新的一周開始，我們來說點認真的事兒！現在的趨勢是工業端應用超越了消費端應用，正在主導全球物聯網投資，我們可以拍腦袋“負責”地預測：邊緣計算會最先從工業應用落地。

邊緣計算+IoT云平臺，正在成為巨頭們強強聯手的重頭戲。比如華為的邊緣計算方案EC-IoT和GE的云平臺Predix合作，實現工業設備運行狀態的實時監測；再比如思科的邊緣計算實現與微軟Azure云平臺之間的互聯，確保為企業提供從邊緣到云端的整體性服務。

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”是在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，就近提供邊緣智能服務。

需要強調的是，最新出現的“邊緣計算”設備，并不是傳統的網關或者控制器換個名稱“濫竽充數”，而是需要滿足3個必備能力：采集邊緣數據、智能的運算能力和可操作的決策反饋。

采集邊緣數據- 數據采集是邊緣計算的基礎，從工業設備到智能家電，一切設備都是數據的來源。

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-管理層可以根據數據分析獲得相關決策建議，或者由授權代表或者設備本身直接完成決策過程。

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

談到邊緣計算與IoT云平臺之間的關系，貼近現實的觀點是，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，讓傳統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數據將會通過霧計算、邊緣計算在近端處理。

根據IDC的預估，對物聯網的投資將在未來3年內以15.6%的速度增長，2020年達到1.29萬億美元。其中，物聯網投資由工業應用主導，包括制造業、交通運輸業和公用事業。既然工業端應用超越了消費端應用，正在主導全球物聯網投資，那我們就可以拍腦袋“負責”的預測：邊緣計算會最先從工業應用落地。

邊緣計算+IoT云平臺的組合，也可以用到傳感器數據監測和分析、零售業用戶的行為分析、移動數據的降噪和信息提取、金融機構的合規分析、石油/天然氣等行業的遠程監測和分析，以及各種相關領域。

巨頭紛紛跨界，進入下半場的新賽道

亞馬遜已經正式推出Greengrass進軍邊緣計算陣地。從Bottom up的觀點來看，聚焦在傳統邊緣計算領域的企業也紛紛進軍IoT云平臺。“雌雄同體”的中性氣質，正在物聯網領域中彌漫。

不少企業已在邊緣計算深耕多年，尤其以工業領域的知名企業為代表，都是擅長邊緣計算的行家里手，憑借以往設備端的數據采集與控制經驗，加個IoT云平臺的營生，也可以得心應手。

西門子

僅僅邊緣計算還不夠，工業物聯網需要利用云平臺來應付各種情境。西門子SimaticIOT 2000就是專為西門子云平臺MindSphere和SAP Hana而設計的智能網關。

用戶可以在工廠內部對網關進行改造，以便協調不同數據源之間的通信、分析并傳遞數據。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通常用于預防性機械維護，可最大限度減少生產停工風險，避免高價損失。另外，它還能對相關指標進行評估，并盡早查明即將發生的磨損。

由于在工業領域多年的經驗積累，SimaticIOT 2000保證了在工業現場惡劣環境下的可靠性，這一點能夠彌補Arduino等物聯網開源硬件在工業強度等級上的不足，相當于給性能強大的物聯網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，工業企業可將其作為數字化服務——譬如預防性維護、能源數據管理以及工廠資源優化——的基礎。

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，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未來互聯愿景的應用程序，包括智能家居、工業4.0以及互聯交通。

按照博世的邏輯，給公司制造的各種家電、工業產品、車載設備等“物”加上感知設備，能夠使其收集到數據。之后數據將會被傳到Bosch IoT Cloud，通過軟件的運算和優化，最終形成相應的服務。

研華科技

研華今年也發表了一系列邊緣智能服務器軟硬整合解決方案（Edge Intelligence Servers），可以應用在工廠、零售、車隊物流、醫療，以及環境與能源等行業。

新一代IoT邊緣智能服務器（Edge Intelligence Server，簡稱EIS）可以把不同工業協議收集起來的數據轉換成MQTT協議傳輸到云端，然后再做數據分析或應用的處理。簡單的說，研華IoT邊緣智能服務器（EIS）=物聯網網關+小型數據庫+輕量計算與分析。

同時，為了幫助物聯網系統集成商快速開發出所需的應用系統，研華開發了一個中間件名叫WISE-PaaS，這個中間件提供傳感器信息傳輸和遠程管理控制，集成了大數據分析、物聯網應用開發等工具，是云平臺與IoT設備之間的橋梁。

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算法必須通過云端的運算能力來實現，不過現在機器學習大有從云端降落的趨勢，通過邊緣計算完成。

最近蘋果發布了Core ML平臺，堅持不在云端實現機器學習，核心是加速在iPhone、iPad、Apple Watch上的人工智能任務，支持深度神經網絡、循環神經網絡、卷積神經網絡、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”，降落到邊緣設備的開始。

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

而在實際的操作中，無論是工業領域，還是消費領域，細分市場眾多，需求差異很大，夢想一步做成整體行業的獨角獸簡直是難于登天。這時創新企業擺正態度，找準定位，依托巨頭斥資打造的物聯網生態，在某個或者某幾個細分領域深耕細作，不失為發展良機。

本文的最后，附上表格：邊緣計算并不只是巨頭的天下。