隨著工業互聯網產業的發展，邊緣智能與實際應用深度融合。工業互聯網的功能已經從統一的數據訪問管理發展到工業機制、組件、圖形分析的智能分析與決策、沉淀、整合、創新與完善。在芯片、5g、協同計算、容器化、分布式等技術的驅動下，預測維護、機械臂控制、工業增強現實（AR）等新應用出現。預測性維護、機械臂控制和工業增強現實（AR）都離不開隔離技術的支持。一方面，隔離技術可以保證各類智能應用在邊緣設備上運行時互不干擾;另一方面，隔離技術提高了邊緣資源的利用率和調度效率，使新興應用以更低的成本落地。

1. 高價值設備的預測性維護有效提高設備可用性和經濟效益

設備管理服務，如預測性維護是工業互聯網場景下最廣泛的需求之一。現代化流水線制造環節的生產設備通常具有非常復雜的零部件結構，一旦某一生產環節出現問題，可能導致整條流水線的生產效率下降，甚至引發停工。邊緣智能技術通過對設備運行狀態的實時檢測，調用基于工業大數據的 AI 模型對生產設備可能的工況狀態、潛在的故障模式作出推斷，使預測性維護成為了可能。現有的預測性維護如國產邊緣智能計算物聯網（EC-IoT）方案，采用邊緣網關負責設備聯通和數據預處理業務，在本地對實時數據進行預分析，只將與結果相關的少量高價值數據上傳到云端；從應用效果看，EC-IoT 幫助生產企業減少了超過 70% 的業務中斷事件，使維護和運營成本下降了 50%。現有的預測性維護大都采取了云端訓練模型并聚合數據，邊緣預處理數據并上傳的邊云協同方式；但邊緣還可利用數據的局部性進行本地增量訓練模型等方式來進一步提升性能，同時分布式存儲部署到邊緣設備來節約云端存儲資源和傳輸數據所需帶寬。

2. 高精度機械臂使“機器取代人力”成為現實

隨著人力成本的上升，企業制造的附加值下降；在工業互聯網迅速發展的背景下，生產過程的自動化程度不斷提高，“以機器取代人力”具有可行性。工業機械臂指通過模擬人手臂、手腕和手功能完成工業制造某些工序的機械裝置，已有產品可以執行“硬性加工”任務（如切割、焊接等）。先進計算機視覺技術使得機械臂控制精度達到 0.01 mm， 5G 傳輸和邊緣側智能計算使得偏差檢測、二次規劃、姿態調整等步驟的時間延遲滿足工業制造需求（《 10 ms）。目前，工業機器人、數控機床部署智能算法已經有初步的落地應用，如 ADMOS 平臺通過集成數控機床行業龍頭德瑪吉森公司提供的應用程序接口（API），將機器學習算法部署至機床軟件，實現了基于溫度智能計算刀頭位移的補償需求。此外，考慮到單個制造環節往往有多個數據采集點，可以融合邊邊協同計算，共同完成單項智能業務的計算需求，支持系統執行更精細的任務。

3. AI 與工業場景的深度融合催生工業 AR

工業 AR 是以 AI 算法輔助工業制造為特點的新興場景。現代高精度機械裝備由數量眾多的復雜零部件構成，一旦裝配過程發生問題，僅靠裝配工人的記憶很難獨立執行繁瑣的裝配步驟。集成工業 AR 的輔助眼鏡，借助終端和邊緣的計算資源在裝配過程中智能識別零部件，通過文字、動態影像指導佩戴眼鏡的裝配工人開展組裝；美國波音公司將之應用到飛機生產線上，減少了 50% 的裝配錯誤，將裝配耗時降低至原來的 75% 。工業 AR 還能應用于遠程故障排查，無需資深專家到達現場，而由現場維護人員佩戴 AR 眼鏡并與技術專家、專業團隊連線，共同完成遠程檢修。

邊緣智能用于工業互聯網場景，在性能改善、減少操作成本和保障數據安全上有一定優勢。工業生產常見的狀態跟蹤、缺陷檢測、預測性維護等需求，在近數據源處獲得智能處理，可以保證響應的實時性；在邊緣處理和存儲數據具有多重優勢，在現有云模式的數據安全保護方案基礎上，結合分布式存儲和邊緣智能計算將進一步提高隱私數據的安全性。

審核編輯：符乾江