微软首席执行官萨蒂亚·纳德说过边缘计算将释放第四次工业革命的潜力，促进自主系统、机器学习、物联网 (IoT) 等领域的进步。
当下，边缘计算不仅仅是一个流行语，它正在迅速改变计算的未来。根据 MarketsandMarkets 的一份报告，全球边缘计算市场预计将从 2020 年的 36 亿美元增长到 2025 年的 157 亿美元，复合年增长率 (CAGR) 为 34.1%。
物联网（IoT）边缘计算主要应用在数据传输量大，安全与隐私保护要求高，数据需要实时处理的行业或应用场景，例如智慧交通、智慧城市、智慧园区、能源电力等。
当下，物联网（IoT）边缘计算面临怎样的挑战？又有怎样的解决方案呢？下面我引入边缘计算硬件设备生产商博时特科技对边缘计算在物联网领域几个典型应用场景面临的挑战及解决方案给大家解惑：
01 智慧园区
面临挑战
园区接入设备多、种类众多，日常管理协调困难并且复杂。如何数字化高效运营？
对于集团化园区，通常管理多个分支园区，用户隐私数据存在数据本地化管理的诉求，如何做到云端高效统一管理的同时又兼顾用户隐私的诉求？
解决方案
针对IoT边缘提供低时延、接口多样化、本地自闭环管理等能力：
- 隐私数据本地自闭环管理，所有数据采集、处理及存储在本地节点闭环。
- 非隐私数据予以清洗汇总后，上传至云端进行机器学习及训练，持续优化及更新本地智能算法。
- 接口多样化，支持园区各类子系统/设备接入IoT边缘进行智能管理。
02 智能制造
面临挑战
无统一标准协议，集成周期长、成本高。
数据采集量大，回传带宽成本高。
数采网关无远程运维能力，运维成本高。
数据隐私安全保护，选择性上云。
解决方案
- 支持工业典型PLC和总线协议，复杂资产建模。
- 边缘数据处理（清洗、计算、质量监控等）。
- 数据本地路由，时序存储与开放。
03 智慧交通
面临挑战
在自动驾驶大力发展的时代，智慧交通与车联网的高效协同是实现安全自动驾驶的基石。
如何让自动驾驶车辆实时感知复杂的路面情况？
如何让自动驾驶车辆根据不同场景，迅速计算出相应对策？
如何让自动驾驶车辆针对紧急场景，做到毫秒级的响应？
解决方案
- 智慧交通边缘节点通过视频和雷达融合分析，智能化算法检测道路交通事件（算法云端训练、边缘执行），有效实时提供碰撞告警，红绿灯相位推送，车流量感知及控制等智能服务。
- 向交通管理者提供交通全息监控能力，向车辆提供高精度定位及地图服务、交通安全预警能力，提升驾驶安全和道路通行效率，促进节能减排和便捷监管，支持向端云协同自动驾驶演进。
