-71.

[6]LEE E A.cyber physical systems: Design challenges [C]. // 2008 11th IEEE International Symposium on Object and Component-Oriented Real-Time Distributed Computing (ISORC). France: IEEE PRESS, 2008: 363-369.

[7]RAJKUMAR R, LEE I, SHA L, et al. Cyber-physical systems:The next computing revolution [C]. // Proceedings of the 47th Design Automation Conference. USA: IEEE PRESS, 2010: 731-736.

[8]FENG Xia, Alexey V. Evaluating IEEE 802.15.4 for Cyber-physical systems [J]. EURASIP Journal on Wireless Communications and Networking, 2011, 2011(1):1-14.

[9]TANG Qinghui, GUPTA S K S, VARSAMOPOULOS G. Energy-efficient thermal-aware task scheduling for homogeneous high-performance computing data centers: A cyber-physical approach [J]. IEEE Transactions on Parallel and Distributed Systems, 2008, 19(11): 1458-1472.

[10]AKELL R, Tang Han, McMillin B M. Analysis of information flow security in cyber-physical systems [J]. International Journal of Critical Infrastructure Protection, 2010, 3(3): 157-173.

[11]EHYAEI A, TOVAR E, PEREIRA N, et al. Scalable data acquisition for densely instrumented cyber-physical systems [C]. // Proceedings of the 2011 IEEE/ACM Second International Conference on Cyber-Physical Systems. USA: IEEE PRESS, 2011: 174-183.

[12]LI D, LI F, HUANG X, et al. A model based integration framework for computer numerical control system development [J]. Robotics and Computer-Integrated Manufacturing, 2010, 26(4): 333-343.

[13]BAK S, MANAMCHERI K, MITRA S, et al. Sandboxing controllers forcyber-physical systems [C]. // Proceedings of the 2011 IEEE/ACM Second International Conference on Cyber-Physical Systems. USA: IEEE PRESS, 2011: 3-12.

[14]LAKSHMANAN K, DE N D, RAJKUMAR R, et al. Resource allocation in distributed mixed-criticalitycyber-physical systems [C]. // 2010 IEEE 30th International Conference on Distributed Computing Systems Italy: IEEE PRESS, 2010: 169-178.

[15]ZHOU Jiazhen, HU R Q, QIAN Y. Scalable distributed communication architectures to support advanced metering infrastructure in smart grid [J]. IEEE Transactions on Parallel & Distributed Systems, 2012, 23(9):1632-1642.

[16]陈丽娜, 王小乐, 邓 苏. CPS 体系结构设计[J]. 计算机科学, 2011, 38(5): 295-300.

[17]SZTIPANOVITS J, KOUTSOUKOS X, KARSAI G, et al. Toward a science of cyber-physical system integration [J]. Proceedings of the IEEE, 2012, 100(1): 29-44.

[18]LEE J, BAGHERI B, KAO H A. A cyber-physical systems architecture for industry 4.0-based manufacturing systems [J]. Manufacturing Letters, 2015, 3: 18-23.

[19]李 钊, 彭 勇, 谢丰等. 信息物理系统安全威胁与措施[J]. 清华大学学报: 自然科学版, 2012, 52(10): 1482-1487.

[20]LEE J. Smart factory systems [J]. Informatik-Spektrum, 2015, 38(3): 230-235.

[21]魏晓东. 《工业4.0与两化融合》讲座第一讲工业革命与工业4.0[J]. 自动化博览, 2015 (11): 64-67 72.

[22]魏晓东. 《工业4.0与两化融合》讲座第四讲工业4.0的系统集成技术[J]. 自动化博览, 2016(2): 64-68.

[23]何明, 梁文辉, 陈希亮, 等. CPS系统体系结构顶层设计研究[J]. 计算机科学, 2013, 40(11): 18-22.

[24]国务院. 中国制造2025[OL]. http://www.miit.gov.cn/n973401/n1234620/n1234622/c4409653/content.html, 2015-05-19.

[25]德国国家科学与工程院. 德国智能服务世界——未来项目实施建议[OL]. http://www.innovation4.cn/library/r990, 2016-05-30.

[26]美国总统行政办公室和美国总统科技顾问委员会. 捕捉美国先进制造业的竞争优势(AMP 1.0)[OL]. http://www.innovation4.cn/library/r1441, 2016-07-25.

[27]LUSCH R F, VARGO S L. Service-dominant logic: reactions, reflections and refinements [J]. Marketing Theory, 2006, 6(3): 281.

[28]CHANDLER J, VARGO S L. Contextualization: network intersections, value-in-context, and the co-creation of markets [J]. Marketing Theory, 2011, 11(1): 35-49.

[29]VARGO S L, LUSCH R F. Evolving to a new dominant logic for marketing [J]. Journal of Marketing, 2004, 68(1): 1-17.

[30]SRIVASTAVA S C, SHAINESH G. Bridging the service divide through digitally enabled service innovations: evidence from Indian healthcare service providers [J]. MIS Quarterly, 2015, 39(1): 245-267.

[31]AKAKA M A, VARGO S L. Technology as an operant resource in service (eco) systems [J]. Information Systems and e-Business Management, 2014, 12(3): 367-384.

[32]PFISTERER L, ROTH S. Customer usage processes:A conceptualization and differentiation [J]. Marketing Theory, 2015, 15(3): 401-422.

[33]KLEINALTENKAMP M, BRODIE R J, FROW P, et al. Resource integration [J]. Marketing Theory, 2012, 12(2): 201-205.

[34]NORMANN R. Reframing business: When the map changes the landscape [M]. John Wiley & Sons, 2001.

[35]LUSCH R F, NAMBISAN S. Service innovation:A service-dominant logic perspective [J]. MIS Quarterly, 2015, 39(1): 155-175.

[36]魏晓东. 《工业4.0与两化融合》讲座第三讲工业4.0与两化融合[J]. 自动化博览, 2016(1): 78-81.

[37]工业互联网产业联盟(AII). 工业互联网体系架构[OL]. http://www.innovation4.cn/library/r2137, 2016-09-08.

[38]董小英. 从德国工业4.0看我国“互联网+”热[N]. 社会科学报, 2016-01-28(002).

[39]董小英. 全球视角下未来制造业的三元能力建设——智能制造对我国的战略意义解析[J]. 互联网天地, 2016(6): 1-6.