从物联网（IoT）技术到人工智能（AI）驱动，数治网Zed趋势追踪全球数字技术的发展，挖掘开发行业的场景和应用潜力。其中，对于“大智物云边”来说，边缘计算是新的增长领域，有理由相信最终将超越我们看到的云计算和应用。
组织处理数据的方式也正在发生变化，开始要考虑保留多少个版本的数据，以及如何存储和管理数据。从成本和可持续性的角度来看，组织发现将处理转移到靠近产生和使用数据的地方是有意义的。
边缘计算四大核心优势
边缘计算改变了原先大型任务在中心节点进行分析处理的模式，将其分解为多个更易解决的子任务，并在服务终端就近处理，从而实现更快的网络服务响应，同时降低云端压力，因而能够满足数据实时处理、智能应用快速响应以及安全隐私保护等需求。
降低时延
边缘计算增加计算节点，减少数据流量的总量，提高了应用程序和服务的性能
边缘计算支持对延迟敏感的应用程序，如自动驾驶，以数据中心为中心的数据处理模式或在网络覆盖不足的地区无法为此类应用提供支持
节省成本
边缘设备中的数据处理和存储减少了昂贵的带宽需求，从而优化了总体成本
通过边缘计算，可以在原始点对数据进行过滤，而不必将其发送到数据中心。因此，公司可以选择使用本地服务和云服务组合，以获得经济高效的数字化解决方案
本地算力
边缘计算将算力部署在网络中离各个操作逻辑最近的地方，提高对数据的实时处理能力
通过结合边缘设备和边缘数据中心，企业能够随时有效地扩展其容量需求，每个附加设备对于网络带宽需求更低
安全保障
相对云计算的集中式结构，边缘计算的分布式结构更不容易受到DDoS攻击和故障的影响，也使攻击者渗透网络变得更困难和复杂
边缘计算可在边缘侧过滤敏感信息，并对传输数据进行选择，以满足安全性和合规性要求
边缘计算典型应用场景分析
在万物互联的时代，快速处理数据是核心需求，智能电网、车联网、智能安防、智能家居、智慧城市、智能制造等行业场景的发展都需要边缘计算赋能。正如车联网的发展一样，各个场景的智能化以及企业的数字化浪潮下，边缘数据的产生催生出采集、传输、分析的需求。
无人驾驶、沉浸式体验、远程医疗、智慧家居等都将会是我们生活组成的一部分，这些应用场景将会源源不断地产生海量数据，对传输网络提出更高的要求。随着用户体验要求提高，大量行业的低时延本地业务都需要有新的解决方案解决当前的问题。
车联网
边缘计算在车联网场景的应用最早起源于商用车，政府对商用车运行 状态提出监控需求，车辆GPS与北斗导航率先被应用与从商用车上采集车辆运行位置、车速等基础数据。
案例——V2X车路协同的车联网平台
背景
- 工信部设立标准体系建设、明确V2X频谱，交通部推进路运一体化协同……多个部委明确智能网联汽车作为发展战略方向
- V2X处于试点探索运营模式的阶段，产业示范推动V2X规模商用
痛点
- 车路协同连接车和道路感知设备数量众多，缺少统一维护和管理
- 道路事件缺乏感知，调度效率低，交通行为难以有效监管
- 车路协同涉及芯片模组、终端、整车、安全平台等多领域，跨领域软硬件种类较多，对接复杂，集成难度大
方案
- 以端云协同的方式提供服务：V2X Server部署在云端，具备设备管理、设备标定、算法管理、拓扑管理、地图管理、事件管理、 数据管理等功能，并结合高精地图服务、智慧交通系统等，实现全时空交通运营与管理；V2X-Edge部署在边缘计算节点，与 V2X Server配套使用，结合摄像头、雷达的能力，完成道路事件的感知和分析
- 城市道路场景：与智能交通系统协同，为公众提供安全告警和道路信息；为车企提供网联式车辆测试服务
- 高速公路场景：结合智能感知算法，提供高速道路和环境信息
