下载文档原格式
边缘计算架构详解导读在中国，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，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。
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，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。
最后一个，也是最难的应用域，这个可能是最为难以解决的问题，针对这一领域的应用模型尚未有较多的实际应用。
边缘计算联盟ECC对于边缘计算的参考架构的定义，包含了设备、网络、数据与应用四域，平台提供者主要提供在网络互联（包括总线）、计算能力、数据存储与应用方面的软硬件基础设施。
而从产业价值链整合角度而言，ECC提出了CROSS，即在敏捷联接（Connection）的基础上，实现实时业务（Real-time）、数据优化（Data Optimization）、应用智能（Smart）、安全与隐私保护（Security），为用户在网络边缘侧带来价值和机会，也就是联盟成员要关注的重点。
边缘计算的体系架构
边缘计算是一种在网络边缘执行数据处理和分析的计算模式，它将计算资源和服务从云端推向网络边缘，以提高应用程序的性能、降低延迟和减少网络带宽的使用。
边缘计算的体系架构通常包括以下几个层次：
1. 设备层：这是边缘计算的最底层，包括各种传感器、智能设备、物联网设备等，它们产生和收集数据。
2. 边缘层：这是边缘计算的核心层，它包括各种边缘设备和服务器，如边缘网关、边缘服务器、路由器等。
这些设备负责处理和分析设备层产生的数据，并执行本地的计算和决策。
3. 云层：这是传统云计算的层次，它包括各种云服务器、云存储、云应用等。
云层负责存储和处理大量的数据，并提供各种应用程序和服务。
4. 应用层：这是边缘计算的最上层，它包括各种应用程序和服务，如智能交通、智能制造、智能医疗等。
这些应用程序和服务利用边缘计算的优势，实现低延迟、高带宽和高可靠性的应用。
在边缘计算的体系架构中，边缘层和云层之间通过高速网络连接，实现数据的传输和共享。
同时，边缘层和设备层之间也通过无线或有线网络连接，实现数据的采集和传输。
总之，边缘计算的体系架构是一个分布式的计算架构，它将计算资源和服务从云端推向网络边缘，以提高应用程序的性能、降低延迟和减少网络带宽的使用。
1 边缘计算边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。
其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。
而云端计算，仍然可以访问边缘计算的历史数据。
1.1 从分布式数计算开始对物联网而言，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。
1.2 边缘计算vs云计算无论是云、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。
边缘计算的范式，从二者的计算范式可以看出来，边缘侧的数据计算，一下子变得丰富起来。
这里产生了全新的想象空间。
1.3 物联网应用催生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。
事实上，物联网的概念已经提出有超过15年的历史，然而，物联网却并未成为一个火热的应用。
一个概念到真正的应用有一个较长的过程，与之匹配的技术、产品设备的成本、接受程度、试错过程都是漫长的，因此往往不能很快形成大量使用的市场。
边缘计算在整个计算中的位置：根据Gartner的技术成熟曲线理论来说，在2015年IoT从概念上而言，已经到达顶峰位置。
