软考高级系统架构设计师备考，写着方便自己看，如果有发现不对或少得的地方可以多多指正，谢谢各位兄弟。

一、信息物理系统（CPS）

核心考点

本质是物理空间与信息空间的闭环赋能体系：通过数据自动流动，实现状态感知→实时分析→科学决策→精准执行的循环，解决生产制造的复杂不确定性问题。

体系分3级，核心四要素总结为「一硬一网一软一平台」。

实战案例

• 三级架构

  单元级：单个智能数控机床（不可拆分的最小CPS单元，自带感知、计算、决策能力）；

  系统级：汽车焊装车间的10条产线互联，实现物料、设备的协同调度；

  SoS级：整个智能汽车工厂，打通研发、生产、物流全链路数据，对外输出产能优化服务。

• 四大核心要素

  一硬（感知控制硬件）：车间里的温湿度、振动传感器；

  一网（工业网络）：工业以太网、现场总线；

  一软（工业软件）：MES生产管理系统、ERP供应链系统；

  一平台（智能服务平台）：阿里云工业大脑，汇聚全厂数据提供产能优化方案。

考题提示

常考四要素对应，比如问「一平台」是什么，直接选「工业云和智能服务平台」。

二、人工智能技术

核心考点

按能力分弱AI（仅特定任务，如语音助手）、强AI（真正具备自主思维，暂未落地）；关键技术包括自然语言处理、计算机视觉、知识图谱、机器学习等。

机器学习按学习模式分4类，按方法分传统机器学习、深度学习。

实战案例

技术方向	典型案例
自然语言处理	微信翻译、ChatGPT、智能客服
计算机视觉	小区人脸识别门禁、抖音自动抠图、工业缺陷检测
知识图谱	阿里电商反欺诈系统，关联刷单账号的交易、IP、设备信息识别违规
监督学习	邮箱垃圾邮件过滤：用标注好的「垃圾/正常邮件」训练模型，自动识别新邮件
无监督学习	电商用户分群：无需人工打标签，算法自动把用户分为「美妆爱好者」「数码发烧友」等群体
半监督学习	医学影像识别：用少量医生标注的CT片+大量未标注CT片训练，降低标注成本
强化学习	AlphaGo下棋、AGV小车的路径规划：做对动作获得正向反馈，不断优化策略
深度学习	自动驾驶图像识别：无需人工提取「车道线」「行人」特征，喂海量路况数据即可训练出识别模型

