什么是边缘计算？为什么物联网不是什么数据都上传云端

在前几篇文章中，我们已经介绍了物联网 IoT、MQTT、Modbus、工业网关等内容。

如果把这些内容串起来，可以看到一个典型的工业物联网架构：

PLC / 仪表 / 电表 / 传感器
        ↓
Modbus / OPC UA / 串口 / 以太网
        ↓
工业网关
        ↓
MQTT / HTTP / HTTPS
        ↓
云平台
        ↓
Web 后台 / 手机 App / 数据大屏

很多初学者在理解物联网时，容易认为：

只要把设备数据全部上传到云平台，然后在云端处理就可以了。

但在真实项目中，并不是什么数据都适合上传云端，也不是所有业务逻辑都应该放在云端处理。

这就引出了一个非常重要的概念：

边缘计算。

那么问题来了：

什么是边缘计算？
为什么物联网系统需要边缘计算？
边缘计算和云计算有什么区别？
工业网关如何实现边缘计算？

本文将从入门角度介绍边缘计算的基本概念、作用、应用场景，以及它在物联网系统中的价值。

---

一、什么是边缘计算？

边缘计算，英文是 Edge Computing。

简单来说，边缘计算就是：

在靠近数据产生源头的地方进行数据处理，而不是把所有数据都传到云端再处理。

在物联网系统中，数据通常来自现场设备，例如：

• 传感器；
• PLC；
• 电表；
• 摄像头；
• 变频器；
• 工业仪表；
• 机器人；
• 车辆设备；
• 环境监测设备。

这些设备会不断产生数据。

传统思路是：

现场设备 → 云平台 → 云端处理 → 返回结果

而边缘计算的思路是：

现场设备 → 边缘设备本地处理 → 云平台

这里的边缘设备可以是：

• 工业网关；
• 边缘计算网关；
• 边缘服务器；
• 工控机；
• 边缘 AI 设备；
• 具备计算能力的路由器或控制器。

可以简单理解为：

云计算：把数据传到云端再处理
边缘计算：在设备现场附近先处理一部分数据

---

二、为什么叫“边缘”？

所谓“边缘”，并不是指设备不重要，而是相对于云平台而言。

在物联网系统中，云平台通常位于中心位置，用于：

• 设备管理；
• 数据存储；
• 数据分析；
• 用户管理；
• 报表统计；
• 业务应用；
• 多站点集中监控。

而现场设备位于网络的边缘，例如：

工厂现场
变电站
泵站
车辆
农业大棚
光伏电站
水处理站
城市监测点

这些地方就是数据产生的第一现场。

边缘计算就是在这些靠近现场的位置进行计算处理。

可以用下面的结构理解：

现场设备层 → 边缘层 → 云平台层 → 应用层

其中：

现场设备层：产生数据
边缘层：就近处理数据
云平台层：集中管理和分析
应用层：展示和业务操作

---

三、为什么物联网需要边缘计算？

物联网系统之所以需要边缘计算，主要是因为真实现场环境往往比较复杂。

如果所有数据都上传云端处理，会遇到很多问题。

---

1. 数据量太大

在物联网系统中，设备数量可能非常多。

例如：

• 一个工厂有几百个传感器；
• 一个园区有上千个电表；
• 一个车队有几百台车辆；
• 一个视频监控系统有大量摄像头；
• 一个光伏电站有很多逆变器和汇流箱。

如果所有原始数据都实时上传云端，会产生大量流量。

例如，一个传感器每秒上传一次数据，看起来不多。
但如果有 1000 个传感器，每天产生的数据量就会非常大。

更不用说视频、图像、振动波形、设备日志等高频数据。

边缘计算可以在本地先进行过滤和压缩，只上传有价值的数据。

例如：

原始数据每秒采集一次
        ↓
边缘侧计算 1 分钟平均值
        ↓
每分钟上传一次结果

这样可以大幅降低数据传输量。

---

2. 网络带宽有限

很多物联网设备部署在远程现场，网络条件并不理想。

例如：

• 偏远泵站；
• 光伏电站；
• 户外监测站；
