物聯網時代的到來，將連接從人與人之間進一步擴展到了人與物、物與物之間，數字化和智能化的浪潮開始席卷制造、電力、交通、醫療、農業、公共事業等各行各業。
據IDC預測，全球數據總量將從2018年的33ZB增長到2025年的175ZB，年復合增長率為61％。隨著數據的指數級激增，企業漸漸察覺，以云計算為代表的“集中式統一供水模式”出現了一些問題：每家每戶“用水量”的增加使得水廠有些不堪重負；“水”從水廠流到“水龍頭”會有一定的延遲；一旦供水廠出現問題，整個供水網絡的運作都會受到影響……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？邊緣計算模式由此興起。
工業為邊緣計算落地提供土壤
根據邊緣計算產業聯盟（ECC）與工業互聯網產業聯盟（AII）聯合發布的《邊緣計算參考架構3.0》報告，邊緣計算是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的分布式開放平臺，就近提供邊緣智能服務，滿足行業數字化在敏捷連接、實時業務、數據優化、應用智能、安全與隱私保護等方面的關鍵需求。
進入2019年后，邊緣計算的熱度持續升溫，各行各業都在積極推進邊緣計算的落地，以期成為這條新賽道上的領跑者。工業領域或許將為邊緣計算的落地提供優渥的“土壤”，很多典型的工業場景對邊緣計算存在天然的需求。
聯網設備規模的迅速擴大使得工廠產生的數據量正以極高的速度發生“膨脹”。根據思科統計，采礦業的操作每分鐘可以生成高達2.4TB的數據，每個汽輪機每小時產生0.4TB數據，每個自動化工廠每小時產生1TB數據。
將數據的珍貴程度比作原油毫不過分，然而原油只有經過采集、運輸、加工、提煉，才能真正得以使用。工業現場的很多數據“保質期”很短，一旦處理延誤，就會迅速“變質”，數據價值呈斷崖式下跌。
工業互聯網產業聯盟邊緣計算特設組主席史揚以煉鋼過程的軋鋼工藝為例，軋鋼板就像是壓面條，經過搟面杖（軋機）的多次擠壓，面（鋼板）就越搟越薄。軋機靠多個伺服電機組協同驅動軋制過程，伺服電機組不能出現絲毫的偏差，否則可能導致整塊鋼板報廢。為了保證軋制精度，需要以毫秒級的數據采集頻率來監測電機的運轉是否正常。顯然，在實時性、網絡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數據“上云”的。
邊緣計算的出現恰逢其時。它為設備提供了貼身計算服務，預測性維護等應用能夠根據實時數據做出最佳決策，讓數據的價值得以最大限度釋放。
除了時延，工業領域對數據安全的要求也格外嚴格。比如在石化行業，工藝參數決定了其產品質量和生產成本，是企業的核心數據。如果把這些數據上傳到云端，就存在企業安全隱私泄露的風險。邊緣計算將數據從集中式管理演變成分布式管理，提高了數據的安全性。
