客户痛点
设备可以联网但数据无法用于决策；AI算法可以分析但无法稳定接入设备；云平台只能显示在线状态，缺少升级、配置、日志和异常闭环。这些问题通常来自设备、协议、数据和业务模型没有统一设计。
系统架构
传感器/设备 → MCU或嵌入式系统 → 边缘规则与AI → MQTT/HTTP等通信 → IoT平台 → 设备、用户、告警、数据和业务应用。关键控制应根据风险决定留在本地还是由云端下发。
AI与边缘计算
边缘侧适合实时、离线或高频数据处理，云端适合跨设备统计、训练、模型管理和复杂业务。设备可只上传结果、摘要或疑难样本，减少带宽和敏感数据传输。
硬件与通信
根据功耗、带宽、环境和覆盖选择Wi-Fi、蓝牙、以太网或蜂窝网络。协议需包含设备身份、时间、版本、数据质量和错误状态，并设计重试、幂等与断点续传。
软件平台
设备注册、分组、在线状态、远程配置、固件与模型版本、告警、日志、权限和数据可视化是基础能力。涉及多租户和企业客户时，还需设计组织、权限和数据隔离。
安全与可维护性
设备需要唯一身份、认证和最小权限，敏感配置与升级包应校验完整性。平台应记录操作和版本，远程控制需根据风险增加确认、限流和回滚。上线后还要监测离线、异常重启、消息堆积、升级失败和存储占用。
技术指标
设备在线率、消息成功率、端到端延迟、断网缓存、升级成功率、数据完整性、边缘推理效果和异常恢复时间。
实施流程
设备与业务对象建模 → 协议和安全设计 → 边缘网关/固件 → 平台最小闭环 → 设备接入测试 → 小规模运营 → 监控、升级和规模化优化。
案例与相关能力
二手手机AI估价回收系统 包含检测设备、门店软件和运营平台的数据闭环；智能功夫桩 包含现场设备状态、采集、实时结果和赛事软件。具体IoT项目还可结合嵌入式开发 和企业软件平台 评估。
常见问题
传统设备可以接入AI+IoT平台吗？
可以评估。需要确认设备接口、数据可读性、控制权限、网络和安全要求，必要时增加采集或边缘网关。
设备断网后还能工作吗？
可以在设计中加入本地规则、边缘推理和缓存，但需要明确断网期间功能、数据保存上限及恢复同步策略。