摘要：

挖掘了工業互聯網云網邊端協同的價值場景及其整體技術視圖，分析了云邊協同、邊邊協同、邊端協同、云網協同等4類主流關鍵技術，旨在挖掘相關技術趨勢及難點，為運營商賦能工業互聯網場景，在計算和網絡資源方面提供定制化、差異化的服務保障建議。

01、工業互聯網云網邊端協同價值場景

工業互聯網作為國家制造業轉型升級的重要頂層設計之一，推動了傳統產業升級優化；隨著工業進程的持續推進，生產過程復雜、業務和設備種類繁多、網絡復雜度高等問題逐漸浮出水面，成為制約產業生態發展的瓶頸。

當前有過半工業企業部署了工業云，旨在實現統一調控、數據監控及設備管理，但隨著工業控制器、工業網關等越來越多的設備接入云端，傳統以云為中心的模式不足以滿足對海量設備數據進行實時處理的需求，需要將部分算力在邊緣就近處理；其次，在工業企業長期數字化建設過程中，上下游企業間，存在多種獨立的系統，普遍存在跨地域的情況，此時存在大量異構數據和網絡集成的需求；再者，現場設備數據私密安全性要求極高，常要求數據不能出工業園區，一旦泄密損失不可估量，需要在工業現場處理，保障本地數據不出場；并且，業界常用的海量數據處理，依賴終端的本地化處理，但這常受限于終端本身的計算能力、樣本空間大小、能耗等因素。

因此，工業企業亟需靈活扁平的新型基礎設施架構，將工業系統內外的生產要素連接起來，讓數據流通，并通過數據分析、建模進行各個層面的優化，打通工業現場內外部自下而上的數據流和自上而下的決策流，形成工業數字化優化閉環，構建多方位數據協同體系、跨地域計算共享，提供多接入、廣覆蓋、高性能以及豐富的網絡控制環境，打造滿足計算、網絡、存儲要求的云、網、邊、端協同的基礎設施底座，是解決當前產業生態發展瓶頸問題的重要方式之一。

02、工業互聯網云網邊端整體視圖

一般來說“云、網、邊、端”的協同架構是以云為中心，網為載體，向邊緣節點、現場設備終端逐層分散延伸；整個架構體系中，自南向北，計算和處理能力逐漸增強，部署趨于集中化，覆蓋范圍更廣。自北向南，計算能力逐漸降低，部分節點可能只具備信息收集轉發能力而不具備處理能力，部署位置更為靈活和分散，覆蓋范圍更小，網絡時延要求更低，業務特性更加顯著，專一性更強。云、網、邊、端協同整體示意圖如圖1所示。

圖1 云、網、邊、端協同整體示意圖

a) 云側。即中心云，工業互聯網云平臺，可提供邊緣節點管理以及為邊緣應用提供核心業務邏輯處理相關服務，例如AI模型訓練、園區設備集中管理等。

b) 網側。支持多種接入方式，例如工業PON&以太網、Wi-fi、2G/3G/4G/5G、NBIOT等。主要存在兩大網絡連接場景，一是工業互聯網企業內網連接，此處按照功能劃分，一般分為園區辦公網和生產網絡；二是工業互聯網企業外網絡連接，例如廠區多址情況下，總部園區與分園區之間跨地域通過廣域網連接。

c) 邊側。從形態上描述，一般包括邊緣云、邊緣網關、邊緣控制器。

（a）邊緣網關。在工業互聯網中通過網絡連接、協議轉換等功能連接物理和數字世界，提供輕量化的連接管理、實時數據分析及應用管理等邊緣計算功能。

（b）邊緣控制器。存在于工業制造現場，其在完成工作站或生產線的控制功能基礎上，可基于工業互聯網邊緣計算技術提升工業設備智能性、適用性、開放性的控制單元。

（c）邊緣云。作為整體架構中核心一環，位于網絡邊緣側（即工業生產現場、工業設備接入點或工業園區內部），向下連接多個邊緣網關或邊緣控制器等，向上支持與云平臺協作，面向工業場景應用提供基本能力和工業能力的低延時、輕量化的服務器、云平臺或數據中心具備聯接性、實時數據采集處理、分布式、安全隱私保護、OT與ICT的融合性等特點。

