系统规划与管理工程师-四大新一代信息技术核心知识点梳理

一、引言新一代信息技术是软考高级系统规划与管理工程师考试的重要基础考点近 3 年考试中该模块分值稳定在 6-8 分全部以客观选择题形式考查核心考查方向为技术定义、核心特点、关键技术构成及典型应用场景。本模块知识点属于信息系统综合知识领域是 IT 战略规划、数字化转型、IT 服务管理等核心模块的技术支撑基础。从发展脉络来看四大技术均是数字经济发展的核心支撑人工智能起源于 1956 年达特茅斯会议历经三次发展浪潮后进入大模型普及阶段边缘计算是云计算分布式演进的产物2015 年 ETSI 成立边缘计算工作组后进入标准化发展阶段数字孪生概念起源于 2003 年美国密歇根大学镜像空间模型2019 年被纳入 Gartner 十大战略技术趋势新基建是我国 2018 年正式提出的基础设施建设战略是数字中国建设的核心底座。本文将按照考试大纲要求系统梳理四大技术的核心考点明确高频考查方向和易混淆知识点区分方法。四大新一代信息技术考点分值分布与考查形式示意图二、人工智能AI核心考点一定义与核心特点人工智能的标准定义为利用计算机或者计算机控制的机器模拟、延伸和扩展人类的智能和感知环境的能力从而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。该定义包含三个核心层级一是基础层计算 数据二是能力层感知、学习、推理三是价值层辅助人类决策、提升生产效率。人工智能的核心特点可归纳为三类第一交互属性包括能感知环境、能产生反应、能与人交互、能与人互补第二技术本质由人类设计、为人类服务本质为计算、基础为数据第三演化属性有适应特性、有学习能力、有演化迭代、有连接扩展。二关键技术体系人工智能关键技术共 14 项考试中高频考查的核心技术包括机器学习机器获取知识的主要途径通过训练模型对数据进行学习分为符号学习、网络学习、统计机器学习三类核心是实现从数据到规则的自动转化。神经网络模仿人类大脑神经元连接机制的机器学习技术通过多层神经元的权重调整实现模式识别适合中等复杂度的分类任务。深度学习神经网络的高级形式通过卷积神经网络CNN、Transformer 等架构实现大规模特征自动提取能够处理高维复杂数据但存在特征解释性差的局限性是当前大模型的核心技术基础。自然语言处理NLP研究人与计算机之间自然语言有效通信的理论和方法核心任务包括语义理解、文本生成、机器翻译等是大模型应用的核心入口。知识图谱结构化的语义知识库以图数据结构描述概念及其关系是实现可解释人工智能、行业智能应用的核心支撑技术。三易混淆技术区分考试中高频考查机器学习、神经网络、深度学习三者的区分核心差异如下技术类型核心特点适用场景典型案例传统机器学习依赖专家知识完成特征工程模型参数规模小小数据、低复杂度任务垃圾邮件分类、客户信用评分神经网络实现初步自动化特征学习但受硬件限制模型深度有限中等复杂度模式识别MNIST 手写数字识别、简单人脸检测深度学习依托 GPU/TPU 算力和模型架构创新支持超大规模参数训练大规模高维数据、复杂语义理解任务图像识别 ResNet、GPT 系列大模型四发展趋势人工智能的核心发展趋势包括五点一是从纯人工智能向人机混合智能发展实现人类智能与机器能力的互补二是从 “人工标注 智能训练” 向自主智能系统发展降低对人工标注数据的依赖三是加速与材料、能源、制造、医疗等其他学科领域的交叉渗透四是人工智能产业进入规模化落地阶段垂直领域应用成为核心增长点五是人工智能伦理、监管等社会学问题成为行业治理的核心内容。人工智能关键技术体系与层级划分示意图三、边缘计算核心考点一定义与核心特点边缘计算是一种将主要处理和数据存储放在网络边缘节点的分布式计算形式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计算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是连接物理世界和数字世界的核心桥梁。边缘计算的四大核心特点为一是联接性作为终端设备接入网络的第一节点是数据采集的第一入口二是约束性边缘节点受部署环境限制算力、存储、能耗均有明确约束三是分布性边缘节点分散部署在不同地理位置支持分布式协同处理四是云边协同性本质是云计算在数据中心之外汇聚节点的延伸和演进核心发展方向为 “边云协同” 和 “边缘智能”。二关键技术边云协同技术边云协同是边缘计算的核心架构云计算与边缘计算为互补关系云计算擅长全局性、非实时、长周期的大数据处理与分析适用于模型训练、全局决策等场景边缘计算适用于局部性、实时、短周期数据的处理与分析适用于实时控制、本地数据预处理等场景。边云协同的核心内容包括 6 类资源协同、数据协同、智能协同、应用管理协同、业务管理协同、服务协同。边缘计算安全技术边缘计算的安全防护覆盖四个层级一是提供可信的基础设施包括边缘节点硬件可信根、可信操作系统等二是为边缘应用提供可信赖的安全服务包括应用签名、运行环境隔离等三是保障安全的设备接入和协议转换支持多协议统一接入、身份认证等四是提供安全可信的网络及覆盖包括时间敏感网络TSN、工业专网等技术的安全防护。