物联网（IoT）的发展带来了网络边缘数据收集量的相应增长。而管理这些海量数据的需求，又推动了边缘计算在几乎所有行业中的应用场景快速增长。
简而言之，边缘计算就是尽可能靠近IoT 设备所监控的过程或事物进行处理。边缘计算可由直接连接到传感器的设备执行，也可由以下设备执行
路由器或网关 或在机柜或机箱中现场部署的小型服务器装置。
在物联网扩张的早期，联网设备的数量相对较少，这意味着企业有能力将所有IoT 数据发送到云端或企业数据中心进行处理、分析和存储。但最近几乎所有行业的联网设备都在激增，它们收集的数据量也在稳步增加，这使得这种方法变得不切实际。因此，边缘计算应运而生。
我们已经在 Digi 博客中多次讨论过边缘计算。我们提供了
edge 计算的定义 并概述了其在以下方面的商业利益
为机构节省带宽、时间和金钱.在本文中，我们将介绍边缘计算实例，以及它们如何满足网络边缘对设备和数据优化日益增长的需求。但首先，让我们回顾一下推动其增长的一些因素。
跳转至：
边缘计算市场迅速增长有几个原因。除了联网设备数量增加外，边缘计算还有三大增长动力：
- 延迟- 对于许多时间敏感型应用而言，被监控的流程需要近乎零延迟的实时响应。在这种情况下，数据往返云端或企业数据中心是不切实际的。
- 带宽--可用带宽的物理限制和传输大量数据的成本使边缘计算成为一种有吸引力的选择。
- 可靠性--网络拥塞会中断数据流，导致销售点系统等使用案例出现不可接受的中断。
平均而言IoT 收集的大部分监控数据往往是标准的"心跳"数据，仅表明系统运行正常。 这类数据无需传输至云端或远端企业数据中心。通过在网络边缘——即数据采集点物理邻近处——直接过滤掉这些恒定的心跳数据，边缘计算设备能大幅减少需传输的数据量，从而节省带宽并显著降低延迟。
边缘计算的应用场景数量正稳步增长，同时具备在边缘执行多种处理功能的智能设备数量也在持续增加。人工智能（AI）和机器学习能力的进步，同样在不断拓展边缘计算的应用范围。
在各种应用和行业中都能找到边缘计算的实例。不同的边缘计算用例之间也有相当多的重叠。例如，自动驾驶汽车中的边缘计算功能与交通管理应用中的边缘计算功能密切相关。
以下是一些最有前景的边缘计算实例。
自动驾驶汽车、电动汽车和充电站
为了安全运行，自动驾驶汽车需要实时收集和处理有关其位置、方向、速度、交通状况等的数据。这就需要足够的车载计算能力，使每辆自动驾驶汽车实际上成为自己的网络边缘。边缘计算设备可以从车辆传感器和摄像头收集数据，在几毫秒内处理数据并做出决策，几乎没有延迟。出于显而易见的安全原因，这种即时决策是自动驾驶汽车所必需的。
车道偏离预警和自动泊车应用等边缘计算功能已经广泛应用。随着车辆与环境互动的能力越来越广泛，对快速响应网络的需求也将越来越大。自动驾驶汽车将与其他自动驾驶汽车协同运行。 联网汽车在繁忙的主干道和交叉路口，交通管理系统、路边装置和行人都会受到影响。
电动汽车需要持续监控，可以利用边缘计算管理数据，以支持预测性维护。电动汽车电池必须受到监控，因为它们的寿命取决于驾驶员的个人习惯、行驶区域的拥堵情况以及充电频率。边缘计算支持数据聚合，以报告性能和维护方面的可操作数据。
在电动汽车充电站中，边缘计算可支持对一系列使用和可用性指标进行实时监控和数据汇总，从而为充电站的优化和未来充电站的规划提供支持。
交通管理系统
在 交通管理 在智能交通系统中，摄像头和传感器可与边缘计算解决方案结合使用，以改善交通流量。如今，智能交通系统会产生大量的数据和警报，而且这种趋势会随着以下两个方面的发展而加速 5G 和联网汽车技术或成熟的 "V2X"（车对车）通信。
当今高度复杂的系统，如 纽约市的交通管理系统智能交通管理系统可以调整交通信号的配时，管理额外车道的开放和关闭，确保在发生公共紧急事件时通信能够继续，并采取其他实时措施来提高安全性和便利性。如上所述，智能交通管理系统将在自动驾驶汽车的应用中发挥关键作用，在自动驾驶汽车中，近零延迟是至关重要的。
公共交通系统
在 公共交通应用安装在公共汽车、铁路客运系统和辅助运输车辆上的边缘计算系统，可以汇聚并只发送支持车内流程和调度员洞察力所需的数据。
例如，为确保司机和乘客的安全，必须向乘客信息系统、车队监控和跟踪系统以及车辆和车站智能监控系统发送不同类型的数据。可以通过数字标牌或移动应用程序向乘客发布到达时间或延误信息，或其他时效性强的信息。
智能城市、清洁能源和绿色技术
