Day31-37｜11.4.6 边缘计算应用场合：从现场实时处理到行业智能闭环

一、教材定位

本节是《系统架构设计师教程（第2版）》第11章边缘计算概述的最后一节，承接边缘计算的概念、定义、特点、边云协同和安全。本节不只是罗列行业案例，而是要判断“什么场合适合边缘计算、为什么适合、应该把哪些能力放在哪里、应用时需要注意什么”。

在高级系统架构设计师考试中，边缘计算往往出现在综合案例中：题目可能给出智能工厂、视频监控、车路协同、能源管理、智慧医疗、无人机或智慧园区场景，要求选择边缘部署点、说明端边云职责、设计断网策略、分析安全风险和给出质量指标。通用答题方法是从数据产生位置、实时性、网络稳定性、隐私、资源和全局性六个方面进行判断。

二、适合采用边缘计算的场合

边缘计算并不是所有系统的默认架构。通常在以下条件同时或部分存在时更有价值：

1. 数据在现场大量产生，全部上传成本高或不可行。
2. 业务需要低时延、低抖动或确定性响应。
3. 网络不稳定，现场在中心云不可用时仍需运行。
4. 数据敏感，不宜全部离开现场。
5. 现场存在异构设备，需要协议适配和局部编排。
6. 需要根据区域状态作出局部决策或控制。
7. 通过本地处理可以减少中心资源、带宽和运营成本。

如果业务主要是离线报表、长期存储或跨组织复杂分析，而现场没有时延和断网要求，直接使用中心云可能更简单。架构设计师要写清采用边缘的理由和不采用边缘的场景，避免“为了先进而边缘化”。

三、工业互联网与智能制造

1. 应用内容

工业现场拥有大量 PLC、机床、机器人、传感器、视觉设备和生产管理系统。边缘计算可以承担协议接入、数据清洗、质量检测、异常检测、预测维护、能源优化和局部控制。

2. 典型架构

设备端完成采集、执行和安全互锁；产线边缘节点负责协议转换、实时分析、视觉推理和局部规则；工厂边缘平台负责跨产线调度、设备管理和工单；中心云负责跨工厂模型训练、历史分析和资源比较。

3. 适用原因

生产线控制对时延和确定性敏感，工业数据量大且包含工艺秘密，网络中断时生产不能立即失控。边缘可以就地处理高频数据和缺陷图像，只上传告警、特征和必要样本。

4. 主要风险

旧设备协议不统一，边缘节点和模型版本容易分散；错误识别可能触发错误停机；远程控制接口可能造成安全事故。应建立统一设备模型、数据质量码、功能安全回路、签名升级、灰度和人工接管。

四、智慧交通与车路协同

1. 应用内容

路口摄像头、雷达、信号机、车辆和道路设备产生实时交通数据。边缘计算可进行车辆和行人检测、车流统计、拥堵判断、信号配时、危险事件告警和车路信息协同。

2. 边缘部署位置

可以把边缘节点部署在路口机柜、道路区域机房、通信基站或车辆内部。路口边缘负责局部感知和信号控制，区域边缘负责多个路口协调，中心云负责全市交通分析、模型训练和策略评估。

3. 架构注意事项

交通控制要关注最坏时延、时间同步、传感器误检、网络中断和设备故障。中心云不可用时，路口应按照预设安全策略运行；云端策略下发要有有效期、版本和适用条件；涉及车辆和行人数据时，应进行隐私保护和访问审计。

4. 质量指标

包括目标检测准确率、事件识别时延、信号控制响应、交通吞吐、误报和漏报、路口自治时间、网络恢复时间、设备在线率和安全事件数。

五、能源、电力和公用事业

1. 应用内容

能源系统包括发电、输配电、储能、充电、楼宇空调和工业用能。边缘计算可以完成负荷采集、异常检测、局部优化、需求响应和设备控制，中心云进行跨区域预测与调度。

2. 端边云分工

设备端负责保护和本地测量；站点边缘负责功率平衡、储能策略和局部故障判断；区域平台负责多站点协调；云端负责负荷预测、市场分析和策略优化。保护动作不能依赖远程云端，边缘或设备必须具备确定性和冗余。

3. 主要风险

能源设备控制直接影响生产和公共服务，错误策略可能造成设备损坏或大范围波动。必须采用分区分域、双向认证、命令校验、操作审计、失效安全和应急演练。边缘离线时要限制策略有效期和可调节范围。

六、智慧医疗

1. 应用内容

医疗设备、病房传感器、影像设备、可穿戴设备和急救终端产生大量数据。边缘计算可以进行生命体征预警、影像初筛、设备协同和院内实时告警，云端用于跨院统计、模型训练和科研分析。

