2019年4月16日的Oracle Code開發者大會上，工業物聯網領域的創業公司米尺網絡創始人邱勇剛，作為Oracle在IoT領域的優秀合作伙伴，受邀發表了一場《邊緣計算引領IoT未來》的演講，在現場引起了巨大反響。會后邱勇剛表示，其實他只是分享了幾個“邊緣計算+IOT”的真實案例，告訴大家期間碰過的壁，踩過的坑而已，現場反應是出乎他的意料的，“這只能說明目前這樣的真實案例太少了。”那么，邱勇剛分享了哪些案例呢？

5個邊緣計算+IoT的案例

案例一

某知名連鎖酒店的消防設備報警

在該案例中，消防設備聯網后，可以將消防栓的水壓，設備的運行情況，以及是否有設備故障等信息，直接反饋給管理人員，這個依賴的就是邊緣端（米尺自主開發的智能LoRa網關）的計算能力。當然，云端依然有它的作用，設備端的數據也會同時上傳到云端，通過長期的積累，做事件的算法優化，從而更加精準地去預測、預警消防事件的發生，以更加快速地做出應急響應。

案例二

某知名連鎖快餐店的照明設備管理

招牌燈，一個我日常生活中極其常見的設施。基本上夜間營業的商業機構都會用到，以往都是手動控制，天黑了就打開，天亮了就關掉，但是人總有忘記的時候，尤其是一些24小時營業的商業機構，可能天亮了忘記關掉，多開一天，就會浪費掉幾度電。在這個案例中，米尺的客戶就是這樣一個連鎖快餐店。

首先，米尺通過經緯度算出每一個店的地理位置，就可以知道它的日出日落時間，然后再接入天氣數據，比如是陰天、晴天、起霧等等，再加裝光感傳感器來判斷光照的亮度，同時再打通排班時間表，就可以實現在合適的時間，自動開關。控制端的所有操作，無需通過云端，而是依靠邊緣端（招牌燈自行決策）的決策。

案例三

某博物館內的新風及環境管理

大家都知道很多文物對溫濕度非常敏感，所以博物館里新風系統是必不可少的。但是要根據博物館里面的空氣環境，實時地去控制新風設備的開關，邊緣計算是最佳的技術。在本案例中，本地決策自然是由米尺的LoRa來完成。

案例四

某車廠空壓機的故障預測

圖中所示是一臺空壓機的震動傳感器，它每秒鐘都在產生數據，并且數據相當復雜，有位移，有震動，有速度，有溫度等等。如果把所有數據都傳到云端的話，云端也無法承受如此大的數據量。所以就要把很多垃圾數據在設備端處理掉，并且對有價值的數據進行基本的頻譜分析，然后再把分析過的數據傳到網關端，網關再對這組數據做更進一步的分析，做出一些實時的判斷。當這些分析、判斷的數據量足夠多的時候，再在云端在做大規模的風險判斷。目前已經做到在一個小的一個閉環里頭，提前十天對空壓機的停機故障做出預測。

案例五

某煙草企業的數據安全

物聯網安全是一個長久的話題，尤其是2016年的Mirai病毒事件后，大家對物聯網安全的關注進一步提升。那么邊緣計算能夠如何加固物聯網設備、系統和數據的安全呢？在此案例中，非常規的數據包攔截就可以通過設備端的計算來完成；網關端會設定接入設備的黑白名單，以防止“非法”設備的接入。

邊緣計算在IoT系統中的位置及存在價值

縱觀以上5個案例，邊緣計算在IoT中的位置可以歸結為：

該圖簡單明了的指出了邊緣計算技術在IoT系統架構中的位置：

1、傳感器/設備端；

2、數據采集終端；

3、基站。

那么邊緣計算又是因為什么原因得以在IoT系統的多個環節中存在呢？“這一點和IoT數據的三個特性有密不可分的關系”，邱勇剛如是說。

第一個特性就是海量數據。物聯網設備已多達百億量級，這些設備每時每刻都在發送數據。某咨詢機構預測到2020年物聯網的數據量將達到4.4億zb。

第二特性是數據的異構性。數據產生自數十百萬種的傳感器和設備，不同終端和不同采集維度的數據結構和協議都不盡相同，所以異構是物聯網數據的天然特性。

第三個特性是數據時序性。所有IoT的數據都是基于時間概念的，即時序數據，脫離時間談IoT數據與計算都是沒有意義的。

物聯網的這三大明顯特征，導致物聯網的三大現實問題：

第一個實時性。實際的控制決策都在現場執行，但是響應未必能夠實時。

第二個安全性。IoT數據跟企業的商業機密有關時，怎么保障數據安全？

第三個網絡堵塞，以及隨之而來的可靠性問題，比如會不會在傳輸過程中丟包？

另外，成本問題，也非常重要。想象一下500億個設備聯網，數據流量成本、存儲成本，得要多大投入？

正是有了這些問題，我們今天探討邊緣計算+物聯網才有了基礎。

首先，邊緣計算是什么？在此借用一下網絡流行的這張章魚圖，可以說是最經典的對邊緣計算的比喻：

這張圖是說邊緣計算和章魚一樣，大部分的決策都在離“執行現場”最近的地方進行，而不是都放在“大腦（云端）”上。這種決策方式首先可以解決物聯網應用中最重要的實時響應問題；然后因為決策和執行都在現場，減少了指令從設備到云端的上傳/下達過程，更能保障安全，同時也規避了可能因網絡堵塞造成的響應不及時問題。最后，因為現場決策可以省去一部分數據的傳輸和存儲，可以較大幅度地降低物聯網系統的使用成本。

當然，邊緣計算也是不能脫離云計算的。“一切脫離云計算來談物聯網計算的都不是真正的邊緣計算。”關于云計算和邊緣計算的關系，總結如下：

第一，邊緣計算一定和云有聯系。云端可以做算法，進行遠程、隨時因需的更新，新的算法下載到邊緣處做控制，這是與傳統工業控制的巨大差異，也是質的變化。

第二，云端做算法、邊緣做控制的特性，意味著控制和外部會有互動。比如天氣數據、地理位置的變化即可作為空調變頻控制的判斷依據。與外部因素的互動使智能化程度更高。

第三，云計算和邊緣計算的結合可以更快部署、實施應用，帶來顯而易見的成本下降，才使應用的大規模落地成為可能性。

“總之，邊緣計算讓很多物聯網應用具備了‘小智能’的能力，而物聯網的‘大智能’，一定是和這樣一個個的、碎片化的小智能同步發生并發展的”，“所以不存在先有大腦，還是先有手足，只談手足，或者只談大腦的物聯網都是偽命題。”