因此，物联网的大规模应用也开始加速。
因此未来5-10年内IoT会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。
Gartner技术成熟曲线边缘计算边缘计算的架构在中国，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）。
边缘计算技术的软硬件要求和配置推荐边缘计算技术是一种将数据处理和存储能力向数据源的边缘推进的新型计算模式。
相较于传统的云计算模式，边缘计算能够更好地实现低延迟和高性能的数据处理需求。
在边缘计算领域，软硬件要求和配置决定了系统的性能和可靠性。
本文将重点介绍边缘计算技术的软硬件要求，并给出一些建议的配置推荐。
在软件方面，边缘计算平台需要具备高效的数据处理和分析能力，同时还需要具备实时响应和大规模并发处理的能力。
常见的边缘计算软件包括容器技术、分布式计算框架、数据处理和机器学习库等。
常见的软件要求如下：1. 容器技术：边缘计算平台常使用容器技术来运行和管理应用程序。
容器技术能够实现快速部署和扩展，同时提供隔离和安全性。
建议使用开源的Docker容器技术，可以满足大部分边缘计算场景的需求。
2. 分布式计算框架：边缘计算通常需要处理大规模的数据，因此需要使用分布式计算框架来实现数据的并行处理。
常见的分布式计算框架包括Apache Hadoop和Apache Spark等，它们能够提供高度可扩展的计算能力。
3. 数据处理和机器学习库：边缘计算平台需要具备强大的数据处理和分析能力。
常见的数据处理和机器学习库包括Apache Kafka、TensorFlow和PyTorch等。
这些库可以帮助开发者快速构建边缘计算应用，并提供高性能和高可靠性的数据处理和分析功能。
在硬件方面，边缘计算平台需要具备一定的计算能力和存储能力，以支持实时数据处理和存储需求。
常见的硬件要求如下：1. 高性能处理器：边缘计算平台需要使用高性能的处理器来实现快速数据处理和分析。
建议使用多核处理器和加速器，如英特尔的Xeon系列和NVIDIA的GPU 等。
这些处理器能够提供强大的计算能力，满足边缘计算平台的性能需求。
2. 高速网络：边缘计算平台需要具备高速的网络连接来实现实时数据传输和协同计算。
建议使用支持千兆以太网或更高速率的网络设备，以确保数据的及时传输和处理。
面向5G网络的边缘计算服务架构一、边缘计算服务架构概述随着5G网络的快速发展，边缘计算作为其核心支撑技术之一，正逐渐成为研究和应用的热点。
边缘计算服务架构是5G网络中实现资源优化、服务快速响应和数据本地化处理的关键。
本文将深入探讨面向5G网络的边缘计算服务架构，分析其设计原则、关键技术以及面临的挑战和解决方案。
1.1 边缘计算概念与重要性边缘计算是一种分布式计算架构，它将计算任务从中心节点转移到网络边缘，即靠近用户和数据源的地方。
这种架构对于5G网络至关重要，因为它能够提供更低的时延、更高的带宽和更好的用户体验。
边缘计算能够支持各种应用场景，包括但不限于增强现实(AR)、虚拟现实(VR)、自动驾驶、智慧城市等。
1.2 边缘计算服务架构的设计原则在设计面向5G网络的边缘计算服务架构时，需要遵循以下原则：- 低延迟：确保服务响应时间尽可能短，满足5G网络低时延的要求。
- 高可靠性：保证服务的连续性和稳定性，以应对网络波动和设备故障。
- 可扩展性：架构应具备良好的扩展性，以适应不断增长的用户需求和数据流量。
- 安全性：保护数据和隐私，防止未授权访问和数据泄露。
二、边缘计算服务架构的关键技术2.1 边缘节点的部署与管理边缘节点是边缘计算服务架构的基础，负责执行计算任务和处理数据。
边缘节点的部署需要考虑地理位置、网络条件和资源可用性等因素。
同时，边缘节点的管理也是一项挑战，需要实现自动化的资源调度和故障恢复。
