当一家工厂用传感器网络把 3000 台设备连入同一个管理系统后，意外停机率下降了 47%，但负责运维的团队却要开始面对每天 2TB 的数据洪流——这就是物联网技术最真实的现状：连接只是起点，让数据产生实际效益才是核心。

传感器选型：别只看精度，要算“生存成本”

某冷链物流公司在仓库部署了 200 个温度传感器，三个月后 30% 失效，原因是防水等级不够。工业场景中，传感器选型的第一条铁律不是精度，而是环境适应性和维护成本。例如，振动监测需选择 100Hz 以上采样频率的 MEMS 加速度计，而管道压力监测必须考虑 316L 不锈钢外壳的抗腐蚀能力。在农业大棚里，土壤湿度传感器如果没做防盐碱处理，使用寿命会从 3 年直接跌到 8 个月。选型时建议直接向供应商索取 3 年以上同类场景的故障率数据，比参数表更管用。

通信协议：不是越新越优，而是看“穿墙力”

一个地下管廊项目曾试过 ZigBee，结果信号在第一个混凝土拐角就掉了。最终方案换成 LoRa，虽然每包数据只有 50 字节，但 1 公里外的终端依然能收到。通信协议选择要遵循“三率法则”：穿透率（水泥/金属障碍物下的信号衰减）、功耗率（电池设备能否撑 5 年）、并发率（单网关同时处理 500 个以上节点）。Wi-Fi 适合室内摄像头这类高带宽设备，NB-IoT 适合水表这类低频传输，而蓝牙 Mesh 在智能家居里虽流行，但超过 30 个节点就需额外组网中继。

边缘计算：把“过滤”做在云端之前

某风电场在 50 台风机上部署了振动传感器，如果所有原始数据都上传云端，每月流量费超过 8 万元。后来他们在每台风机上加装了一个 50 元的边缘计算模块，只上传“异常波形”和“日统计特征值”，流量费降到 2000 元，故障响应反而更快。边缘计算的核心不是计算能力多强，而是“过滤判断”做得多精准：使用轻量级随机森林模型，在本地判断是正常波动还是轴承早期磨损，延迟从 2 秒降到 50 毫秒。

要避开的 3 个常见误区

• 误区一：先买硬件再想软件。 很多团队先花几十万买一堆网关和传感器，最后发现数据格式不统一、接口不开放，导致软件集成成本比硬件高 3 倍。正确做法是：先定义数据输出接口（MQTT 或 HTTP 协议），再倒推硬件选型。
• 误区二：忽略“设备身份管理”。 超过 1000 个节点时，手动配置 IP 和密钥会变成灾难。必须从一开始就引入数字证书或设备指纹机制，否则后期加一个设备就要停整个系统。
• 误区三：把电池寿命当“标称值”。 某智能锁厂商选用了标称 5 年的电池，实际在 -20°C 的北方冬天只撑了 14 个月。选电池时要看“温度-容量衰减曲线”，并预留至少 30% 的冗余电量给固件升级和重连消耗。