现实 · 数字资产界面层（DAS）
物理生产现实如何进入智能系统？答案不是再建一套系统，而是让现有软硬件资产通过 MCP 进入语义世界。
定位
DAS（数字资产界面层）在架构的最底层，同时扮演三个角色：
- 物理交互底座：整套 AI 原生体系与物理产线、存量数字化系统之间唯一的边界和入口。
- 全资产统一封装层：全厂的硬件和软件资产都在这里被封装、适配、收口和管控。
- 唯一安全交互通道：上层的一切读写都从这里进出，没有第二条路。
它和我们熟悉的工业网关、数据采集层不是一回事。传统网关的工作方式是被动透传——数据从设备过来就往上转；每接一个新系统，就做一次点对点的非标对接，接口越攒越多、越来越乱。DAS 是面向 AI 原生架构设计的：标准化、把所有资产都收口进来、读和写两个方向都可控。
传统工业网关
被动透传：数据从设备过来就往上转
- −每接一个新系统做一次点对点非标对接
- −接口越攒越多、越来越乱
DAS
面向 AI 原生全资产收口的唯一交互通道
- +标准化的 MCP 外壳
- +所有资产收口，没有第二条路
- +读和写两个方向都可控
从存量系统到可决策现实
DAS 最重要的一句话是：AI 原生钢厂不是另建一套系统，而是让现有的软硬件资产通过 MCP 进入语义世界——把存量系统封装成 AI 能使用的「现实」。转炉、连铸机、轧机、机器人，以及 ERP、MES、LIMS 这些系统都不推倒重建。
这条路径分四段：
从存量系统到可决策现实：四段路径
教学示意存量系统
PLC / DCS / MES / LIMS / EAM / 设备
对 AI：协议各异，位号是几十年前的缩写，每个系统一套接口
MCP 封装
标准接口 · 语义 Tag · 权限 · 事件 · 指令
对 AI：有了统一的取数口和下发口，每个点带权限和语义标签
语义系统
对象 · 状态 · 关系 · 约束 · 参数 · 行动入口
对 AI：能按「这一炉」「这台设备」查询，而不是按表名和位号
可决策现实
可理解、可调用、可校验的生产现实
对 AI：拿到有语义、能核验的状态，想做的事有明确的行动入口
存量系统
PLC / DCS / MES / LIMS / EAM / 设备
对 AI：协议各异，位号是几十年前的缩写，每个系统一套接口
MCP 封装
标准接口 · 语义 Tag · 权限 · 事件 · 指令
对 AI：有了统一的取数口和下发口，每个点带权限和语义标签
语义系统
对象 · 状态 · 关系 · 约束 · 参数 · 行动入口
对 AI：能按「这一炉」「这台设备」查询，而不是按表名和位号
可决策现实
可理解、可调用、可校验的生产现实
对 AI：拿到有语义、能核验的状态，想做的事有明确的行动入口
用一个映射来概括这件事：
Φ_MCP : X_legacy → S_semantic
- X_legacy 是现有软硬件系统里已经存在的东西：数据、事件和控制点。它们是 DAS 的原料，本身不需要改造。
- Φ_MCP 是封装这一步要做的全部工作：资产封装、语义对齐、权限与接口治理。它的产出 S_semantic 才是上层智能真正面对的世界。
对工程师来说，关键是这是一个映射，不是一次迁移——存量系统照常运行，DAS 在它们外面包一层，而不是把它们换掉。
六项核心功能
1. 全资产统一封装与抽象。钢厂的现状是设备型号繁杂、信息化系统版本各异，几乎每家厂都不一样。DAS 用 MCP 标准外壳把这些异构资产抽象成统一的数字资产，上层只调用标准化的资产能力，不需要知道底下是哪家的 PLC、哪个版本的 MES。物理资产与上层智能由此彻底解耦。
2. 全域数据实时保真采集。以高吞吐、低延迟的方式采集时序工况、设备状态、产品质量、能耗、环境、人工操作等全维度数据，并配套去噪、清洗、时序对齐和归一化。它给认知层的 DLA 本体提供产线镜像，是整个体系认知与推理的唯一数据来源。