效果
- V2X Server支持终端设备大容量、高并发的百万级接入，提高运维效率
- V2X边云协同，直接在边缘V2X Edge完成推理分析，形成事件消息，第一时间通知到目标车辆；边缘感知算法实时迭代更新，持续提高目标识别准确率和事件感知效率
- 平台开放兼容，提供多协议接入插件和多算法管理，降低集成难度
智慧城市
智慧城市在上海、北京为主的一线城市，以类似一网通办的管理方式打通基层业务，实行社会治理。智慧城市的构成可分为七个维度：标准规范、顶层设计、基础设施、智慧中枢、智能应用、运营服务、网络安全。基础设施、智慧中枢和智能应用是层层递进的智慧城市主体，另四项维度是贯穿智慧城市发展始终的能力保障。
案例——边缘计算助力上海浦东城运案件智能发现
背景：
- 视频监控摄像头从早期只能实时查看或事后回溯发展至可识别并开展自动分析
- 上海市“一网统管”会议明确表示要建立智能感知和AI分析系统
痛点：
- 在城市管理、城市运行过程中，存在大量乱点乱象
- 与人脸识别技术场景容易标准化、规范化相比，乱点发现的种类多、情况较复杂，训练模型维度较多，训练样本较大
- 上海浦东新区管辖的区域形态丰富，智能发现的案件形态较复杂
方案：
- 开发图像识别训练SaaS平台，支持第三方通过上传图片、抠图、训练模型、导出训练模型、接入视频探头开展识别、告警推送全套应用平台
- 拓展积水点监测（水位识别、防台防汛）、特种车辆识别、河面漂浮物监测、垃圾分类等场景应用模型。如“防汛防台”积水点智能监测系统，可以通过监控探头实时监测，当降雨量或积水量达到预警线时，通过AI分析系统反馈给工作人员
- 研发城市运行AI视频识别分析平台，采用神经网络技术和图像识别技术，对视频中的特定对象进行识别，并形成流程处置闭环
效果：
- 形成一套乱点分析训练模型，支持15类乱点乱象（跨门经营、非机动车违停、消防 通道占用、更换广告牌、违章搭建等）识别
- 城市运行管理中心通过智能视频识别系统，从违章预警到触发告警5分钟、段长收到告警后5分钟内到达现场、5分钟内现场反馈，APP推送至处置部门，迅速高效解决问题
能源物联网
能源互联网在中国还处于发展的初级阶段，但发展迅速，产业覆盖面极广，包括发电领域的传统发电、光伏发电、风力发电、水力发电等，输配电领域的智能电网、微电网、输配电设备，智能储能领域、智能用电领域的智能建筑、电动车、智能家居、工业节能，能源交易领域的电力交易、碳排放交易、能源管理领域的节能服务、合同能源管理等等。
案例——边缘计算赋能智慧水电站
背景：
在“双碳”目标的提出后，能源转型不断深入，新型电力系统建设步伐加快，政府和发电集团关于建设智慧电厂的文件不断出台
痛点：
- 很多电厂缺少厂级的统一数据平台和相关联的管理运维系统，数据“孤岛”现象严重
- 采用定检定修的检修方式，缺少设备全生命周期管理
- 问题发现滞后、缺少智能预警
- 传统人工巡检效率低
方案：
- 统一数据平台，全域可视化：通过接入全站的各系统的数据，真 实展现水电生产过程中的各类信息；利用数字孪生技术，建立高 精度的全厂级、系统级和设备级的三维场景，直观展示全站情况
- 设备全面感知：提供全套的智能化设备管理方案，实现设备运行 状态监测、运行异常预警、诊断结果报送等功能
- 实时监测：提供集中式的监控视频，异构数据管理功能，在边缘 端处理监测数据，之后上传到云平台进行集中管理
- 告警与工单管理：展示系统各模块产生的告警情况并派发工单， 运维人员可快速准确做出响应
效果：
- 实现单个水电站的运行，管理，监控一体化，以及多个水电站的集中运维和监控