d) 端側。包括各種工業現場設備，例如機床、產線、傳感器、機器人等，一般可基于MQTT、Modbus、OPC-UA等協議接入邊緣計算節點。

云作為大腦，負責集中計算與全局數據處理；網的架構正朝著服務化和云化方向演進，容納更廣泛的接入場景，此外作為互聯互通手段，連接公有云、私有云和混合云；邊作為中心云的觸點延伸，靈活解決近實時業務需求；端側智能感知，數據采集，是工業互聯網的基礎。因此，為實現云、網、邊、端協同，圍繞邊緣側展開，至少涉及到云邊協同、邊邊協同、邊端協同和云網協同等4種關鍵技術。

03、關鍵技術

3.1 云邊協同

在眾多工業互聯網場景中，如智能巡檢、智慧交通、智能安防、智能煤礦等，邊緣側只能處理局部數據，無法形成全局認知，在實際應用中仍然需要借助云計算平臺來實現信息的融合，在邊緣計算環境中安裝和連接的智能設備能夠處理關鍵任務數據并實時響應，云端可以在以后收集這些數據進行第2輪評估、處理和深入分析，邊側將處理后的數據上傳到云端進行存儲、管理、態勢感知，同時，云端也負責對數據傳輸監控和邊緣設備使用進行管理。

所謂云邊協同，即邊緣計算節點側在靠近網絡邊緣側，負責數據采集、清洗、初步分析與模型推理等，并將清洗后的數據上傳至云端；云端進行數據存儲、分析、AI訓練與建模，并將業務與模型下發至邊緣側執行，云側通常具備全局資源管理調度能力，可將多個邊緣節點組成集群，按需調度、部署邊緣基礎設施資源，當遇到故障切換和彈性伸縮場景時，可實現應用的彈性部署、伸縮；根據應用場景需求有效分配計算資源，滿足業務對計算資源的差異化需求。

云側與邊緣側各有所長，雙方互為補充；云邊協同一般從IaaS、PaaS、SaaS三層考慮（詳見圖2），至少涉及如下六個方面之一：

a) 資源協同：基礎設施資源調度管理。

b) 數據協同：數據采集與分析。

c) 智能協同：AI模型分布式智能訓練與推理。

d) 應用管理協同：應用開發部署、生命周期管理。

e) 業務管理協同：應用實例/網絡業務編排。

f) 服務協同：云側服務向邊側開放及通過云原生架構，提供一套標準的服務接入框架。

圖2 云、邊協同示意圖

3.2 邊邊協同

在智慧交通領域，人工智能駕駛過程中，常存在實時在線交互情況，此時常要求相鄰邊緣節點可以互相訪問，輔助低時延業務。邊邊協同主要強調邊緣網關、邊緣控制器、邊緣云等邊緣節點應支持東西向接口，邊邊協同應滿足分布式邊緣計算部署的架構，左右節點（相鄰）之間互相通信。在當前邊緣節點的計算能力不足以支撐當前任務時，可以將計算任務進行切分，遷移到某一個相鄰邊緣節點上，從而實現資源最優使用，當車輛跨邊緣節點漫游時，通過邊邊協同可以快速地將應用的鏡像同步到新節點進行部署，從而達到快速提供服務的目的。

但是相比于云邊協同，邊邊協同的發展還尚未成熟，究其原因主要是ETSI MEC并未定義邊緣節點間的MP3接口內容；此外，在該場景下要求相互訪問的邊緣節點之間網絡能夠互通，當前邊緣節點建議仍以單點為主，尚未滿足大規模覆蓋；再者，異構的邊緣云因其具體技術架構不一，尚未互通，目前GSMA、CCSA、ETST、5GAA等標準組織正在研究中。

