1.1 工业软件的演进与局限
本书以“从工业软件到 AI 智能体”为主线，要理解这条演进路径，必须先看清工业软件在哪里、能做什么、不能做什么。
1.1.1 工业软件的版图：ISA-95 金字塔
工业界长期用 ISA-95（IEC 62264）标准来组织软件系统。这个标准将制造企业的信息系统划分为五个层级，自底向上形成一座金字塔：
- Level 0（物理过程）：传感器、执行器、电机、阀门——不跑软件，只产生和接收信号。
- Level 1（基础控制）：PLC（可编程逻辑控制器，Programmable Logic Controller）和 DCS（分布式控制系统，Distributed Control System）的运行逻辑。PLC 以固定扫描周期执行梯形图或结构化文本程序，对“温度超过 85°C 就停机”这类确定性逻辑反应极快，但程序本身不具备学习能力——工程师写完，它就跑一辈子，除非有人重新编程。
- Level 2（过程监控）：SCADA（监控与数据采集系统，Supervisory Control and Data Acquisition）和 HMI（人机界面，Human-Machine Interface）。它们承担采集、监视、告警、历史记录和一定程度的监督控制；具体能力随产品与项目差异很大。传统部署的共同边界不是“只能展示”，而是设备语义、跨系统上下文和高级分析通常需要额外集成。
- Level 3（制造运营管理）：MES（制造执行系统，Manufacturing Execution System）。MES 管生产排程、工单派发、质量追溯、物料跟踪。现代 MES 可以处理准实时事件；真正的困难在于现场、运营与企业系统使用不同数据模型和时间尺度，跨层问题往往需要接口、主数据和事件契约共同解决。
- Level 4（企业业务规划）：ERP（企业资源计划，Enterprise Resource Planning）。管采购、财务、销售，与车间现场隔了两三层，信息传递以天甚至以周为单位。
这套架构在 20 世纪 90 年代定型，支配了此后三十年的工业软件格局。它解决的核心问题是把物理生产过程纳入管理信息系统，让管理者看见工厂里发生了什么。但它的设计预设是：数据由人查看、决策由人做出、指令由人下发。
图 1-1 给出了 ISA-95 五层金字塔的完整面貌——自底向上五层，每层的关键系统与时效一目了然。
1.1.2 工业软件的核心能力与不可替代性
搞清楚工业软件把什么做得足够好，才能判断下一代平台该补什么、不该动什么。
确定性实时控制是工业软件最坚固的底座。 PLC 的扫描周期通常在毫秒级，程序逻辑是二值的——条件为真就执行，条件为假就跳过，不存在模棱两可的“概率性输出”。一台冲压机的安全联锁、一座反应釜的紧急泄压、一条输送带的急停，这些控制回路的关键要求是“在规定的时间窗口内，确定地执行规定动作”。这一层由 IEC 61131-3 标准编程语言和硬件冗余保障，任何叠加的智能层都不应替代它们。
结构化数据建模已有成熟范式。 OPC UA（OPC 统一架构，OPC Unified Architecture）信息模型、ISA-88 批次控制标准、IEC 61850 电力自动化模型——这些标准让不同厂商的设备能在语义层面相互理解。这为物联网平台的物模型（Thing Model）设计提供了工程基础，而不是从零开始。
工业级可靠性与安全认证体系完备。 SIL（安全完整性等级，Safety Integrity Level）认证、ATEX 防爆指令、功能安全标准 IEC 61508——这些不是“功能清单”，而是工业设备上市的法律准入门槛。任何声称“改变工业”的新技术，都必须能在这些约束框架内证明自己。
图 1-2 把这三项能力并置在一起——它们共同划定了「不可替代」的边界。
1.1.3 工业软件的结构性局限
这座五层金字塔在 21 世纪暴露出三个无法靠“升级版本”解决的架构矛盾。
第一条裂缝：数据模型和责任边界不一致。 一条产线的振动数据可能在 SCADA，维护记录在 MES 或 CMMS，备件成本在 ERP。ISA-95 提供企业与控制系统集成的层级和对象模型，但不禁止跨层交换，也不规定所有数据只能经过相邻层。现实中的割裂来自产品边界、历史接口、主数据和组织责任不一致；物联网平台要解决的是受治理的跨域集成，而不是“打破 ISA-95”。
第二条裂缝：确定性规则与变化工况需要不同治理。 PLC 逻辑、SCADA 告警和 MES 排程都可能参数化、版本化并持续优化；把它们统称为“写死”会低估现代工业软件。真正的矛盾是：安全联锁必须保持可验证和确定性，而诊断、预测与跨系统排查需要从历史数据中更新假设。AI 可以辅助后一类工作，但不能以“会学习”为由替换前一类控制。
第三条裂缝：系统是封闭孤岛，外部智能无法安全接入。 工业软件运行在私有网络、私有协议、私有数据格式的封闭环境中。一个外部 AI 模型想查设备状态、调用历史数据、下发一条经过校验的指令——在没有物联网平台层做标准化之前，AI 工程师需要为每个品牌的 PLC 写一套适配器、为每种 SCADA 数据库写一段 SQL、为每个 MES 系统的 API 写一个包装器。这不是“技术对接”，而是巴别塔式的语义翻译工程。
图 1-3 在金字塔上标出了这三条无法靠“升级版本”解决的裂缝。
1.1.4 从工业软件到物联网平台：架构跃迁的动力
正是这三条裂缝，驱动了“从工业软件到 IoT 平台”的向前一步。物联网平台要解决的不是“把设备连上网”——工业现场几十年前就有 Modbus 和 Profibus——而是三点：
- 数据归一：用统一的物模型（Thing Model）和位号值（PointValue）抽象，替代每层不同的数据格式——物模型为每类设备声明“有哪些属性、支持哪些操作”，位号值则是某个测点在某次采集中带单位、带时间戳的取值（正式定义见 2.3 与 3.7）。
- 能力开放：用标准化的 REST/gRPC/MQTT 接口替代私有协议适配器，让外部系统——包括 AI——能以统一方式访问设备数据和控制能力。
- 闭环自动化：把“人看数据→人做判断→人操作设备”的链路，升级为“数据采集→理解→决策→执行→反馈”的持续循环。
理解了这些，后面要展开的物联网四层架构（第 2 章）、多协议接入（第 4 章）、数据闭环（第 5 章），以及最终的 AI 智能体（第 7 章）就有了同一套问题意识：它们都是在回答“工业软件留下什么、补上什么”。
图 1-4 把这场跃迁压缩成一张对照图。