邊緣計算（Edge Computing）正在迅速成為工業物聯網（Industrial IoT）最關鍵的組成部分，以取代大型制造業企業中使用的云系統（計算資源集中化架構）。

邊緣計算的處理能力更靠近設備或數據源，融合網絡、計算、存儲與應用等功能，滿足行業在實時業務、應用智能、安全隱私等方面的需求。根據Futurum研究的調查，超過90%的制造業企業認為邊緣計算技術有助于提高生產效率和優化業務流程。

1

在過去十幾年里，物聯網（IoT）及其描繪的美好前景開始呈現：所有物品，比如傳感器、執行器或者是貼上RFID的各種資產，都可以連接到互聯網，每個物品都可以發送數據到云端，然后在云端進行數據的聚合和分析，并在各種先進算法模型的支持下，比如深度卷積神經網絡（DCNN），輸出輔助決策。

如今，物聯網已經深度融入了我們的生活，比如小米的米家APP，三星的SmartThings APP，可以接入門鈴、報警器、電動牙刷、跑步機、窗簾、電視、冰箱等各類物品，并在實現基本功能的基礎上，提供諸如遠程控制、智能互聯和智能提醒等高級功能。

工業領域的使用場景則不一樣，比如一個中型制造企業會有數以千計的設備和數以萬計的傳感器，如果所有設備和傳感器連接到互聯網并每秒采集一次狀態數據，然后把數據上傳到云端進行運算，這一過程將會產生大量的數據，如果不對現有的網絡進行升級，傳輸這些數據所需的帶寬可能遠遠超過許多工廠的可用帶寬，這就意味著需要進一步增加成本進行網絡升級和擴容。

安全性是另一個大問題，大部分工廠的設備管理人員并不樂意接受把機床、機器人等設備的數據和空調、冰箱等電器的數據一起通過互聯網連接到云端的概念。為防止發生竊取信息或者破壞工廠運行等極端情況發生，某些大型制造業企業更是明文規定禁止將任何生產設備/測試設備暴露在互聯網中。

試想一下，如果某整車廠的生產線被勒索軟件遠程停機，停機造成的損失是20萬人民幣/分鐘，而此時人機界面上跳出的畫面是如果要重啟生產線，必須轉賬4位數的比特幣贖金到開曼群島的賬戶，作為工廠管理人員，你該如何選擇？

網絡延遲同樣是一個重要因素，在日常生活中，如果因為網絡出現小故障導致智能溫控器延遲幾秒鐘才調低空調的溫度，你雖感不適但還是可以接受。但是在工業場景中，延遲幾秒鐘才收到傳感器的故障信號不光會導致生產大量的殘次品，某些情況下還會造成生產事故。

2

上述所有問題都要求一種更加智能的架構，在該架構下：

1.數據可以留在工廠

2.不允許入站連接

3.“零”網絡延遲

邊緣計算技術可以解決這些問題，而且隨著技術的發展，邊緣計算的運算能力越來越高，從而可以連接并管理更加復雜的設備，另一方面，隨著成本的下降和商業的普及從而可以在工廠內部署越來越多的邊緣計算設備，實現無所不在的連接和計算。比如基于樹莓派（Raspberry Pi）和其他類似平臺的邊緣計算設備的性價比在以指數級增長，搭配上合適的存儲空間，可以廣泛應用于各類不同的工業場景。

使用邊緣計算技術可以即時處理就近設備的數據并禁止來自互聯網的入站連接，與此同時，聚合各類數據形成的報表和報警仍可以上傳到云端用于訓練并改進機器學習模型，從而提高諸如設備預測性維護、質量視覺檢測等功能的準確度。

相比于把所有設備數據傳輸到云端進行集中運算和存儲的架構，邊緣計算-本地處理+云計算-模型優化無疑更適合于工業場景。

從端到邊，有一些問題必須解決，比如設備老舊，接口不開放；或者現場總線種類繁多，比如光IEC 61158標準就有19種現場總線；外加傳感器種類多，采集維度多；對于同一種數據，不同設備廠家的定義不一致，缺乏統一的設備信息模型。

在邊緣（采用虛擬化技術）層，通過采集機器人的各項數據（電流/電壓/扭矩/溫度/速度/位置/運行狀態/報警代碼/……），然后對數據進行聚類分析和特征提取，可以生成機器人的“電子指紋”，隨著數據的累積，實現的功能也會更加智能，比如第1天（機器人實時狀態監控和報警管理）→第15天（機器人停機分析）→第30天（機器人預測性維護）。

在云層，實現通過對邊緣層上報的數據訓練模型或者形成知識庫，同時也會給一些新的商業模式提供條件，比如筆者在《60年機器人新勢：科技產業融合、商業模式換道》中提到的“技術趨勢1：機器人和信息系統的融合商業變革1：提供產品→提供服務”。

3

工業物聯網的絕對市場容量和增長率非常巨大，正在以超出大家預期的速度向各個行業滲透，其在整體物聯網產業中的占比也將穩步提高。相關研究機構預測，工業物聯網的占比將從2016年的18%提高到2020年的25%。

國內機器人上云的市場還處于比較早期的階段，滲透率很低，隨著機器人保有量的快速增長和相關技術的成熟以及標準的普及，相信該市場會有飛速的增長。以機器人為代表的OT技術和以邊緣計算為代表的IT技術深度融合，也必然會為我們解決目前生產制造過程中遇到的問題提供更多的可能性。