国产91九色_日本68xxxx_欧美高清另类自拍视频在线看_欧美人禽_99久久婷婷国产综合精品青牛牛_亚洲射情

物聯網時代的到來，將連接從人與人之間進一步擴展到了人與物、物與物之間，數字化和智能化的浪潮開始席卷制造、電力、交通、醫療、農業、公共事業等各行各業。

據IDC預測，全球數據總量將從2018年的33ZB增長到2025年的175ZB，年復合增長率為61％。隨著數據的指數級激增，企業漸漸察覺，以云計算為代表的“集中式統一供水模式”出現了一些問題：每家每戶“用水量”的增加使得水廠有些不堪重負；“水”從水廠流到“水龍頭”會有一定的延遲；一旦供水廠出現問題，整個供水網絡的運作都會受到影響……能否在靠近“水龍頭”的地方安裝一個“應急水箱”來應對這些挑戰呢？邊緣計算模式由此興起。

工業為邊緣計算落地提供土壤

根據邊緣計算產業聯盟（ECC）與工業互聯網產業聯盟（AII）聯合發布的《邊緣計算參考架構3.0》報告，邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。

進入2019年后，邊緣計算的熱度持續升溫，各行各業都在積極推進邊緣計算的落地，以期成為這條新賽道上的領跑者。工業領域或許將為邊緣計算的落地提供優渥的“土壤”，很多典型的工業場景對邊緣計算存在天然的需求。

聯網設備規模的迅速擴大使得工廠產生的數據量正以極高的速度發生“膨脹”。根據思科統計，采礦業的操作每分鐘可以生成高達2.4TB的數據，每個汽輪機每小時產生0.4TB數據，每個自動化工廠每小時產生1TB數據。

將數據的珍貴程度比作原油毫不過分，然而原油只有經過采集、運輸、加工、提煉，才能真正得以使用。工業現場的很多數據“保質期”很短，一旦處理延誤，就會迅速“變質”，數據價值呈斷崖式下跌。

工業互聯網產業聯盟邊緣計算特設組主席史揚以煉鋼過程的軋鋼工藝為例，軋鋼板就像是壓面條，經過搟面杖（軋機）的多次擠壓，面（鋼板）就越搟越薄。軋機靠多個伺服電機協同驅動軋制過程，伺服電機不能出現絲毫的偏差，否則可能導致整塊鋼板報廢。為了保證軋制精度，需要以毫秒級的數據采集頻率來監測電機的運轉是否正常。顯然，在實時性、網絡傳輸成本等多個條件約束下，這個應用場景下是不能把實時數據“上云”的。

邊緣計算的出現恰逢其時。它為設備提供了貼身計算服務，預測性維護等應用能夠根據實時數據做出最佳決策，讓數據的價值得以最大限度釋放。

除了時延，工業領域對數據安全的要求也格外嚴格。比如在石化行業，工藝參數決定了其產品質量和生產成本，是企業的核心數據。如果把這些數據上傳到云端，就存在企業安全隱私泄露的風險。邊緣計算將數據從集中式管理演變成分布式管理，提高了數據的安全性。

需要OT和ICT開放協作

IDC的數據顯示，到2020年將有超過500億的終端與設備聯網，2025年將有超過75%的數據需要在邊緣側分析、處理與儲存。低時延、實時交互、數據安全……這些優勢已經成了邊緣計算的代名詞。然而，即使是看似全能的邊緣計算，在工業領域的實際落地過程中還是會遭遇不小的挑戰。

首先是邊緣計算的多站點管理問題。邊緣是一個相對的概念，處于物理實體和工業連接之間。對于工業企業來說，邊緣側往小了說是指工業網關，往大了說是指生產車間、配送倉庫，對于一些大型集團甚至可以是某個分廠，并同時擁有數千個本地邊緣站點需要管理，管理人員面臨著必須兼顧多個站點的挑戰，然而現場人手往往不足甚至完全沒有。

如何以標準化的方式對所有邊緣站點的設備進行維護？不同的工業解決方案商有不同的應對策略，比如施耐德電氣就提出，一方面，提供基于云的管理工具，以實現對所有資產的遠程可視化和主動控制；另一方面，利用大數據分析和人工智能，解決人力資源不足等問題，實現無人值守的運維管理。

除了多站點的管理值得關注，史揚也認為，邊緣計算在行業落地面臨的首要挑戰并不是技術本身，而是厘清技術究竟能給行業的特定應用場景帶來什么樣的商業價值。他表示：“邊緣計算還處于產業探索期，需要從點切入，也就是客戶的痛點或者價值場景切入。獨行者疾，眾行者遠，生態是產業發展的關鍵。發展邊緣計算產業僅靠個別企業的力量是遠遠不夠的，比如工業企業可能缺乏邊緣側的相關AI、分布式計算等技術，而ICT企業缺少對工業的了解，需要產業鏈上下游，特別是運營技術產業（OT）和ICT產業的開放協作。”

邊云協同驅動產業鏈變革

雖然邊緣計算能為工業企業帶來諸多受益，但如果只把邊緣計算簡單看作一種技術，那可能低估了它的價值。從某種意義上來說，邊緣計算正在驅動整個產業鏈的變革。

以汽車行業為例，過去的汽車制造商就是把鋼鐵變成一輛輛飛馳的“駿馬”，以販賣鋼鐵為主。但現在，基于邊緣計算，從研發到制造到銷售再到無人駕駛的整個汽車產業鏈都發生了顛覆性的變革，未來汽車制造商將向“出行服務提供商”進行轉型，以提升客戶出行服務體驗為導向。

在制造端，分布在車間內的邊緣站點使得管理層可以隨時知悉訂單的執行情況，信息的透明化為智能制造的實踐奠定了基礎；在銷售端，汽車體驗店可以通過AR、VR技術為客戶提供浸入式體驗；研發端可以利用CAD、CAE等仿真技術研發新車和縮短新車上市的周期；汽車上路后，無人駕駛大大提高駕駛的安全性和出行的舒適性……這些需求的實現都要依賴于邊緣計算的能力。

未來，道路上的人、車、物將相互連接，形成一張復雜的網絡，大量的交通數據會在邊緣側得以產生、處理。由于邊緣計算的儲存和大數據分析的能力有限，很多數據被進一步上傳至云端，利用超大規模的云計算能力進行進一步的存儲和計算，邊云協同改變的不僅是汽車產業，更是人們的出行方式。

正是因為需要整個產業鏈的協作，邊緣計算的企業也不能再像過去那樣只專注于自身的領域，而是要積極擁抱生態。從集中式的數據中心，到分散式的數據中心，再到邊云協同，邊緣計算正在迸發超乎想象的力量，為工業帶來無窮活力。