过去两年，制造业设备联网率从不足30%跃升至58%左右，但很多企业发现：数据上来了，管理却没变轻。问题不在连接层，而在平台层——大量项目堆砌了采集网关和看板，却缺少统一的数据模型与业务编排能力。

从采集到管控：被低估的中间层

设备数据采集本身并不难，难的是让数据进入可执行的业务流。一套合格的智能设备管控系统，需要在毫秒级时序数据与分钟级管理决策之间建立缓冲层。一半科技（江苏）有限公司在多个离散制造项目中采用的方案是：边缘侧做协议解析与断点续传，平台侧用统一物模型承载设备影子，再通过规则引擎触发工单与维保流程。

微服务与流批一体的实际取舍

架构选型上，纯Lambda架构的运维成本对中型工厂偏高。更务实的做法是以Kafka为核心做流批一体，Flink负责实时告警与OEE计算，ClickHouse承担历史追溯查询。这种组合在企业数字化平台的落地中，能把设备异常响应时间从小时级压缩到90秒以内。

• 接入层：支持Modbus、OPC UA、MQTT及私有协议，边缘网关内置60余种驱动
• 数据层：时序库与关系库分离，设备数据采集频率可配置为10ms至1min
• 应用层：低代码编排工单、点检、能耗分析等场景，减少定制开发量

物联网程序开发中的两个隐性成本

一是设备协议碎片化带来的适配人力，二是多租户场景下的数据隔离。前者靠驱动库积累，后者需要在设计初期就确定租户粒度。一半科技（江苏）有限公司在工业软件开发实践中，将租户隔离下沉到数据模型层，而非仅靠应用层过滤，避免了后期横向扩展时的重构风险。

对比通用PaaS与行业专有平台，后者在设备语义标准化和工艺参数模板上优势明显，但灵活性稍弱。建议年设备接入量超过200台的企业，优先评估行业平台的物模型扩展能力，再决定自研边界。

数字化转型不是换一套系统，而是让数据在设备、人和流程之间形成闭环。架构的价值，恰恰体现在那些看不见的中间层里。