2.2 计算卸载与任务调度计算卸载是指将任务从用户设备或中心云卸载到边缘节点的过程。
任务调度则是决定哪些任务在边缘节点执行，哪些任务发送到中心云。
这两者对于优化资源利用和降低延迟至关重要。
2.3 网络功能虚拟化(NFV)网络功能虚拟化是一种将网络功能从专用硬件转移到通用硬件的技术。
在边缘计算服务架构中，NFV可以提高资源的灵活性和可扩展性，支持快速部署和更新网络服务。
2.4 服务化架构(SBA)服务化架构是一种基于服务的设计理念，它将网络功能分解为的服务组件，通过服务化接口实现组件间的互操作。
工业边缘计算的概述和参考架构1980年美国普渡大学工业工程系提出计算机集成制造系统的参考模型，被国际工业和学术界奉为经典，后来发展成为ISA 95企业信息系统集成标准的基础；企业信息系统集成国际标准IEC/ISO 62264脱胎于ISA 95。
迄今为止ISA 95的参考架构仍然是工业企业进行数字化转型的基础参考架构，因而在开创工业边缘计算的技术方向时，从总体视角来看它依然是基本的参考架构。
图1完整地表述了将ISA 95的参考模型映射到工业云-边-端所对应的架构。
从工厂的信息集成发展到企业的信息集成，原有的5层模型增加到6层模型，也即从企业内部的管理扩展到把企业经营活动的上下游（涵盖供应链、产品全生命周期等）都包罗进来，目的是保证企业生产和管理的全局优化。
对应由顶层向底层的各个层级，它们的数据流量和时间尺度分别是：管理层为百万字节/天（Megabytes/days），运营操作层为兆字节/小时（Mbytes/hours），监控/协调层为千字节/分（Kilobytes/minutes），直接控制层为字节/秒（Bytes/seconds），设备和过程层为位/微秒（bits/microseconds）。
按照对实时性能的要求可以大致将这些层级划分为两类：L4层的ERP和L3层MES划分为实时性要求低或较低、数据量大的一类，对应于工业云-边-端的架构，这一类可以迁移到云端。
而L2层的SCADA和HMI、L1层的PLC/DCS以及L0层的传感器和执行器，实时性要求高、数据量低，对应于工业云-边-端的架构，这一类必须保留在生产现场，它们都是属于边缘计算节点（ECN）。
图1 ISA 95参考架构对云-边-端的映射图2是一个典型的工业云和边缘计算架构，分为三层。
顶层是工业云平台，提供涵盖设计、制造、管理和维护的各种应用程序。
为了降低部署和运营成本，传统的ERP、MES、产品生命周期管理（PLM）和客户关系管理（CRM）系统都可以迁移到工业云。
云计算边缘计算架构云计算是一种基于互联网的计算模式，能够提供高效、灵活且可扩展的计算资源。
然而，随着物联网技术的迅速发展，传统云计算模式也遇到了一些挑战。
传统云计算的数据中心往往与用户之间存在较远的距离，导致数据传输的时延较大，与实时性要求较高的应用不太适用。
为了解决这一问题，边缘计算应运而生。
边缘计算是一种将计算资源和应用数据放置在物理接近数据源的位置，以提供低时延、高带宽和可靠性的计算能力的技术。
它通过将数据和计算从中心云移到网络边缘，实现了更快的响应时间和更好的用户体验。
边缘计算架构由多个边缘设备、边缘服务器和云端服务器组成，形成一个分布式的计算网络。
一、边缘设备边缘设备是指位于网络结构边缘的智能设备，如智能手机、物联网传感器等。
边缘设备负责收集各种环境传感器数据、用户输入以及其他外部数据，并将这些数据传输到边缘服务器进行处理和分析。
边缘设备通常具有较小的计算和存储能力，但能够进行实时的数据处理和快速决策。
二、边缘服务器边缘服务器是位于边缘设备和云服务器之间的中间节点，负责处理边缘设备传输的数据。
边缘服务器通常具有较强的计算能力和存储能力，能够进行实时数据分析、处理和存储。
边缘服务器还可以根据边缘设备的需求，选择性地将数据传输到云端服务器进行更复杂的计算或长期存储。
