第一层：AI 读表（采集层，入门段位）

本质：图像识别、数字解析、信号采集 能力：摄像头识别表头读数、协议转码、数据上送；只做数据转录 局限：不会判断数据好坏，信号失真、仪表漂移、堵塞照样原样上传；阈值报警仍是后端设置 识别点：依赖摄像头或单纯数据转发，无仪表本地特征提取

第二层：AI 诊断（感知边缘层，核心段位）

本质：传感器本地时序特征推理 能力：区分工艺波动 / 仪表故障；识别零点漂移、引压堵塞、膜片蠕变、结垢、气泡；输出故障类型、置信度，不只是开关报警 局限：可识别已发生或正在发生异常，不做寿命趋势推演识别点：诊断算法内嵌变送器本体，断网仍可判别，同步输出过程值 + 健康特征

第三层：AI 预测（运维闭环层，高阶段位）

本质：长周期健康时序建模 能力：跟踪漂移速率、疲劳老化趋势，预测失效窗口；动态推荐标定 / 更换时间，提前规避风险；适配 SIL 联锁、变压器 / 氢能 / 空分等关键工况的预测性维护 局限：需要足量同工况历史样本支撑模型训练，不是简单拟合曲线 识别点：输出剩余可用寿命、风险时间窗口、维护建议，而不只是当前健康状态

段位核验提问（展会上直接问供应商）

1. AI 能力是在仪表本地运行，还是上位 / 平台运行？

2. 能不能区分仪表自身故障和工艺真实异常？

3. 除了发现现在的问题，能不能给出预计失效时间？