Gartner近期發布《工業物聯網邊緣計算市場指南》，分析了工業物聯網邊緣計算的市場走勢。據Gartner預測，到2022年，超過50%的企業生成數據將在數據中心或云之外進行創建和處理，20%的新工業控制系統將擁有分析和AI邊緣推理能力，至少50%的現場物聯網項目將使用容器進行邊緣應用程序生命周期管理，此外，至少50%的高端工業物聯網網關將提供可選的5G模塊。

IIOT邊緣計算市場定義

邊緣計算解決方案能夠在將數據傳輸到中央數據中心或云之前在本地對數據進行處理和存儲。工業物聯網環境下典型的數據來源包括傳感器和控制設備，如可編程邏輯控制器（PLCs）和分布式控制系統（DCSs）。目前邊緣計算解決方案供應商來自不同背景，包括數據中心OEMs、OT、云計算、分析和通信服務提供商等。

IIOT邊緣計算需具備的關鍵能力

• 能夠聚合終端設備生成的數據并將其標準化，以便數據分析平臺能夠接收數據。
• 數據處理能力，例如通過規則引擎進行事件過濾，復雜事件流處理或數據生成后的處理分析。
• 能夠執行AI推理模型與分析。
• 基于傳入事件和數據采取本地操作的能力。
• 本地和遠程提供可視化功能的能力。
• 在云或任何數據中心之間傳輸和接收數據的能力，以及在網絡中斷時自主運行的能力。

IIOT邊緣計算部署模式

工業物聯網邊緣計算解決方案通常由邊緣設備、網關、I/O模塊、邊緣服務器、微數據中心和分析軟件組成。根據實際用例和需要獲取和分析數據的速度，可以在邊緣部署這些組件的不同組合。

根據用例，邊緣計算可以在設備內部、網關內部或通過在邊緣部署服務器來實現，以滿足不同程度的分析和本地決策需求。下表根據所需的計算能力水平，列舉了不同邊緣計算交付模型的關鍵屬性。

工業物聯網邊緣計算解決方案的部署有兩類模式：（1）設備-網關-云；（2）設備-網關-服務器-云。根據需要在數據源附近運行的分析類型，可以部署這兩種架構其中之一。

IIOT邊緣計算市場走勢

當前物聯網市場中的大多數供應商都已經認識到，邊緣計算已成為物聯網解決方案的一個組成部分。由于成本過高、帶寬密集、影響性能或不實用等原因，并非所有數據都需要發送到云或核心數據中心。因此，必須在數據生成處部署數據聚合和處理功能，以實現使用實時分析進行快速決策。在某些情況下，為滿足法規要求，也需要在邊緣位置處理和存儲數據。

Gartner預計，工業物聯網領域將經歷一段整合期。大型OT供應商、工業物聯網平臺供應商、分析和數據中心供應商將通過戰略收購來提供端到端解決方案，以填補其產品組合中的空白。領先的分析供應商已經發布了企業分析平臺的輕量級版本，以解決各種邊緣用例。數據中心OEM供應商將邊緣計算視為緩和其營收下降的機會，專注于提供定制化硬件和系統管理軟件，以滿足工業物聯網的需求。大型云供應商將邊緣計算產品視為基于云的物聯網平臺的延伸，他們正在努力創建一個硬件供應商的生態系統，以確保他們的邊緣計算軟件得到認證或驗證，可以在這些硬件產品上運行。該行業還出現了一些新的供應商，它們提供與基于云的物聯網平臺集成的邊緣計算軟件平臺。

以下是將塑造邊緣計算未來市場的關鍵趨勢：

邊緣AI推理能力將促進本地化洞察和實時響應

雖然不同來源的工業系統的數據可以使用AI平臺集中地進行聚合和分析，但是在邊緣部署機器學習推理模型并結合邊緣分析將顯著提高邊緣數據的質量。通過使用本地可用的數據，可以實現更佳的實時決策。執行這些推理模型，特別是針對處理文本、視頻和語音數據流的計算密集型模型，將需要一個相對復雜的邊緣數據處理架構。

新的硬件形式將滿足廣泛的邊緣計算需求

由于處理器和電池技術的快速創新，市場將見證新型邊緣設備的引入，這些設備能夠運行數據分析以及直接在設備上運行AI推理模型。預計在未來幾年內，硬件供應商將專注于提供基于GPU、視覺處理單元（VPUs）、現場可編程門陣列（FPGAs）、應用程序特定的處理器和集成電路（ASICs）的邊緣計算硬件。它們都將被設計成在邊緣處執行復雜的、計算密集型功能的硬件。此外，市場將增加對提高電力消耗效率的關注，特別是在網關和嵌入式設備等受限系統中。

5G將加速分布式計算，但只適用于一些用例

5G蜂窩技術的引入可能會影響I&O架構師重新評估他們的邊緣計算架構，特別是針對移動性質的用例，如自動駕駛汽車、車隊管理、運輸和物流，以及與物聯網集成的其他用例。5G蜂窩技術可實現千兆級的下載和上傳速度。因此，一些企業可能會評估將生成的所有數據發送到云或數據中心進行近實時分析的可能性。另一方面，5G也可能加速真正的分布式計算架構的部署。然而，初期階段5G對于大規模物聯網項目來說可能成本過高。此外，5G可能不適用于不支持5G連接的偏遠地區的邊緣用例。

傳感器融合將在邊緣處改善數據質量，但會使邊緣計算體系架構復雜化

傳感器融合通常用于個人設備，如智能手機和個人醫療設備，其中來自GPS、陀螺儀和加速度計的數據在設備中包含的專用微控制器單元（MCUs）中進行組合和分析，為用戶提供特定的、個性化的見解。傳感器融合也應用于自動駕駛汽車中，從激光雷達、攝像機、里程計、雷達和其他傳感器獲得的數據通過卡爾曼濾波等算法進行融合和精簡，以提供對周邊環境的全面了解。預計傳感器融合概念將影響未來工業邊緣計算架構的形態。將來自不同傳感器的多種數據類型（不僅包括遙測數據，還包括邊緣的視頻和音頻流）組合在一起的能力，有助于在數據生成源頭附近改善數據質量。此外，在其他情況下，它也可以提供邊緣環境的完整視圖。然而，融合來自不同數據源的數據是復雜的，因為它需要攝取、標準化和處理多個數據流。這將迫使基礎設施架構師和數據架構師重新設計他們的邊緣基礎架構。

數據分析和AI能力將向上游轉移，進入控制網絡

如今在工業物聯網項目中，大多數與IoT分析相關的過程都是在工業控制網絡之外通過網關實現，或在OT平臺上通過工業服務器實現，或兩種方式結合。這是因為工業自動化供應商沒有將先進的數據分析和以AI為中心的能力融入到工業控制系統中，如PLCs和DCSs。更重要的是，到目前為止，它們還沒有被認為是必須具備的能力。然而，Gartner預測隨著IT/OT融合和向工業4.0的轉型，這種情況會逐漸改變。Gartner預計工業自動化供應商和數據分析供應商之間將進行更深入的合作，共同創建智能工業控制系統。這將為企業提供更好的資產控制、資產生命周期管理以及新的收益來源。

容器將被視為大型現場物聯網項目的基石

部署在本地中的網關和邊緣服務器可能需要應用程序更新來添加新的用例或工作流。這些系統通常在帶寬受限的網絡中運行。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的現場物聯網項目的一個有吸引力的選擇。容器確保以最小的變更管理開銷更新應用程序組件，從而降低總體帶寬需求。它們還提供了一個有助于隔離特定進程的環境。

來源：賽博研究院