三、云端服务器云端服务器是传统云计算中的数据中心，负责存储大量数据和进行复杂的计算。
云端服务器通过与边缘服务器进行通信，将边缘设备收集到的数据进行更细粒度的分析和处理，并提供高级的计算服务和应用程序接口。
云端服务器的优势在于其具备强大的计算和存储能力，适合处理大规模数据和复杂计算任务。
四、边缘计算架构的优势边缘计算架构相比传统的云计算架构具有以下优势：1. 低时延：边缘设备与边缘服务器之间的距离较近，可以实现数据的实时处理和响应，大大减少了传输时延。
2. 高带宽：边缘设备与边缘服务器之间的网络连接往往具有较高的带宽，可以支持大规模数据的传输和处理。
边缘计算硬件架构介绍服务器和处理器平台的主要趋势部署在边缘的硬件历来是专门为特定工作负载构建的，通常是内容分发网络或物联网。
随着边缘计算的普及和新的用例的出现，通用基础设施也被部署来运行类似云的工作负载。
IDC预测到2023年，边缘网络将占所有已部署云基础设施的60%以上。
除了已经推动边缘增长的趋势之外，大流行对劳动力和运营实践的影响将继续加速边缘位置的基础设施、应用和数据资源的交付，这一影响将贯穿2021年和未来几年。
熟悉的数据中心公司和云提供商将添加边缘产品，但形态将越来越多样化。
例如，许多首批规模边缘部署系统都是使用微模块化边缘数据中心构建的，而这些系统正迅速被新的形态（如街边机柜和灯杆附件）所增强。
为了满足整体连续性需求，特别是在需要计算的网络中的不同点，边缘硬件将有所不同，从电信中心办公室的全尺寸机架到工厂生产线上或通过专用5G连接的仓库中的智能摄像头，或者加固的户外地点，如赛道、石油钻塔、工厂、办公室，甚至飞机和船舶都能成为微型数据中心。
IT和运营技术（OT）越来越融合，这种趋势在边缘尤为明显。
2021年也将带来更多的变化：ARM服务器处理器、AI处理芯片、GPU、智能网卡（SmartNIC）和现场可编程门阵列（FPGA）板将越来越普遍。
在边缘执行的更广泛的工作负载将增加硬件的异构性，从而产生更广泛的CPU，以及新型硬件和网络加速器。
基于ARM的芯片在边缘的物联网设备中一直很常见，但是ARM新的Neoverse平台的目标产品包括服务器、存储处理器以及网络硬件。
AWS在其基于ARM的Graviton实例上投入了大量资金，这有助于验证ARM作为通用服务器处理器架构的价值。
AWS还发布了其Outposts 超融合系统的1U版本，其中包括Graviton2处理器。
微软正在开发自己的基于ARM的硬件，用于CDN和其它边缘场景，但尚未将其用到自己的数据中心之外的地方。
Apple最近发布的基于ARM的M1处理器可能会增加对该领域的关注，消费者可以看到功率和性能的提升（并为数百万软件开发人员提供架构的轻松本地访问），从而更好地全面了解ARM的平台能力。
边缘计算参考架构4.0边缘计算在靠近数据源或用户的地方提供计算、存储等基础设施，并为边缘应用提供云服务和 IT 环境服务。
相比于集中部署的云计算服务，边缘计算解决了时延过长、汇聚流量过大等问题，为实时性和带宽密集型业务提供更好的支持。
随着 5G 和工业互联网的快速发展，新兴业务对边缘计算的需求十分迫切。
在众多垂直行业新兴业务中，对边缘计算的需求主要体现在时延、带宽和安全三个方面。
目前智能制造、智慧城市、直播游戏和车联网 4 个垂直领域对边缘计算的需求最为明确。
在智能制造领域，工厂利用边缘计算智能网关进行本地数据采集，并进行数据过滤、清洗等实时处理。
同时边缘计算还可以提供跨层协议转换的能力，实现碎片化工业网络的统一接入。
一些工厂还在尝试利用虚拟化技术软件实现工业控制器，对产线机械臂进行集中协同控制，这是一种类似于通信领域软件定义网络中实现转控分离的机制，通过软件定义机械的方式实现了机控分离。
在智慧城市领域，应用主要集中在智慧楼宇、物流和视频监控几个场景。
