开源边缘网关软件,数据采集+AI视觉分析全搞定,已适配RK3568/RK3588,支持协议:Modbus/GB28181/DLT645/IEC104/OPC-UA/S7/BACnet/ONVIF

做工业物联网项目，你一定会遇到一个尴尬的局面：

设备数据采集是一套系统（PLC/RTU/Modbus/电表），视频监控是另一套系统（摄像头/GB28181/NVR），AI视觉分析又是第三套系统（GPU服务器/深度学习框架）。

三套系统、三个供应商、三份维护成本。数据想联动？写接口。视频想调取？切系统。AI分析结果想跟设备数据关联？再写接口。

为什么没有人把这三件事做成一个系统？GitHub 上有人在这么做。Apache-2.0开源，C++写的。这个项目叫 AIOTEC。

这是什么？

一句话：新一代开源边缘计算系统，B/S架构可视化配置，创新融合RTU设备采集与视觉边缘计算——设备接入、数据采集、视频管理、AI分析、组态监控，一个系统全搞定。

核心定位：RTU + 视觉，融合在一个系统里

AIOTEC 最大的差异化不是单个功能有多强，而是把两件事融合在了一个系统里：

传统方案：  设备采集系统（Modbus/PLC/电表）  ←独立→  视频分析系统（摄像头/AI算法）       ↓                                      ↓   各自上报数据                          各自出告警       ↓                                      ↓       各自找各自的上游平台对接AIOTEC 方案：  设备采集 + 视频分析 + 组态监控 + 规则引擎              ↓        一个系统、一个界面、一套配置              ↓        数据联动、告警联动、控制联动

为什么融合很重要？ 举一个场景：

工厂车间有一个反应釜，温度传感器（Modbus接入）显示温度85°C，同时摄像头（GB28181接入）检测到附近有人员聚集。如果这是两套系统，温度告警归温度告警，人员告警归人员告警——但融合在一起，规则引擎可以写：温度>80°C AND 人员聚集 → 触发紧急告警+广播疏散。

这种跨域联动，分开的系统做不到。

七大特性拆解

1. 多协议物联接入：工业协议全覆盖

11种协议。 覆盖了工业自动化（Modbus/PLC/OPC）、电力（DLT645/IEC104）、视频监控（ONVIF/GB28181）、楼宇（BACnet）四大领域。

这意味着什么？ 一个工厂里，PLC用Modbus、电表用DLT645、摄像头用GB28181、空调用BACnet——全部接入AIOTEC这一个系统，不需要协议转换网关，不需要额外中间件。

2. 边缘计算：本地处理，省带宽更安全

数据不上云，在边缘侧完成计算。好处三个：

• • 快：本地处理，毫秒级响应，不依赖网络质量
• • 省：不用把所有原始数据传到云端，带宽成本大幅降低
• • 安全：敏感数据不出本地，适合对数据安全要求高的场景

3. 视觉分析：NPU加速，毫秒级响应

这是AIOTEC最有技术含量的一块。

内置AI算法：

Qwen3-VL大模型支持这个点值得关注。 传统边缘AI只做固定算法（安全帽检测就是安全帽检测），接入视觉大模型后可以做开放场景理解——比如"这个画面里有什么异常"、"描述一下现场情况"。从"固定算法识别"升级到"大模型理解"，这是边缘计算的趋势。

4. 视频归集：按需调用，不浪费带宽

视频是最占带宽的数据。 一路1080P摄像头持续推流大约4Mbps，10路就是40Mbps。如果全部传到云端处理，带宽成本惊人。AIOTEC的做法是视频在边缘侧归集，只在需要时调用——AI分析结果（几KB的JSON）上报云端，而不是整路视频流。

5. 数据上报：多通道、断网续传

6. 组态系统：拖拽式，无需编程

这是最近新增的功能：

7. 规则引擎：零代码自动化

IF  [条件: 温度>30°C / AI识别到异常 / 设备离线]THEN [动作: 触发风扇 / 抓拍报警 / 推送提醒]

可视化配置，不写代码。规则可以跨"设备数据"和"AI分析结果"两个域——这是融合架构的优势。

技术架构：C++核心 + B/S架构

C++选型说明什么？ 边缘设备的CPU和内存资源有限（RK3568通常是2-4GB内存），不能用Java/Python这种吃资源的语言。C++直接操作硬件、管理内存，在ARM平台上性能最优。

lighttpd而不是nginx？ lighttpd更轻量，嵌入式设备上资源占用更小。这种选型说明作者是真正做过嵌入式部署的，不是在服务器上跑个Demo就完事。

开机自启。 装好之后系统重启自动运行，这是工业现场的基本要求——不能每次断电恢复后还要人工去启动服务。

硬件适配：瑞芯微生态优先

后期规划适配：

• • 华为昇腾（Ascend）— 国产AI芯片生态
• • NVIDIA — GPU加速生态

为什么选瑞芯微？ 性价比。RK3588芯片的设备市面上几百到一两千元就能买到，6TOPS的NPU算力跑YOLOv11够用。对比NVIDIA Jetson动辄几千上万的价格，瑞芯微方案让边缘AI的硬件成本降了一个量级。

开发计划：作者在往哪走

大模型方向值得注意。 传统的边缘AI是"一个算法解决一个问题"（安全帽检测算法只检测安全帽），大模型是"一个模型理解整个场景"。AIOTEC已经支持Qwen3-VL，这意味着它正在从"固定算法识别"向"大模型场景理解"演进。

适合谁

• • 工业物联网集成商——需要设备采集+AI分析一体化方案
• • 工厂IT/OT团队——做安全监管（安全帽/火焰/人员入侵）+ 设备监控
• • 智慧城市项目——视频分析+环境传感器联动
• • 电力行业——DLT645/IEC104电表接入+AI巡检
• • 边缘AI开发者——基于瑞芯微平台做视觉分析项目
• • 想用国产芯片做边缘AI的团队——RK3588性价比高
  

写在最后

边缘计算领域有一个长期存在的割裂：做工业协议的人不懂AI，做AI的人不懂工业协议。

结果就是工业现场堆了两套系统——一套管设备数据，一套管视频分析。两套系统之间用API勉强连着，数据联动、告警联动、控制联动都做不到。

AIOTEC试图把这个割裂缝起来。一个C++程序，同时跑Modbus轮询和YOLO推理；一个界面，同时看设备数据和AI分析结果；一个规则引擎，同时处理传感器阈值和视觉告警。

这个项目还在成长期。但方向对了——边缘计算的未来不是"更多协议"或"更强算法"，是"融合"。

🔗 GitHub：/zhangedwin/aiotec📦 Apache-2.0 | C++ | RK3568/RK3588 | YOLOv11 + Qwen3-VL🔧 Modbus / GB28181 / DLT645 / IEC104 / OPC-UA / S7 / BACnet / ONVIF