边缘计算会最先从工业应用落地

新的一周开始，我们来说点认真的事儿！现在的趋势是工业端应用超越了消费端应用，正在主导全球物联网投资，我们可以拍脑袋“负责”地预测：边缘计算会最先从工业应用落地。

边缘计算+IoT云平台，正在成为巨头们强强联手的重头戏。比如华为的边缘计算方案EC-IoT和GE的云平台Predix合作，实现工业设备运行状态的实时监测；再比如思科的边缘计算实现与微软Azure云平台之间的互联，确保为企业提供从边缘到云端的整体性服务。

本文揭示了巨头们在互相合作之外，自己同时“修炼”边缘计算+IoT云平台能力，做到“雌雄同体”的发展思路。

IoT成熟的过程，是运算能力进一步分工细化的过程

“边缘计算”是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台，就近提供边缘智能服务。

需要强调的是，最新出现的“边缘计算”设备，并不是传统的网关或者控制器换个名称“滥竽充数”，而是需要满足3个必备能力：采集边缘数据、智能的运算能力和可操作的决策反馈。

采集边缘数据- 数据采集是边缘计算的基础，从工业设备到智能家电，一切设备都是数据的来源。

智能的运算能力-基于机器学习，跨越边缘计算和云平台提供智能化的运算能力。微软、谷歌、亚马逊、IBM等巨头正在不遗余力的把机器学习能力嵌入到各个角落。

可操作的决策反馈-管理层可以根据数据分析获得相关决策建议，或者由授权代表或者设备本身直接完成决策过程。

边缘计算与集中式的传统云计算框架最大的区别在于，边缘计算采用分布式计算架构，将运算分散在靠近数据源的近端设备处理，分担云平台的工作量，而不再需要大老远把数据回传云端处理，实时性更好、效率更高、延迟最短，甚至没有网络、无法接入云端，也不会妨碍边缘设备的“贴地”计算。

谈到边缘计算与IoT云平台之间的关系，贴近现实的观点是，边缘计算与云计算将会共生，成为互补。边缘计算并不会最终取代云端，而是通过分布式架构，让传统的云计算框架进一步去中心化，完成运算能力的进一步分工，让原本汇聚在云端的能力向外围延伸，更加“贴地”。

毋庸置疑，边缘计算的市场前景非常广阔：到2018年，40%的IoT数据将会通过雾计算、边缘计算在近端处理。

根据IDC的预估，对物联网的投资将在未来3年内以15.6%的速度增长，2020年达到1.29万亿美元。其中，物联网投资由工业应用主导，包括制造业、交通运输业和公用事业。既然工业端应用超越了消费端应用，正在主导全球物联网投资，那我们就可以拍脑袋“负责”的预测：边缘计算会最先从工业应用落地。

边缘计算+IoT云平台的组合，也可以用到传感器数据监测和分析、零售业用户的行为分析、移动数据的降噪和信息提取、金融机构的合规分析、石油/天然气等行业的远程监测和分析，以及各种相关领域。

巨头纷纷跨界，进入下半场的新赛道

亚马逊已经正式推出Greengrass进军边缘计算阵地。从Bottom up的观点来看，聚焦在传统边缘计算领域的企业也纷纷进军IoT云平台。“雌雄同体”的中性气质，正在物联网领域中弥漫。

不少企业已在边缘计算深耕多年，尤其以工业领域的知名企业为代表，都是擅长边缘计算的行家里手，凭借以往设备端的数据采集与控制经验，加个IoT云平台的营生，也可以得心应手。

西门子

仅仅边缘计算还不够，工业物联网需要利用云平台来应付各种情境。西门子SimaticIOT 2000就是专为西门子云平台MindSphere和SAP Hana而设计的智能网关。

用户可以在工厂内部对网关进行改造，以便协调不同数据源之间的通信、分析并传递数据。通过Simatic IOT 2000接入的云平台可以是MindSphere或用户首选的其它任何云。

SimaticIOT 2000通常用于预防性机械维护，可最大限度减少生产停工风险，避免高价损失。另外，它还能对相关指标进行评估，并尽早查明即将发生的磨损。

由于在工业领域多年的经验积累，SimaticIOT 2000保证了在工业现场恶劣环境下的可靠性，这一点能够弥补Arduino等物联网开源硬件在工业强度等级上的不足，相当于给性能强大的物联网硬件穿上一身安全服。

至于MindSphere，则是西门子推出的一个开放IoT云平台，工业企业可将其作为数字化服务——譬如预防性维护、能源数据管理以及工厂资源优化——的基础。

博世

博世在本轮边缘计算+IoT云平台的赛局中的能量不可小觑，这是一家具备传感器、云平台和服务，三大核心IoT竞争力的公司。

博世通过自己的云平台，运行各类有助于实现未来互联愿景的应用程序，包括智能家居、工业4.0以及互联交通。

按照博世的逻辑，给公司制造的各种家电、工业产品、车载设备等“物”加上感知设备，能够使其收集到数据。之后数据将会被传到Bosch IoT Cloud，通过软件的运算和优化，最终形成相应的服务。

研华科技

研华今年也发表了一系列边缘智能服务器软硬整合解决方案（Edge Intelligence Servers），可以应用在工厂、零售、车队物流、医疗，以及环境与能源等行业。

新一代IoT边缘智能服务器（Edge Intelligence Server，简称EIS）可以把不同工业协议收集起来的数据转换成MQTT协议传输到云端，然后再做数据分析或应用的处理。简单的说，研华IoT边缘智能服务器（EIS）=物联网网关+小型数据库+轻量计算与分析。

同时，为了帮助物联网系统集成商快速开发出所需的应用系统，研华开发了一个中间件名叫WISE-PaaS，这个中间件提供传感器信息传输和远程管理控制，集成了大数据分析、物联网应用开发等工具，是云平台与IoT设备之间的桥梁。

机器学习“离家出走”，贴近边缘

除了巨头们对边缘计算的青睐之外，技术的成熟度也在催化边缘计算的落地。

以往我们认为人工智能的相关算法必须通过云端的运算能力来实现，不过现在机器学习大有从云端降落的趋势，通过边缘计算完成。

最近苹果发布了Core ML平台，坚持不在云端实现机器学习，核心是加速在iPhone、iPad、Apple Watch上的人工智能任务，支持深度神经网络、循环神经网络、卷积神经网络、支持向量机、树集成、线性模型等。

Core ML的推出意味着机器学习正在从云端“离家出走”，降落到边缘设备的开始。

各大巨头的逻辑就是，通过培养边缘计算+IoT云平台的综合实力，提炼共性技术，跨越多个行业推出普适性的服务。

而在实际的操作中，无论是工业领域，还是消费领域，细分市场众多，需求差异很大，梦想一步做成整体行业的独角兽简直是难于登天。这时创新企业摆正态度，找准定位，依托巨头斥资打造的物联网生态，在某个或者某几个细分领域深耕细作，不失为发展良机。

本文的最后，附上表格：边缘计算并不只是巨头的天下。