从边缘计算到工业物联网（物联网业务中工业网关的边缘计算能力）

Gartner近日发布《工业物联网边缘计算市场指南》，分析工业物联网边缘计算的市场趋势。 Gartner 预测，到2022 年，超过50% 的企业生成数据将在数据中心或云之外创建和处理，20% 的新型工业控制系统将具有分析和AI 边缘推理功能，并且至少50% 的工业控制系统将具有分析和AI 边缘推理功能。 -现场物理对象将是物联网项目将使用容器进行边缘应用程序生命周期管理，至少50%的高端工业物联网网关将提供可选的5G模块。

IIOT边缘计算市场定义

边缘计算解决方案使数据能够在传输到中央数据中心或云之前在本地进行处理和存储。工业物联网环境中的典型数据源包括传感器和控制设备，例如可编程逻辑控制器（PLC）和分布式控制系统（DCS）。目前的边缘计算解决方案提供商来自不同背景，包括数据中心OEM、OT、云计算、分析和通信服务提供商等。

IIOT边缘计算需具备的关键能力

能够聚合和规范化终端设备生成的数据，以便数据分析能够接收这些数据平台。数据处理能力，例如通过规则引擎进行事件过滤、复杂事件流处理或数据生成后处理和分析。能够执行人工智能推理模型和分析。能够根据传入事件和数据采取本地操作。能够提供本地和远程可视化功能。能够在云或任何数据中心之间传输和接收数据，以及在网络中断时自主运行的能力。

IIOT边缘计算部署模式

工业物联网边缘计算解决方案通常由边缘设备、网关、I/O模块、边缘服务器、微型数据中心和分析软件组成。根据实际用例以及需要获取和分析数据的速度，可以在边缘部署这些组件的不同组合。

根据使用案例，边缘计算可以在设备内部、网关内部实现，或者通过在边缘部署服务器来实现，以满足不同程度的分析和本地决策需求。下表根据所需的计算能力级别列出了不同边缘计算交付模型的关键属性。

工业物联网边缘计算解决方案有两种部署模式：（1）设备-网关-云； (2)设备-网关-服务器-云。根据需要在数据源附近运行的分析类型，可以部署这两种架构之一。

IIOT边缘计算市场走势

当前物联网市场的大多数供应商已经认识到边缘计算已成为物联网解决方案不可或缺的一部分。并非所有数据都需要发送到云或核心数据中心，因为这样做成本高昂、占用带宽、影响性能或不切实际。因此，必须在数据生成时部署数据聚合和处理能力，以便利用实时分析进行快速决策。在某些情况下，数据需要在边缘位置进行处理和存储以满足监管要求。

Gartner 预测工业物联网领域将经历一段整合期。大型OT供应商、工业物联网平台供应商、分析和数据中心供应商将通过战略收购提供端到端解决方案，以填补其产品组合的空白。领先的分析供应商已经发布了轻量级版本的企业分析平台来解决各种边缘用例。数据中心OEM 供应商将边缘计算视为缓解收入下降的机会，专注于提供定制硬件和系统管理软件，以满足工业物联网的需求。大型云供应商将边缘计算产品视为其基于云的物联网平台的扩展，他们正在努力创建一个硬件供应商生态系统，以确保其边缘计算软件经过认证或验证，可以在这些硬件产品上运行。行业中也出现了新的供应商，提供与基于云的物联网平台集成的边缘计算软件平台。

以下是将塑造边缘计算未来市场的关键趋势：

边缘AI推理能力将促进本地化洞察和实时响应

尽管可以使用人工智能平台集中聚合和分析来自不同来源的工业系统的数据，但在边缘部署机器学习推理模型并结合边缘分析将显着提高边缘数据的质量。通过使用本地可用数据，可以做出更好的实时决策。执行这些推理模型，特别是处理文本、视频和语音数据流的计算密集型模型，将需要相对复杂的边缘数据处理架构。新的硬件外形尺寸将满足广泛的边缘计算需求

由于处理器和电池技术的快速创新，市场将见证能够运行数据分析以及直接在设备上运行人工智能推理模型的新型边缘设备的推出。未来几年，硬件供应商预计将专注于提供基于GPU、视觉处理单元(VPU)、现场可编程门阵列(FPGA)、专用处理器和集成电路(ASIC) 的边缘计算硬件。它们都将被设计为在边缘执行复杂的计算密集型功能的硬件。此外，市场将更加关注提高功耗效率，特别是在网关和嵌入式设备等受限系统中。 5G 将加速分布式计算，但仅限于某些用例

5G 蜂窝技术的引入可能会影响IO 架构师重新评估其边缘计算架构，特别是对于移动性质的用例，例如自动驾驶车辆、车队管理、运输和物流以及与物联网集成的其他用例。 5G 蜂窝技术可实现千兆级下载和上传速度。因此，一些企业可能会评估将生成的所有数据发送到云端或数据中心进行近实时分析的可能性。另一方面，5G也可能加速真正分布式计算架构的部署。然而，在早期阶段，5G 对于大型物联网项目来说可能成本过高。此外，5G 可能不适合不支持5G 连接的偏远地区的边缘用例。传感器融合将提高边缘的数据质量，但会使边缘计算架构变得复杂

传感器融合通常用于智能手机和个人医疗设备等个人设备，其中来自GPS、陀螺仪和加速计的数据在设备内包含的专用微控制器单元(MCU) 中进行组合和分析，为用户提供特定的个性化见解。传感器融合还用于自动驾驶汽车，其中使用卡尔曼滤波等算法融合和简化来自激光雷达、摄像头、里程表、雷达和其他传感器的数据，以提供对周围环境的全面了解。传感器融合概念预计将影响未来工业边缘计算架构的形态。结合来自不同传感器的多种数据类型的能力，不仅包括遥测数据，还包括边缘的视频和音频流，有助于提高接近数据生成源的数据质量。此外，在其他情况下，它可以提供边缘环境的完整视图。然而，融合来自不同数据源的数据很复杂，因为它需要摄取、规范化和处理多个数据流。这将迫使基础设施架构师和数据架构师重新设计他们的边缘基础设施。数据分析和AI能力将向上游进入控制网络

如今，在工业物联网项目中，大多数与物联网分析相关的流程都是通过网关在工业控制网络外部实现的，或者通过工业服务器在OT平台上实现的，或者两者的结合。这是因为工业自动化供应商尚未将先进的数据分析和以人工智能为中心的功能集成到工业控制系统中，例如PLC 和DCS。更重要的是，到目前为止，它们还没有被认为是必须具备的能力。然而，Gartner预测，随着IT/OT融合和向工业4.0的转型，这种情况将逐渐改变。 Gartner 期望工业自动化供应商和数据分析供应商之间进行更深入的合作，共同创建智能工业控制系统。这将为企业提供更好的资产控制、资产生命周期管理和新的收入来源。容器将被视为大规模现场物联网项目的基石

本地部署的网关和边缘服务器可能需要应用程序更新才能添加新的用例或工作流程。这些系统通常在带宽受限的网络中运行。模块化、可移植性、低开销和隔离等特性使容器成为跨垂直行业现场物联网项目的有吸引力的选择。容器确保应用程序组件以最小的变更管理开销进行更新，从而降低总体带宽需求。它们还提供了一个有助于隔离特定进程的环境。

来源：网络研究院