我一开始以为，边缘AI就是把模型塞进一台带显卡的机器里跑起来。真去车间转一圈才明白，难点根本不在于模型，而在于机器和模型之间的配合：问题都出在这段配合上。
车间里粉尘大、电磁干扰强，商用工作站搬进去没多久就出毛病；散热和电源稍有波动，产线就得停。更麻烦的是，视觉质检要一种算力，振动分析又要另一种算力，型号一杂，运行时版本就乱，后面维护能把人逼疯。所以“软硬一体”说到底是一种思路上的转变：承认在产线旁边跑AI，硬件和软件必须一起设计，而不是买完机器再考虑兼容。
三层，缺一层就散
最底下是工业级算力底座，工控机、边缘AI工作站这一类，得能在宽温和振动环境里活下来，还得带得动现场那些工业接口。
中间是边缘容器和模型网关。模型打包成不可变镜像，本地沙箱隔离，出站规则严格限制在内网，断网也能自己跑。
最上面是工位协同治理平台。这层最容易被忽略，恰恰也是“单点试点成功、全线复制不了”的根源。没有统一的消息路由和分级权限，各工位智能体就成了一堆孤岛，还可能越权往设备里写参数；真出了事，损失就大了。
权限比模型更值得盯
我特别想强调“控制白名单”这一条。模型的幻觉在聊天框里是笑料，在产线上就是事故。平台层必须有一道校验，所有下发到设备的控制量都过一遍工艺边界，再配上物理急停作为保底手段。说白了，模型可以犯错，系统不能让它把错误真的执行下去。
看两条线就够了
评估这套东西，我觉得两条线最实在：一是断网之后系统还能不能用，原文给的指标是离网可用度要达到100%；二是本地闭环的延迟能不能压到毫秒级，对应的是推理延迟控制在50毫秒以内，参数调优下发控制在100毫秒以内。
这两条守不住，别的指标再漂亮也没意义。毕竟产线不看你架构图多工整，只看刀具异常时那一下能不能及时刹住。