边缘计算可以实现对楼宇各项运行参数的现场采集分析，并提供预测性维护的能力；对冷链运输的车辆和货物进行监控和预警；利用本地部署的 GPU 服务器，实现毫秒级的人脸识别、物体识别等智能图像分析。
在直播游戏领域，边缘计算可以为 CDN 提供丰富的存储资源，并在更加靠近用户的位置提供音视频的渲染能力，让云桌面，云游戏等新型业务模式成为可能。
特别在 AR/VR 场景中，边缘计算的引入可以大幅降低 AR/VR 终端设备的复杂度，从而降低成本，促进整体产业的高速发展。
在车联网领域，业务对时延的需求非常苛刻，边缘计算可以为防碰撞、编队等自动/辅助驾驶业务提供毫秒级的时延保证，同时可以在基站本地提供算力，支撑高精度地图的相关数据处理和分析，更好地支持视线盲区的预警业务。
除了上述垂直行业的应用场景之外，边缘计算还存在一种较为特殊的需求-本地专网。
很多企业用户都希望运营商在园区本地可以提供分流能力，将企业自营业务的流量直接分流至企业本地的数据中心进行相应的业务处理。
边缘计算参考架构2.0边缘计算产业联盟工业互联网产业联盟联合发布2017年11月目录目录2一、迎接行业智能时代3（一）行业智能时代已来3（二）行业智能2.0面临的挑战4（三）边缘计算使能行业智能2.05（四）边缘计算产业化当前进展6二、边缘计算6（一）边缘计算概念7（二）基本特点和属性7（三）边缘计算CROSS价值7（四）边缘计算与云计算协同8三、边缘计算参考架构8（一）模型驱动的参考架构8（二）多视图呈现9（三）概念视图101、边缘计算节点、开发框架与产品实现102、边缘计算领域模型11（四）功能设计视图121、ECN122、业务Fabric163、联接计算Fabric164、开发服务框架（智能服务）185、部署运营服务框架（智能服务）196、管理服务207、数据全生命周期服务208、安全服务21（五）部署视图23四、ECC产业发展与商业实践24（一）ECC产业发展总体概况241、ECC产业组织合作242、ECC标准组织合作24（二）边缘计算的商业实践251、从理论到实践252、从水平到垂直253、从需求到实践，从实践到需求29一、迎接行业智能时代（一）行业智能时代已来全球已经掀起行业数字化转型的浪潮，数字化是基础，网络化是支撑，智能化是目标。
通过对人、物、环境、过程等对象进行数字化产生数据，通过网络化实现数据的价值流动，以数据为生产要素，通过智能化为各行业创造经济和社会价值。
智能化是以数据的智能分析为基础，从而实现智能决策和智能操作，并通过闭环实现业务流程的持续智能优化。
以大数据、机器学习、深度学习为代表的智能技术已经在语音识别、图像识别、用户画像等方面得到应用，在算法、模型、架构等方面取得了较大的进展。
智能技术已经率先在制造、电力、交通、医疗、农业等行业开始应用，对智能技术提出了新的需求与挑战。
行业智能时代已经来临。
行业智能分为1.0和2.0两个发展阶段：1）行业智能1.0行业智能1.0是面向市场线索、营销、采购、物流、售后等商业过程，将用户、应用和商业流程的行为和状态数字化，基于多维度数据分析和场景感知，建立行业的信息图谱，为行业用户提供个性化的资源配置和服务。
行业智能1.0的快速发展得到了ICT创新技术的支撑，包括：●泛在网络联接使能数据的快速流动；●云计算按需提供低成本的基础设施服务应对业务负载变化；●大数据挖掘、分析和管理海量数据，提升企业的商业决策能力；●算法+数据+算力，释放了行业智能的潜在价值。
2）行业智能2.0面向产品规划、设计、制造、运营等生产过程，产品、生产装备、工艺流程等已经逐步数字化和网络化，行业智能2.0已经具备了基础条件。
这里所指的产品、装备具有广义的概念，既包括制造业所生产的产品和制造产线等，也包括能源、交通、农业、公共事业等行业提供服务时所依赖的资产，如电表、交通工具、农业机械、环境监测仪器等。
行业智能2.0需要达成如下目标：●提升生产与服务过程敏捷性和协作性●提升资源共享和减少能耗●降低生产运行和运营不确定性●与行业智能1.0协作，建立生产、销售和服务的端到端行业智能。
