Gartner近期發(fā)布《工業(yè)物聯(lián)網(wǎng)邊緣計(jì)算市場(chǎng)指南》，分析了工業(yè)物聯(lián)網(wǎng)邊緣計(jì)算的市場(chǎng)走勢(shì)。據(jù)Gartner預(yù)測(cè)，到2022年，超過50%的企業(yè)生成數(shù)據(jù)將在數(shù)據(jù)中心或云之外進(jìn)行創(chuàng)建和處理，20%的新工業(yè)控制系統(tǒng)將擁有分析和AI邊緣推理能力，至少50%的現(xiàn)場(chǎng)物聯(lián)網(wǎng)項(xiàng)目將使用容器進(jìn)行邊緣應(yīng)用程序生命周期管理，此外，至少50%的高端工業(yè)物聯(lián)網(wǎng)網(wǎng)關(guān)將提供可選的5G模塊。

IIOT邊緣計(jì)算市場(chǎng)定義

邊緣計(jì)算解決方案能夠在將數(shù)據(jù)傳輸?shù)街醒霐?shù)據(jù)中心或云之前在本地對(duì)數(shù)據(jù)進(jìn)行處理和存儲(chǔ)。工業(yè)物聯(lián)網(wǎng)環(huán)境下典型的數(shù)據(jù)來源包括傳感器和控制設(shè)備，如可編程邏輯控制器（PLCs）和分布式控制系統(tǒng)（DCSs）。目前邊緣計(jì)算解決方案供應(yīng)商來自不同背景，包括數(shù)據(jù)中心OEMs、OT、云計(jì)算、分析和通信服務(wù)提供商等。

IIOT邊緣計(jì)算需具備的關(guān)鍵能力

• 能夠聚合終端設(shè)備生成的數(shù)據(jù)并將其標(biāo)準(zhǔn)化，以便數(shù)據(jù)分析平臺(tái)能夠接收數(shù)據(jù)。
• 數(shù)據(jù)處理能力，例如通過規(guī)則引擎進(jìn)行事件過濾，復(fù)雜事件流處理或數(shù)據(jù)生成后的處理分析。
• 能夠執(zhí)行AI推理模型與分析。
• 基于傳入事件和數(shù)據(jù)采取本地操作的能力。
• 本地和遠(yuǎn)程提供可視化功能的能力。
• 在云或任何數(shù)據(jù)中心之間傳輸和接收數(shù)據(jù)的能力，以及在網(wǎng)絡(luò)中斷時(shí)自主運(yùn)行的能力。

IIOT邊緣計(jì)算部署模式

工業(yè)物聯(lián)網(wǎng)邊緣計(jì)算解決方案通常由邊緣設(shè)備、網(wǎng)關(guān)、I/O模塊、邊緣服務(wù)器、微數(shù)據(jù)中心和分析軟件組成。根據(jù)實(shí)際用例和需要獲取和分析數(shù)據(jù)的速度，可以在邊緣部署這些組件的不同組合。

根據(jù)用例，邊緣計(jì)算可以在設(shè)備內(nèi)部、網(wǎng)關(guān)內(nèi)部或通過在邊緣部署服務(wù)器來實(shí)現(xiàn)，以滿足不同程度的分析和本地決策需求。下表根據(jù)所需的計(jì)算能力水平，列舉了不同邊緣計(jì)算交付模型的關(guān)鍵屬性。

工業(yè)物聯(lián)網(wǎng)邊緣計(jì)算解決方案的部署有兩類模式：（1）設(shè)備-網(wǎng)關(guān)-云；（2）設(shè)備-網(wǎng)關(guān)-服務(wù)器-云。根據(jù)需要在數(shù)據(jù)源附近運(yùn)行的分析類型，可以部署這兩種架構(gòu)其中之一。

IIOT邊緣計(jì)算市場(chǎng)走勢(shì)

當(dāng)前物聯(lián)網(wǎng)市場(chǎng)中的大多數(shù)供應(yīng)商都已經(jīng)認(rèn)識(shí)到，邊緣計(jì)算已成為物聯(lián)網(wǎng)解決方案的一個(gè)組成部分。由于成本過高、帶寬密集、影響性能或不實(shí)用等原因，并非所有數(shù)據(jù)都需要發(fā)送到云或核心數(shù)據(jù)中心。因此，必須在數(shù)據(jù)生成處部署數(shù)據(jù)聚合和處理功能，以實(shí)現(xiàn)使用實(shí)時(shí)分析進(jìn)行快速?zèng)Q策。在某些情況下，為滿足法規(guī)要求，也需要在邊緣位置處理和存儲(chǔ)數(shù)據(jù)。

