本文针对工业物联网（IIoT）中广泛使用的100BASE-TX以太网物理层设备认证问题，提出了一种物理层指纹空间容量分析框架。研究背景在于，随着工业网络规模扩大，设备身份冒充和未授权访问风险增加，物理层指纹（PLF）通过提取发射信号中与设备硬件相关的特征，无需额外硬件即可实现终端认证，但100BASE-TX物理层指纹可区分的空间及其容量边界此前尚未被系统研究。为此，作者提出了一个非线性与冲激响应模型（NAIM），用于刻画100BASE-TX发射波形中由设备差异导致的变化：非线性分量描述稳态电平偏差，冲激响应分量描述电平跳变时的过渡响应。模型综合考虑了发射机波形规范、噪声和模数转换（ADC）量化决定的可观测分辨率，以及目标误码率（BER）约束，从而界定可容许的指纹空间。在此模型下，推导出100BASE-TX终端的指纹空间容量约为2.96×10^10个可区分状态。实验基于5米和两种线缆条件下从48个网卡（NIC）采集的信号，通过测量设备间与设备内变化，估计了高斯等价的经验容量。实验表明，在5米线缆条件下，经验容量与闭集识别结果一致，且更大的经验容量对应更高的识别准确率。该工作为IIoT物理层指纹识别提供了部署前的容量评估方法，有助于安全工程师判断特定环境下物理层认证的可行性与鲁棒性。