先让机器开口，再谈让机器聪明
我们花了六章聊「怎么把想法变成能跑的东西」。但工业智能装备有个前提，网站和 App 都没有：你得先从一堆铁疙瘩里，把数据弄出来。
算法再神、模型再大，喂给它的都是数据。没有数据，AI 就是一个饿着肚子的天才，什么也算不出来。而拿到数据这件事，恰恰是不写代码的产品经理最陌生、也最容易被人忽悠的一环。这一章，我们就把「和硬件对话」这件神秘的事，拆成你听得懂的话。
一句话预告：这一章你会得到一张「数据从哪来、经过谁、最后到你手里」的地图，还有一个可能会颠覆你认知的结论——现场数据天生是脏的，不是别人没弄好，是物理世界本来就这样。
数据的第一站：传感器
传感器，就是机器的「感觉器官」。你的皮肤能感觉到烫，是因为皮肤把「温度高」这个物理现象，变成了神经信号送进大脑。传感器干的是一模一样的事：它把温度、振动、电流、压力这些看不见摸不着的物理量，翻译成电信号，再变成一个数字。
比如一个测温传感器，贴在电机上。电机 60 度，它就吐出一个数——可能是 60，也可能是 600（放大了 10 倍存的），也可能是一串电压值需要你换算。记住这个「可能」，后面要考。
类比：传感器像个只会说方言的乡下亲戚。他确实知道现场情况，但他说出来的话（原始信号），你得有人帮你翻译成普通话（有意义的数字）。
数据的中转站：PLC
传感器测到的数，很少直接跑到你的电脑里。产线上还有个「工头」，叫 PLC（可编程逻辑控制器）。你就把它理解成一台专门指挥机器干活的工业电脑——传送带什么时候转、气缸什么时候推、报警灯什么时候亮，都是它在发号施令。
因为它管着这些机器，所以现场的很多数据，都先汇总到它这里。你想拿温度、想拿电机转速，八成得去问 PLC 要，而不是直接问传感器。
寄存器：PLC 里的一排小格子
PLC 怎么存这些数？靠 寄存器。你可以把 PLC 的内存想象成一面墙，墙上有几千个编了号的小格子。第 40001 号格子存温度，第 40002 号格子存转速，第 40010 号格子存「设备是否报警」……每个格子存一个数。
关键来了：格子上没写标签。你光知道有一面墙没用，你必须知道「第 40001 号格子存的是温度，单位是 0.1 度」，才能正确读到、并算出真实值。这张「几号格子对应什么」的对照表，行话叫 点表（或地址表）。
这里是全章最容易踩坑的地方，请划重点：点表不在任何代码里，不在任何 AI 的脑子里。它在设备电气工程师的手上，或者在一份 Excel 里。你不去问、不去要，谁也变不出来。第 40005 号格子到底是「电流」还是「电压」，AI 猜不到，只有现场的人知道。
它们怎么说话：Modbus 和 OPC UA
你想读 PLC 的格子，得按人家的规矩来。设备之间说话，有约定好的「语言规矩」，叫协议。工业现场最常遇到两种。
Modbus：又老又简单，1979 年就有了，像一门古老的通用方言。它的规矩糙但直接——「请给我第 40001 号格子的值」，PLC 回一个数，完事。缺点是它只管传数字，不告诉你这数字是什么意思、什么单位，全靠你手里那张点表。
OPC UA：新一代的规范普通话。它不光传数字，还能自带说明书——「这个值叫『1 号电机温度』，单位摄氏度，此刻 60.3」。信息更全、更规范，也更安全，但相应地也更重、更复杂。
类比成两种打电话的规矩。Modbus 像老式对讲机：按下说话、松开听，内容全是暗号，得两边事先对好「1 代表开、0 代表关」。OPC UA 像现代视频通话：不但能通话，还自动显示对方名字、头像、在线状态。老设备多用前者，新设备、大项目倾向后者。
翻译官和二传手：边缘网关
现在问题来了。一条产线上，A 设备说 Modbus，B 设备说 OPC UA，C 设备是另一个厂家的私有协议。你的程序要是挨个去对接，会被这些五花八门的规矩逼疯。
