工业控制架构的发展始终与工业生产模式、技术革新深度绑定。国际标准ISA95-2010定义的L0-L4五层金字塔架构，曾长期支撑工业自动化的稳定运行，但随着工业4.0的深入推进、柔性生产需求的激增以及5G、AI、边缘计算等技术的成熟，传统分层架构的局限性日益凸显。在此背景下，以"现场采集－本地处理－云端决策"为核心逻辑的云－边－端三层架构顺势崛起，推动工业控制从封闭、刚性的层级模式向开放、协同的分布式模式转型，重塑工业智能化发展的技术基座。
一、 ISA95-2010 L0-L4五层工业控制架构：传统工业自动化的稳定基石
L0-L4五层架构是工业控制系统发展的经典范式，通过清晰的功能分层实现生产过程的有序管控，形成了从物理设备到决策管理的完整链路，为传统大规模标准化生产提供了可靠支撑。
（一）五层架构的核心层级与功能定位
按照从下到上的层级划分，各层承担着差异化的核心职责，层级间通过专用网络与协议实现指令传达与数据流转：
- L0 物理设备层：作为工业控制的"末梢神经"，由传感器、执行器、智能仪表、电机等设备组成，核心功能是完成物理变量与电信号的转换，实现生产数据的原始采集和控制指令的最终执行，是工业数字化的基础数据源。
- L1 现场控制层：以PLC（可编程逻辑控制器）、DCS（集散控制系统）为核心，接收L0层的采集数据，按照预设控制策略计算控制量并反馈至执行器，同时实现连续控制、顺序控制等基础控制功能，是保障现场生产稳定运行的核心环节。
- L2 过程监控层：依托SCADA系统、操作员站等组件，对生产现场状态进行集中监视与统筹把控，实现生产过程的实时可视化监控，同时承担部分数据汇总与简单分析功能，是连接现场控制与上层管理的桥梁。
- L3 生产运营层：部署MES（制造执行系统）、生产调度系统等，聚焦生产过程的执行管理，涵盖计划排程、库存管理、质量管理、设备管理等核心业务，实现生产数据的处理分析与生产指挥调度。
- L4 决策管理层：以ERP（企业资源计划）、CRM（客户关系管理）等系统为核心，整合企业全维度数据，为管理层提供经营决策支持，统筹企业资源配置与战略规划。
（二）五层架构的局限性：适配不了智能化转型需求
尽管五层架构保障了传统工业生产的稳定性，但在工业智能化转型的浪潮下，其封闭性、刚性化的缺陷逐渐暴露，难以满足柔性生产、实时决策、全局优化的新需求：
- 层级壁垒森严，协同效率低下：各层级采用专用硬件与封闭协议，形成"信息孤岛"，数据流转需经过多层级传递，导致传输延迟高，难以实现跨层级的快速协同。例如，生产现场的设备故障信息需逐级上报至管理层，决策指令再逐级下达，极易错失故障处置的最佳时机。
- 资源配置固化，柔性拓展不足：架构与硬件强绑定，各层级功能相对固定，当生产工艺调整或新增生产需求时，需对相应层级的硬件设备与系统进行大规模改造，成本高、周期长，无法适配多品种、小批量的柔性生产模式。
- 数据处理能力有限，智能化水平偏低：海量生产数据分散在各层级，缺乏集中化的高效处理与分析平台，难以发挥大数据、AI技术的价值，无法实现生产过程的精准优化、设备故障预测等智能化应用。
- 运维成本高昂，管理难度大：各层级设备与系统来自不同厂商，技术标准不统一，需要投入大量人力物力进行分散运维，同时层级间的故障定位复杂，显著提升了管理成本与运维难度。
二、云 － 边 － 端三层架构：工业智能化的新型技术范式
面对五层架构的局限性，云－边－端三层架构依托云计算、边缘计算、物联网等技术，打破传统层级壁垒，通过"端层采集、边层处理、云端优化"的协同逻辑，实现数据处理的实时性、资源配置的灵活性与全局决策的智能化，成为工业控制架构的演进方向。
（一）三层架构的核心组成与功能协同
云－边－端三层架构通过清晰的功能分工与高效的协同机制，构建了"分布式处理+集中式优化"的工业控制新体系，各层核心定位与功能如下：
- 端层：数据源头与执行终端：对应传统架构的L0层，涵盖传感器、智能机床、工业机器人、AGV等现场设备，同时实现了L1层部分控制功能的终端集成。核心功能是实时采集生产数据（如设备运行参数、生产状态），并精准执行边层或云端下发的控制指令，是连接物理世界与数字世界的核心接口。与传统L0层相比，端层设备更具智能化特征，支持标准化协议，可实现设备间的集成联动。
- 边层：本地实时处理中枢：作为连接端层与云端的"中间枢纽"，整合了传统L1层的现场控制功能与L2层的过程监控、数据预处理功能，部署边缘网关、边缘服务器、轻量化边缘平台等设备。核心功能包括：对端层采集的冗余数据进行过滤、清洗与格式转换，减少云端传输压力；处理时延敏感型任务（如设备故障实时预警、生产流程动态调整），无需等待云端反馈，保障生产连续性；暂存短期数据，实现本地多设备协同调度，在断网场景下可独立支撑基础生产运行。
- 云层：海量数据与智能中枢：整合传统L3层的生产运营功能与L4层的决策管理功能，依托工业云平台（公有云、私有云或混合云）提供海量数据存储、深度分析与全局优化服务。核心功能包括：存储边层上传的核心数据与历史生产数据，构建高可靠性、可扩展的工业数据中心；利用AI算法、大数据模型开展全局优化（如生产流程参数寻优、供应链统筹调度）与长期趋势预测（如设备寿命预测、市场需求预测）；提供标准化API接口与低代码开发工具，支撑MES、ERP等业务系统的云化部署与迭代升级。
