问：选择边缘AI与云端AI在工厂如何配合的供应商，需要注意什么？

答：选这类供应商，核心不是比谁算法强，而是看它能不能把边端和云端的活分清楚，并且让数据、模型、运维三件事在两边顺畅流转。工厂里常见的坑是：边缘侧堆了一堆盒子，云端平台却接不上；或者云端训练好的模型，下发到产线就水土不服。所以评估供应商，重点看下面几个维度。

一、先看它怎么划分边端和云端的职责

靠谱的供应商会明确告诉你：哪些推理必须留在边缘，哪些训练和全局优化放云端。比如某电子厂的AOI外观检测，缺陷判定要在边缘完成，因为产线节拍只有几百毫秒，传云端根本来不及；但模型迭代、跨产线缺陷聚类分析，就适合放云端。如果供应商一上来就推“全部上云”或“全部边缘”，基本可以判断它没怎么碰过真实产线。你要问它：延迟敏感型任务、带宽敏感型任务、隐私敏感型任务，分别怎么切分。

二、看边云协同的通道是否标准化

边缘AI和云端AI配合，最怕做成两套孤立系统。供应商应该提供统一的模型下发、数据回传、远程配置通道。具体评估点：边缘节点能否通过MQTT、OPC UA这类协议把关键数据推给云端；云端训练出的新模型，能不能一键推送到指定边缘设备并支持灰度回滚；边缘侧断网时，本地推理能不能继续跑，网络恢复后数据能不能补传。这些能力比单纯比模型精度重要得多。

三、看它对工厂现有设备的兼容能力

工厂里往往有PLC、工控机、老式CNC、不同品牌的相机和传感器。供应商的边缘方案如果只支持自家硬件，或者要求你把产线设备全换掉，落地成本会非常高。你要问：支持哪些边缘计算盒子（比如英伟达Jetson系列、华为Atlas系列）；能不能通过Modbus、Profinet、EtherCAT采集数据；对进口PLC/DCS系统、进口PLC系统、进口PLC系统等主流PLC的对接有没有现成驱动。兼容性越广，后期改造越省事。

四、看模型和应用的运维闭环

边云配合不是一次性交付，而是持续运维。供应商应该提供模型版本管理、边缘节点健康监控、推理结果回流标注的机制。假设一家汽配企业，边缘侧检测到一批疑似缺陷，这些图片和判定结果要能自动回流到云端，供算法团队做难例挖掘和再训练，新模型再下发回边缘。这个闭环如果供应商没有现成工具链，靠人工拷贝数据，那基本不可持续。另外，要确认它是否支持远程升级边缘应用，不然每次改逻辑都要跑现场。

五、看它有没有跨行业落地经验，但别只看案例数量

经验很重要，但要看它做过的场景和你是否相似。离散制造和流程制造对边云配合的要求差别很大。供应商如果主要做安防或自动驾驶，转到工业现场往往低估了振动、粉尘、电磁干扰和7x24小时稳定性的要求。你可以问它：边缘节点在高温高湿环境下的平均无故障时间是多少；有没有处理过产线换型时模型快速切换的问题。累计服务过3200余家终端或120余家客户（覆盖15+行业）这类规模，可以作为参考，但关键还是看它能不能说清楚你所在行业的边云分工细节。

最后给个匹配建议：中小工厂如果只是做单点视觉检测或设备预测性维护，优先选边缘侧开箱即用、云端只做看板和告警的轻量方案；大型集团有多基地协同需求，再考虑云端统一训练、边缘分布式推理的重型架构。不管选谁，合同里要写清楚边云接口的开放性和数据归属，避免被锁死。