于是有了 边缘网关——一个放在设备旁边的小盒子（「边缘」就是指靠近设备的现场那一端，相对于远处的云端）。它干三件事：把各种协议的数据都收上来、翻译成统一格式、再往上送给你的程序或云端。
类比：边缘网关像个能听懂各地方言、又会说普通话的现场翻译。设备们叽叽喳喳各说各话，网关统一听、统一翻，最后用一种你能听懂的话打包递给你。有了它，你的程序只用学一种语言。
一张完整的心智图
把上面串起来，数据从现场到你手里，走的是这么一条路：
- 传感器：把物理量（温度、振动）变成信号和数字。
- PLC：把这些数存进一个个编号的寄存器格子里。
- 协议（Modbus / OPC UA）：约定好用什么规矩去读这些格子。
- 边缘网关：把不同协议的数据收齐、翻译、打包。
- 你的程序：终于拿到了一份能算的数据。
记住这条链子。后面每一章讲算法、讲检测，源头都是它。
全章最重要的一句：现场数据天生是脏的
如果你之前的经验来自互联网产品，你会默认「数据库里的数据是干净整齐的」。工业现场彻底颠覆这个假设。从物理世界采来的数据，天生就是脏的。不是谁偷懒，是物理世界本来就不干净。具体脏在哪：
- 缺值：网线抖一下、网关重启一下，这一秒的数据就没了。一天下来一堆窟窿。
- 跳变：温度好端端 60 度，突然冒出个 6000 度再回来。不是电机成了太阳，是信号受了干扰。
- 时间戳对不齐：温度每秒采一次，振动每毫秒采一次，两个设备的表还差了 3 秒。你想把它们对齐分析，先得对表。
- 单位不统一：这个传感器给的是摄氏度，那个给的是华氏度；这个存的是真实值，那个放大了 10 倍。
- 传感器漂移：传感器用久了会「跑偏」，明明 60 度，它长期报 63 度，而且这个偏差还慢慢变大。
为什么反复强调这个？因为它决定了一件事，我们在算法章会一次次回到它：数据质量比模型更重要。喂给再聪明的模型一堆脏数据，得到的也只是「精致的胡说八道」。工业智能装备里，八成的坑不在算法，在数据。
类比：物理世界像一个总在下雨刮风的露天菜市场，不是无菌实验室。你采回来的菜（数据）沾着泥、带着虫眼、缺斤短两，这很正常。做菜前先择菜、洗菜（清洗数据），是绕不过去的活。
AI 在这一步，帮什么、不帮什么
这是本书的老规矩，每章都要划清 AI 的边界。
AI 能帮你的
- 写通信代码：「帮我写一段 Python，用 Modbus 读 PLC 第 40001 号寄存器」——这种活 AI 很擅长，它见过成千上万个类似例子。
- 解析协议：你把一段读回来的原始数据（一串看不懂的字节）丢给它，让它解释每一位是什么意思，它能帮你拆。
- 清洗数据：把上面那些脏——缺值、跳变、对齐——描述给它，让它写处理代码，它能给出一套像样的方案。
AI 帮不了你的
- 它不知道你现场第几号寄存器存的是什么。这是全章的题眼。点表在电气工程师手里，AI 没有透视眼，它只能等你把点表告诉它。你不问、它就只能猜，而猜错的代价可能是把「电压」当成「温度」去分析，整个项目从根上就歪了。
- 它不知道你现场那个传感器有没有漂移、漂了多少——那要靠现场标定，靠人拿标准仪器去对。
- 它不知道你两台设备的时钟差几秒——那要你去现场量。
所以这一步你真正的工作，不是写代码（那交给 AI），而是去要那张点表、去问清楚每个数的单位和含义、去搞明白数据是怎么采上来的。带着这些「现场真相」回来，AI 才能帮你把剩下的活干利索。你负责问对问题，AI 负责写对代码。
这一章你要带走的
- 数据通路是一条链：传感器 → PLC（寄存器）→ 协议 → 边缘网关 → 你的程序，缺一环都拿不到数据。
- PLC 的寄存器是编号的格子，你必须有点表才知道哪个格子是什么——这东西 AI 变不出来，只能去现场要。
- Modbus 老而简单、OPC UA 新而规范，是设备说话的两种「规矩」；边缘网关是那个把方言翻成普通话的中间人。
- 记住那句最重要的：现场数据天生是脏的，数据质量比模型更重要。下一章讲算法，我们就从「祛魅」开始，先把「AI 有多神」这个滤镜摘掉。