• 移动车辆；
• 农业大棚；
• 海上或山区设备；
• 只有 4G/5G 网络的现场。

这些场景中，网络带宽可能有限，甚至不稳定。

如果所有数据都上传云端，可能会导致：

• 上传延迟；
• 数据丢失；
• 通信费用增加；
• 云平台接收压力变大；
• 设备端网络拥塞。

边缘计算可以减少上传数据量，提高系统稳定性。

---

3. 实时性要求高

有些工业现场场景对实时性要求很高。

例如：

• 温度超限立即报警；
• 电机过载立即停机；
• 压力异常立即联动阀门；
• 水位过高立即启动水泵；
• 设备振动异常立即告警；
• 安全门打开立即触发报警。

如果这些判断都依赖云平台，就会受到网络延迟影响。

传统云端处理流程可能是：

设备采集数据
        ↓
上传云平台
        ↓
云平台判断
        ↓
下发控制命令
        ↓
现场设备执行

如果网络延迟较高，现场响应就会变慢。

边缘计算可以在本地直接判断和响应：

设备采集数据
        ↓
工业网关本地判断
        ↓
立即触发告警或控制
        ↓
同时上传结果到云平台

这样可以提高实时性。

---

4. 网络中断时仍需运行

物联网系统不能完全依赖网络。

在工业现场，网络中断是很常见的情况，例如：

• SIM 卡欠费；
• 4G 信号弱；
• 光纤中断；
• 路由器异常；
• 防火墙阻断；
• 云平台维护；
• DNS 解析失败。

如果所有逻辑都依赖云平台，一旦断网，现场系统可能无法正常工作。

边缘计算可以让现场具备一定自治能力。

例如：

网络正常：数据上传云平台
网络中断：本地继续采集、缓存、告警
网络恢复：缓存数据补传

这样即使暂时无法连接云端，现场系统仍然可以继续运行。

---

5. 数据隐私和安全要求

有些数据不适合全部上传云端。

例如：

• 工厂生产数据；
• 设备运行参数；
• 视频图像；
• 客户隐私数据；
• 能源消耗数据；
• 关键基础设施数据。

在某些项目中，客户可能要求：

原始数据不出现场
只上传统计结果

边缘计算可以在本地完成数据处理，只上传必要结果，降低数据泄露风险。

例如：

本地摄像头图像
        ↓
边缘 AI 识别是否异常
        ↓
只上传识别结果和告警信息

而不是把所有视频流都传到云端。

---

四、边缘计算和云计算有什么区别？

边缘计算和云计算并不是对立关系，而是互补关系。

云计算更适合集中管理和大规模分析；
边缘计算更适合本地实时处理和现场自治。

---

1. 云计算的特点

云计算通常位于中心端，具有强大的计算、存储和管理能力。

适合做：

• 大规模数据存储；
• 历史趋势分析；
• 报表统计；
• 多站点集中管理；
• 用户权限管理；
• AI 模型训练；
• 企业级业务系统集成。

例如：

全国 500 个站点的数据统一上传到云平台
云平台进行集中展示、统计和分析

---

2. 边缘计算的特点

边缘计算位于现场侧，更靠近设备。

适合做：

• 实时数据处理；
• 本地告警判断；
• 数据过滤；
• 协议转换；
• 离线缓存；
• 本地联动控制；
• AI 推理；
• 减少云端压力。

例如：

工业网关在现场判断温度是否超限
超限后立即控制继电器并上传告警

---

3. 对比表

对比项	云计算	边缘计算
位置	云端数据中心	现场附近
优势	强计算、强存储、集中管理	低延迟、本地处理、减少流量
适合任务	大数据分析、报表、模型训练	实时判断、协议转换、现场控制
网络依赖	依赖网络连接	可在断网时继续运行部分功能
数据处理方式	集中处理	就近处理
典型设备	云服务器、IoT 平台	工业网关、边缘服务器、工控机
典型场景	多站点管理、历史分析	本地告警、数据过滤、实时控制

简单理解：

云计算负责“集中管理和深度分析”
边缘计算负责“就近处理和快速响应”

