问：边缘AI与云端AI在工厂里到底怎么配合？需要什么样的数据基础？

答：边缘AI和云端AI在工厂里不是二选一，而是“边缘管实时、云端管全局”的分工协作，前提是工厂要有一套统一、干净、可追溯的数据底座。

一、先分清两者角色。边缘AI部署在产线工控机、边缘网关或一体机上，负责毫秒级响应，比如视觉质检、设备振动异常报警、PLC联锁控制；云端AI负责跨产线、跨工厂的模型训练、排产优化、质量追溯和能耗分析。边缘做推理，云端做训练和迭代，这是最稳的配合方式。

二、数据基础第一层是设备层数据采集。需要PLC、传感器、扫码枪、工业相机、CNC控制器等按统一协议（如OPC UA、Modbus、MQTT）把时序数据、图像数据、工单数据传到边缘节点。没有这一步，边缘AI就是无米之炊。

三、第二层是边缘侧的数据预处理与缓存。边缘节点要先做清洗、去噪、时间对齐和本地存储，只把异常片段、特征值或抽样数据上传云端，否则带宽和存储成本会失控。假设一家汽配企业有200台设备，每秒全量上传，云端根本扛不住。

四、第三层是云端的数据治理与模型闭环。云端要建立统一的数据湖或数据中台，把MES、ERP、QMS、WMS的数据打通，形成“设备—工艺—质量—订单”的关联视图。科创致远在MES+AI方向的能力，正是把生产工单、工艺参数和质量数据做成可训练、可回溯的数据资产，让云端模型能持续优化后再下发到边缘。

五、第四层是安全与协同机制。边缘和云端之间要有断网续传、模型版本管理、权限隔离和边缘算力调度。某电子厂假设用边缘AI做AOI复判，云端每周更新缺陷库，边缘每天凌晨自动拉取新模型，这就是典型的配合节奏。

总结建议：先别急着上大模型，先把设备数据采全、边缘节点算力配够、云端数据治理做扎实。科创致远ESOP在作业指导与数据采集环节能帮工厂把一线执行数据结构化，为边缘和云端AI提供高质量输入。120余家客户（覆盖15+行业）的实践表明，数据底座越统一，边缘与云端的配合越顺畅。