智能源于原生，而非后期拼凑
一套架构，三个层级，一个闭环。以下按信号流经的顺序，逐层给出规格说明。
架构ENGINE-01
- 物理边缘层
- 经受高温、粉尘与振动考验的工业级传感器与边缘处理器。
- 智能核心层
- 实时 AI 与 RTOS 层，在边缘端完成零延迟决策。
- 数字云端层
- 可扩展的数据分析与模型训练，并将迭代后的模型回传至边缘端。
三层堆叠架构：由工业级传感器与边缘处理器构成的物理边缘层；运行实时 AI 与 RTOS 的智能核心层；以及承担分析与模型训练的数字云端层。数据自边缘上行至云端，训练完成的模型再回传至边缘，形成闭环。
- Layer 1 of 3: 物理边缘层. 经受高温、粉尘与振动考验的工业级传感器与边缘处理器。
- 传感器阵列 — 工作环境 高温、粉尘、振动
- 功率级
- 边缘处理器 — 职能 采集与控制
- 输入/输出接口
- 执行机构
- Layer 2 of 3: 智能核心层. 实时 AI 与 RTOS 层，在边缘端完成零延迟决策。
- 实时操作系统 RTOS — 调度 确定性
- 推理 — 决策点 在边缘端
- 控制回路
- Layer 3 of 3: 数字云端层. 可扩展的数据分析与模型训练，并将迭代后的模型回传至边缘端。
- 数据分析
- 模型训练 — 输出 迭代模型回传至边缘端
- 设备集群管理
Connections:
- 传感器阵列 delivers measurements to 边缘处理器.
- 边缘处理器 issues actuation commands to 输入/输出接口.
- 功率级 delivers drive current to 执行机构.
- 边缘处理器 passes data up to 实时操作系统 RTOS.
- 实时操作系统 RTOS schedules 推理.
- 推理 supplies setpoints to 控制回路.
- 推理 passes data up to 数据分析.
- 数据分析 supplies datasets to 模型训练.
- 控制回路 passes data up to 设备集群管理.
- 模型训练 returns trained models to 推理.
- 设备集群管理 returns updated operating policy to 控制回路.
- LAYER 01 · 硬件基础层
- LAYER 02 · 智能核心层
- LAYER 03 · 数字云端层
LAYER 01
硬件基础层
经受高温、粉尘与振动考验的工业级传感器与边缘处理器。
基础层规格应由工作环境来定义，而非受功能清单所禁锢。一个在实验室里表现精准、在高温下却发生漂移的传感器，无法代表真正的工程设计，那只是妥协的选型。
由此，工作环境规格作为关键设计输入，必须在概念阶段与电子设计并行确立。任何推迟到后期的降额决策，都将引发架构级的重新设计，而非简单的参数微调。
| 热 | 高温 |
|---|---|
| 颗粒物 | 粉尘 |
| 机械 | 振动 |
硬件基础层 — engineering properties
- 热
- 高温
- 颗粒物
- 粉尘
- 机械
- 振动
LAYER 02
智能核心层
实时 AI 与 RTOS 层，在边缘端完成零延迟决策。
推理在设备端运行，因为一个需要等待网络的决策，不是实时决策。云端往返之所以慢，并非云本身慢，而是因为它是一次往返；其最坏情况由一张无人可控的网络决定。
确定性是论证的另一半。实时操作系统按已知的最坏情况而非漂亮的平均值来调度任务，因此系统在负载下的表现是一个可据以设计的数值，而不是一种期望。在关键任务场景中，这一区别本身就是产品的全部：平均值是市场宣传数字，最坏情况才是工程承诺。
因此，把智能放在这一层而非云端，并非部署偏好，而是让响应时间成为设备自身的属性，而不是连接质量的属性。
| 决策点 | 位于设备端 |
|---|---|
| 调度 | 确定性 |
| 对通信链路的依赖 | 无 |
智能核心层 — engineering properties
- 决策点
- 位于设备端
- 调度
- 确定性
- 对通信链路的依赖
- 无
LAYER 03
数字云端层
可扩展的数据分析与模型训练，并将迭代后的模型回传至边缘端。
云端层承担边缘无法完成的工作：跨设备集群汇聚数据、基于远超单台设备所能接触的数据量进行训练，并保存使趋势得以显现的历史记录。
使其成为生态而非单一产品的，是回传通路。训练完成的模型下发回边缘，产生数据的设备因此而变得更好。闭环由此形成 —— 而闭环正是“会上报的系统”与“会学习的系统”之间的分野。
| 数据汇聚 | 覆盖全设备集群 |
|---|---|
| 回传通路 | 模型下发至边缘 |
| 回路 | 闭环 |
数字云端层 — engineering properties
- 数据汇聚
- 覆盖全设备集群
- 回传通路
- 模型下发至边缘
- 回路
- 闭环
演进脉络
- 01从自动化走向自主。
- 02去中心化的智能。
- 03具备情境感知的机器。
研发中 · 2026
本年度正在研发的项目。
以下项目均处于研发阶段，尚未交付。本节内容不出现在以下页面的已交付记录中： 实证，不应理解为已经验证的能力。
- AI 智能体控制器IoT & embedded控制器硬件，智能体在设备端运行。
- 智能供电旅行箱IoT & embedded
- 电动汽车充电桩后台与应用程序New energy & EV服务端平台及配套应用程序。