---

五、边缘计算在物联网系统中的位置

一个包含边缘计算的物联网系统，可以分为四层：

设备层 → 边缘层 → 云平台层 → 应用层

---

1. 设备层

设备层负责产生数据。

常见设备包括：

• 传感器；
• PLC；
• 电表；
• 摄像头；
• 变频器；
• 工业仪表；
• RTU；
• 控制器。

设备层通常使用：

• Modbus RTU；
• Modbus TCP；
• OPC UA；
• CAN；
• RS-485；
• Ethernet；
• 自定义协议。

---

2. 边缘层

边缘层负责就近处理数据。

常见设备包括：

• 工业网关；
• 边缘计算网关；
• 工控机；
• 边缘服务器；
• 边缘 AI 盒子。

边缘层可以完成：

• 数据采集；
• 协议转换；
• 数据清洗；
• 数据过滤；
• 本地缓存；
• 阈值告警；
• 本地控制；
• AI 推理；
• 数据上云。

---

3. 云平台层

云平台层负责集中管理。

常见功能包括：

• 设备接入；
• 数据存储；
• 规则引擎；
• 告警管理；
• 报表统计；
• 权限管理；
• 远程运维；
• API 接口；
• 多站点管理。

---

4. 应用层

应用层是用户直接看到和操作的部分。

例如：

• Web 后台；
• 手机 App；
• 数据大屏；
• SCADA；
• 报表系统；
• 企业业务系统。

用户可以查看数据、处理告警、远程控制设备、导出报表等。

---

六、工业网关如何实现边缘计算？

工业网关是边缘计算的重要载体之一。

在工业物联网中，工业网关通常部署在现场，连接下位设备和上位平台。

它既可以采集数据，也可以进行本地处理。

---

1. 协议转换

工业网关可以将现场协议转换为云平台协议。

例如：

Modbus RTU → MQTT
Modbus TCP → HTTP
OPC UA → MQTT
串口协议 → JSON
CAN → MQTT

这本身就是一种边缘侧处理能力。

现场设备不需要直接支持 MQTT 或 HTTP，网关可以帮它完成协议转换。

---

2. 数据解析

现场设备返回的数据通常是原始数据。

例如：

寄存器 40001 = 2305

网关需要根据设备说明书进行解析：

比例系数 = 0.1
实际电压 = 230.5 V

再转换成标准 JSON 数据：

{
  "voltage": 230.5,
  "unit": "V"
}

这个过程就是在边缘侧完成数据解析。

---

3. 数据过滤

并不是所有数据都需要上传。

例如，温度每秒采集一次，但变化很小。

可以在网关侧设置规则：

如果温度变化小于 0.5℃
则不上传

或者：

每秒采集一次
每分钟上传平均值

这样可以减少网络流量和云平台压力。

---

4. 阈值判断和本地告警

工业网关可以在本地判断数据是否超限。

例如：

如果温度 > 80℃
触发高温告警

或者：

如果电流 > 50 A
触发过流告警

告警可以同时执行两个动作：

1. 本地触发 DO 输出 / 蜂鸣器 / 警示灯
2. 上传告警信息到云平台

这样既保证现场及时响应，也保证云端能记录告警。

---

5. 本地联动控制

工业网关可以根据现场数据执行简单联动控制。

例如：

如果水位低于下限
自动启动水泵

如果水位高于上限
自动停止水泵

或者：

如果温度超过阈值
打开风扇或继电器

这种控制不一定需要云平台参与，可以在边缘侧完成。

---

6. 数据缓存和断点续传

如果现场网络中断，工业网关可以继续采集数据并缓存。

网络正常：采集数据 → 上传云平台
网络异常：采集数据 → 本地缓存
网络恢复：缓存数据 → 补传云平台

这对于工业项目非常重要。

例如：

• 能耗数据不能丢；
• 生产数据需要完整；
• 环境监测数据需要连续；
• 设备运行记录需要追溯。

---

7. 边缘 AI 推理

在一些更高级的场景中，边缘设备还可以运行 AI 模型。

例如：

• 摄像头图像识别；
• 缺陷检测；
• 人员安全帽识别；
• 设备声音异常检测；
• 振动数据故障诊断；
• 车辆行为识别。

边缘 AI 的典型流程是：

摄像头 / 传感器采集数据
        ↓
边缘设备本地 AI 推理
        ↓
输出识别结果
        ↓
上传结果或告警到云平台

这样不需要把所有原始图像或视频上传云端，可以降低带宽压力并提高实时性。

---

七、边缘计算的典型应用场景

边缘计算在物联网中有很多应用场景。

---

1. 工业设备监测

工厂现场设备数量多，数据类型复杂。

工业网关可以在现场采集 PLC、变频器、传感器数据，并进行本地判断。

例如：

电机温度 > 80℃
        ↓
工业网关本地触发告警
