物聯網時代的到來，將聯接從人與人之間進一步擴充套件到了人與物、物與物之間，數字化和智慧化的浪潮開始席捲製造、電力、交通、醫療、農業、公共事業等各行各業。

據IDC預測，全球資料總量到2025年將從2018年的33ZB增長到175ZB，複合年增長率為61％。隨著資料的指數級激增，企業漸漸察覺，以雲端計算為代表的“集中式統一供水模式”存在很多問題：首先，每家每戶用水量的增加使得水廠有些不堪重負；其次，水從水廠流到水龍頭需要一定的延遲時間；最後，一旦供水廠出現問題，就會影響到整張供水網路的運作……

於是，人們開始思考，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？邊緣計算這種分散式計算模式由此興起。

工業是邊緣計算最先落地的土壤

根據邊緣計算產業聯盟（ECC）與工業網際網路產業聯盟（AII）聯合釋出的《邊緣計算參考架構3.0》報告中的定義：邊緣計算是在靠近物或資料來源頭的網路邊緣側，融合網路、計算、儲存、應用核心能力的分散式開放平臺，就近提供邊緣智慧服務，滿足行業數字化在敏捷聯接、實時業務、資料優化、應用智慧、安全與隱私保護等方面的關鍵需求。

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

將資料的珍貴程度比作原油毫不過分，然而原油只有經過採集、運輸、加工、提煉，才能真正得以使用。工業現場的很多資料“保鮮期”很短，一旦處理延誤，就會迅速“變質”，資料價值呈斷崖式下跌。

工業網際網路產業聯盟邊緣計算特設組主席史揚以鍊鋼過程的軋鋼工藝為例，對此進行了形象的說明。軋鋼板就像是壓麵條，經過擀麵杖（軋機）的多次擠壓，面（鋼板）就越擀越薄。軋機靠多個伺服電機協同驅動軋製過程，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。為了保證軋製精度，需要以毫秒級的資料採集頻率來監測電機的運轉是否正常。顯然，在實時性、網路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資料上雲的。

因此，邊緣計算的出現恰逢其時。它為裝置提供了“貼身”計算服務，預測性維護等應用能夠根據實時資料做出最佳決策，讓資料的價值得以最大程度的釋放。

除了時延，工業領域對資料安全的要求也格外嚴格。比如在石化行業，工藝引數決定了其產品品質和生產成本，是企業核心和寶貴的資料。如果把這些資料上傳到雲端，就存在企業安全隱私洩露的風險。邊緣計算將資料從集中式管理演變成分散式管理，提高了資料的安全性。

工業邊緣計算落地的挑戰

IDC的資料顯示，到2020年將有超過500億的終端與裝置聯網，2025年超過75%的資料需要在邊緣側分析、處理與儲存。低時延、實時互動、資料安全……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。

首當其衝的是邊緣計算的多站點管理問題。邊緣是一個相對的概念，處於物理實體和工業連線之間。施耐德電氣將邊緣計算分為本地邊緣計算資料中心和區域邊緣計算資料中心兩種型別。對於工業企業來說，邊緣側往小了說可以是指工業閘道器，往大了說可以指生產車間、配送倉庫，對於一些大型集團甚至可以是指某個分廠，並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裝置進行維護？不同的工業解決方案商有不同的應對策略，大家怎麼看呢？