新的一周開始，我們來說點認真的事兒！現(xiàn)在的趨勢是工業(yè)端應(yīng)用超越了消費端應(yīng)用，正在主導(dǎo)全球物聯(lián)網(wǎng)投資，我們可以拍腦袋“負責”地預(yù)測：邊緣計算會最先從工業(yè)應(yīng)用落地。

邊緣計算+IoT云平臺，正在成為巨頭們強強聯(lián)手的重頭戲。比如華為的邊緣計算方案EC-IoT和GE的云平臺Predix合作，實現(xiàn)工業(yè)設(shè)備運行狀態(tài)的實時監(jiān)測；再比如思科的邊緣計算實現(xiàn)與微軟Azure云平臺之間的互聯(lián)，確保為企業(yè)提供從邊緣到云端的整體性服務(wù)。

本文揭示了巨頭們在互相合作之外，自己同時“修煉”邊緣計算+IoT云平臺能力，做到“雌雄同體”的發(fā)展思路。

IoT成熟的過程，是運算能力進一步分工細化的過程

“邊緣計算”是在靠近物或數(shù)據(jù)源頭的網(wǎng)絡(luò)邊緣側(cè)，融合網(wǎng)絡(luò)、計算、存儲、應(yīng)用核心能力的開放平臺，就近提供邊緣智能服務(wù)。

需要強調(diào)的是，最新出現(xiàn)的“邊緣計算”設(shè)備，并不是傳統(tǒng)的網(wǎng)關(guān)或者控制器換個名稱“濫竽充數(shù)”，而是需要滿足3個必備能力：采集邊緣數(shù)據(jù)、智能的運算能力和可操作的決策反饋。

采集邊緣數(shù)據(jù)- 數(shù)據(jù)采集是邊緣計算的基礎(chǔ)，從工業(yè)設(shè)備到智能家電，一切設(shè)備都是數(shù)據(jù)的來源。

智能的運算能力-基于機器學習，跨越邊緣計算和云平臺提供智能化的運算能力。微軟、谷歌、亞馬遜、IBM等巨頭正在不遺余力的把機器學習能力嵌入到各個角落。

可操作的決策反饋-管理層可以根據(jù)數(shù)據(jù)分析獲得相關(guān)決策建議，或者由授權(quán)代表或者設(shè)備本身直接完成決策過程。

邊緣計算與集中式的傳統(tǒng)云計算框架最大的區(qū)別在于，邊緣計算采用分布式計算架構(gòu)，將運算分散在靠近數(shù)據(jù)源的近端設(shè)備處理，分擔云平臺的工作量，而不再需要大老遠把數(shù)據(jù)回傳云端處理，實時性更好、效率更高、延遲最短，甚至沒有網(wǎng)絡(luò)、無法接入云端，也不會妨礙邊緣設(shè)備的“貼地”計算。

談到邊緣計算與IoT云平臺之間的關(guān)系，貼近現(xiàn)實的觀點是，邊緣計算與云計算將會共生，成為互補。邊緣計算并不會最終取代云端，而是通過分布式架構(gòu)，讓傳統(tǒng)的云計算框架進一步去中心化，完成運算能力的進一步分工，讓原本匯聚在云端的能力向外圍延伸，更加“貼地”。

毋庸置疑，邊緣計算的市場前景非常廣闊：到2018年，40%的IoT數(shù)據(jù)將會通過霧計算、邊緣計算在近端處理。

根據(jù)IDC的預(yù)估，對物聯(lián)網(wǎng)的投資將在未來3年內(nèi)以15.6%的速度增長，2020年達到1.29萬億美元。其中，物聯(lián)網(wǎng)投資由工業(yè)應(yīng)用主導(dǎo)，包括制造業(yè)、交通運輸業(yè)和公用事業(yè)。既然工業(yè)端應(yīng)用超越了消費端應(yīng)用，正在主導(dǎo)全球物聯(lián)網(wǎng)投資，那我們就可以拍腦袋“負責”的預(yù)測：邊緣計算會最先從工業(yè)應(yīng)用落地。

邊緣計算+IoT云平臺的組合，也可以用到傳感器數(shù)據(jù)監(jiān)測和分析、零售業(yè)用戶的行為分析、移動數(shù)據(jù)的降噪和信息提取、金融機構(gòu)的合規(guī)分析、石油/天然氣等行業(yè)的遠程監(jiān)測和分析，以及各種相關(guān)領(lǐng)域。

巨頭紛紛跨界，進入下半場的新賽道

亞馬遜已經(jīng)正式推出Greengrass進軍邊緣計算陣地。從Bottom up的觀點來看，聚焦在傳統(tǒng)邊緣計算領(lǐng)域的企業(yè)也紛紛進軍IoT云平臺?！按菩弁w”的中性氣質(zhì)，正在物聯(lián)網(wǎng)領(lǐng)域中彌漫。

不少企業(yè)已在邊緣計算深耕多年，尤其以工業(yè)領(lǐng)域的知名企業(yè)為代表，都是擅長邊緣計算的行家里手，憑借以往設(shè)備端的數(shù)據(jù)采集與控制經(jīng)驗，加個IoT云平臺的營生，也可以得心應(yīng)手。