考题提示

常考机器学习分类的判定，比如题干提到「已标注的训练集」，直接选监督学习。

三、机器人技术（重点考机器人4.0）

核心考点

机器人4.0核心是云-边-端无缝协同，具备自适应、自主决策能力，核心技术包括云边端协同、持续学习、动态知识图谱、场景自适应、数据安全。

按控制方式分操作/程序/示教再现/智能/综合机器人；按行业分工/服/特种机器人。

实战案例

• 4.0核心技术

  云边端协同：商场导购机器人，端侧负责实时避障，边缘侧负责商场地图的路径规划，云端存储全品类商品知识库；

  场景自适应：仓库搬运机器人，观察到工人常在A通道堆货，自动调整路线避开拥堵；

  数据安全：医院手术机器人，端到端加密传输控制指令，防止被黑客劫持。

• 分类案例

  操作机器人：福岛核泄漏事故中的远程操作机械臂；

  示教再现机器人：工业喷涂机器人，工人手动带一遍喷涂轨迹，后续自动重复作业；

  智能机器人：波士顿动力Atlas机器人，可在不平整路面行走、后空翻；

  综合机器人：祝融号火星车，地面遥控+自主决策结合完成任务；

  服务机器人：海底捞传菜机器人、养老院陪护机器人。

考题提示

常考机器人4.0的核心特征，记住「云边端协同+自主决策」两个关键词即可。

四、边缘计算

核心考点

本质是云计算向网络边缘的延伸，把数据处理从中心云下放到边缘节点，满足实时性、隐私性需求。

落地形态分3类：云边缘、边缘云、云化网关；核心能力是「边云协同」，共6个协同方向。

实战案例

• 落地形态

  云边缘：阿里云放在运营商机房的边缘节点，为附近直播平台提供就近转码服务，降低延迟；

  边缘云：工厂车间里的小型边缘服务器，实时处理产线设备数据，无需上传到远端云端；

  云化网关：智能电网的智能网关，本地处理百万电表的读数，仅把汇总数据传到电网后台。

• 边云协同案例

  智能协同：工业质检场景，云端用海量缺陷数据训练检测模型，下发到边缘端，边缘端用模型实时检测产品缺陷；

  数据协同：自动驾驶汽车，边缘端处理实时路况数据，仅把脱敏后的长尾场景（如动物横穿马路）传到云端，迭代训练自动驾驶模型；

  资源协同：双11电商大促，云端把部分流量调度到边缘节点处理，避免中心云过载。

• 典型应用场景

  云游戏（边缘节点渲染画面，延迟低于20ms）、智慧园区、工业互联网、Cloud VR。

考题提示

常考边缘计算与云计算的能力边界：云计算擅长全局、长周期分析，边缘计算擅长局部、实时处理。

五、数字孪生体技术

核心考点

是物理实体的数字镜像，通过实测、仿真、数据分析实时感知物理实体的状态，反向优化物理实体运行。三大核心技术：建模、仿真、数字线程。

实战案例

• 制造领域：波音777研发时用数字孪生技术做虚拟装配，减少90%的物理试错成本；

• 城市治理：上海数字孪生城市，仿真暴雨天的积水点，提前疏通管网避免内涝；

• 运维领域：风电机组的数字孪生体，打通设计、生产、运维全链条数据，提前3个月预判齿轮箱故障；

• 外围技术结合：维修工人佩戴AR眼镜，能看到叠加在物理设备上的数字孪生指引，无需翻阅厚重的维修手册。

考题提示

常考数字孪生的核心价值：「用信息换能量」，降低复杂系统的不确定性。

六、云计算与大数据

核心考点

云计算两类核心内涵：平台（类似PC操作系统）、应用（云端完成计算存储）；3种服务模式、4种部署模式。

大数据特征：大规模、高速度、多样化、价值密度低、可变性、复杂性。

实战案例

分类	典型案例
SaaS（软件即服务，方便性最高）	钉钉、企业微信、腾讯文档，用户无需部署，直接订阅使用
PaaS（平台即服务）	百度AI开放平台，开发者调用平台API开发自己的OCR、语音识别应用
IaaS（基础设施即服务，灵活性最高）	阿里云ECS云服务器，企业自行购买算力部署官网、业务系统
公有云	个人百度网盘、中小企业官网托管
私有云	银行内部私有云平台，存储客户敏感交易数据
混合云	电商企业日常用私有云，双11峰值把订单、支付业务弹性扩容到公有云
大数据应用	零售企业通过用户浏览、加购、下单数据，分析用户偏好，做精准商品推荐

考题提示

常考三种服务模式的对应：从上到下是SaaS（应用层）→PaaS（平台层）→IaaS（基础设施层）。

七、AI芯片

核心考点

专门为AI算法设计，解决大规模并行计算问题，主流架构4类：GPU、FPGA、ASIC、TPU。

实战案例

• GPU：英伟达A100，用于训练ChatGPT等大模型，擅长浮点数密集型计算，缺点是功耗高；

• FPGA：微软Azure云用FPGA做实时搜索排序，可编程性强，适合算法频繁迭代的场景；

• ASIC：华为昇腾310，专门为端侧AI推理设计，功耗低，用在安防摄像头、智能手表等设备中；

• TPU：谷歌TPU v4，专门为TensorFlow框架优化，用于YouTube的视频推荐算法训练。

考题提示

常考AI芯片分类，记住GPU、FPGA、ASIC三类是高频正确选项，CPU不属于专用AI芯片。