- 可将常规每2小时巡检一次降低为每4小时巡检一次，降低危险场所人员暴露概率达50%，减少“三违”发生概率达40%
智慧零售
智慧零售中对边缘计算的应用主要基于视觉识别技术，经过边缘端对采集后数据的处理，存储至商超后端IT系统。商超本身信息化水平尚可，数据接口完备，边端设备与后端系统不存在集成问题。目前在商场零售行业接受度较高，渗透率较高。
案例——边缘计算赋能智能生鲜识别解决方案
背景：
消费者对于零售行业的要求已经不满足于“一站式购物”，开始转向“体验式购物”，零售业需要正确把握消费者的需求。
痛点：
- 生鲜打秤过磅环节的效率较低，存在高峰排队现象
- 打秤员招聘难且流失快，岗位要求也高，需要的培训时间久
- 货损难盘点
- 图片采集-机器学习建模的传统方案效费极低，并且需要现场部署 服务器或长时间保持与云端联网，不能与商超实际环境相匹配
方案：
- 采用基于边缘AI芯片的分布式学习架构，通过并联多个NPU，在保持良好定义的模块化架构的前提下，充分结合动态计算功能和静态资源分配，实现大规模深度神经网络的分布式计算
- 采用基于弱监督学习算法的毫秒级识别算法，在缺乏高质量数据或者无人工标注的情况下，仍然能训练出高性能的深度学习模型
- 抛弃传统的采集训练模式，无需数十张图片的采集与长时间训练，仅需在日常打秤工作中对新品进行一次打秤，系统就可以自动完成上新采集与算法更新，彻底将上新环节无感知化无需部署服务器，以配件形式在智能秤上即插即用，离线运行
效果：
- 目前市场上最为成熟的AI智能生鲜识别解决方案，处理效率高，可以实现毫秒级识别和99.5%+的超高识别准确率，且识别效果不受包装变化影响，支持多种使用场景
- 部署模式配件化，即插即用，无需额外服务器部署，降低90%+的产品落地成本
智慧农业
边缘计算在畜牧业中的应用目的主要为确权监控，需求方为政府机构与金融平台；落地实施主要依靠政府部门与金融平台与养殖方协商推进。当前畜牧业使用边缘视觉还相对较少，主要原因为养殖场硬件部署难度较高，以及疫情原因导致地方政府缺乏人手来推进落地项目。边缘计算在种植业中的应用已经比较成熟。
案例——边缘计算助力畜牧养殖与金融监管
背景：
目前我国畜牧业处于数智化转型阶段，经营成本和管理难度较高； 同时，保险服务力度及服务覆盖远远不够，金融机构存在“慎贷”心理，保险缺位加深。
痛点：
- 畜牧养殖痛点：牧场管理粗糙，效率低；饲喂量及饲料配比监测难，缺乏精确记录；牲畜健康监测实时性差，防疫诊疗管理缺失
- 活体抵押痛点：农场牲畜的资产化金融属性弱；银行缺乏抵押资产监管手段；抵押资产与银行系统缺少对接
方案：
- 智慧畜牧管理平台：利用物联网智能感知、传输和控制技术与养殖业结合，围绕集约化畜禽养殖生产和管理环节设计，通过对温度、湿度、光照度、有害气体浓度等主要环境参数的实时精确监测与智能化调节，实现畜禽养殖的智能生产与科学管理
- 活体资产监管平台：以生物主体信息（即生物位置信息、生物体征信息）的感知为起点，通过NB-IoT、GSM等通信技术，结合物联网开放平台的数据处理能力，支持用户在移动端和Web端展示生物生命体征、实时位置监管等信息，实现活体资产的智慧监管
效果：
- 采集器定时采集信息并上传平台，实现对牲畜24小时的健康监测，耳温波动异常时进行预警并通知监管人员；同时也及时掌握牲畜的动态分布情况
- 边缘计算设备对监控视频实时识别，识别结果定时上传平台，实现牲畜资产数量监管
以上边缘计算的四大核心优势和典型应用场景分析摘自亿欧智库推出的《2022中国边缘计算产业研究报告》，文末下载报告全文。
