做技术咨询这些年，见过太多项目死在半道上。有的团队技术很强，但客户需求是伪需求；有的故事讲得漂亮，但落地一塌糊涂。
今天分享一套我判断 AIoT 项目靠谱程度的框架，10 个维度，从需求验证到商业闭环，覆盖一个项目从想法到落地的全链路。
核心问题：这个需求是真实的还是想象出来的？
判断标准：
- 客户能否说清楚具体的业务场景、目前的痛点、以及预期改变后的效果
- 有没有真实的用户在买单（demo 阶段也算）
- 需求是否可量化（省钱 X 元、效率提升 Y%、故障率降低 Z%）
伪需求特征：需求来自老板的 ” 我想要 ”，而不是一线使用者的真实困境；目标模糊到无法量化；三年都没找到种子用户。
核心问题：现有技术栈能支撑这个需求吗？
判断标准：
- 端侧设备算力是否足够（模型大小 vs 设备性能）
- 通信延迟是否能满足实时性要求（一般工业场景 <100ms）
- 数据量级与带宽是否匹配（视频类数据尤其要关注）
常见坑：把实验室 demo 当量产方案；低估了边缘侧的功耗和散热挑战；忽视多设备协同时的时钟同步问题。
核心问题：这套方案能不能赚钱？
判断清单：
- 硬件 BOM 成本是否控制在预期售价的 30% 以内（制造业经验值）
- 研发投入多久能回本（建议不超过 12 个月）
- 批量生产后的边际成本能否持续降低
我见过最离谱的案例：客户方案总成本比竞品零售价还高 30%，还指望走量盈利。
核心问题：执行团队能不能把这件事做成？
评估维度：
- 嵌入式团队有没有量产出货经验（不是调通 demo，是能稳定跑 1000 台以上）
- 云平台团队是否踩过类似规模的技术坑
- 产品经理是否理解 AIoT 的特殊性（硬件迭代慢，软件迭代快，两者的节奏协调）
短板理论在 AIoT 项目里格外适用——任何一个环节掉链子，整盘皆输。
核心问题：核心器件会不会被卡脖子？
必查清单：
- 主芯片是否有替代方案（同一级别至少 2 家）
- 模组供货周期是否稳定（进口模组交期 8 -16 周是常态）
- 传感器精度是否依赖特定型号（国产替代能否达标）
2021-2023 年的芯片荒教会我们：把所有鸡蛋放在一个篮子里，早晚会爆。
核心问题：这个项目能不能合法合规地落地？
关键领域：
- 数据合规：GDPR、个保法、设备采集的数据能不能出境、怎么存
- 无线电合规：Wi-Fi/BT/LoRa/Zigbee 设备需要哪些认证
- 行业合规：工业领域需要哪些准入资质、医疗 / 汽车更是严格
我遇到过一个项目，算法和硬件都 ready 了，结果发现数据传输制式不符合国家规定，整个方案推翻重来。
核心问题：团队能否跟上市场变化？
观察指标：
- 固件能不能 OTA 升级（不能 OTA 的项目，等于没有迭代能力）
- 云平台是否支持灰度发布和 A / B 测试
- 产品团队有没有建立用户反馈的闭环机制
AIoT 产品最怕的是：上市即巅峰，后续没有能力持续优化。
核心问题：数据能不能反哺产品和算法迭代？
检查项：
- 设备数据是否真的能回传（很多项目死在通信协议不匹配上）
- 数据质量是否可用（传感器漂移、噪声过滤、异常值处理）
- 有没有数据团队能够分析这些数据并产出洞察
数据是 AIoT 产品的核心资产，如果没有数据闭环，这产品越往后越难优化。
核心问题：做完之后别人多久能抄？
评估维度：
- 硬件设计有没有护城河（结构专利、定制芯片）
- 算法积累是否需要时间（数据越多模型越准的那种）
- 是否绑定了客户的数据或工作流（迁移成本高）
纯粹拼功能的 AIoT 产品，生命周期很短。壁垒要么在硬件，要么在数据，要么在生态。
核心问题：谁在付钱，为什么愿意付？
验证清单：
- 客户是否已经签了意向合同（预付款更好）
- 复购逻辑是否清晰（耗材、订阅、增值服务）
- 能否接受项目制以外的商业模式（减少对大单的依赖）
见过太多 ” 做了就能融资 ” 的项目，却没有 ” 做了就能盈利 ” 的逻辑。资本市场的故事和真实商业逻辑，往往是两码事。
以上 10 个维度，不是每项都要满分才能做，但至少要满足：
- 需求真实且可量化
- 技术基本可行（不要有硬伤）
- 成本能覆盖
- 团队能执行
- 至少有一个壁垒
如果任何一个维度是硬伤，这项目大概率会在某个阶段暴雷。
关于作者
飞熊，AIoT 技术专家，专注于物联网与人工智能的交叉领域。
可提供以下咨询服务：
- AIoT 项目可行性评估与方案评审
- 产品技术架构设计与优化建议
- 技术团队能力诊断与提升咨询
有具体项目需要评估？带你的方案来聊。