Gartner預(yù)計(jì)，工業(yè)物聯(lián)網(wǎng)領(lǐng)域?qū)⒔?jīng)歷一段整合期。大型OT供應(yīng)商、工業(yè)物聯(lián)網(wǎng)平臺(tái)供應(yīng)商、分析和數(shù)據(jù)中心供應(yīng)商將通過戰(zhàn)略收購來提供端到端解決方案，以填補(bǔ)其產(chǎn)品組合中的空白。領(lǐng)先的分析供應(yīng)商已經(jīng)發(fā)布了企業(yè)分析平臺(tái)的輕量級(jí)版本，以解決各種邊緣用例。數(shù)據(jù)中心OEM供應(yīng)商將邊緣計(jì)算視為緩和其營收下降的機(jī)會(huì)，專注于提供定制化硬件和系統(tǒng)管理軟件，以滿足工業(yè)物聯(lián)網(wǎng)的需求。大型云供應(yīng)商將邊緣計(jì)算產(chǎn)品視為基于云的物聯(lián)網(wǎng)平臺(tái)的延伸，他們正在努力創(chuàng)建一個(gè)硬件供應(yīng)商的生態(tài)系統(tǒng)，以確保他們的邊緣計(jì)算軟件得到認(rèn)證或驗(yàn)證，可以在這些硬件產(chǎn)品上運(yùn)行。該行業(yè)還出現(xiàn)了一些新的供應(yīng)商，它們提供與基于云的物聯(lián)網(wǎng)平臺(tái)集成的邊緣計(jì)算軟件平臺(tái)。

以下是將塑造邊緣計(jì)算未來市場(chǎng)的關(guān)鍵趨勢(shì)：

邊緣AI推理能力將促進(jìn)本地化洞察和實(shí)時(shí)響應(yīng)

雖然不同來源的工業(yè)系統(tǒng)的數(shù)據(jù)可以使用AI平臺(tái)集中地進(jìn)行聚合和分析，但是在邊緣部署機(jī)器學(xué)習(xí)推理模型并結(jié)合邊緣分析將顯著提高邊緣數(shù)據(jù)的質(zhì)量。通過使用本地可用的數(shù)據(jù)，可以實(shí)現(xiàn)更佳的實(shí)時(shí)決策。執(zhí)行這些推理模型，特別是針對(duì)處理文本、視頻和語音數(shù)據(jù)流的計(jì)算密集型模型，將需要一個(gè)相對(duì)復(fù)雜的邊緣數(shù)據(jù)處理架構(gòu)。

新的硬件形式將滿足廣泛的邊緣計(jì)算需求

由于處理器和電池技術(shù)的快速創(chuàng)新，市場(chǎng)將見證新型邊緣設(shè)備的引入，這些設(shè)備能夠運(yùn)行數(shù)據(jù)分析以及直接在設(shè)備上運(yùn)行AI推理模型。預(yù)計(jì)在未來幾年內(nèi)，硬件供應(yīng)商將專注于提供基于GPU、視覺處理單元（VPUs）、現(xiàn)場(chǎng)可編程門陣列（FPGAs）、應(yīng)用程序特定的處理器和集成電路（ASICs）的邊緣計(jì)算硬件。它們都將被設(shè)計(jì)成在邊緣處執(zhí)行復(fù)雜的、計(jì)算密集型功能的硬件。此外，市場(chǎng)將增加對(duì)提高電力消耗效率的關(guān)注，特別是在網(wǎng)關(guān)和嵌入式設(shè)備等受限系統(tǒng)中。

5G將加速分布式計(jì)算，但只適用于一些用例

5G蜂窩技術(shù)的引入可能會(huì)影響I&O架構(gòu)師重新評(píng)估他們的邊緣計(jì)算架構(gòu)，特別是針對(duì)移動(dòng)性質(zhì)的用例，如自動(dòng)駕駛汽車、車隊(duì)管理、運(yùn)輸和物流，以及與物聯(lián)網(wǎng)集成的其他用例。5G蜂窩技術(shù)可實(shí)現(xiàn)千兆級(jí)的下載和上傳速度。因此，一些企業(yè)可能會(huì)評(píng)估將生成的所有數(shù)據(jù)發(fā)送到云或數(shù)據(jù)中心進(jìn)行近實(shí)時(shí)分析的可能性。另一方面，5G也可能加速真正的分布式計(jì)算架構(gòu)的部署。然而，初期階段5G對(duì)于大規(guī)模物聯(lián)網(wǎng)項(xiàng)目來說可能成本過高。此外，5G可能不適用于不支持5G連接的偏遠(yuǎn)地區(qū)的邊緣用例。