绿色科技运动正在发展壮大。城市和智能电网系统可以利用边缘计算设备监控公共建筑和设施，以提高照明、供暖、清洁能源等方面的效率。例如
- 智能照明控制装置利用边缘计算设备来控制单个或成组的灯光，以最大限度地提高效率，同时确保公共场所的安全。
- 太阳能发电场使用嵌入式边缘计算设备来感知天气变化、调整定位并报告电池使用情况等指标。
- 风电场使用边缘计算连接到基站塔，并使用蜂窝路由器和交换机将传感器数据路由到变电站
保健和医疗应用
"(《世界人权宣言》) 保健和医疗行业 从传感器、监视器、可穿戴设备和其他设备中收集患者数据，为医疗保健专业人员提供准确、及时的患者病情信息。
边缘计算解决方案可将这些信息传送到仪表盘，以便全面、一目了然地查看重要指标。
配备人工智能（AI）和机器学习功能的边缘计算解决方案可以识别离群数据，从而使医疗专业人员能够实时响应健康需求，将误报率降到最低。
边缘计算还可用于机器人辅助手术，在这种手术中，近零延迟是至关重要的。此外，通过在本地处理数据，边缘计算设备还有助于解决数据隐私和患者保密问题。
零售应用
零售应用 从销售点系统、商品库存操作、安全视频和其他业务活动中产生大量数据。边缘计算可以帮助分析这些不同的数据，找出需要立即关注的问题，以及长期的销售趋势和商机，例如最有效的店内促销活动和特定店铺位置的最佳产品配置。
边缘计算还提供了在本地处理客户信息的手段，数据不会离开客户所在的地理区域，这也是一个日益受到关注的问题，因为它涉及到隐私法规，如欧盟的 GDPR 规定。
工业过程监控和预测性维护
中的用例 工业IoT (IIoT) 随着设备、网络和远程管理功能的功能、安全性和复杂性的不断提高，"网络安全 "的范围也在不断扩大。
水和废水管理、石油和天然气以及加工厂等工业应用中的传感器和IoT 设备可以跟踪各种指标并监控机器性能。例如，边缘计算架构可支持高度复杂的 SCADA（监控和数据采集）系统之间的高效通信，以管理来自传感器和 PLC（可编程逻辑控制器）的大量数据。
Digi Remote Manager®- Digi 的远程IoT 设备管理平台 - 是许多此类操作的关键组成部分。SCADA 系统通常通过 Microsoft Azure、Amazon Web Services 和 Google Cloud 等云平台与关键的商业智能应用程序集成，而Digi Remote Manager 可促进这种集成，确保将所有数据传送到正确的应用程序。
此外，边缘计算功能还支持故障检测管理和预测性维护。预测机器或组件何时会出现故障，可让工厂操作员在故障发生前进行维护或更换部件，从而节省因生产力损失而产生的成本。
如果传感器检测到故障或预示即将发生故障的情况，边缘计算设备可触发执行器立即采取纠正措施，例如调整流体的流速或修改工业机器人的动作。采取行动后，可将结果报告给云，以便通知或采取进一步行动。边缘计算加上云计算，可实现机械与IoT 传感器之间的通信，从而改善质量控制。
在石油和天然气行业，边缘计算提供的实时响应可以防止小问题演变成灾难性故障。石油和天然气工厂通常位于偏远地区，而边缘计算可在设施附近进行分析处理，这意味着对数据中心连接质量的依赖较小，但将边缘计算与云连接起来，可让远程团队监控大量站点。
利用 Digi 的工业 4.0 解决方案实现边缘计算
通过我们的工业 4.0 电子书籍了解有关工业 4.0 和边缘计算的更多信息
下载 PDF
制造业
工业IoT 在制造工厂中增加了数以百万计的联网设备，以收集有关生产线性能和成品质量的数据。边缘计算的低延迟性能够对装配线上的问题做出即时响应，有助于提高质量和效率，同时减少对人工监管的需求。
制造业的另一个边缘计算用例是质量保证。使用机器人的全自动装配线依赖边缘计算解决方案以及人工智能和机器学习来识别生产错误并提高产品质量。
农业
农民使用 精准农业技术 可以利用边缘计算来跟踪生长条件，如温度、湿度、土壤湿度、养分含量和其他指标，以指导有关浇水、施肥和其他活动的决策。边缘计算不仅适用于广袤的农田，也适用于温室和水培种植设施，在这些设施中，传感器可以帮助操作人员精确跟踪投入。
水产养殖（养鱼）是另一个现场数据处理至关重要的行业。对复杂环境变量的精确监控对确保鱼类健康、适当喂养和自动化至关重要，而自动化可消除这些过程中的猜测，从而提高鱼类的活力和生长速度，同时降低成本。查看 生物喂食器案例研究.