        ↓
上传告警到云平台

适用于：

• 工厂设备监控；
• 生产线状态采集；
• 设备故障预警；
• 预测性维护。

---

2. 能耗监测

能耗系统通常需要采集大量电表、水表、气表数据。

边缘侧可以先做：

• 数据汇总；
• 分时统计；
• 异常判断；
• 本地缓存；
• 按周期上传。

例如：

每 5 秒采集一次电表数据
每 1 分钟上传平均值和最大值

这样既保留关键数据，又降低数据量。

---

3. 水处理和泵站

泵站和水处理系统通常分布在远程现场，网络可能不稳定。

边缘计算可以实现：

• 本地水位判断；
• 自动启停泵；
• 压力异常告警；
• 数据断网缓存；
• 网络恢复补传。

例如：

水位低于下限 → 自动启动水泵
水位高于上限 → 自动停止水泵

---

4. 智慧农业

农业现场可能网络条件较差，但需要长期监测。

边缘设备可以完成：

• 温湿度判断；
• 土壤湿度判断；
• 灌溉控制；
• 本地告警；
• 数据缓存。

例如：

土壤湿度低于阈值
        ↓
边缘网关打开灌溉阀门
        ↓
同时上传灌溉记录到云平台

---

5. 视频监控和 AI 识别

视频数据量非常大，如果全部上传云端，带宽压力很高。

边缘 AI 可以在本地识别：

• 是否有人进入危险区域；
• 是否佩戴安全帽；
• 是否有烟火；
• 是否发生设备异常；
• 是否存在目标物体。

然后只上传结果：

识别结果：有人未佩戴安全帽
时间：2026-05-07 10:30:00
位置：车间 A

这样比上传完整视频更高效。

---

6. 车联网

车辆移动过程中网络环境变化很大。

边缘计算可以在车载网关或车载终端中实现：

• GPS 数据过滤；
• 异常驾驶行为判断；
• 本地缓存；
• 断网补传；
• 车辆状态预处理。

例如：

车辆急刹车
        ↓
车载终端本地判断
        ↓
立即记录事件
        ↓
上传云平台

---

八、边缘计算能带来哪些价值？

边缘计算的价值可以从以下几个方面理解。

---

1. 降低延迟

边缘计算靠近现场设备，可以更快响应现场事件。

例如：

本地判断 → 本地控制

比上传云端再下发命令更快。

---

2. 降低带宽压力

边缘设备可以过滤无效数据，只上传重要数据。

例如：

原始高频数据 → 边缘侧过滤 → 上传关键数据

---

3. 提高可靠性

即使网络中断，边缘设备仍然可以本地运行部分功能。

例如：

断网期间继续采集、缓存和告警

---

4. 提高安全性

敏感数据可以在本地处理，只上传结果。

例如：

本地图像识别 → 只上传识别结果

---

5. 降低云端压力

部分计算任务放在边缘侧处理，可以减少云平台压力。

例如：

本地计算平均值、最大值、告警状态
云端只负责存储和展示

---

6. 支持现场自治

现场设备可以在没有云平台参与的情况下完成基本控制。

例如：

水位异常 → 本地启动水泵
温度超限 → 本地打开风扇
压力异常 → 本地触发报警

---

九、边缘计算是不是一定要很复杂？

不一定。

很多人听到边缘计算，会想到 AI、深度学习、GPU、模型推理，觉得非常复杂。

但在物联网项目中，边缘计算可以很简单。

例如：

数据换算
数据过滤
阈值判断
本地告警
断网缓存
协议转换

这些都属于边缘侧处理。

也就是说，边缘计算不一定非要运行复杂 AI 模型。

只要是在靠近设备的一侧完成数据处理，就可以理解为边缘计算的一部分。

---

十、边缘计算和工业网关的关系

工业网关是边缘计算落地的重要设备之一。

传统工业网关主要负责：

协议转换 + 数据采集 + 数据上云

具备边缘计算能力的工业网关，还可以进一步实现：

本地规则判断
数据过滤
本地缓存
脚本处理
容器应用
AI 推理
本地联动控制

可以简单理解为：

普通工业网关：把数据采上来、传上去
边缘计算网关：先在本地处理，再把有价值的数据传上去

---

十一、边缘计算的一个完整案例

下面用一个智慧泵站监控系统举例。

---

1. 项目需求

某泵站需要远程监控以下数据：

• 水位；
• 压力；
• 流量；
• 水泵运行状态；
• 电机电流；
• 告警状态。

同时要求：

• 网络不稳定时系统仍能本地运行；
• 水位过高时自动启动水泵；
• 水位过低时自动停止水泵；
• 重要告警需要上传云平台；
• 历史数据不能丢失。

---

2. 系统架构

水位传感器 / 压力传感器 / PLC
        ↓
Modbus RTU / Modbus TCP
        ↓
边缘工业网关
        ↓
MQTT / HTTP
        ↓
云平台
        ↓
Web 后台 / 手机 App