三者形成高效协同闭环：数据流向为"端层采集→边层预处理→核心数据上传云端"，指令流向为"云端全局优化指令→边层转换为设备可执行信号→端层执行"，紧急场景下边层可直接向端层下发指令，实现"实时响应"与"全局优化"的平衡。
（二）三层架构的核心优势：适配工业智能化转型需求
相较于传统五层架构，云－边－端三层架构通过扁平化、开放化、协同化的设计，精准匹配了工业智能化转型的核心需求：
- 打破层级壁垒，提升协同效率：采用OPC UA、MQTT等标准化协议与TSN（时间敏感网络）技术，实现端、边、云之间的无缝互联与数据自由流转，消除"信息孤岛"。例如，设备故障数据可通过边层实时分析并触发预警，同时同步至云端更新设备运维记录，实现故障处置与管理决策的同步推进。
- 资源弹性配置，降低转型成本：依托虚拟化、容器化技术实现软硬件解耦，边缘节点可根据生产需求动态扩展算力与存储资源，云端可通过弹性伸缩服务适配数据处理需求的波动。企业无需对全流程系统进行大规模改造，可通过现有设备的智能化升级与边缘、云端的分步部署实现架构转型，显著降低替换成本。
- 分层处理数据，平衡实时性与智能化：通过"边层实时处理+云端深度分析"的分层计算模式，既保障了现场生产的低时延响应（边层处理时延可达毫秒级），又充分发挥了云端的海量数据处理与智能分析能力，实现"局部实时控制"与"全局智能决策"的有机统一。
- 开放生态兼容，支撑持续迭代：采用开放化技术架构，支持不同厂商设备、系统的接入与协同，打破传统工控领域的"硬件黑盒"壁垒。同时，云端的低代码开发平台与灵活的API接口，可快速响应生产工艺调整与业务需求升级，支撑工业应用的持续迭代优化。
三、从五层到三层：工业控制架构的演进逻辑与实现路径
从L0-L4五层到云－边－端三层的演进，并非简单的层级删减，而是工业控制逻辑从"层级管控"向"协同赋能"的深刻变革，其核心是通过功能整合、技术融合与架构扁平，实现工业控制的智能化升级。这一演进过程遵循"存量改造+增量部署"的渐进式路径，具体可分为三个阶段：
（一）第一阶段：边缘侧赋能，打破现场信息孤岛
聚焦传统架构的L0-L2层，通过部署边缘网关与边缘服务器，实现现场设备的标准化接入与数据汇聚。一方面，对存量PLC、传感器等设备进行协议转换改造，使其支持开放协议，接入边缘平台；另一方面，将L2层的监控功能与L1层的控制功能下沉至边缘侧，实现生产数据的本地预处理与实时响应，减少对上层系统的依赖。此阶段的核心目标是打破现场设备间的信息壁垒，提升现场控制的实时性与灵活性。
（二）第二阶段：云端整合，构建全局智能中枢
将传统L3-L4层的生产运营与决策管理功能向云端迁移，构建工业云平台。通过云端实现MES、ERP等系统的云化部署，整合全企业的生产数据、运维数据、经营数据，利用大数据与AI技术构建生产优化、设备运维、资源调度等智能模型。同时，建立云端与边缘侧的协同机制，实现核心数据的上传与全局优化指令的下发，形成"边端执行+云端决策"的初步协同模式。此阶段的核心目标是实现全局数据的集中管理与智能分析，支撑企业级的优化决策。
（三）第三阶段：全域协同，实现架构全面重构
完成端、边、云全链路的深度协同与架构优化，实现"控－网－算"一体化融合。通过网络切片、SDN（软件定义网络）等技术优化跨层通信效率，保障数据传输的确定性与可靠性；依托联邦学习等边缘智能技术，实现云端模型与边缘侧数据的协同训练，提升本地决策的智能化水平；通过数字孪生技术构建虚实联动的工业场景，实现生产过程的全流程可视化管控与仿真优化。此阶段的核心目标是构建开放、柔性、智能的工业控制体系，全面支撑柔性生产与智能化运营。
（四）演进的核心驱动因素
这一架构转型的背后，是技术革新与需求升级的双重驱动：从技术层面看，边缘计算、5G、AI、标准化协议等技术的成熟，为架构扁平与协同提供了技术支撑；从需求层面看，柔性生产、远程运维、绿色低碳等新型生产需求，倒逼工业控制架构打破传统桎梏，实现从"稳定优先"向"效率与智能优先"的转型。
四、结语：架构演进永无止境，协同智能是核心方向
从L0-L4五层架构到云－边－端三层架构的演进，是工业控制领域顺应数字化、智能化浪潮的必然选择。传统五层架构的层级化设计曾为工业自动化奠定了坚实基础，但在新的技术与需求背景下，其局限性已成为智能化升级的瓶颈；而云－边－端三层架构通过扁平化、开放化、协同化的创新设计，实现了实时控制与全局优化的平衡，为工业智能化发展提供了全新的技术范式。
未来，随着技术的持续迭代，云-边-端架构将向更开放、更智能、更可靠的方向演进，可能出现"边云融合""端边一体化"等新形态，但"分布式处理+集中式优化"的核心逻辑将长期保持。对于工业企业而言，应结合自身存量基础与发展需求，选择渐进式的演进路径，通过边缘侧赋能、云端整合与全域协同，逐步实现工业控制架构的智能化重构，把握工业4.0带来的发展机遇。