2. 适用原因

急救和病房告警需要及时响应，部分患者数据和影像不宜无条件出院；医院网络或中心平台故障时，基本监护和告警不能停止。边缘可以先进行本地告警和脱敏，再上传必要结果。

3. 关键架构要求

区分辅助建议与医疗决策，低置信度结果需要医护人员确认；记录设备、模型、数据和人工修正版本；采用强身份、最小权限、访问审计、加密和数据生命周期管理。边缘 AI 不能因为提高效率就绕过医生确认和正式业务流程。

七、智慧园区、楼宇和家庭

1. 智慧园区

园区可以部署视频、门禁、停车、能源、环境和消防设备。园区边缘平台可以进行访客识别、异常事件、楼宇能耗和局部联动，中心云负责跨园区管理和报表。不同部门的权限和数据范围必须隔离，紧急消防控制要与普通业务系统分开。

2. 智能楼宇

楼宇边缘节点连接空调、电梯、照明、门禁和环境传感器，进行本地联动和节能优化。由于设备长期运行且协议多样，需重视设备生命周期、时间同步、策略版本和故障降级。

3. 智能家庭

家庭网关可以处理摄像头、门锁、照明和家电数据，减少敏感视频上云并支持本地自动化。家庭设备资源和维护能力有限，需要简单可靠的身份、更新、恢复和隐私控制。涉及门锁、燃气和老人照护时，必须设置人工和安全回退。

八、零售、物流和仓储

1. 智能零售

门店摄像头、货架传感器、收银设备和库存系统可以通过边缘节点进行客流、货架缺货和异常行为分析。边缘处理可以减少视频上传，但必须遵守个人信息和用途限制，模型结果不能直接作出未经审核的高影响决定。

2. 智能仓储

仓储机器人、输送线、视觉设备和订单系统需要低时延任务调度和局部避障。仓库边缘负责地图、设备状态、任务队列和机器人协同，云端负责跨仓库存和订单优化。网络中断时机器人保持安全并暂停新任务，恢复后按任务版本和有效期重新调度。

3. 冷链物流

冷链运输需要实时监控温度、位置和开门事件。车载边缘节点可以在网络不稳定时本地告警和保存数据，云端进行全程追踪和合规报告。温度超限要区分传感器故障、短时波动和真实风险，并保留证据链。

九、视频、内容和增强现实应用

视频分析产生大量数据，边缘计算可以执行目标检测、编码、摘要、事件识别和隐私脱敏，减少回传原始视频。体育场馆、工地、机场和商场适合部署区域边缘，中心云进行跨区域模型训练和运营分析。

增强现实和沉浸式交互对时延和抖动敏感，边缘节点可以靠近用户进行渲染、姿态处理和内容分发。但要考虑并发峰值、资源弹性、网络切换和用户隐私。边缘节点故障时，系统应降低画质、切换简单模式或提示用户，而不是出现不可控交互。

十、农业、环境和自然资源监测

农业和环境监测通常位于网络覆盖不稳定的户外区域，传感器数量多、能源有限、维护不便。边缘网关可以本地聚合土壤、气象、作物和水质数据，进行灌溉、病虫害或污染异常判断，云端进行长期趋势和区域模型分析。

架构要考虑低功耗、断点续传、设备失联、季节变化、数据校准和物理环境。自动灌溉、施药或排水等动作需要安全边界、人工确认和故障停止，不能只依据一个传感器的异常值。

十一、无人机、自动驾驶和移动设备

无人机和自动驾驶系统高度依赖实时感知、定位、规划和控制，边缘计算通常部署在机载平台或道路侧，云端负责地图、模型、车队和历史数据。网络失联时，设备要按预设策略悬停、返航、减速或安全停车。

移动设备的边缘推理还受电量、温度、算力和存储限制，模型需轻量化和动态调度。远程更新必须验证版本和适用环境，不能在执行高风险任务中无条件切换软件。

十二、选择边缘计算应用场合的方法

可以使用“六问法”快速判断：

1. 数据是否在现场高频产生，全部上传是否昂贵或不可行？
2. 业务是否要求低时延、低抖动或确定性响应？
3. 网络中断时，关键业务是否必须继续？
4. 数据是否敏感，是否需要本地脱敏和最小化出域？
5. 现场是否有异构设备、局部规则或区域协同需求？
6. 本地节点的资源、维护和安全成本是否低于中心集中处理的风险？

如果前五问大多回答“是”，边缘计算通常有较强适用性；如果只有数据量大但不需要实时、隐私和自治，可能使用批处理、压缩和云存储更简单；如果现场安全风险极高且节点难以维护，则需要先解决设备和运维基础，再推进边缘化。