行业智能2.0时代需要行业发生四个关键转变：●物理世界与数字世界从割裂转变为协作融合；●运营决策从模糊的经验化转变为基于数字化、模型化的科学化；●流程从割裂转变基于数据的全流程协同；●从企业单边创新转变为基于产业生态的多边开放创新。
（二）行业智能2.0面临的挑战从DIKW模型视角看，行业智能2.0面临了四大挑战：●OT和ICT跨界协作挑战OT（Operation Technology）与ICT（Information and Communication Technology）关注重点不同，OT关注物理和商业约束、人身安全，ICT关注商业约束、信息安全；OT与ICT在行业语言、知识背景、文化背景存在较大差异，相互理解困难；OT技术体系碎片化、专用化与标准化、开放性的ICT技术体系集成协作存在挑战困难；OT与ICT的融合协作也将带来安全方面的挑战。
OT与ICT的跨界协作需要建立物理世界和数字世界的联接与融合。
●信息难以有效流动与集成目前业界有超过6种以上的工业实时以太网技术，超过40种工业总线，缺少统一的信息与服务定义模型。
烟囱化的系统导致数据孤岛，使信息难以有效流动与交互。
信息有效流动与集成是支持数据创新、服务创新的基础，需要建立数据全生命周期管理。
●知识模型化是巨大挑战知识模型（Knowledge Model）主要解决知识的表示、组织与交互关系，知识的有序化以及知识处理模型，是将知识进行形式化和结构化的抽象。
知识模型不是知识，是知识的抽象，以便于计算机理解与处理。
知识模型输入存在信息不完整、不准确和不充分的挑战；知识模型处理的算法与建模还需持续改进与优化；知识模型输出的应用场景有限需要持续积累。
知识模型化是高效、低成本实现行业智能的关键要素。
●产业链变长，增加了端到端协作集成挑战需要物理世界和数字世界的产业链的协作，需要产品全生命周期的数据集成，需要价值链上的各产业角色建立起协作生态。
这种多链条的协作与整合对数据端到端流动和全生命周期管理提出了更高的要求。
（三）边缘计算使能行业智能2.0面向行业智能2.0的挑战，边缘计算需要提供四个关键能力：1）建立物理世界和数字世界的联接与互动通过数字孪生，在数字世界建立起对多样协议、海量设备和跨系统的物理资产的实时映像，了解事物或系统的状态，应对变化，改进操作和增加价值。
在过去十年里，网络、计算和存储领域作为ICT产业的三大支柱，在技术可行性和经济可行性发生了指数性提升。
网络领域变化：带宽提升千倍，而成本下降40倍；计算领域变化：计算芯片的成本下降60倍；存储领域变化：单硬盘容量增长万倍，而成本下降17倍。
正是联接成本的下降、计算力的提升、海量的数据，使得数字孪生可以在行业智能2.0时代发挥重要作用。
2）模型驱动的智能分布式架构与平台在网络边缘侧的智能分布式架构与平台上，通过知识模型驱动智能化能力，实现了物自主化和物协作。
智能分布式架构需要把智能分布到如下要素中：智能资产：通过融合网络、计算、存储等ICT能力，具有自主化和协作化能力。
智能网关：通过网络联接、协议转换等功能联接物理和数字世界，提供轻量化的联接管理、实时数据分析及应用管理功能。
智能系统：基于多个分布式智能网关或服务器的协同构成智能系统，提供弹性扩展的网络、计算、存储能力。
智能服务：基于模型驱动的统一服务框架，面向系统运维人员、业务决策者、系统集成商、应用开发人员等多种角色，提供开发服务框架和部署运营服务框架。
3）提供开发与部署运营的服务框架开发服务框架主要包括方案的开发、集成、验证和发布；部署运营服务框架主要包括方案的业务编排、应用部署和应用市场。
开发服务框架和部署运营服务框架需要紧密协同、无缝运作，支持方案快速高效开发、自动部署和集中运营。
4）边缘计算与云计算的协同边缘侧需要支持多种网络接口、协议与拓扑，业务实时处理与确定性时延，数据处理与分析，分布式智能和安全与隐私保护。