3.3 邊端協同

對于端側設備（機器人、PC等）來說，受體積和樣本數量影響，本身算力有限，需要通過邊緣側設備獲得運動控制、邏輯控制策略，例如視覺伺服、聲音識別、運動控制等；此外并非所有終端設備都安裝了通信模組，因此需要依托邊緣網關接入內外網絡；邊緣網關、控制器等邊緣側節點南向提供豐富的網絡接口連接工業設備，具備數據采集、指令下發等功能，南向提供豐富的接口，支持Modbus/ TCP/ProfiNet/Profibus/OPC UA/MQTT等多種工業通信協議，適配大量工業設備。邊緣網關、控制器等邊緣側節點將采集到的設備數據傳輸給邊緣云，以層層遞進的方式解決新業務引發的對網絡管道沖擊和邊側部分設備算力受限的問題，從而滿足行業用戶體驗。

當前來看，邊端協同仍有較大的發展空間，主要受限于工業設備種類繁多且多為行業定制，南向接口協議復雜；其次不同終端應用對邊緣云提供能力的要求并不一致，邊緣云如何靈活適配終端應用的要求，亟待打造通用的平臺能力來支持；再者，若涉及到移動場景下，例如機器人智能巡檢，園區物流車等場景，如何保障服務的連續性，加速終端訪問和響應；以上問題均有待商榷。

3.4 云網協同

在云、邊、端3級計算資源基礎底座基礎上，網絡側輔助各級計算資源高效流動，全面提升面向工業互聯網場景的運營能力，依托網絡連接云計算節點，統一接入調度，用戶可以無感知計算節點位置，保障節點間數據流向，以及應用路徑的路由，提升任一節點服務的高可用性；網絡體系是工業互聯網基礎，連接各生產要素，一般存在局域與廣域2種場景。

a) 局域場景下，為滿足工廠內部生產業務隔離、確定時延、帶寬保障、高精度授時等需求， 通常在園區內部按需進行5G網絡獨立/共享部署，靈活組網，下沉部署核心網數據面或者控制面一起下沉部署到企業內部，通過數據分流技術，結合MEC平臺的部署（極低時延情況下，可將MEC部署在5G接入CU或者CU/DU一體化的基站上），至于下沉核心網數據面是否連接公網，視生產客戶需求確定。此時還可結合網絡切片、TSN、超級上行等關鍵技術，滿足業務個性化差異化網絡需求。

b) 廣域場景下，同一企業不同廠區、同一產業上下游工業伙伴在多地工業場景下，為保障各地區業務協同，當有多個計算節點可選的情況下，5G核心網控制面，可根據用戶位置到計算節點之間的時延以及用戶自身業務需求情況，將多級算力資源與網絡信息相結合，形成以用戶為中心的資源布局視圖，從而實現業務與資源最佳匹配，以提升整體的資源利用效率和服務質量。

04、結束語

面對未來大量泛在接入情況，需要協同云、網、邊、端基礎資源。解決服務靈活動態部署，基于用戶的服務等級協議（SLA）需求，綜合考慮實時的網絡、算力、存儲等多維資源狀況，通過網絡靈活匹配與動態調度，將業務流量動態調度至最優資源節點，提升網絡確定性服務，提升業務基于底層網絡技術的精準匹配，加強廣域范圍內的確定性保障，解決用戶體驗一致性的問題，讓用戶無須關心各類基礎資源（算力、存儲等）的位置和部署狀態，通過網絡即可協同調度各類資源；其次，引入人工智能技術優化資源調度和組網運維，強化網絡功能與垂直行業平臺間的深度融合；再者，借助云原生技術，實現云邊端一體化的應用分發，在網絡邊緣和海量端設備上完成大規模應用交付、運維和管控。保持對云、網、邊、端協同的堅定信念，進一步加強業務的感知，探索更加“合理”的服務，推進行業場景的落地。

審核編輯：劉清