20 从 IoT 到 AIoT

难度：中高级｜前置：IoT 主线｜目标：知道 AI 应该放在哪里，不为 AI 而 AI

AIoT 不是给平台加聊天框

AI 的价值应对应可测量问题：

• 降低误报；
• 提前发现故障；
• 缩短排查时间；
• 自动归纳维修记录；
• 帮助人员安全执行复杂流程。

三层智能

边缘规则

确定、实时、低成本：

温度 > 80 且持续 30 秒 → 告警

统计/机器学习

检测趋势和异常：

• 预测性维护；
• 多变量异常；
• 剩余寿命；
• 设备群体对比。

LLM / Agent

理解自然语言、整合多源信息、调用业务工具：

“为什么设备 A 最近频繁离线？”
→ 查在线历史
→ 查网络质量
→ 查告警
→ 查维修记录
→ 生成带证据的分析

LLM 不适合代替毫秒级硬实时控制和确定性安全联锁。

AIoT 数据基础

AI 项目之前先确认：

• 设备和指标语义一致；
• 时间戳可靠；
• 缺失和异常值有标记；
• 维修结果可以关联；
• 故障标签质量可用；
• 数据权限清楚。

没有数据治理，模型只会更快地产生不可靠结论。

安全边界

诊断 Agent 可以自动查询；重启、停机、调参等操作应：

• 校验用户和设备权限；
• 展示计划和影响；
• 人工审批；
• 使用幂等 command_id；
• 保存设备回执和审计。

什么时候不用 Agent

• 步骤固定；
• 规则明确；
• 强实时；
• 错误代价极高；
• 没有自然语言或动态决策需求。

这时使用规则引擎、状态机或普通服务更可靠。

完成标准

• 能区分规则、机器学习和 Agent 的适用场景
• 能说明 AIoT 所需数据质量
• 能设计诊断与控制的安全边界
• 能提出一个可量化的 AIoT 目标

下一阶段：AI Agent 主线。