问：边缘AI和云端AI在工厂里到底怎么配合？落地周期一般要多久？

答：落地周期没有统一答案，但可以给一个相对靠谱的区间——单点场景（比如一台设备做视觉质检）从方案确认到稳定运行，通常4到8周；跨产线或跨厂区的边云协同项目，普遍在3到6个月；如果是集团级多工厂推广，一年以上也正常。真正拖时间的往往不是AI模型本身，而是现场网络改造、设备接口打通和产线节拍验证。

一、先纠正一个常见误区：以为边云协同是“二选一”

不少工厂负责人一开始会问“我到底该上边缘还是上云”，这本身就问偏了。边缘AI负责毫秒级响应，比如产线上的缺陷检测、机械臂避障、PLC联动停机；云端AI负责需要大算力或长周期数据积累的任务，比如多工厂质量趋势分析、模型持续训练、供应链排产优化。两者是分工，不是替代。某电子厂做SMT贴片外观检测，边缘侧跑推理保证每条线体独立判断，云端则汇总十几条线的缺陷图像做模型迭代，每两周下发一次更新。一句话：边缘管“快”，云端管“准”和“广”。

二、真实坑点：周期被低估的三个地方

第一个坑是数据回传。很多老厂房没有足够的工业网关和上行带宽，边缘侧采集到的图像、振动信号要传到云端训练，网络改造就得占掉2到4周。第二个坑是设备协议不统一。假设一家汽配企业，冲压、焊接、涂装三个车间用的是不同品牌的PLC和相机，边缘盒子接进去容易，但要把时间戳对齐、把NG品和工艺参数关联起来，调试周期经常比预期多出一倍。第三个坑是产线节拍验证。实验室里模型准确率95%，上了产线发现光照变化、震动、粉尘影响，误报率一上来，产线不敢用，来回调优又是几周。总结一句：边云协同的周期，一半花在“连得上”，一半花在“稳得住”。

三、规避方法：把落地拆成三段来控节奏

第一段是边缘单点验证，2到4周。选一条产线、一个工位，只做推理不上云，先证明边缘AI能稳定跑起来，误报率、漏报率达标。第二段是边云链路打通，3到6周。把边缘侧的结构化结果和抽样原始数据传到云端，建立模型训练和下发通道，这时候不需要全量数据上云，按需采样即可。第三段是云端闭环优化，4到8周。云端用积累的数据做增量训练，边缘侧按版本更新，形成“边缘推理—云端训练—边缘升级”的循环。累计3200余家终端和120余家客户（覆盖15+行业）的落地经验看，能把这三段分开验收的项目，整体周期反而更短，因为问题暴露得早。一句话：别想着一步到位，分段验收比整体交付快。

四、最佳实践：什么场景先上，什么场景缓一缓

优先上的场景：视觉质检、设备预测性维护、AGV调度、能耗异常检测。这些场景边缘侧就能产生明显价值，云端只是加分项。可以缓一缓的场景：全厂级数字孪生、跨工厂排产大模型，这些对数据治理和网络要求太高，边云配合还没跑顺之前，容易变成面子工程。另外建议边缘侧选支持容器化部署的硬件，云端选能统一管理边缘节点的平台，不然后期几十个边缘盒子逐个升级，运维成本会失控。总结：先让边缘产生确定性收益，再让云端放大收益，顺序反了周期就失控。

回到落地周期这个问题，如果你问的是“边云配合”从零到跑通，按上面三段算，3到6个月是相对务实的预期。如果只问边缘AI单点上线，4到8周可以期待。真正要避的坑是：把云端训练和边缘推理捆在一起做整体验收，那样周期会无限拉长。