参考架构的价值在于为系统设计提供结构化思维框架。国际电工委员会IEC 62264定义了企业层级模型，工业互联网联盟（IIC）在此之上扩展出包含数据、安全、应用的统一框架。国内方面，GB/T 42035-2022《工业互联网总体网络架构》进一步明确了适用于国内制造业体系的技术分层。本文从五层模型切入，逐层解析技术选型与工程约束。
五层模型与各层职责
参考架构将系统划分为感知层、网络层、平台层、应用层、安全层。五层并非物理部署的强制约束，而是逻辑解耦的设计参考。安全层贯穿全栈，不作为独立层级部署。
感知层是数据的物理起点。传感器、执行器、PLC、DCS等设备负责采集温度、压力、流量、振动等过程变量。现场总线技术方面，4-20mA模拟信号在过程工业中仍占主导地位；RS485在离散制造领域广泛应用；Ethernet-APL（Advanced Physical Layer，IEEE 802.3cg）逐步替代传统Fieldbus，提供更高带宽和供电能力。感知层的关键工程参数是采样率与精度——轴承振动监测要求10kHz以上采样率，温度控制0.1Hz即可满足。
网络层承担数据传输与协议转换。工业网关将底层现场总线协议转换为IT可处理的标准协议。5G URLLC（超可靠低延迟通信，3GPP TR 22.804）在移动性场景中替代有线方案，端到端延迟可控制在1ms以内。TSN（时间敏感网络，IEEE 802.1Q系列标准）解决了以太网确定性传输的固有缺陷，为跨厂商互操作提供基础。
平台层是数据汇聚与处理的中枢。传统平台采用PaaS架构，集成数据存储、计算引擎、开发框架于一体。架构演进的方向是"薄平台厚数据"——平台层聚焦数据基础设施，应用逻辑下沉到边缘或上浮到SaaS。
应用层面向具体业务场景。MES（制造执行系统）、APS（高级排程系统）、EMS（能源管理系统）等工业软件正从本地部署向云原生迁移。应用层的核心特征是数据驱动、实时响应、快速迭代。
安全层贯穿全栈。IEC 62443标准定义了工业自动化信息安全的纵深防御体系，覆盖设备、网络、应用、数据四个维度。
架构层级 | 核心职责 | 关键技术/协议 | 典型设备/组件 |
感知层 | 数据采集与执行控制 | 4-20mA、RS485、Ethernet-APL | 传感器、执行器、PLC、DCS |
网络层 | 数据传输与协议转换 | OPC UA、MQTT、TSN、5G URLLC | 工业网关、边缘路由器、交换机 |
平台层 | 数据存储、计算与服务 | 数据平台、容器编排、流计算 | 服务器集群、存储系统 |
应用层 | 业务逻辑与用户交互 | 微服务、低代码、可视化引擎 | MES、APS、EMS、SCADA |
安全层 | 全栈安全防护 | IEC 62443、零信任、TLS 1.3 | 防火墙、IDS、认证授权 |
各层技术选型的工程约束
技术选型不是标准比对，需要评估现场条件、运维能力、成本约束和长期演进路径。
感知层选型受制于现场环境。防爆区域必须选用本质安全型传感器（Ex i）；高温场景中电子元器件的MTBF大幅下降，需选用工业级芯片（-40°C~85°C）。采样精度方面，12位ADC满足大多数温度控制场景，轴承振动分析需16位以上ADC配合抗混叠滤波器。传感器选型的另一约束是校准周期——热电偶每6个月需校准一次，PT100铂电阻的年漂移率低于0.1°C，两者在维护成本上差异显著。电磁干扰环境中的传感器选型还需考虑信号隔离——4-20mA电流信号抗干扰能力远优于电压信号，在变频器密集的产线上优势明显。
网络层是工程实施中复杂度最高的环节。一家中型工厂可能同时存在Modbus RTU、Profibus、EtherCAT等5种以上协议。协议转换的工程量往往被低估——配置一个OPC UA服务器与PLC的连接涉及地址映射、数据类型转换、刷新周期配置、异常处理等多个步骤。OPC UA的地址空间模型虽提供了完整的语义互操作能力，但配置复杂度高，实施周期通常以月计。
平台层的技术选型分歧最大。传统方案将数据存储、消息中间件、流计算引擎、开发框架全部堆叠在PaaS层，导致平台臃肿、运维成本居高不下。演进的明确方向是"薄平台厚数据"——平台层只做数据基础设施，将计算逻辑下沉到边缘（流式处理）或上浮到应用（微服务）。
TDengine作为AI原生工业数据平台，在这一架构中定位为平台层核心数据基础设施。它替代传统重型平台的数据库与消息中间件组件，提供数据写入、存储、查询、分析、流计算的一体化能力。原生支持MQTT协议和OPC UA协议接入，省去外部协议转换网关；内置连续查询引擎在边缘侧即可完成实时聚合。传统方案需Kafka+数据库+流计算引擎三套系统，TDengine将数据管道压缩为单一组件，架构复杂度和运维成本同步下降。
架构演进趋势
演进呈现三个清晰方向。
边缘智能下沉。 原来集中在平台层的计算能力正在向边缘迁移。IEEE 2806标准定义了边缘计算的层级模型——从设备边缘（PLC内置AI推理）到网络边缘（工业网关运行容器化分析模块）。边缘智能的核心价值不在节省带宽，而在于缩短控制闭环延迟。轴承故障诊断若依赖云端分析，数据往返延迟200ms以上；在边缘侧完成推理，延迟控制在10ms以内。
数据基础设施融合。 原来分离的实时数据、配置数据、空间数据正在融合。融合不是单一存储引擎处理所有数据类型，而是统一数据访问层与一致的数据模型。具体而言，平台需要支持多模数据——高吞吐写入、关系查询、图关联分析在同一架构内完成。
从平台中心到数据为中心。 传统架构以PaaS平台为中心，所有数据流经平台中转。演进方向是以数据平台为中心——设备数据直接写入数据基础设施，应用通过订阅或查询接口消费数据。数据链路缩短、延迟降低、架构复杂度下降。
落地中的现实偏差
参考架构提供系统性思维框架，但落地中存在两个普遍问题。
第一，照搬架构图导致脱离实际。部分企业直接参考IIC或产业联盟的架构图进行设计，未评估自身数据规模、IT基础能力和业务需求。结果是从感知层到应用层全栈自建，投入巨大但产出有限。务实做法是根据核心业务场景反推必要的架构层次——设备远程监控场景中，感知层+网络层+数据平台+监控应用即可满足，无需建设完整PaaS能力。
第二，分层过细增加集成复杂度。五层模型是逻辑划分，不是物理部署方案。每层独立部署、独立运维，层间接口的维护成本远超预期。实践中，网络层与平台层往往合并部署在边缘节点；小型项目中平台层与应用层合并为单一系统。分层的目的是解耦，而非制造集成接口。架构设计的有效性最终以数据从产生到被消费的端到端延迟衡量——五层全栈部署如果延迟控制在200ms以内，优于三层部署但延迟500ms的方案。架构层次数量不是目标，数据流转效率才是。
结语
参考架构将继续向"数据为中心"演进。平台层的角色从"全栈PaaS"收缩为"数据基础设施"，应用层从"平台内嵌应用"转变为"独立微服务"。这一演进对数据平台提出了更高要求——不仅要支撑高吞吐写入和低延迟查询，还要原生支持多协议接入和流式计算。架构选型应回归业务场景，以数据流最短路径为原则，避免不必要的中间层。
