工業物聯網設備和它們生成的數據正在激增。邊緣計算可以提高這些環境中分析的有用性。

隨著2019年的開始，幾乎不可能忽視工業物聯網和邊緣計算之間正在形成的夥伴關係。

工業物聯網（IIOT）使用物聯網科技來增强製造和工業過程。這些過程越來越需要連接的設備來有效地執行任務。

邊緣計算體系結構使計算處理更接近需要它的用戶和設備，而不是集中在本地資料中心或公共雲中進行處理。對於使用大量數據的工業和製造過程來說，邊緣已經變得至關重要，這些數據需要快速的反應時間，並且需要嚴格的安全性。

純粹的數據量足以證明加速的合理性，因為物聯網生成的數據比存儲數據的傳統雲環境呈指數級增長。此外，作為目的地的雲引入了資料傳輸問題——延遲和頻寬——這使得旅程的速度成為了中心問題。EDGE是解决IIOT到雲架構效率低下的一種解決方案。

工業物聯網設備和邊緣計算以驚人的速度增長。埃森哲預計，到2020年，iiot市場將達到5000億美元；iiot每年已經產生400兆位元組。Gartner估計，物聯網現時約產生10%的企業數據；到2022年，Gartner預測這一比例將新增到50%。

據IDC稱，每年對邊緣基礎設施的投資將達到物聯網總支出的18%；根據去年的Forrester Analytics全球業務科技圖形移動調查，27%的全球電信決策者表示，他們的公司今年將實施或擴大邊緣計算。

工業物聯網設備滿足智慧都市的需求

當工業物聯網設備和邊緣計算協同工作時，數位資訊變得更加强大，尤其是在智慧都市這樣的環境中，數據可能需要在經典的邊緣環境中收集，例如在停車計時器處或從住宅街道上連接的垃圾箱收集。對於聰明的都市工程師來說，在整個大都市的垃圾桶裏安裝互聯網感測器已經變得司空見慣了。然後可以通過感測器對容器進行遠程監控；當容器裝滿時，都市衛生部門會收到一個通知，並且可以記錄一個清空容器的命令。

衛生系統的效率提高了。但是，更重要的是，隨著數據更接近這些設備，系統可以隨著時間的推移而學習。在這個例子中，系統開始認識到哪些容器將在哪些天內充滿容量，它可以計畫清空這些容器並相應地優化收集路線。

通過將處理資源投入到IIOT環境中，使處理成為可能，目前正在解决工業中的傳統IT問題。

舊硬體的新安全性

製造設備和軟件在其生命週期中常常嚴重不匹配，為未定期修補的傳統製造設備造成安全性漏洞。

邊緣計算在這些舊連接和處理數據的資源之間放置閘道。如果一個設備被惡意攻擊者訪問，那麼漏洞就到此為止。攻擊者獲取設備的數據，但無法訪問網絡或其他設備。限制數據到邊緣的傳輸，而不是往返於一個集中的資料中心或雲，消除了一個容易被利用的威脅。

工業物聯網設備帶來更快的數據和更快的決策

通過將人工智慧引入設備本身，邊緣計算還可以使決策在邊緣上更具上下文驅動力和快速性。

例如，緊急醫療科技人員必須迅速確定遇險人員的生命體征，並從該地區的人員那裡收集資訊。如果一個工廠工人在工作中崩潰，而他戴著一個智慧手錶來監測他的身體狀況，EMT可以在崩潰的瞬間和之前立即獲得生命體征。他們還將看到事故發生時的環境資訊：溫度、譟音水准、煙霧的存在，以及可能為快速有效治療提供背景的任何其他數據。

從以雲為中心的處理轉移到消除雲綁定事務的時間，不僅意味著更快的系統——這是資訊驅動決策的下一步。

原始數據在完成本地工作、為更多的全球人工智慧行程做出貢獻或在那裡存檔後，可以一直移動到雲。

隨著工業物聯網設備與EDGE的結合，高保真分析和更小的占地面積將成為2019年的人工智慧標準。

邊緣的人工智慧

也許工業物聯網設備和邊緣計算之間合作的最大產品將是它為世界上新興的人工智慧功能提供的推動力。

工業人工智慧將不僅僅是機械的——它將是“藝術的”，包括自然語言處理和電腦視覺等新領域——這兩個領域也將從邊緣計算中得到巨大的推動。

世界上的大多數攝像機已經在本地網絡上。從定義上講，將這些監視器連接到雲端是一個主要的資料傳輸負擔。安裝監視器所在位置的視覺處理資源要比保留集中式連接容易得多。自然語言處理也是如此；語音通信發生在現場，而不是服務器機房。

在公民競技場的娛樂活動中，攝像機可以根據攝像機量測的交通量邊緣的實时分析，有效且舒適地識別額外的座位，並重新安排進入的與會者的路線。

隨著iiot中邊緣網絡的建立，這兩種科技都將迅速發展，加速的開發將在所有這些科技中都有好處。

在數位科技的發展史上，很少有這樣完美的時機，當涉及到滿足緊急需求的創新和資源時。