一、物联网与边缘计算概述

物联网发展现状：从概念到落地

物联网这个概念，说实话已经喊了十几年了。我2015年刚入行那会儿，大家还在争论「万物互联」到底是不是个伪命题。现在呢？你随便走进一个工厂，传感器、PLC、智能网关，到处都是。

根据最新的行业数据，全球物联网连接数已经超过了非物联网设备。嗯，这个拐点很有意思。我个人习惯把物联网的发展分成三个阶段：

• 连接阶段（2010-2016）：主要解决「能不能连」的问题。那时候NB-IoT还没普及，很多项目还在用2G/3G模块，功耗高、速率低，说白了就是凑合着用。
• 平台阶段（2016-2020）：各大云厂商开始推物联网平台，设备上云成了标配。我记得当时帮一个客户做设备管理平台，光设备注册、数据上报、指令下发这三件事，就折腾了三个月。
• 智能阶段（2020至今）：数据量太大了，全往云端送不现实。边缘计算开始真正落地，AI推理、实时决策、本地存储，这些需求把物联网推到了新的高度。

你想想看，一个典型的智慧工厂，可能部署了上千个传感器。温度、湿度、振动、电流、压力……每秒钟产生的数据量，用「海量」来形容一点都不过分。全部上传到云端？带宽扛不住，延迟也受不了。

边缘计算概念：到底什么是「边缘」？

很多人一听到「边缘计算」，第一反应就是「在设备旁边放个小电脑」。这个理解没错，但不够准确。

边缘计算，说白了就是把计算能力从中心云下沉到靠近数据源的地方。这个「边缘」可以是：

• 设备端：比如传感器自带的MCU，或者智能摄像头里的AI芯片
• 网关层：工业网关、边缘服务器，负责协议转换和数据预处理
• 本地节点：工厂里的边缘数据中心，或者园区里的边缘一体机

我在项目中遇到过一种典型场景：某工厂的振动传感器每秒钟采集2000个数据点，如果全部上传到云端，一个月光流量费就要好几万。后来我们在网关层做了数据聚合，只上传异常数据和统计特征值，流量直接降到了原来的5%。

为什么需要边缘计算？三个真实痛点

你可能会问：云计算那么强大，为什么还要搞边缘计算？嗯，这个问题我当年也问过。后来做了几个项目，才真正体会到其中的无奈。

痛点一：延迟

工业控制场景对延迟的要求有多苛刻？举个例子，一个机械臂的急停指令，如果延迟超过10毫秒，可能就会造成设备损坏甚至人员伤亡。从传感器到云端再返回，哪怕网络再好，也要几十毫秒。这个延迟，工业现场接受不了。

痛点二：带宽

我曾经帮一个客户做视频监控项目，200路高清摄像头，每路4Mbps码率。全部上传到云端？算一下：200 × 4Mbps = 800Mbps。这还只是上行带宽，还不算存储和处理的成本。后来我们在边缘端做了视频分析，只上传告警截图和元数据，带宽需求直接降到原来的1%。

痛点三：可靠性

工厂的网络环境，说实话没那么稳定。断网、抖动、丢包，都是家常便饭。如果所有决策都依赖云端，一旦网络出问题，整个生产线可能就停了。边缘计算可以在本地做决策，即使断网也能继续运行，等网络恢复后再同步数据。

对比维度	纯云计算	边缘计算+云计算
延迟	50-200ms	1-10ms
带宽需求	高	低（只上传关键数据）
离线能力	无	支持本地自治
数据隐私	数据需上传云端	敏感数据本地处理
运维复杂度	低（统一管理）	中（需管理边缘节点）

边缘计算与云计算的关系：不是替代，是协同

这个问题我经常被问到：「有了边缘计算，云计算是不是就没用了？」

我的回答是：恰恰相反。边缘计算和云计算，更像是「前线」和「后方」的关系。

云计算负责什么？

• 全局数据汇聚和长期存储
• 复杂模型的训练和迭代
• 跨区域的业务协同和调度
• 非实时的大数据分析

边缘计算负责什么？

• 实时数据处理和本地决策
• 数据预处理和过滤（减少上传量）
• 离线场景下的自治运行
• 敏感数据的本地处理

举个例子，一个智能楼宇的能耗管理系统：

• 边缘网关每秒钟采集电表数据，实时判断是否有异常用电（比如某个设备突然功率飙升），一旦发现异常，立即本地告警并切断电源——这是边缘的职责。
• 同时，边缘网关把聚合后的能耗数据（每小时的平均值、峰值、谷值）上传到云端。云端基于历史数据训练预测模型，优化第二天的空调和照明策略——这是云端的职责。

最后说一句：物联网和边缘计算，不是技术噱头，而是解决实际问题的工具。你想想看，当你的设备数量从几十台增长到几千台、几万台的时候，没有边缘计算，整个系统根本跑不起来。这不是选择题，而是必答题。