3. 控制指令标准化转换与落地。上层给出的是业务级、策略级的决策，DAS 负责把它翻译成 PLC、DCS 或工业软件能识别的设备级指令并下发。这是 AI 能力落到现场物理动作的「最后一公里」。
4. 全域接入边界收口与隔离防护。建立 IT 与 OT 一体的统一安全边界，杜绝系统之间私自直连、非标对接和隐蔽的后门通道——所有数据交互、设备访问、系统调用都收口到 DAS。这样既保护原有工控系统不被外部侵入，也保证上层运行环境是统一、可控的。
5. 底层前置安全校验与风险拦截。指令下发前做多层前置校验：参数阈值、工艺区间、操作权限。违规指令、超出工艺边界的调整、高危操作都在底层被拦下。它和上层 AIP 的机理校验一起，构成「上层机理校验 + 底层 DAS 兜底」两道独立的防线。
6. 全量动作与数据实时回流。现场的执行动作、设备反馈、生产实绩和人工操作记录，都经 DAS 实时回流到 AIP 和应用智能体层。决策溯源、效果跟踪、工艺知识挖掘和本体迭代，都依赖这份完整的回流数据。
统一状态与对象状态机
封装解决的是「接得上」，统一状态解决的是「说得清」。DAS 把现场归一成几类核心对象，每类对象都有显式的状态：
- 订单：从询单、评审到交付的业务对象
- 炉次：一炉钢从排产到判定的生产对象
- 产品：板、卷、坯等实物对象
- 设备：可用、检修、故障等运行对象
以炉次为例，一个示意的状态机是这样的：
炉次对象状态机（示意）
教学示意- S0待排产下发工艺卡
- S1已下工艺卡开始冶炼
- S2冶炼中出钢完成
- S3已出钢检验数据回写
- S4已检验质检判定
- S5已判定
✕ 不是合法来源大模型的一句「我认为已经出钢了」——模型可以推断、可以建议，但不能直接改写现实的状态
这条规则很朴素，但很关键：状态只能被受控行动或物理反馈推动。模型可以推断、可以建议，但它的文字输出不能直接改写现实的状态。
那观测不完整的时候怎么办？钢厂里大量关键状态是测不全的——吹炼过程中熔池的碳含量和温度就无法连续直接测量，只能根据间断的测量和过程信号去推断。这时 DAS 形成的语义状态可以进一步变成信念状态 b_t(s)：系统保存的不是一个确定值，而是「当前处于各个状态的可能性」。工程上的意义是，不确定性有了一个正式的位置，上层可以据此判断是该行动、还是该先补测，而不是把一个估计值当成事实往下用。
工程师类比
AI 工程师视角·换成你熟悉的说法
DAS ≈ 操作系统的驱动层 + 系统调用
应用程序不直接操作磁盘控制器，而是通过系统调用访问内核抽象出来的文件；驱动负责屏蔽硬件差异，内核负责权限检查。DAS 对上层智能做的事一样：智能体只调用标准化的资产能力，不碰具体的 PLC 和 MES。
MCP 封装 ≈ 给存量系统写 OpenAPI 适配器
老系统的接口千奇百怪，你不会去改它，而是在外面包一层统一的描述：有哪些资源、能读什么、能调什么、需要什么权限。模型和智能体只看这份规范说话。
统一状态 ≈ 单一状态树 + 显式状态机
就像前端用单一 store 管理状态、只允许通过 action 修改一样，现场对象的状态只有一份，只能经受控行动或物理反馈迁移。任何组件都不能「顺手」改一下状态。
在产销研里长什么样
询单、订单、炉次、产品这些对象都进入统一状态，销售、研发和生产看到的是同一份「这张订单现在在哪一步」。评审通过的工艺卡经行动执行接口下发到 L2 与 MES，而不是由人工再抄录一遍。质检数据通过物理反馈回写到产品对象上，一旦与设计要求出现偏差，就触发治理事件，交给上层处理。
完整的业务链路见产销研。
出处《AI 原生钢厂：架构探索与功能设计》，《冶金自动化》第 50 卷第 4 期，第 18–30 页（特邀综述），2026-07来源与出处 →
出处《AI 原生钢厂：面向钢铁工业的下一代智能制造新范式》，2026 北京智源大会专题报告，2026来源与出处 →
相关概念 / 6 张