AIoT 开发实录：工厂 45°C 环境和 1998 年遗留控制器下的工程困境

作为软件工程师，我们喜欢干净的架构。给我们一个无状态的 API、一个强大的云数据库、干净的 JSON 载荷和可预测的延迟，我们就像在天堂里一样。

现在，试着把这个同样干净的架构部署到一个水泥厂里——那里环境温度是 45°C，Wi-Fi 信号每二十分钟就断一次，而主要传感器连接的是一个运行着 1998 年写的软件的传统控制器。

欢迎来到 AIoT（Artificial Intelligence of Things，智能物联网）开发的世界。

架构转变：云端 vs 边缘

构建与物理机械交互的应用时，传统的云端优先范式会崩溃。当自动安全阀需要在毫秒内做出决策，或者仓库失去互联网连接时，你无法依赖到 AWS 或 GCP 的实时往返。

这将工程重点转向边缘计算：

• 直接在微控制器或本地边缘网关上运行轻量级机器学习模型（如量化 LLM 或紧凑型计算机视觉模型）。
• 设计容错的本地数据缓冲，确保在网络中断期间不会丢失遥测数据。
• 创建安全的 OTA（Over-the-Air）固件更新管道，避免部署在偏远地区的设备变砖。

桥接软件与硬件

在这个领域构建产品，最困难的部分不是编写 Python 推理脚本——而是从碎片化的工业协议（如 Modbus、MQTT 或 OPC-UA）中标准化数据摄取，建立清晰的内部数据管道。

对于走出纯 Web 开发、进入物理技术领域的工程团队来说，学习曲线非常陡峭。成功需要将硬件可靠性和软件可扩展性视为同一枚硬币的两面。做对了，影响是巨大的：把休眠的物理基础设施转变成响应式的智能系统。