安保和工人安全
边缘计算可利用现场摄像头、员工安全设备和传感器提供的数据，帮助企业防止意外事故的发生。 未经许可进入网站安全监督员负责监督和检查工作场所的条件，以确保员工遵守既定的安全政策。这对于在危险或偏远地区（如建筑工地或海上石油平台）作业的工作场所尤为重要。
边缘计算设备可与视频监控和生物识别扫描结合使用，以确保只有经过授权的人才能进入限制区域。监控系统可以从边缘计算的低延迟和可靠性中获益，因为通常需要在几秒钟内对安全威胁做出反应。边缘计算还能大大降低视频监控的带宽成本，因为绝大多数监控录像都不需要响应。查看案例研究。
需要边缘计算技术的用户有两大类：
- 网络管理员和系统集成商需要即插即用的连接功能，以便在其IoT 网络中连接设备，并快速建立边缘计算功能，从而优化系统性能和数据管理。
- 开发商和原始设备制造商 (OEM)设计和制造具有嵌入式边缘计算功能的产品，需要可编程开发模块、无线射频和网关来支持快速开发和快速上市。
Digi为各行各业提供边缘计算解决方案，满足网络管理员、系统集成商及原始设备制造商的需求。
面向网络管理员和系统集成商的 Digi 边缘计算解决方案
Digi提供工业路由器、企业路由器、交通路由器及IoT 网关，可支持多种边缘计算应用场景。Digi路由器还能对数据进行过滤和压缩，以最大限度降低带宽需求。
Digi IX40 这是一款 5G 边缘计算工业IoT 蜂窝路由器解决方案，专为以下应用而设计 工业 4.0 在工业基础设施和制造自动化，以及精密监测和控制、公用事业和交通管理领域的使用案例中，工业级组件能够承受许多工业环境中的挑战性环境条件。
"(《世界人权宣言》) Digi TX64 5G 蜂窝路由器 提供快速的上行链路速度，是公共交通、运输和移动环境中要求苛刻的应用的理想之选。Digi TX64 5G 提供真正的企业级路由选择、安全性和防火墙，并集成了 VPN 和可靠的 4G 故障切换功能，适用于 5G 覆盖范围有限的地区。
企业级 Digi EX50 5G 蜂窝路由器 在各种室内边缘计算用例中提供可靠的主用或备用连接，工作温度范围更广，适合部署在智能工厂、仓库、建筑工地或基础设施棚屋中。
Digi Connect® 传感器 XRT-M Digi Connect Sensor 可将部署在任何工业环境中的传感器连接起来，以收集和传输传感器读数，并将关键数据进行路由，从而提高洞察力和自动化程度，例如在达到预定义阈值时操作开关以关闭管道中的阀门。这种触发功能使 Digi Connect Sensor 成为边缘环境的热门选择。
部署和优化边缘计算网络不可或缺的工具是 Digi 远程管理器该集中管理和控制平台可让用户通过台式机、平板电脑或智能手机编辑设备配置、更新固件、安排日程并自动执行任务。
Digi Remote Manager 支持 远程管理 无论您的设备是市政交通系统中的移动路由器，还是建筑工地或 SCADA 系统中的工业设备，您都可以通过IoT 管理整个分布式设备网络。有了Digi Remote Manager ，您可以同时配置任意数量的设备，随时监控整个网络，获取警报，实现自动化。 安全监控并轻松建立您的边缘计算功能。
最重要的是，Digi Remote Manager 现在包含在所有基于DAL OS 操作系统的 Digi 蜂窝路由器中，只需一个Digi 360SKU！
Digi 系统模块（SOM），如 Digi ConnectCore® 8X在网络边缘提供多个能够执行人工智能和机器视觉任务的处理单元。
例如，机器视觉解决方案可以进行基于图像的分析，应用领域包括工业领域的自动检测、过程控制和机器人引导。
