Question

边缘计算有哪些应用场景？

Answer 1

边缘计算有许多的应用场景，概括起来主要有以下十点，应用一：改进医疗设备性能和数据管理
在医疗场景下，边缘计算主要帮助医疗保健体系的IT基础架构，具体来说，是防止医疗设备管理的应用程序发生延迟。在边缘计算的支持下，无需构建集中的数据中心，可对关键数据进行本地化，在安全性、响应速度和有效性上有更佳表现。

应用二：本地零售的实时数据分析
边缘计算的主要目的，是让运算尽可能接近数据源。在零售场景中，以往企业都是将各分支的数据汇总到中心位置进行分析，再进行决策和行动。而通过边缘计算，零售店铺可以在本地就进行数据处理和优化，这样组织的行动反馈就能更快更及时。

应用三：让虚拟现实更生动
在技术支持下，本地设备可以大大提升用户的参与程度，用户也可以有更生动、更即时的增强现实体验。在这个前提下，越来越多的企业将进行转型。

应用四：加速数据分析
在这一场景下，通过本地计算能力，在数据分析早期就引入较高智能水平的运算。这样可以使得数据更为清晰，从而加快企业的分析和决策速度。在云计算场景中，运算对智能化和精准度的要求较低，主要是在后期应用中使用，故而分析数据需要花费更多时间。

应用五：智能制造
其实边缘计算在智能制造方面属于基础层面的构架。在生产车间采进行“近实时”分析，可以提升运营效率，并增加边际效益从而提高利润。此外，通过边缘计算系统来收集数据、制造智能化工具过程中，可以及时识别异常情况，尽量避免产线停顿。

应用六：消除过剩数据
传统的云计算架构不可避免地会导致多余数据堆积在云存储里，比如物联网的感应数据等。这些数据大多都是无用的，对企业来说花费成本区储存这项数据基本上是没有必要的。边缘计算可以做到只向云端传输有效数据，让流程更为优化。

应用七：让安保系统响应更快速
对于那些建有庞大又复杂的安保系统的企业来说，边缘计算非常实用，它可以有效筛选出关键信息防止带宽的浪费。举例来说，动作捕捉摄像机如具备运算能力，就可以只上传有价值的信息。

应用八：现实数据收集
在零售环境下，物联网、数字标签、IP光纤都是实现边缘计算的基础配置。未来我们的业务将依赖规模在万亿级别的数据挖掘和集成。边缘计算通过本地设备和传感器，协同云端一起收集现实数据，能够做到这个量级的数据聚合。

应用九：降低运营成本减少存储需求
在边缘计算加成下，收集到的数据无需在本地和中央服务器之间穿梭，就可以让本地设备知道要执行哪个功能。这样就可以节省运营成本和存储设备的投入了。

应用十：让诊断与治疗更有针对性
这虽然也是医疗场景的应用，但这里的边缘计算更专注提升病患的康复体验。医疗物联网设备在边缘计算应用下，可以更快更早地检测出病人的异常健康数据。这就可以让医生的诊断措施和医疗干预来得更及时。此外，随着可穿戴系统的普及，存储设备及传感器的成本也会不断下降。在边缘计算技术的帮助下，看病就医将从“被动治疗”转变为AI辅助下的实时的、预测性的保健式医疗。

Answer 2

边缘计算是一种新兴的计算架构，可以在许多不同的应用场景中实现数据的实时处理和响应。以下是一些常见的边缘计算应用场景：

• 工业互联网：边缘计算可以在工业互联网中用于实时数据处理和控制，从而提高制造业的生产效率和质量。例如，利用边缘计算技术可以实现在制造过程中对设备、工件和产品的实时监控和控制。

• 智能交通：边缘计算可以在智能交通领域中用于实时路况监测、交通流量预测和交通管理等方面。例如，利用边缘计算技术可以实现对路口交通信号的智能控制和优化，从而提高交通效率和减少交通拥堵。

• 智能家居：边缘计算可以在智能家居领域中用于实现家庭设备的自动化控制和智能化服务。例如，利用边缘计算技术可以实现对家庭设备的智能监测和控制，从而提高家居生活的便利性和安全性。

• 医疗健康：边缘计算可以在医疗健康领域中用于实现医疗设备的实时监测和诊断。例如，利用边缘计算技术可以实现对患者的生命体征和医疗数据的实时采集和分析，从而提高医疗诊断的准确性和效率。

• 农业智能化：边缘计算可以在农业智能化领域中用于实现农业设备的自动化控制和精准农业。例如，利用边缘计算技术可以实现对农田的实时监测和控制，从而提高农业生产效率和质量。