傳感器融合將在邊緣處改善數(shù)據(jù)質(zhì)量，但會(huì)使邊緣計(jì)算體系架構(gòu)復(fù)雜化

傳感器融合通常用于個(gè)人設(shè)備，如智能手機(jī)和個(gè)人醫(yī)療設(shè)備，其中來自GPS、陀螺儀和加速度計(jì)的數(shù)據(jù)在設(shè)備中包含的專用微控制器單元（MCUs）中進(jìn)行組合和分析，為用戶提供特定的、個(gè)性化的見解。傳感器融合也應(yīng)用于自動(dòng)駕駛汽車中，從激光雷達(dá)、攝像機(jī)、里程計(jì)、雷達(dá)和其他傳感器獲得的數(shù)據(jù)通過卡爾曼濾波等算法進(jìn)行融合和精簡，以提供對(duì)周邊環(huán)境的全面了解。預(yù)計(jì)傳感器融合概念將影響未來工業(yè)邊緣計(jì)算架構(gòu)的形態(tài)。將來自不同傳感器的多種數(shù)據(jù)類型（不僅包括遙測(cè)數(shù)據(jù)，還包括邊緣的視頻和音頻流）組合在一起的能力，有助于在數(shù)據(jù)生成源頭附近改善數(shù)據(jù)質(zhì)量。此外，在其他情況下，它也可以提供邊緣環(huán)境的完整視圖。然而，融合來自不同數(shù)據(jù)源的數(shù)據(jù)是復(fù)雜的，因?yàn)樗枰獢z取、標(biāo)準(zhǔn)化和處理多個(gè)數(shù)據(jù)流。這將迫使基礎(chǔ)設(shè)施架構(gòu)師和數(shù)據(jù)架構(gòu)師重新設(shè)計(jì)他們的邊緣基礎(chǔ)架構(gòu)。

數(shù)據(jù)分析和AI能力將向上游轉(zhuǎn)移，進(jìn)入控制網(wǎng)絡(luò)

如今在工業(yè)物聯(lián)網(wǎng)項(xiàng)目中，大多數(shù)與IoT分析相關(guān)的過程都是在工業(yè)控制網(wǎng)絡(luò)之外通過網(wǎng)關(guān)實(shí)現(xiàn)，或在OT平臺(tái)上通過工業(yè)服務(wù)器實(shí)現(xiàn)，或兩種方式結(jié)合。這是因?yàn)?a target="_blank">工業(yè)自動(dòng)化供應(yīng)商沒有將先進(jìn)的數(shù)據(jù)分析和以AI為中心的能力融入到工業(yè)控制系統(tǒng)中，如PLCs和DCSs。更重要的是，到目前為止，它們還沒有被認(rèn)為是必須具備的能力。然而，Gartner預(yù)測(cè)隨著IT/OT融合和向工業(yè)4.0的轉(zhuǎn)型，這種情況會(huì)逐漸改變。Gartner預(yù)計(jì)工業(yè)自動(dòng)化供應(yīng)商和數(shù)據(jù)分析供應(yīng)商之間將進(jìn)行更深入的合作，共同創(chuàng)建智能工業(yè)控制系統(tǒng)。這將為企業(yè)提供更好的資產(chǎn)控制、資產(chǎn)生命周期管理以及新的收益來源。

容器將被視為大型現(xiàn)場(chǎng)物聯(lián)網(wǎng)項(xiàng)目的基石

部署在本地中的網(wǎng)關(guān)和邊緣服務(wù)器可能需要應(yīng)用程序更新來添加新的用例或工作流。這些系統(tǒng)通常在帶寬受限的網(wǎng)絡(luò)中運(yùn)行。模塊化、可移植性、低開銷和隔離性等特性使容器成為跨垂直行業(yè)的現(xiàn)場(chǎng)物聯(lián)網(wǎng)項(xiàng)目的一個(gè)有吸引力的選擇。容器確保以最小的變更管理開銷更新應(yīng)用程序組件，從而降低總體帶寬需求。它們還提供了一個(gè)有助于隔離特定進(jìn)程的環(huán)境。

來源：賽博研究院