谈 AIoT 时，容易把它读成"AI 加物联网"，两个热词并列。广州通微智慧科技有限公司（通微智慧）在实际项目里的理解不是并列，是分层：物联网是感官，AI 是判断。缺了感官的判断，只能处理别人递过来的二手信息。
这个分工决定了投入应该怎么排。
感知层要解决的事，比"能看到数字"多得多
一台设备接上智慧物联网关，屏幕上出现了温度和电流，这只是感知层的入门线。往下还有几件事必须成立，数据才算得上可用：
采集要连续。采样间隔不稳定的数据，做趋势分析会失真。
断网要能兜住。网络中断期间的数据如果丢了，这段时间的运行状况就永久空白，而故障恰恰常发生在环境不稳定的时候。
时间要对齐。多台设备各自的时钟不同步，事件先后顺序就判断不了，因果分析无从下手。
数据要带身份。一个数值不带设备编号、位置、工况标签，它就只是一个孤立数字，进了库也用不上。
这几件事都发生在感知层，都不是模型能补救的。数据在采集环节丢掉的信息，后面任何算法都变不回来。
一个常见的预算错配
很多企业的 AI 项目预算分配是倒过来的：大头给了平台、算力和模型，感知层用最便宜的方案凑一凑，反正"能看到数据就行"。
结果是花大钱买了一套判断能力，配了一副近视眼。平台的界面很完整，图表也漂亮，但底层数据缺样本、缺时间戳一致性、缺上下文。等到要用这批数据做点真正的分析，才发现要从采集端重做。
这类返工的成本，通常高于一开始就把感知层做对的成本。
通微智慧的分层是怎么排的
我们把端边云一体拆成四层，两条业务主线共用同一套底座：
端，现场对象——设备与控制柜、仪表与传感器、环境与能源系统。
边，边缘接入——SG 系列机架式边缘网关、BEC 系列配套型边缘网关、SDS 与 IOC 扩展模块，负责协议转换、断网缓存、本地联动。
云，平台与数据——设备与数据治理、告警诊断工单、巡检报表权限。
用，协同触达——PC 与大屏、APP 与小程序、API 与第三方系统。
接入侧支持 Modbus、RS485/RS232、SNMP、MQTT、DI/DO、LORA、4G 以及仪表与第三方 API；具体协议和设备型号仍需逐项核实，能否接入以设备清单、协议和点表评估。
AI 能力落在这套底座的两个位置：边缘侧负责实时判断与执行，中心侧负责全局分析与持续优化。这样分的原因下一篇会细讲——有些判断必须在现场做出来，等不到上云。
做标准产品配套时，客户只取"端 + 边"，平台用自己的；做方案配套时四层一起交付。同一套协议栈和数据模型，避免重复开发。
感官这个位置本身就有价值
需要说清的是，通微智慧不做模型，也不承诺替客户建成智能工厂。我们自主研发智慧物联网关、扩展模块、行业终端和平台软件，做的是把分散设备、环境和能源现场变成可连接、可诊断、可运维的对象。
这个位置不需要抬高。工业级 AIoT 真正难的部分，恰恰在于让物理世界的信号可靠地、连续地、带着上下文地变成数据——这件事做好了，后面的判断层才有发挥空间。
下一步
如果你正在为一批设备或一个场景选型，可以先把设备清单和协议种类发给通微智慧，我们按现场情况给一份接入可行性判断和选型清单，再决定是否申请样机测试。