• 零售业：边缘计算可以在零售业中用于实现对消费者需求和购买行为的实时监测和分析，从而帮助零售商优化库存管理和销售策略。

• 物联网：边缘计算是实现物联网应用的关键技术之一，可以将数据的收集、处理和存储推向网络边缘，从而提高数据的处理效率和响应速度。

总的来说，边缘计算在各个领域都有着广泛的应用前景

Answer 3

需要关注对边缘计算的核心性能“高效率，低时延”比较敏感的应用。首先是车联网/自动驾驶领域，车联网对于数据处理的要求较为特殊，一是低时延，在车辆高速运动过程中，要实现碰撞预警功能，通信时延应当在几ms以内;二是高可靠性，出于安全驾驶要求，相较于普通通信，车联网需要更高的可靠性。同时由于车辆是高速运动的，信号需要在能够支持高速运动的基础上实现高可靠性。这样的话其实就需要边缘计算的场景。其次，还存在一些工业控制类的场景，这个场景要求满足低时延要求。此外，还有视频直播类的场景，例如5G的云VR/AR，对体育赛事或演唱会进行现场直播。移动边缘计算通过对信息进行实时处理，可以极大地降低时延，消除眩晕感，提升用户体验。
宏桥智慧“云盒”具备强大算力，可以打造智慧灯杆的边缘计算能力。具备边缘计算的智慧灯杆，可以理解成遍布城市各个角落的特殊的“机器人”。智慧灯杆具备智能设备的联动策略执行能力，感知设备与执行设备可以自行联动，自动执行联动策略；宏桥智慧“云盒”同时具备视频识别能力，智慧灯杆更是一台敏捷的监控机器人，解决非结构化视频数据的分析效率和资源瓶颈问题。

Answer 4

1从分布式开始
对物联网而言，边缘计算技术取得突破，意味着许多控制将通过本地设备实现而无需交由云端，处理过程将在本地边缘计算层完成。这无疑将大大提升处理效率，减轻云端的负荷。由于更加靠近用户，还可为用户提供更快的响应，将需求在边缘端解决。

2vs云计算

云计算的范式无论是云、雾还是边缘计算，本身只是实现物联网、智能制造等所需要计算技术的一种方法或者模式。严格讲，雾计算和边缘计算本身并没有本质的区别，都是在接近于现场应用端提供的计算。就其本质而言，都是相对于云计算而言的。

3物联网应用
全球智能手机的快速发展，推动了移动终端和“边缘计算”的发展。而万物互联、万物感知的智能社会，则是跟物联网发展相伴而生，边缘计算系统也因此应声而出。

4架构

在中国，边缘计算联盟ECC正在努力推动三种技术的融合，也就是OICT的融合（运营Operational、信息Information、通讯Communication Technology）。而其计算对象，则主要定义的了四个领域，第一个是设备域的问题，[1]出现的纯粹的IoT设备，跟自动化的I/O采集相比较而言，有不同但也有重叠部分。那些可以直接用于在顶层优化，而并不参与控制本身的数据，是可以直接放在边缘侧完成处理；第二个是网络域。在传输层面，直接的末端IoT数据、与来自自动化产线的数据，其传输方式、机制、协议都会有不同，因此，这里要解决传输的数据标准问题，当然，在OPC UA架构下可以直接的访问底层自动化数据，但是，对于Web数据的交互而言，这里会存在IT与OT之间的协调问题，尽管有一些领先的自动化企业已经提供了针对Web方式数据传输的机制，但是，大部分现场的数据仍然存在这些问题。第三是数据域，数据传输后的数据存储、格式等这些数据域需要解决的问题，也包括数据的查询与数据交互的机制和策略问题都是在这个领域里需要考虑的问题。

5计算的本质
自动化事实上是一个以“控制”为核心。控制是基于“信号”的，而“计算”则是基于数据进行的，更多意义是指“策略”、“规划”，因此，它更多聚焦于在“调度、优化、路径”。就像对全国的高铁进行调度的系统一样，每增加一个车次减少都会引发调度系统的调整，它是基于时间和节点的运筹与规划问题。边缘计算在工业领域的应用更多是这类“计算”。

6产业

IT与OT事实上也是在相互渗透的，自动化厂商都已经开始在延伸其产品中的IT能力，包括Bosch、SIEMENS、GE这些大的厂商在信息化、数字化软件平台方面，也包括了像贝加莱、罗克韦尔等都在提供基础的IoT集成、Web技术的融合方面的产品与技术。事实上IT技术也开始在其产品中集成总线接口、HMI功能的产品，以及工业现场传输设备网关、交换机等产品。