工业3.0实现了生产自动化，大量的自动化控制系统及仪表设备得以应用；其主要典型产品，即以DCS、PLC为主的自动化设备。DCS系统，充当工厂的神经中枢的功能，连接了各种传感器、执行设备，实现了设备间的互连互通，进而操作人员可在一个集中控制室，对全厂的设备进行监视与控制。从这里也可以看出，这里面主要的操作运行，仍然重度依赖有经验的操作工，来进行决策控制。
工业4.0将实现生产智能化，突破的重点由DCS、PLC这类自动化设备转移向智能化软件，通过把行业知识和经验写入智能软件，实现降本增效、安全可控、绿色环保的智能化生产过程。在过去30多年时间里，也诞生了一系列的软件，如APC/RTO软件（生产过程控制与优化，解决生产过程决策智能）、APS软件（高级计划与排程，解决生产计划与调度智能）、MES软件（生产执行管理，解决生产管理智能）。然而随着算力算法的不断发展，AI时代来临，这些软件正在进行两个重要的升级，以适应新一轮智能化投资背后的真正智能化的要求。
这两个重要的升级，一个是以计算为主的架构升级，一个是以AI为主的算法升级。
IT架构升级工业4.0时代，要实现智能化，首先需要大量的算力。原有的以PC、嵌入式工控机的单机模型，显然已无法满足当今人工智能的发展要求。因此需要对原有的3.0时代的IT系统架构进行升级，从而以满足AI时代对于算力与存储能力的需求。
DCS系统，采用传统的OT技术，构建了工厂的神经中枢，实现了远程集中式监视与控制。DCS系统的主要优势在于其实时性与稳定性，但其算力与数据存储能力在当前的云计算、大数据时代，具备明显的劣势。因此需要在原来的DCS系统之上，增加具备强算力、海量存储能力的IT基础设施，从而形成生产控制软件的智能化核心，即大脑与小脑。
云平台，是整个架构中的大脑，主要负责全局的逻辑推理计算与海量数据存储，可采用云的方式来实现，算法强、存储空间大，从而可支持各式各样的生产数据的汇聚与存储，并支持各种复杂的AI算法。因此对于那些需要大算力、或大的数据存储能力的生产控制软件应用，如MES、APS、OTS等，均可以部署在整个系统的大脑端。
边缘AI控制器，是整个架构的小脑，主要负责过程级协调优化与控制任务，可采用工业级的服务器来实现，其算力与存储能力，介于DCS与云之间，并且充当了云与DCS系统之间的桥梁作用，因此既有一定的实时性与可靠性，同时也能支持一些高级的算法。因此对于需要一定算力、一定实时性要求的过程优化与控制软件应用，如APC、RTO，既可部署在整个系统的小脑端。
算法能力升级工业软件的本质，是将工业的知识与经验，写入到智能软件中。而这些知识、经验，可以是行业的Know-how，也可以是过程的机理。这些最终均需要依靠算法来进行程序化的实现。
生产控制软件中的算法，主要有两大类：一个是建模、一个是决策。这两大算法，在过去100多年时间内，既独立发展、各成体系，又相互促进、互相融合。而像APC、RTO、APS这类优化与控制软件中，也主要围绕“感知+建模+决策”这三大核心技术，不断构建自己的竞争优势与技术壁垒。然而目前这三个核心技术，仍然是以传统的控制与优化理论技术为主，如系统辨识技术、软测量技术、多变量模型预测控制技术等。
在工业4.0的时代，智能化生产已经成为了必然趋势，智能化时代也即将到来。但工业4.0并非终点，而是一个持续演进的过程。随着技术的不断发展和创新，我们将继续探索如何将人工智能、大数据、物联网等前沿技术融入到生产实践中，不断提升工业智能化水平，为人类创造更加美好的生活与未来。
