产线智能体要做到“数据不出厂”，我更关心的不是模型装在哪台机器上，而是它工作时还要找谁：推理是否依赖外部服务，日志会不会外传，远程维护能不能顺手带走工艺数据。本地部署只是起点，数据流转始终留在厂内，才是目标。
先画边界，再谈部署
我们得先说清楚哪些东西不能出去。除了工艺配方、机台运行轨迹和质检点云，能反映生产细节的特征、中间结果与日志，也应该纳入检查，不能默认“不是原始数据就安全”。
如果要求物理级不出厂，就不能只靠一句“禁止上传”。采集、存储、特征提取、模型推理和指令下发都要放在厂内可信域，网络出口也要受控。脱敏可以降低暴露风险，却不等于满足“不出厂”。
把容易遗漏的出口找出来
我会沿着智能体的一次完整任务检查：它读取什么，调用什么，把结果写到哪里。正常推理之外，还要看模型更新、故障排查、日志收集和远程运维。主流程留在本地，维护环节却向外发送数据，同样守不住边界。
跨工位协同也不意味着各工位可以随意读取全部资料。需要关联异常时，只传递完成任务所需的信息，并按工位划分读取、配方下发和设备控制权限，留下可追溯记录。
用断网和异常来验收
比起看部署清单，我更愿意看断开外部连接后的表现：智能体能否继续完成本地任务？日志留在哪里？模型不可用时，设备能否进入预设的安全状态？
数据留在厂内，也不代表智能体就能直接控制设备。涉及参数回写，仍需控制白名单、工艺边界校验和急停兜底。本地算力则要适应车间的散热、振动和电源条件，否则闭环会被运行故障打断。
真正让我放心的方案，是既能解释每条数据去了哪里，也能证明断网后如何工作、异常时如何收手。守住厂门之外，还得管好厂内的每一次访问和控制。