面向未来采用边缘计算的八大好处
采用边缘计算是让你的数字基础设施面向未来的下一个重要步骤。通过将数据处理向“边缘”移动，你可以将实时决策带到需要的地方。以下是面向未来采用边缘计算的八大好处：
确保业务关键应用始终可用
在云中托管业务关键应用是一种高风险策略，因为连接容易受到中断，例如，网络电缆意外断开。边缘计算解决方案即使在偏远地区也能支持更平稳的运营，而不会中断。可靠性提高是因为解决方案较少受到外部中断的影响，因此其故障风险下降。
这种可靠性，加上许多可以支持改善最终用户体验的技术的实时处理，可能是变革性的。边缘计算是物联网技术和人工智能驱动应用的推动者，这些应用开启了新的、更高效的操作方式，从而提高了生产力。
促进实时决策
将处理带到边缘意味着数据不会往返于中央数据中心或云进行处理，因此延迟会提高到支持实时分析和决策所需的水平。
这种近乎即时的决策，对于满足整个行业的许多新兴和未来需求至关重要。从优化制造流程和生产调度，到运行闭环应用以优化能源使用和减少碳足迹。
提高可持续性
边缘计算将组织转向更有效的运营方式，以优化能源使用并减少碳排放。它通过减少发送到核心的数据量来减少所需的数据中心容量。
在许多情况下，在边缘运行一些 IT 处理和运营技术（OT）处理可以提高效率，例如整合冷却要求和合并维护访问。
降低数据和运营成本
数据是全球组织的命脉，所涉及的数据量一直在增加。随着数据流量的增长，支持它的带宽成本正在螺旋式上升，没有停止的迹象。
继续将大量数据发送到核心数据中心或云进行分析是不可持续的，管理和存储这些数据的成本也在增加。边缘计算打破了这些模式，因此只有经过处理的智能数据才能进入核心。
满足数据主权法规
数据主权立法已经很严格，这将继续影响组织从数据中提取价值的能力。边缘计算是一种保持合规的灵活方式，将数据存储和处理保留在国内，而不是将其发送到国外的主数据中心或公共云中。
支持创新应用
目前遇到的最大用例涉及私有 5G 网络以及通过增强现实（AR）和虚拟现实（VR）将专业知识带入操作环境的远程方式。例如，在尝到了疫情期间的可能性之后，组织不想回到将专家送往培训或维护地点进行培训是有道理的。
相反，他们使用智能眼镜和AR应用程序来远程指导维护，并使用VR进行培训。边缘计算对于提供这些应用所需的超低延迟至关重要。
支持远程位置的需求
有时边缘是唯一的选择。对于大部分自然资源部门来说，云连接要么不存在，要么高度有限和/或非常昂贵。对于偏远的采矿地点和油田，边缘处理通常是托管应用程序的唯一选择，以减少昂贵的计划外停机时间，并为当地工程师提供健康和安全方面的 VR 培训。
还有希望提高散装矿石运输船和液化天然气油轮的能源效率。在这两种情况下，云连接都非常昂贵，因为唯一的选择是通过卫星，所以在船上进行边缘处理，运行应用来优化船用柴油的使用是唯一可行的选择。
支持更快地部署更新和实际更改请求
边缘计算通过中央控制提供本地处理能力，这可以改变更新本地信息的艰巨过程。以零售业的数字标牌为例。它集中控制，可实现客户体验的一致性，只需按一下按钮即可更改所有商店的显示。此外，集中式远程配置通过减少软件补丁丢失来确保一致性。
以上内容由数治网编原创译介。
行业数字转型要求边缘计算应面向特定行业具备差异化与定制化的能力，以满足行业应用在高效算力、海量接入、智能分析、安全防护等方面的需求。边缘计算作为基础能力底座，与人工智能、大数据、区块链、5G等各类新兴技术具有天然的亲和性，通过将各类技术“边缘计算化”，实现边缘计算服务能力升级，满足行业应用需求，推动边缘计算产业快速落地。
报告全文下载：
