工业AI最大的谎言:必须上云
我在工业物联网行业待了几年,听过最多的一句话是:“边缘算力不够,AI必须上云。”说这话的人,要么是卖云服务的,要么是没在工厂待过的。先看一组真实数据 我统计了我们部署过的37个工业AI场景,推理任务分布是这样的:任务类型 占比 算力需求 异常检测(振动/温度/电流) 52% 极低,ONNX模型<10MB 趋势预测 21% 低,ONNX模型<50MB 视觉检测 18% 中,需NPU或GP
国标视频平台该不该收费?我开源后想明白了
一个让我想了很久的问题 上个月有个做集成的朋友找我,说想用我的开源国标平台,但有个顾虑。“你以后会不会突然收费?或者把核心功能藏起来,逼我买商业版?”我说不会,AGPL v3.0协议,代码全部开源,永远免费。他说:“那你图什么?”这个问题我被问过很多次。今天认真聊聊。开源不等于不赚钱 很多人对开源有个误解:开源就是做慈善,作者不赚钱,纯靠爱发电。不完全是。开源项目的商业模式有很多种:技术支持: 代
JT/T 808 校验码总算错?90% 的人卡在这 3 个地方
做 JT/T 808 开发,校验码算错是最高频的问题。我见过有人查了一整天,最后发现是转义处理漏了消息头。也见过有人把 BCD 高低位搞反,终端手机号解析出来全是乱码。今天把最常见的 3 个坑列出来,你对号入座。坑一:转义处理只做了消息体,没做消息头。JT/T 808 用 0x7E 作为帧头帧尾,0x7D 作为转义字符。很多人写转义处理时,只对消息体做了 0x7D02 和 0x7D01 的替换,忘
工业设备接入,到底要不要自己写协议?
评论区“林间隐居宁静致远”的项目,有一个细节值得深挖。他的校园洗衣机项目,用的是Netty + 自定义TCP协议。也就是说——协议是他自己设计的。“自己写协议”这个事,在工控圈里有争议。有人说:“有标准协议为什么不用?Modbus、MQTT、OPC UA都是现成的,非要自己造轮子。”有人说:“标准协议满足不了我的需求,我就自己写。”到底该不该自己写协议?先说一个真实案例。一个做充电桩的公司,早期用
信创数据库兼容Oracle,是捷径还是陷阱?
一、一个真实项目的教训 去年我参与了一个政务系统的信创迁移项目,从Oracle 11g迁到达梦DM8。达梦的一个卖点是“高度兼容Oracle”,官方文档也强调PL/SQL语法兼容。项目组一开始很乐观——既然兼容,迁移应该很顺利。但实际迁移中,我们遇到了几个意想不到的问题。二、兼容性带来的“隐性陷阱” 陷阱一:隐式类型转换的行为不一致。Oracle中,WHERE varcharcol = 123会自
做国标视频平台,我为什么放弃了SRS选了它
先说结论 做国标视频平台,流媒体服务器我最终选了ZLMediaKit,放弃了SRS。不是因为SRS不好。SRS在互联网直播领域非常优秀,RTMP推流、HTTP-FLV/HLS拉流做得扎实,社区活跃,文档完善。但国标场景不一样。为什么一开始选SRS? 去年开始做国标平台的时候,我第一反应是用SRS。理由很简单:SRS名气大,用户多,出了问题好搜答案。而且SRS 5.0开始支持GB28181,通过st
公司禁用开源工具,我用半年证明了什么
去年入职一家做车联网平台的公司,第一天开技术会,CTO 明确说了一句:“公司项目禁止使用来源不明的开源工具,出了问题谁负责?”我理解他的顾虑。商业工具有人兜底,自研工具可控,开源工具确实存在维护风险、安全风险、合规风险。但问题是,我们当时做 JT/T 808 联调,商业工具报价六位数,自研来不及,团队只能靠手写脚本硬扛。我偷偷下载了 JT-Simulate。为什么敢用?因为它开源,代码就在那里。我
为什么你的MQTT Broker一上量就崩?
评论区有位兄弟说他在工业园区用MQTT,每个网关连100个设备左右,跑了一年半了。这是个好案例。但我也见过很多MQTT项目一上量就崩——几千个设备同时在线,Broker就扛不住了。为什么有的项目100个网关稳稳当当,有的项目几千个设备就崩了?第一个坑:Broker选型不对。MQTT Broker有好几种——Mosquitto、EMQX、HiveMQ、VerneMQ、NanoMQ。Mosquitto
当 SPIFFE 走进工厂:我把云原生的零信任身份框架装进了 Modbus 传感器
SPIFFE 是 CNCF 的毕业项目,Kubernetes 生态里管身份认证的事实标准。但它最初设计时面对的是云原生工作负载——K8s Pod、VM、Serverless 函数-23。没人想过用它来管一个 Modbus 传感器的身份。但我做了。问题:一个工厂 5000 台设备,每台都是一个潜在的后门 传统 IoT 设备靠 IP/MAC 地址识别身份。这意味着什么?任何知道设备 IP 的人,插上网
我测了5个边缘AI平台,最后选了最“寒酸”的那个
上个月帮一个做设备运维的朋友选边缘 AI 平台。他的需求很朴素:工厂里有 200 台设备,装了振动和温度传感器,想做个异常告警,预算不高,不想换硬件,不想数据上云。我陪他测了 5 个平台,结果挺意外的。测试对象和结果平台部署耗时最低内存断网可用多模型编排本地 LLM硬件绑定AWS Greengrass2 天1GB+部分❌❌倾向 AWSAzure IoT Edge1.5 天1GB+❌❌❌倾向 Azu
我花 3 天写的 808 解析器,被一条真实报文打崩了