西門子

僅僅邊緣計算還不夠，工業(yè)物聯(lián)網(wǎng)需要利用云平臺來應(yīng)付各種情境。西門子SimaticIOT 2000就是專為西門子云平臺MindSphere和SAP Hana而設(shè)計的智能網(wǎng)關(guān)。

用戶可以在工廠內(nèi)部對網(wǎng)關(guān)進行改造，以便協(xié)調(diào)不同數(shù)據(jù)源之間的通信、分析并傳遞數(shù)據(jù)。通過Simatic IOT 2000接入的云平臺可以是MindSphere或用戶首選的其它任何云。

SimaticIOT 2000通常用于預(yù)防性機械維護，可最大限度減少生產(chǎn)停工風險，避免高價損失。另外，它還能對相關(guān)指標進行評估，并盡早查明即將發(fā)生的磨損。

由于在工業(yè)領(lǐng)域多年的經(jīng)驗積累，SimaticIOT 2000保證了在工業(yè)現(xiàn)場惡劣環(huán)境下的可靠性，這一點能夠彌補Arduino等物聯(lián)網(wǎng)開源硬件在工業(yè)強度等級上的不足，相當于給性能強大的物聯(lián)網(wǎng)硬件穿上一身安全服。

至于MindSphere，則是西門子推出的一個開放IoT云平臺，工業(yè)企業(yè)可將其作為數(shù)字化服務(wù)——譬如預(yù)防性維護、能源數(shù)據(jù)管理以及工廠資源優(yōu)化——的基礎(chǔ)。

博世

博世在本輪邊緣計算+IoT云平臺的賽局中的能量不可小覷，這是一家具備傳感器、云平臺和服務(wù)，三大核心IoT競爭力的公司。

博世通過自己的云平臺，運行各類有助于實現(xiàn)未來互聯(lián)愿景的應(yīng)用程序，包括智能家居、工業(yè)4.0以及互聯(lián)交通。

按照博世的邏輯，給公司制造的各種家電、工業(yè)產(chǎn)品、車載設(shè)備等“物”加上感知設(shè)備，能夠使其收集到數(shù)據(jù)。之后數(shù)據(jù)將會被傳到Bosch IoT Cloud，通過軟件的運算和優(yōu)化，最終形成相應(yīng)的服務(wù)。

研華科技

研華今年也發(fā)表了一系列邊緣智能服務(wù)器軟硬整合解決方案（Edge Intelligence Servers），可以應(yīng)用在工廠、零售、車隊物流、醫(yī)療，以及環(huán)境與能源等行業(yè)。

新一代IoT邊緣智能服務(wù)器（Edge Intelligence Server，簡稱EIS）可以把不同工業(yè)協(xié)議收集起來的數(shù)據(jù)轉(zhuǎn)換成MQTT協(xié)議傳輸?shù)皆贫?，然后再做?shù)據(jù)分析或應(yīng)用的處理。簡單的說，研華IoT邊緣智能服務(wù)器（EIS）=物聯(lián)網(wǎng)網(wǎng)關(guān)+小型數(shù)據(jù)庫+輕量計算與分析。

同時，為了幫助物聯(lián)網(wǎng)系統(tǒng)集成商快速開發(fā)出所需的應(yīng)用系統(tǒng)，研華開發(fā)了一個中間件名叫WISE-PaaS，這個中間件提供傳感器信息傳輸和遠程管理控制，集成了大數(shù)據(jù)分析、物聯(lián)網(wǎng)應(yīng)用開發(fā)等工具，是云平臺與IoT設(shè)備之間的橋梁。

機器學習“離家出走”，貼近邊緣

除了巨頭們對邊緣計算的青睞之外，技術(shù)的成熟度也在催化邊緣計算的落地。

以往我們認為人工智能的相關(guān)算法必須通過云端的運算能力來實現(xiàn)，不過現(xiàn)在機器學習大有從云端降落的趨勢，通過邊緣計算完成。

最近蘋果發(fā)布了Core ML平臺，堅持不在云端實現(xiàn)機器學習，核心是加速在iPhone、iPad、Apple Watch上的人工智能任務(wù)，支持深度神經(jīng)網(wǎng)絡(luò)、循環(huán)神經(jīng)網(wǎng)絡(luò)、卷積神經(jīng)網(wǎng)絡(luò)、支持向量機、樹集成、線性模型等。

Core ML的推出意味著機器學習正在從云端“離家出走”，降落到邊緣設(shè)備的開始。

各大巨頭的邏輯就是，通過培養(yǎng)邊緣計算+IoT云平臺的綜合實力，提煉共性技術(shù)，跨越多個行業(yè)推出普適性的服務(wù)。

而在實際的操作中，無論是工業(yè)領(lǐng)域，還是消費領(lǐng)域，細分市場眾多，需求差異很大，夢想一步做成整體行業(yè)的獨角獸簡直是難于登天。這時創(chuàng)新企業(yè)擺正態(tài)度，找準定位，依托巨頭斥資打造的物聯(lián)網(wǎng)生態(tài)，在某個或者某幾個細分領(lǐng)域深耕細作，不失為發(fā)展良機。

本文的最后，附上表格：邊緣計算并不只是巨頭的天下。