云端难以满足上述要求，需要边缘计算与云计算在网络、业务、应用和智能方面进行协同。
（四）边缘计算产业化当前进展2015年边缘计算进入到Gartner的Hype Cycle（技术成熟曲线）。
边缘计算已经掀起产业化的热潮，各类产业组织、商业组织在积极发起和推进边缘计算的研究、标准、产业化活动。
具有代表性的活动包括：●学术研究2016年10月，由IEEE和ACM正式成立了IEEE/ACM Symposium on Edge Computing，组成了由学术界、产业界、政府（美国国家基金会）共同认可的学术论坛，对边缘计算的应用价值，研究方向开展了研究与讨论。
●标准化2017年IEC发布了VEI （Vertical Edge Intelligence ）白皮书，介绍了边缘计算对于制造业等垂直行业的重要价值。
ISO/IEC JTC1 SC41成立了边缘计算研究小组，以推动边缘计算标准化工作。
●产业联盟2016年11月华为技术有限公司、中国科学院沈阳自动化研究所、中国信息通信研究院、英特尔公司、ARM和软通动力信息技术（集团）有限公司联合倡议发起边缘计算产业联盟(Edge Computing Consortium，缩写为ECC)。
全球性产业组织工业互联网联盟IIC 在2017年成立Edge Computing TG，也将定义边缘计算参考架构。
二、边缘计算（一）边缘计算概念边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的分布式开放平台，就近提供边缘智能服务，满足行业数字化在敏捷联接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。
它可以作为联接物理和数字世界的桥梁，使能智能资产、智能网关、智能系统和智能服务。
（二）基本特点和属性●联接性联接性是边缘计算的基础。
所联接物理对象的多样性及应用场景的多样性，需要边缘计算具备丰富的联接功能，如各种网络接口、网络协议、网络拓扑、网络部署与配置、网络管理与维护。
联接性需要充分借鉴吸收网络领域先进研究成果，如TSN、SDN、NFV、Network as a Service、WLAN、NB-IoT、5G等，同时还要考虑与现有各种工业总线的互联互通。
●数据第一入口边缘计算作为物理世界到数字世界的桥梁，是数据的第一入口，拥有大量、实时、完整的数据，可基于数据全生命周期进行管理与价值创造，将更好的支撑预测性维护、资产效率与管理等创新应用；同时，作为数据第一入口，边缘计算也面临数据实时性、确定性、多样性等挑战。
●约束性边缘计算产品需适配工业现场相对恶劣的工作条件与运行环境，如防电磁、防尘、防爆、抗振动、抗电流/电压波动等。
在工业互联场景下，对边缘计算设备的功耗、成本、空间也有较高的要求。
边缘计算产品需要考虑通过软硬件集成与优化，以适配各种条件约束，支撑行业数字化多样性场景。
●分布性边缘计算实际部署天然具备分布式特征。
这要求边缘计算支持分布式计算与存储、实现分布式资源的动态调度与统一管理、支撑分布式智能、具备分布式安全等能力。
●融合性OT与ICT的融合是行业数字化转型的重要基础。
边缘计算作为“OICT”融合与协同的关键承载，需要支持在联接、数据、管理、控制、应用、安全等方面的协同。
（三）边缘计算CROSS价值●联接的海量与异构（Connection）网络是系统互联与数据聚合传输的基石。
伴随联接设备数量的剧增，网络运维管理、灵活扩展和可靠性保障面临巨大挑战。
同时，工业现场长期以来存在大量异构的总线联接，多种制式的工业以太网并存，如何兼容多种联接并且确保联接的实时可靠是必须要解决的现实问题。
●业务的实时性（Real-time）工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内。