Digi XBee® 嵌入式设备可通过编程在边缘执行各种功能。这些小巧的嵌入式调制解调器可以定期读取数据，并在达到特定阈值时启动操作。MicroPython 编程功能还能让开发人员控制边缘计算设备的功能。
Digi EX15IoT 网关 是一体化解决方案。这些设备可执行网关功能，包括汇聚数据、将数据从模拟格式转换为数字格式、在通过网络传输之前对数据进行加密，还可充当蜂窝路由器，在任何地方提供安全、持久的连接。
边缘设备的嵌入式安全
当然，安全是边缘计算的一个重要考虑因素，在任何地方都是如此。Digi TrustFence®安全框架的集成功能和可扩展性为所有 Digi 嵌入式解决方案提供了一个强大的工具集，用于在边缘计算部署中构建安全性。此外，与Digi ConnectCore 系统模块合作的原始设备制造商还可获得两项重要的增值服务：
边缘计算的设计、开发和部署服务
对于需要通过额外的工程或部署资源来增强自身能力的客户，Digi 可提供支持服务。
我们分享的边缘计算实例展示了这一增长趋势的广度及其支持的众多垂直行业。我们的边缘计算解决方案正在帮助企业、工业企业和智能城市从其IoT 部署中获得更好的性能和效率。Digi 随时准备在边缘计算规划的任何方面为您提供帮助，从确定战略到边缘智能编程，再到构建解决方案。
了解更多
请参阅我们的边缘计算技术页面，以及我们关于边缘计算系列的博客文章合集：
什么是边缘计算，为什么它现在如此重要？
边缘计算的重要性日益凸显，IoT 数量和数据规模的增长使得仅依赖云端/中央数据中心处理变得不切实际。由于边缘计算意味着在数据生成点附近进行处理——在传感器、网关、路由器或本地服务器上处理数据，而非将所有数据发回遥远的云端——它解决了传统云计算面临的部分挑战。
边缘计算采用的关键驱动因素包括：
- 降低延迟：某些应用程序需要近乎即时的响应，而云端往返无法可靠地满足这一需求。
- 提升带宽与降低成本：将所有原始传感器数据传输至云端可能导致网络过载或产生高昂成本
- 增强可靠性：本地处理确保即使云端连接降级或中断，业务仍可持续运行
边缘计算在不同行业中的实际应用场景有哪些？
跨行业的边缘计算主要应用场景包括：制造业的预测性维护、运输物流领域的实时车队追踪、医疗保健中的远程患者监测、零售业基于计算机视觉的防损管理、能源公用事业的电网监测、智慧城市的交通管理以及电信领域的网络优化。在这些场景中，数据均在生成地附近进行处理，从而实现更快的决策响应并降低对集中式云基础设施的依赖。
以下按垂直领域分类的边缘计算应用场景示例一览：
- 汽车/交通领域：联网车辆和电动汽车充电站利用边缘计算实时处理传感器数据（例如自动驾驶车辆决策），并就地监控充电站使用情况。
- 交通/智慧城市基础设施：部署于路口或道路沿线的边缘设备执行数据采集与初始处理，以实现自适应信号控制和交通管理。
- IoT：工厂利用边缘计算监测机械设备、检测异常状况、优化生产线并减少停机时间。
- 医疗健康：医疗器械、可穿戴设备及患者监测系统通过本地化数据处理降低延迟、保护隐私并实现快速响应。
- 零售/商业空间：店内或本地边缘系统处理库存追踪、顾客行为分析或个性化优惠等分析任务，无需将每个数据点都发送到云端。
边缘计算如何降低延迟？
边缘计算通过将计算任务移近数据生成源（如传感器、机器、摄像头或IoT ）来降低延迟。通过避免将数据长距离传输至集中式云服务器，边缘计算最大限度地减少了网络延迟，使时间敏感型应用能够实现近乎即时的响应。
边缘计算如何帮助降低工业操作中的延迟？