---

3. 边缘侧处理逻辑

工业网关在本地执行规则：

如果水位 > 高水位阈值
    启动水泵
    触发高水位告警
    上传告警到云平台

如果水位 < 低水位阈值
    停止水泵
    上传状态到云平台

---

4. 断网处理

如果网络断开：

1. 工业网关继续采集水位、压力、流量数据
2. 本地继续执行水泵启停逻辑
3. 数据缓存到本地
4. 网络恢复后补传历史数据

这样现场不会因为云平台暂时不可达而失去基本控制能力。

---

5. 云平台功能

云平台负责：

• 设备状态展示；
• 历史曲线；
• 告警记录；
• 报表统计；
• 多站点管理；
• 用户权限；
• 远程配置。

也就是说：

现场实时控制交给边缘
集中管理和历史分析交给云端

---

十二、边缘计算常见误区

---

1. 误区一：边缘计算就是不用云平台

这是不正确的。

边缘计算并不是取代云平台，而是和云平台配合。

更合理的架构是：

边缘侧负责实时处理
云端负责集中管理

---

2. 误区二：边缘计算必须运行 AI

这也是不正确的。

AI 推理是边缘计算的一种高级应用，但不是唯一形式。

下面这些也属于边缘计算：

• 数据过滤；
• 协议转换；
• 阈值判断；
• 本地缓存；
• 本地告警；
• 本地联动。

---

3. 误区三：所有数据都要在边缘处理

也不一定。

边缘计算适合处理实时性高、数据量大、需要本地响应的任务。

但以下任务更适合云端：

• 长期数据存储；
• 大规模数据分析；
• 多站点对比；
• 报表统计；
• AI 模型训练；
• 用户权限管理。

---

4. 误区四：边缘设备越强越好

边缘设备的选择应该根据项目需求决定。

如果只是简单采集和上传，不一定需要高性能边缘服务器。

如果需要视频 AI 分析、复杂算法或容器应用，则需要更强的边缘计算设备。

---

十三、什么时候需要边缘计算？

可以从以下几个问题判断项目是否需要边缘计算。

---

1. 数据量是否很大？

如果现场数据量很大，例如视频、高频采样、振动波形，就适合边缘侧先处理。

---

2. 是否需要快速响应？

如果现场需要毫秒级或秒级响应，例如告警、联动、控制，就适合边缘计算。

---

3. 网络是否不稳定？

如果现场网络经常断开，边缘侧需要具备缓存和自治能力。

---

4. 是否有数据隐私要求？

如果原始数据不能全部上传云端，可以在边缘侧处理后只上传结果。

---

5. 是否需要本地规则判断？

如果现场需要根据条件自动执行操作，例如启停设备、触发告警，也适合边缘计算。

---

十四、边缘计算项目设计建议

在实际物联网项目中，可以按以下思路设计边缘计算。

---

1. 明确哪些数据必须上传

并不是所有数据都需要上传。

可以分类：

数据类型	处理建议
实时关键数据	及时上传
高频原始数据	边缘处理后上传结果
告警数据	立即上传
历史趋势数据	周期上传
视频数据	本地识别后上传结果
调试日志	按需上传

---

2. 明确哪些逻辑放在边缘侧