三典型应用场景边缘计算的典型应用场景包括三类一是智慧园区实现园区设备本地接入、能耗实时管控、安防事件快速响应二是视频监控实现摄像头本地智能分析、异常事件实时告警降低网络带宽消耗三是工业物联网基于 OPC UA over TSN 构建统一工业现场网络基于边缘计算虚拟化平台实现可编程逻辑控制器PLC云化部署通过边缘侧图像识别实现产品质量缺陷实时检测适配工业场景的高等级安全防护要求。边云协同架构与核心协同内容示意图四、数字孪生核心考点一定义数字孪生是现有的或将有的物理实体对象的数字模型通过实测、仿真和数据分析来实时感知、诊断和预测物理实体对象的状态通过优化和指令来调控物理实体对象的行为通过相关数字模型间的相互学习来进化自身同时改进利益相关方在物理实体对象生命周期内的决策。该定义的核心是实现物理实体与数字模型的双向映射、实时交互。二核心技术体系数字孪生的三项核心技术为建模将人们对物理世界的理解进行简化和模型化是数字孪生的基础核心是实现物理实体属性、运行规则的数字化表达。仿真与建模伴生的技术通过模拟物理实体的运行过程验证模型的准确性预测不同参数下的运行结果。基于数据融合的数字线程实现物理实体全生命周期数据的打通与流转支撑数字模型与物理实体的实时数据同步是实现动态映射的核心支撑。数字孪生的外围支撑技术包括虚拟现实VR、增强现实AR、混合现实MR、基于模型的系统工程MBSE、物联网、云计算、边缘计算、大数据、机器学习、区块链等。三发展趋势数字孪生的核心发展趋势包括四个方向一是制造领域成为智能制造的核心基石在产品研发设计、生产制造过程优化、设备预测性维护等环节发挥核心作用二是产业链层面以云计算、大数据、物联网、人工智能和区块链等为支撑构建实体的数字镜像按照数字化互动、先知、先觉、共智的顺序深入应用最终支撑 “服务型制造” 和 “数字经济” 发展三是城市治理领域在现实世界和数字世界之间全面建立实时联系对城市物理实体全生命期的变化进行数字化、模型化和可视化支撑智慧城市精准治理四是军事领域应用于单体装备性能模拟、战场态势推演等综合场景。数字孪生核心技术构成与应用场景示意图五、新基建核心考点一定义与核心构成2018 年中央经济工作会议首次提出 “加快 5G 商用步伐加强人工智能、工业互联网、物联网等新型基础设施建设”简称 “新基建”。新基建的标准定义为以新发展理念为引领以技术创新为驱动以信息网络为基础面向高质量发展需要提供数字转型、智能升级、融合创新等服务的基础设施体系。新基建共包含七大核心领域5G 基建、特高压、城际高速铁路和城际轨道交通、新能源汽车充电桩、大数据中心、人工智能、工业互联网。二三大分类新基建按照属性可分为三大类信息基础设施基于新一代信息技术演化生成的基础设施凸显 “技术新” 属性是数字转型的核心技术底座。融合基础设施传统基础设施与信息技术融合升级的产物比如智能交通基础设施、智慧能源基础设施等体现 “融合新” 属性。创新基础设施支撑科学研究、技术开发、产品研制的具有公益属性的基础设施比如重大科技基础设施、科教基础设施、产业技术创新基础设施等体现 “创新新” 属性。三信息基础设施核心内容信息基础设施是考试高频考点具体包含三类通信网络基础设施以 5G、物联网、工业互联网、卫星互联网为代表是数据传输的核心载体。新技术基础设施以人工智能、云计算、区块链等为代表是数字应用的核心技术支撑。算力基础设施以数据中心、智能计算中心为代表是数据处理的核心底座。新基建三大分类与核心构成示意图六、新一代信息技术融合发展趋势物联网、区块链、云计算、大数据、人工智能等新一代信息技术虽为独立研究领域但实际应用中通常综合运用形成相互支撑的技术体系物联网实现数据采集边缘计算实现本地数据预处理云计算提供集中算力支撑大数据实现数据价值挖掘人工智能实现智能决策数字孪生实现物理世界与数字世界的交互新基建提供底层基础设施支撑。当前新一代信息技术的核心发展趋势可归纳为四点一是数据驱动数据成为核心生产要素技术应用围绕数据全生命周期价值实现展开二是网络边缘化计算能力向网络边缘下沉满足低时延、高可靠的应用需求三是智能化人工智能技术向各行业场景渗透实现决策效率提升四是数字与现实融合通过数字孪生、VR/AR 等技术实现物理世界与数字世界的深度交互。新一代信息技术融合关系与发展趋势示意图七、总结与备考建议一核心考点提炼人工智能重点掌握定义、三大特点、7 项高频关键技术、机器学习 / 神经网络 / 深度学习的区分、5 项发展趋势。边缘计算重点掌握定义、四大特点、边云协同的核心内容、3 类典型应用场景。数字孪生重点掌握定义、三项核心技术、四大发展趋势注意区分核心技术与外围支撑技术。新基建重点掌握七大领域、三大分类、信息基础设施的三类具体内容。二考试重点提示本模块高频易错点包括一是人工智能三类学习技术的适用场景区分考试中常给出应用场景要求判断对应技术类型二是边云协同的分工边界注意区分云计算与边缘计算的适用场景差异三是数字孪生核心技术与外围技术的区分建模、仿真、数字线程为核心技术其余为外围支撑技术四是新基建三大分类的边界注意信息基础设施、融合基础设施、创新基础设施的属性差异。三备考策略备考过程中以理解记忆为主无需深入技术实现细节一是重点梳理各技术的核心特征关键词通过关键词匹配快速判断选择题选项二是对比记忆易混淆技术的差异点通过表格梳理异同点提升记忆效率三是结合历年真题考查方向重点掌握高频考查的应用场景对应关系该模块考点重复率较高历年真题覆盖 80% 以上的考查方向。四大新一代信息技术核心考点记忆框架图