近幾年，邊緣計算變得火熱，主要是因為 5G、AI、工業互聯網等業務和場景發展越來越快，聯網的智能終端設備和需要處理的數據越來越多，就造成了對計算能力下沉到數據源邊緣的訴求越來越多。

市場預計邊緣計算將是算力需求大幅提升的解決途徑之一，是AI算力的重要組成部分。2022年11月，聯通與騰訊成立了混改公司，旨在壯大CDN、邊緣計算產業鏈，國內互聯網頭部玩家已經開始提前布局。2023年的華為全球分析師大會的主題演講和其他會議上，華為都著重強調了計算、智能和人工智能/機器學習。

伴隨著在5.5G背景下展示的一系列雄心勃勃的用例，華為對未來的愿景在連接之外還將需要實現大量的邊緣計算。近日，京東云2022產業融合新品發布會在線上舉辦，會上重磅發布了統一存儲平臺云海。云海針對多行業、多場景給出了不同的邊緣計算存儲產品和解決方案。

邊緣計算設備與平臺

傳統意義上網絡應用現場的控制器或者網關，并不能代表邊緣計算設備，符合邊緣計算定義要求的設備需要具備以下三個條件：

首先，該設備要具備邊緣側數據采集能力。數據采集是邊緣計算的基礎，從工業設備到消費電子，一切設備都是數據的來源。

其次，設備需要有基于機器學習的智能運算能力，尤其是能夠跨越邊緣側和云端提供智能化的運算能力。不僅如此，設備還需要具備良好的運算性能和數據管理能力。

第三，設備不僅僅能夠完成采集和運算，還需要提供可操作的決策反饋，要有連接至決策執行系統的開放性。系統管理層可以根據數據分析獲得相關決策建議，由執行系統或者設備本身直接完成決策過程。

邊緣計算不是單一的部件，也不是單一的層次，而是涉及到EC-laaS、EC-PaaS、EC-SaaS的端到端開放平臺。在實際應用中，要實現邊緣計算功能，不僅要有符合要求的邊緣計算設備，還需要有能夠實現落地的邊緣計算平臺。

根據邊緣計算平臺的設計目標和部署方式，目前可將邊緣計算開源平臺分為3類：面向物聯網端的邊緣計算平臺、面向邊緣云服務的邊緣計算平臺、面向云邊融合的邊緣計算平臺。由于針對的場景不同，各邊緣計算平臺的設計多種多樣，但也不失一般性，邊緣計算平臺的一般性功能框架如下圖所示。

在該框架中，資源管理功能用于管理網絡邊緣的計算、網絡和存儲資源；設備接入和數據采集功能分別用于接入設備和從設備中獲取數據；安全管理用于保障來自設備數據的安全；平臺管理功能用于管理設備和監測控制邊緣計算應用的運行情況。
邊緣計算應用場景

邊緣計算應用非常廣泛，如智慧城市建設、智能家居、安防監控以及車聯網自動駕駛領域，但目前邊緣計算應用最具成效的是在工業制造業。

在工業物聯網領域的應用實踐中，對于工業實時控制及邊緣設備安全隱私的要求較高，并且產生的數據需要本地化處理，因此將邊緣計算應用于工業物聯網成為行業發展的方向。

目前，邊緣計算在制造企業主要應用在以下幾個場景：

1.設備智能監控

在設備監控業務場景中，邊緣計算能夠支持對近億條甚至更多的數據傳輸和處理，并保證傳輸的實時性和可靠性。同時，結合大數據及人工智能技術，邊緣計算能及時對車間設備進行遠程控制，并能夠提升設備故障的預測能力，實現預測性運維，最大限度延長設備壽命和提高設備利用率。

邊緣計算還應用到終端產品（如挖掘機、智能汽車等）的日常使用和運維中。遠程控制無人挖掘機基于5G通訊技術、邊緣計算和人工智能技術的融合，通過無人駕駛及5G遠程遙控設備等實現準確快速施工，達到提升工作效率、節約費用、降低危險系數等功效。
 