适合放在边缘侧的逻辑包括：

• 阈值判断；
• 本地告警；
• 设备联动；
• 数据过滤；
• 协议转换；
• 断网缓存；
• 简单统计计算。

---

3. 明确哪些逻辑放在云端

适合放在云端的逻辑包括：

• 多站点管理；
• 用户权限；
• 报表统计；
• 长期趋势分析；
• 设备资产管理；
• 远程配置；
• AI 模型训练。

---

4. 设计断网策略

需要明确：

断网时是否继续采集？
断网时是否继续控制？
断网时数据保存多久？
网络恢复后是否补传？
补传时如何避免数据重复？

这些问题在工业项目中非常重要。

---

5. 设计安全机制

边缘设备连接现场设备和云平台，因此安全性很重要。

建议考虑：

• 设备认证；
• TLS 加密；
• VPN；
• 访问控制；
• 本地账号权限；
• 日志审计；
• 远程升级安全；
• 禁止默认弱密码。

---

十五、边缘计算、工业网关、云平台的关系

三者可以这样理解：

角色	主要作用
工业网关	连接现场设备，采集和转换数据
边缘计算	在现场侧进行数据处理和规则判断
云平台	集中管理、存储、展示和分析数据

它们的关系可以表示为：

现场设备
   ↓
工业网关 / 边缘计算
   ↓
云平台
   ↓
应用系统

更形象地说：

工业网关是连接桥梁
边缘计算是现场大脑
云平台是集中管理中心

---

十六、总结

边缘计算是物联网系统中非常重要的概念。

它的核心思想是：

不把所有数据都上传云端处理，而是在靠近设备和现场的位置先进行一部分处理。

在物联网和工业物联网中，边缘计算可以解决很多实际问题：

• 数据量太大；
• 网络带宽有限；
• 现场网络不稳定；
• 实时性要求高；
• 数据安全和隐私要求；
• 断网时仍需运行；
• 云平台压力过大。

边缘计算常见功能包括：

• 数据采集；
• 协议转换；
• 数据解析；
• 数据过滤；
• 阈值判断；
• 本地告警；
• 本地联动；
• 本地缓存；
• AI 推理；
• 数据上云。

在实际系统中，边缘计算通常不会取代云计算，而是与云计算配合：

边缘侧负责实时处理和现场自治
云端负责集中管理和长期分析

典型架构如下：

PLC / 仪表 / 传感器 / 摄像头
        ↓
工业网关 / 边缘计算设备
        ↓
MQTT / HTTP / HTTPS
        ↓
云平台
        ↓
Web 后台 / 手机 App / 数据大屏

可以简单记住：

云计算负责“看全局”；
边缘计算负责“管现场”；
工业网关负责“把现场设备和云平台连接起来”。

理解边缘计算后，就能更清楚地理解为什么现代物联网系统不仅需要云平台，也需要具备本地处理能力的边缘设备。

---

下一篇预告

在下一篇文章中，我们可以继续介绍：

《什么是物联网平台？设备接入、数据存储、告警和远程控制解析》

下一篇将重点讲解：

• 物联网平台是什么；
• 物联网平台和普通 Web 系统有什么区别；
• 设备如何接入物联网平台；
• 物联网平台如何存储和展示数据；
• 规则引擎、告警、远程控制分别是什么。