十三、行业应用架构对比

十四、案例分析：城市综合边缘计算平台

某城市建设统一边缘平台，接入交通路口、园区视频、充电站和环境传感器。不同部门有不同数据权限，网络在部分区域不稳定，中心云希望统一发布 AI 模型和策略。

问题一：如何划分公共能力和行业能力？

参考答案：公共边缘平台提供节点注册、身份、资源、日志、消息、存储、模型仓库和远程运维等共性能力；交通、园区、能源和环境应用以独立租户或安全域运行，拥有各自的数据模型、规则、权限和业务服务。控制接口和敏感数据要按部门、区域和风险隔离，不能因为共享平台而共享全部数据。

问题二：如何保证模型和策略安全下发？

参考答案：模型和策略必须登记版本、来源、适用范围、指标、签名和有效期；边缘节点验证身份、完整性、资源和本地状态后分批灰度；模型输出不能直接越过行业安全规则；异常时暂停发布、切换旧版本并保留审计。不同场景可以使用不同模型，不能强行统一一个模型。

问题三：网络不稳定时各场景如何自治？

参考答案：交通路口继续执行本地安全信号策略，园区视频本地告警并缓存事件，充电站维持设备保护和有限调度，环境传感器本地保存数据并低功耗运行；各边缘域设定自治时间、策略有效期和人工接管条件；网络恢复后按事件、状态和版本同步，过期控制命令丢弃，冲突上报处理。

十五、综合知识练习

题1

什么场合最适合部署边缘计算？

参考答案：现场数据量大、时延敏感、网络不稳定、隐私敏感、需要局部自治或存在异构设备时更适合。应结合资源、维护成本和安全风险判断，不能因为使用物联网就必然采用边缘计算。

题2

为什么不同行业不能直接共享同一套边缘业务策略？

参考答案：行业的设备能力、数据语义、风险等级、权限和安全规则不同。共享的是节点管理、身份、资源和基础服务等共性能力，业务模型和控制策略应在独立安全域内治理，并由现场校验适用性。

题3

边缘应用如何处理网络恢复后的积压数据？

参考答案：根据数据优先级、时间、序列、版本和有效期分批补传；关键事件、审计和控制结果优先；普通遥测可压缩或丢弃；过期命令不得执行；云端采用幂等处理并校验冲突。

题4

边缘计算应用的评价指标应包括哪些方面？

参考答案：业务效果、端到端时延、抖动、数据完整率、边缘在线率、断网自治时间、恢复时间、模型和告警准确率、资源利用率、能耗、成本、安全事件和人工接管等。

十六、论文写作素材

论文可以选择“智慧交通边缘计算平台”“智能制造边缘平台”或“多行业城市边缘计算架构”为主题。写作重点是场景适配：工业重实时和工艺安全，交通重路口控制和公共安全，医疗重隐私和责任，物流重机器人协同，农业重低功耗和断网。不能用同一段空泛的云边端描述覆盖所有行业。

可使用如下段落：

“在选择边缘计算应用场合时，我先分析数据产生位置、实时性、网络可用性、数据敏感性、资源条件和全局协同需求。对需要低时延和现场自治的功能部署在端侧或边缘，对模型训练、历史分析和跨区域优化部署在中心云。不同业务域共享节点管理、身份、资源和监控等基础能力，但数据模型、控制策略和权限独立隔离。每个场景均定义断网策略、策略有效期、人工接管和恢复同步规则，并通过业务指标、时延、数据质量、可用性、安全事件和恢复时间验证边缘计算是否产生真实价值。”

十七、今日复盘

1. 边缘计算适合数据现场产生、实时性要求高、网络不稳定、隐私敏感或需要局部自治的场合。
2. 工业、交通、能源、医疗、园区、物流、农业和移动设备的边缘需求不同，架构不能套用。
3. 端边云职责要根据数据、时延、资源、风险和全局性进行分工。
4. 应用场景必须配套断网、模型、策略、权限、隐私、运维和安全措施。
5. 评价边缘项目要同时看业务收益、系统质量和运营成本，不能只看是否部署了边缘节点。
6. 案例题要写出场景适用性、分层部署、数据与控制流、异常恢复和指标验证；论文要体现行业约束和架构权衡。

完成本节后，应能把“边缘计算适用场合”从一句概念判断，转化成可落地的架构决策：为什么在这里处理、处理什么、如何自治、如何同步、如何保护、如何证明有效。至此，第11章中边缘计算概述的主要知识链条已经完整建立。