前年接了一个道路运输平台的项目,需要解析 JT/T 808-2019 的位置上报报文。我当时的想法很简单:协议文档又不复杂,自己写一个解析器,可控、可定制、不依赖第三方。于是我花了 3 天,写了转义处理、校验码计算、BCD 解码、大小端转换,还写了一套单元测试。本地跑了几十条构造报文,全部通过。我当时觉得自己挺牛。然后真实终端接进来了。第一条报文就把我的解析器干崩了。终端手机号解析出来是乱码。我查
大规模设备接入,Netty还是MQTT?我把真实数据摆出来
上篇文章《用Netty还是MQTT》发出去之后,评论区吵起来了。有个兄弟说“瞎扯淡”。然后“林间隐居宁静致远”本人来了,说那段评论确实是他写的——他用Netty做了7年校园洗衣机项目,几十万台设备,稳定运行;后来做工业园区用MQTT,每个网关连100个设备,也跑了一年半。两段真实的项目经历,两种完全不同的技术选型。到底谁对?我说点更具体的。先还原一下两个项目的真实场景。项目A:校园智慧洗衣机(Ne
车联网平台用微服务,是我见过最大的技术笑话
这句话会得罪很多人。但我还是要说。一个真实项目去年,一个客户找我做技术咨询。他们的车联网平台上了微服务,拆了30多个服务。我问他:为什么拆这么多?他说:微服务架构啊,高内聚低耦合,独立部署,技术异构。我说:你们多少终端?他说:5000台。5000台终端,30个微服务。平均每个服务承载166台终端。微服务在车联网的典型问题第一,网络开销。微服务之间通过HTTP或gRPC通信。一次位置上报,网关服务要
MQTT在工业现场用了3年,我总结的4个“不适合”场景
MQTT这几年被捧得很高。很多方案里,不管什么场景,先上一个MQTT Broker再说。但我用了3年MQTT之后发现——MQTT在工业现场有4个场景是真的不适合,硬用只会给自己找麻烦。场景一:安全联锁回路。一个化工项目,安全联锁系统需要在检测到压力超标后50ms内切断进料阀。有人提议“用MQTT下发切断指令,快得很”。这是要命的错误。MQTT的消息从发布者到Broker再到订阅者,中间经过了至少两
“开源工具能用在生产项目里吗?”我用 JT-Simulate 做了半年部标联调后的真实感受
每次在团队里推荐开源工具,总会有人问:“开源的东西,出了问题谁负责?”“代码质量能保证吗?”“会不会有安全风险?”我做部标协议开发六年,用过自研工具、商业工具、开源工具。说实话,没有哪个工具是完美的。商业工具支持好,但贵,而且定制困难。自研工具可控,但维护成本高,人员一流动就没人管了。开源工具免费,但需要自己判断质量。JT-Simulate 是我半年前开始用的。当时项目要做 JT/T 808 和
GB28181选SRS还是ZLMediaKit?我踩了三天坑
选型背景 做国标视频平台,流媒体服务器是绕不开的环节。主流选择有两个:SRS和ZLMediaKit。SRS 定位是互联网直播,RTMP推流、HTTP-FLV/HLS拉流做得非常扎实,社区活跃,文档完善-29。ZLMediaKit 更均衡,RTSP、RTMP、HLS、HTTP-FLV、WebRTC全都支持,尤其对GB28181和安防场景适配更好-29。两个我都部署过,踩了不少坑,今天把对比和选型建议
用Netty还是MQTT?我做了7年设备接入,说点得罪人的真话
评论区有个兄弟说了一句话,我看了三遍。“我做校园智慧洗衣机,一个学校3千到1万台,200个学校,几十万台设备,要求实时控制,我用Netty做了7年,很稳定。现在做工业园区智慧管理,用MQTT,每个网关连接100个设备左右,做了一年半了。”这短短两段话,把工业物联网协议选型最核心的矛盾说透了。同样是物联网项目,为什么第一个选了Netty,第二个选了MQTT?为什么两个都能跑?今天我不站队,把Nett
“JT/T 808 已经过时了?”——当我同时对接 808 和 GB/T 32960 时,才发现工具选错了
这个问题在车联网圈子里几乎每年都要吵一次。做道路运输的坚持 JT/T 808,做新能源的力推 GB/T 32960。去年我接了一个混合项目:既要对接道路运输车辆,又要接入新能源车。两个协议都要支持,而且要在同一个平台上调试。一开始我们想得简单:JT/T 808 和 GB/T 32960 各写各的解析器,各调各的设备。结果调试阶段直接崩溃。JT/T 808 用 7E 转义,GB/T 32960 用
工业AI边缘部署——从零到一的那些坑
一个化工厂的项目,上百台老旧设备,大部分都是10年前的老家伙,通过Modbus和CAN总线连接。老板想搞预测性维护,减少非计划停机。听起来很美好。但到现场一看:设备分散在几个车间,有些地方连网线都拉不过去;现场温度经常超过50℃,灰尘、震动、电磁干扰样样不缺;最要命的是,很多地方只有24V工业电源,功率预算极其有限。这就是工业AI边缘部署的真实环境——不是实验室,不是演示厅,是真实的、恶劣的、处处
“压测必须用真实设备?”我用仿真工具模拟 100 台终端后,发现了平台的致命 bug
前年做一个部标平台项目,甲方要求:“上线前必须做 500 台终端并发测试,而且必须用真实设备。”采购 500 台终端是什么概念?硬件成本、SIM 卡、流量费、场地、电源,加起来六位数。更麻烦的是,真实终端型号杂,行为不一致,压测结果根本不可控。有的终端心跳间隔 30 秒,有的 60 秒;有的注册完立刻鉴权,有的要等 5 秒。团队吵了一周。一派说真实设备才靠谱,另一派说仿真工具足够。最后折中:先用