第 20 期 | 工业 AI 平台架构云-边-端协同的技术体系单个模型可以跑在笔记本上但一个企业的几十上百个模型需要平台承载数据要从传感器流进来模型要持续训练部署推理要在毫秒级响应安全要分区隔离。本期讲解工业 AI 平台的云-边-端架构与数据流设计。一、工业系统的分层架构传统 ️理解工业 AI 平台先要理解工业自动化的经典分层ISA-95层级名称内容时间尺度L0现场层传感器、执行器毫秒L1控制层PLC、DCS 回路控制毫秒~秒L2监控层SCADA、HMI秒~分钟L3运营层MES、生产管理小时~天L4企业层ERP、经营决策天~月AI 平台的定位AI 是横跨 L2~L4 的能力增强层——数据从 L1/L2 采集模型在 L3/L4 训练管理推理结果回写 L2/L3 供监控与决策。AI 平台绝不应该替代 L1 控制层安全联锁永远属于硬实时系统。二、云-边-端协同架构 ☁️原始数据流特征数据/采样数据模型下发推理结果端: 智能传感器/相机数据源头 毫秒级边: 边缘计算节点产线旁GPU工控机实时推理 毫秒-秒级云: 企业数据平台数据湖训练集群模型开发 分钟-天级L2/L3系统SCADA/MES展示分层职责的划分原则边缘侧实时性要求 1s 的推理任务视觉质检、振动监测、实时软测量、数据清洗压缩、断网续传云端企业平台模型训练与版本管理、长周期数据分析、跨产线模型对比、模型下发端侧智能传感器自带轻量推理如带诊断功能的振动传感器。三、数据流设计从传感器到模型 L1: PLC/DCSOPC-UA/Modbus实时数据库PI/InfluxDB/TDengine秒级时序存储数据管道:清洗/对齐/重采样Kafka流处理数据湖:Parquet/湖仓一体历史全量归档特征平台:离线特征在线特征同源定义训练环境GPU集群/MLflow推理服务边缘云端技术选型的工业要点时序数据库选支持高写入吞吐百万点/秒、长保留周期、工业协议接入的产品PI System、TDengine、InfluxDB、IoTDB流处理KafkaFlink 是事实标准但中小规模场景可用轻量方案如 TelegrafInfluxDB 直连湖仓格式Parquet/Delta Lake 按时间与产线分区兼顾压缩率与查询效率协议栈OT 侧 OPC-UA 已成主流标准老旧设备经网关协议转换接入。四、网络安全IT/OT 融合的硬约束 工业网络安全不是可选项而是平台设计的前置约束等保 2.0 IEC 62443OT域: 生产控制网L1/L2 最高安全等级工业防火墙/网闸单向隔离或严格策略DMZ缓冲域:实时库镜像/代理服务IT域: 企业网数据平台/AI训练互联网区: 严格受限禁止OT直连外网AI 架构的安全推论生产控制网OT与企业网IT之间经网闸/防火墙隔离AI 平台的数据采集走只读通道AI 推理结果回写操作画面需经审批的双向通道且只允许写建议值禁止直写控制设定值除非经过安全评估的闭环项目模型与数据中禁止携带敏感工艺参数出境呼应第 16 期数据安全红线。五、模型管理模型注册中心 ️当企业模型数量超过 10 个必须建立模型注册中心Model Registry功能说明版本管理模型版本训练数据版本代码版本三位一体血缘追溯任一预测可回溯到具体模型版本与训练数据集审批流模型上线/变更的审批与回滚性能档案各版本的历史性能指标对比分发部署一键下发到指定边缘节点灰度与回滚主流工具MLflow开源事实标准、Weights Biases或企业级平台如华为 ModelArts 等私有化方案。六、平台建设的务实路径 ️反模式先花两年建大而全平台再谈应用——平台建完业务已经变了。推荐路径场景先行0~6 月1~2 个高价值场景用最小架构落地实时库Python 服务简单看板验证价值沉淀共性6~12 月从场景中沉淀共性需求特征平台、模型注册、监控告警针对性建设平台成型12~24 月整合为多租户平台支撑场景规模化复制运营优化持续平台本身按产品运营SLO、成本、使用率纳入考核。 本期小结AI 平台是横跨 L2~L4 的能力增强层绝不替代 L1 安全控制云-边-端分工边缘管实时推理、云端管训练管理、端侧轻量智能数据流链路OPC-UA→实时库→流管道→数据湖→特征平台→训练/推理网络安全硬约束IT/OT 隔离、只读采集、建议值回写审批建设路径场景先行→沉淀共性→平台成型拒绝先平台后应用的反模式。下期预告第 21 期工程篇第二站——工业 MLOps模型从开发到退役的全生命周期管理漂移监控与再训练策略的工程实现。♻️作者高炉炼铁智能化技术研究者专注钢铁冶金与人工智能 交叉领域。 如果觉得有帮助请点赞、收藏、转发版权归作者所有未经许可请勿抄袭套用商用(或其它具有利益性行为)。 关注专栏不错过后续精彩内容