边缘计算通过在设备或网关端本地处理数据，而非将其发送至远端云数据中心，有效降低了工业操作的延迟。这种方式消除了网络往返延迟，使机器、传感器和控制系统能够在毫秒级响应，这对自动化、安全系统及时间敏感型工业流程至关重要。
哪些行业最能受益于边缘计算？
从边缘计算中获益最大的行业包括制造业、运输与物流、医疗保健、零售业、能源与公用事业、电信以及智慧城市。这些行业依赖实时数据、低延迟、高可靠性和安全的本地处理能力，以支持关键任务型操作和分布式环境。
边缘计算为何对实时洞察至关重要？
边缘计算对实时洞察至关重要，因为它能在数据源头实现即时分析，无需等待云端传输和处理。这使组织能够即时检测异常、触发警报并采取行动，因此边缘计算在质量控制、患者监测、自主系统和公共安全等应用场景中不可或缺。
边缘计算与云计算有何区别？
边缘计算与云计算的主要区别在于数据处理的位置。边缘计算在数据源头或其附近进行本地化处理，而云计算则在集中式数据中心处理数据。边缘计算专为低延迟、实时决策和本地自主性而优化，而云计算则更适合大规模数据存储、高级分析和集中化管理。
组织如何决定采用边缘计算还是云计算？
在边缘计算与云计算之间进行选择时，最佳答案并非总是二者择其一。通常二者会在混合架构中共存。需要考虑的因素包括：
- 延迟与实时需求：当决策必须在毫秒级完成时（例如车辆控制、机器安全），本地边缘处理至关重要。
- 连接性/网络可靠性：在连接不可靠或高延迟的环境中，边缘计算可降低对持续云端连接的依赖。
- 数据量与带宽成本：若传感器产生海量数据（视频、振动等），在本地（边缘）进行处理/过滤可显著减少需上行传输的数据量。
- 安全与合规：边缘处理可将敏感数据保留在本地，从而降低数据暴露风险，满足监管或隐私限制要求。
- 可扩展性与架构复杂性：许多部署最初在边缘端小规模启动，随后在适当的时候整合云端分析和长期存储功能。
部署边缘计算解决方案时面临哪些关键挑战？
部署边缘计算解决方案时常见的挑战包括：
- 设备与基础设施管理：确保分布式边缘节点上的固件、安全补丁、硬件健康状况及生命周期管理
- 边缘分析与数据策略：采集数据是一回事；将其转化为可操作的洞察则需要分析技术，有时还需借助人工智能/机器学习，并实现良好的集成。
- 遗留系统/集成：许多组织必须将旧设备或传感器接入新的边缘架构。
- 安全与治理：边缘设备通常部署在管控较弱的环境中，必须具备强大的安全防护、监控机制和故障安全措施。
- 为扩展性和弹性而设计：随着边缘部署在多个站点不断扩展，架构需要支持更新、管理故障并保持一致性。
边缘计算安全吗？
当边缘计算正确实施时，可通过设备认证、加密通信、安全启动和集中式设备管理实现高度安全性。通过将敏感数据保留在本地并减少不必要的数据传输，边缘计算还能降低网络威胁暴露风险，同时满足监管要求和数据主权需求。
组织应采取哪些切实可行的初步措施来有效实施边缘计算？
结构化的方法可以提高成功率：
- 确定具有可衡量商业价值的应用场景：例如，考虑如何减少停机时间、提高响应速度或降低数据传输成本。
- 绘制数据流：现有哪些传感器/数据点，哪些需要本地处理，哪些可传输至云端
- 选择具备边缘处理能力的硬件和连接方案：这包括适用于特定环境的坚固型路由器/网关、处理单元以及可靠的连接链路。
- 定义分析和过滤逻辑：确定哪些数据在本地处理，哪些数据上报，以及如何触发警报/操作。
- 确保管理与安全：部署远程管理工具、监控、远程更新及强大的安全控制措施
- 试点与规模化：在限定环境中测试解决方案，衡量成效，提炼经验，继而扩大实施范围。
下一步工作
本文最初发布于2021年9月，并于2025年12月更新了新的Digi解决方案及相关资源。