cps“赛博－实体系统”，是以多源数据的建模为基础，以智能连接、智能分析、智能网络、智能认知和智能配置和执行的5c体系为框架，建立虚拟和实体系统之间关系性、因果性和风险性的对称管理，以持续优化决策系统的可追踪性、预测性和强韧性，实现对实体系统活动的全局协同优化。
cps工业智能促进工业服务产业变革
在全球产业升级的背景下，正在掀起一场b2b产业革命，以德国工业4.0、美国工业互联网、中国制造2025为代表的转型计划，旨在通过重构b2b产业蓝图，激发全球经济活力。通俗来讲，由于制造业产业结构和生产方式发生变化，迫使b2b产业变革，以适应新的需求，建立新的工业服务形态，以获得与制造业协同发展的能力。
而当前工业所遇到的瓶颈在于技术要素不可见部分，即人的知识产生和利用效率已经不能满足生产系统的要求，无论用户（需求侧）、b2b工业服务商（服务侧）和b2b装备制造商（供应侧），都亟待获得新的增长点。cps工业智能作为新一代的工业网络基础，立足于用户生产系统数据的深度挖掘和分析，为各方提供持续优化的决策支持，实现基于全局的供需协同优化系统，进而建立起新工业服务生态蓝图。
工业服务供需之间的利益冲突是造成工业服务困局的根本矛盾
我国工业服务b2b供需之间利益冲突是长期存在的，这是由于改革开放三十年来工业快速增长，工业制造业粗放式的运营，致使低价中标需求与低价竞争供应并存，致使供需双方都不能得到满足。
而在制造业去产能、调结构的背景下，工业趋于中低速增长，b2b工业服务供需双方呈现结构性失衡。这些利益冲突，将以制造业向更高效、更经济、更安全的营运诉求，倒逼b2b工业服务与b2b装备制造业实施变革。
数据驱动工业服务变革
cps“赛博－实体系统”，是以多源数据的建模为基础，数据的来源是至关重要的，机械工业出版社《数字化工厂＋工业维修服务体系》一书，是以用户价值需求为导向，分析不同作业线类型的数字化制造/数字化运维建设要点，进而引导b2b工业服务产业变革。
值得注意的是，cps数据来源并非特指设备所产生的工业物联网实时采集数据，也包含来自终端人工录入的管理数据，更重要的是需要符合cps的3c元素，即：comparison (比较性)、correlation（相关性）、consequencc(目的关联性)。
comparison比较性：比较维度既可以是时间温度与自身状态进行比较，也可以是在集群维度与其他个体进行比较。这种比较能够帮助我们识别差异，并从这些差异中寻找规律和因果关系，进而做出优化的决策和行动。
correlation 相关性：不同的数据，彼此是相互关联的，通过数字建模，我们可以通过场景还原，更智能的识别出问题发生的根源，进而解决这些具体的制约。
consequencc目的关联性：cps工业智能并不意味着由系统做直接的决策执行，在特定的决策时，需对这些决策所带来的结果和影响做等地分析，通过这些分析预测，为决策者提供决策依据。
基于这些梳理，我们看出，cps工业智能≠ai人工智能，所有这些数据的收集、处理和应用，都是为人服务，为b2b工业服务产业生态服务，但这些数据的处理过程又是客观和智能的，并不以人的意志所干扰（人工录入数据，还应考虑智能防错设计）。
cps-知识经济：需求生长b2b新工业服务生态
正如消费互联网中的腾讯、阿里巴巴、小米生态一样，均是以抓住用户需求，进而长出生态，b2b工业服务产业生态，同样是无法事先规划，而是通过数字运维\数字制造\工业物联网所构建的智能制造系统，以智能连接、智能分析、智能网络、智能认知和智能配置和执行的5c体系为框架，以满足工业制造业（需方）与b2b工业服务、b2b装备制造业（供方）的变革需求。
由于我国制造业水平参差不齐，数字化与智能化水平整体偏低，传统制造业亟待数字化与智能化升级。无论是与欧美，尤其是德国制造业器工匠文化，还是日本那样的工匠文化，我国工业体系中仍然是十分缺乏的。
cps工业智能，立足于用户需求：一方面通过以数字运维，驱动工业服务、mro电商、工业维修知识交互生态，以促进工匠文化，深化用户内部和外部知识积累、沉淀和优化，使得供需双方获得新的增长能力；另一方面，则是以领先制造业的智能化/数字化制造为驱动，或在可托管和租赁领域（工程机械、农业机械、能源和物流）实施物联网应用，促进器匠文化，驱动装备制造业、工业服务业发展服务型制造/创新型服务。
cps工业智能与新工业服务发展趋势
b2b工业服务领域整体处于供＞求，用户需求尚未进一步满足的结构性失衡状态，未来发展方向将呈现于国内优化整合的攻击侧改革方向，作为增量市场，则更多依赖于一带一路战略，cps作为新一代的智能系统，将成为中国工业的重要基础，成就智能服务世界的中国工业升级路径。