数字孪生架构的核心，不是把云计算、边缘计算和终端设备简单叠加，而是依据业务动作的时效性、计算复杂度、交互方式与安全边界，明确三者的职责。架构设计应从“需要支撑什么决策”反推，而不是先建设数据管道，再寻找应用场景。
端侧负责感知与执行
端侧连接物理实体，承担数据采集、状态感知和指令执行。传感器、设备控制单元以及现场交互设备，都属于端侧范围。端侧的关键不是采集数据越多越好，而是保证数据与物理对象、时间状态和业务事件准确对应。
如果只是园区能耗分析，数据按分钟甚至小时汇聚即可；如果涉及设备预测性维护，振动、温度、电流等高频数据就需要更及时地采集。端侧因此应围绕业务所需的采样精度和动作闭环设计，避免无目的地扩大采集范围。
边缘侧负责实时处理
边缘侧位于设备与云端之间，主要解决低时延、本地自治和数据预处理问题。它可以完成数据清洗、缓存、异常识别和部分模型推理，减少原始数据全部上传带来的网络与存储压力。
判断某项能力是否应下沉到边缘，关键看现场允许多大延迟。能够容忍较长等待的分析任务，可以交由云端处理；必须快速响应的现场控制、设备调试和异常判断，则应尽量在边缘完成。网络中断时，关键现场能力仍应保持可用，不能让云端成为唯一控制依赖。
云端负责全局建模与协同
云端适合承载跨设备、跨产线、跨地域的数据汇聚，以及复杂模型训练、历史分析和全局优化。排产优化、供应链预测等任务依赖广泛数据和较强算力，更适合在云端完成，再将结果下发给边缘侧执行。
云端也承担数字孪生模型的统一管理与长期演进，但不意味着所有数据都必须上云。涉及核心工艺参数、设备运行数据或客户隐私的信息，应根据数据分级和主权要求决定存储位置。数字孪生平台与ERP、MES、SCADA等系统对接时，也应通过标准接口交互，避免直接读写核心业务数据库。
云边端并非固定的三层模板，而是一种面向业务闭环的职责划分：端侧连接现实，边缘侧保障实时，云端实现全局。当现场响应、数据安全和模型复杂度都被明确后，架构才会真正服务于业务，而不是成为脱离使用场景的技术展示。