2.機器人作業
 

傳統的工業機器人已經很難滿足智能制造時代對智能化和多感知融合等需求，必須依托互聯網技術、深度學習和機器人操作系統平臺等進一步構建下一代工業機器人。通過邊緣計算的模式提升機器人作為終端執行設備的自主決策能力，是實現復雜工藝和協同控制的必要基礎。

機器人智能作業的傳輸狀態類信息，如關節的位置、速度等，不僅信息量較大，而且對信息的實時性要求高；而控制命令信息對安全性和可靠性有較高要求。通過邊緣側與遠程控制端、智能中心的配合能夠實現機器人的智能控制。此外，邊緣計算還應用在多機器人協同作業，保證多機器人安全、高效的協同完成任務。
 

3.AI質檢
 

AI質檢系統采用先進的邊緣計算技術，將AI應用下沉到生產車間，在靠近設備的地方進行機器視覺分析，降低視頻傳輸對網絡帶寬的需求。

目前，邊緣AI工業質檢的訓練階段需要在邊緣側完成，利用深度學習進行數據的獲取、標注、訓練、測試和部署，然后根據產品檢驗要求對產品類別信息、缺陷位置、缺陷類別等檢測結果進行反饋，提出預警并控制現場設備進行處理。邊緣計算AI質檢實現了工業產品外觀缺陷的高精度識別分析，縮短了應用響應時間，提高了業務實時性。

4.產線優化
 

柔性化作為制造業轉型升級而產生的新型生產方式，受到了眾多企業的追捧。由于數據分析慢、終端信息化程度低，實現柔性化生產對于傳統制造業并不簡單。而制造企業通過邊緣計算能力控制不同的生產設備進行協作，實現工廠柔性化定制生產模式，讓生產線變得更加智能。

邊緣計算通過對設備的加工狀態，如工藝參數、生產環境數據的監控，建立“狀態改變對于加工質量影響”的數學分析模型，并通過趨勢分析預測加工質量的異常，及時調整設備工藝參數，形成“監控-分析-調整-優化”的閉環，防止廢品、殘次品產生。
 

5.工廠安防
 

在工廠安防領域，需要借助邊緣計算對人員進行精確定位以及將定位信息與實時視頻、圖像以及數據傳輸進行聯動，保證毫秒級的響應及提示，為預警的有效性提供保障，以防止安全事故的發生。同時，為了數據的長期存儲以便事故的追溯，需要借助邊緣計算的大帶寬、實時性以及云端海量存儲來實現這些需求。
 

6.機器人巡檢
 

傳統人為巡檢工作量大，而且容易出現漏檢。依托5G、AI和邊緣計算，智能巡檢機器人可以代替人力巡檢。在機器人巡檢場景中，必須要利用云端強大的大數據處理能力，對設備風險特征點進行有效的提取和分析，從而形成設備巡檢報警模型。將機器人管理和DIAG系統（診斷系統）部署在邊緣側，通過5G網絡回傳實時高清巡檢畫面、設備信息、環境信息、系統交互等，判斷現場產品是否與DIAG系統的產品信息一致，防止遺漏。

7.物流裝備智能化控制
 

在智能工廠內部，多AGV之間的作業協同，調度算法極其復雜，而且復雜環境和大量的跨區域作業，對通訊的穩定性和帶寬提出了更高的要求。隨著企業內AGV數量的增加，云AGV可以更好的解決運算問題，邊緣計算恰好能給云AGV提供高可靠、低時延的通訊條件支持。

邊緣計算是物聯網不可或缺的基礎設施之一，目前，對于邊緣計算技術的研究和認識依然在持續深入。伴隨5G商用的不斷推進和邊緣計算產業生態的發展完善，工業互聯網、虛擬現實、智慧交通、無人駕駛以及眾多目前難以想象的邊緣計算典型場景有望加快落地、走向應用和普及，將會給整個社會創造更大的價值。