2023年美国制造业领导委员会（MLC）的一项关于数据掌握和分析的调查发现，超过三分之一的制造商表示，他们收集的数据量在过去两年中至少翻了一番，近20%的制造商表示数据量增加了两倍。虽然数据激增为制造商带来了机会，但它也提出了一个关键问题：制造商应该在哪里处理和分析不断增长的信息？

云计算和边缘计算，是在工业数据管理领域中两种不同的数据处理方法。云计算凭借其集中的服务器和巨大的存储容量，提供了可扩展性和可访问性。边缘计算使处理能力更接近数据源，从而实现实时决策和低延迟。云计算和边缘计算都有各自的优势和局限性。了解这些细微差别，对于制造商做出符合其独特工业转型（IX）目标的正确决策至关重要。

随着更多的制造企业采用数字化转型计划来发展其运营、支持客户并适应不断变化的商业环境，它们意识到成功在很大程度上取决于将工业数据投入使用。工业转型是一种积极的方法，利用数字解决方案来改进离散、过程和批量制造以及基础设施运营，这是数字化转型计划的一个重要组成部分。

01

云与边缘计算的优势

云计算已经彻底改变了数据管理，不再依赖于就地基础设施。这种计算模式允许制造商通过互联网连接，将大量工业数据传输到信息技术（IT）和运营技术（OT）应用程序，从而带来一系列好处：

可扩展性：云计算提供了无与伦比的灵活性，以适应动态业务需求。云服务的可扩展性使组织能够根据需求波动轻松调整计算资源。无论是数据处理需求激增，还是在低活动期缩减规模，云平台都提供了优化成本和保持运营效率所需的灵活性。这种适应性对于工作负载或数据处理需求不断变化的企业尤其有利。

成本效益：云计算的标志性优势之一是其成本效益。将软件和后端基础设施的管理外包给云供应商，组织可以避开对专职IT人员和昂贵硬件投资的需求。这意味着节约大量成本，并降低运营复杂性。

可访问性：通过互联网连接，云计算可以从几乎任何位置实现数据的无缝访问和协作，从而增强可访问性。在当今全球化的商业环境中，允许团队协作并实时访问数据而不受地理边界的限制，这种灵活性至关重要。基于云的应用有助于远程工作，使员工能够提高工作效率并做出明智的决策，无论他们身在何处。

与云计算的集中式方法相反，边缘计算采用了去中心化的架构，在更接近数据源的地方处理和存储数据。近年来，边缘计算获得了巨大的吸引力，Gartner预测，在未来五年内，超过75%的企业数据将在数据中心或云之外的地方生成和处理。向边缘的转变，为制造商带来了巨大的好处，包括：

减少延迟：边缘计算的一个关键优势是在源位置处理数据，从而可以减少延迟。这意味着网络传输时间显著减少，使其成为速度关键应用的游戏规则改变者。

增强的安全性：边缘架构的去中心化，意味着敏感数据在就地处理和存储，从而最大限度地减少了经由网络进行广泛数据传输的必要性。边缘计算在本地处理和存储数据意味着敏感信息保留在组织范围内，大大减少了潜在的网络攻击面。

改善的可靠性：在确保关键系统的可靠性方面，边缘计算发挥着关键作用。在传统的云计算模型中，中央数据中心连接的中断可能会影响整个系统。通过边缘计算，去中心化架构将计算能力分布在多个边缘设备上，降低了单点故障的风险。这种分布式方法不仅提高了系统的可靠性，而且在网络中断的情况下也能确保连续运行。

02

云和边缘计算的局限性

虽然云计算和边缘计算为企业带来了巨大潜力，但它们也并非没有挑战。云计算对连接的依赖可能是工业环境中的一个重大障碍。在偏远地区、工厂或网络波动大的情况下，无法保证互联网接入。这可能会导致运营中断、决策延迟，并阻碍整体效率。工业过程产生的大量数据也会使基于云的处理变得昂贵。恒定的数据流不仅会带来高昂的成本，还会造成瓶颈和潜在的处理滞后。

对于某些应用来说，云计算最关键的局限性可能是其固有的延迟。数据传输到云端、处理并返回指令所需的时间，从几秒钟到几分钟不等。这种延迟对于要求实时响应的应用（如自动化工业过程）来说，是不可接受的。在时间敏感的情况下，即使是轻微的延误，也会产生重大后果，影响运营效率并可能危及安全。

虽然边缘计算为云的局限性提供了解决方案，但它也有自己的一系列局限。管理分布广泛的边缘设备和传感器的庞大网络，会大大增加IT基础设施的复杂性。这需要专业知识，并且可能会导致现有IT资源紧张，尤其是较小的组织更是如此。

与传统基于云的架构相比，实现边缘计算所需的额外硬件和软件，也可能导致更高的成本。对于预算有限的企业或对投资新基础设施犹豫不决的组织来说，这可能是一个障碍。

03

利用混合方法助力工业转型

边缘计算和云计算都具有独特的优势，但最佳选择取决于制造组织的具体需求和优先级，这需要仔细考虑成本、安全性、延迟和互联网连接的可靠性等因素。

在处理需要大量计算能力和存储容量的应用时，制造企业可能会发现云解决方案更具优势。大规模数据分析、机器学习和集中式数据处理就是云基础设施的可扩展性和灵活性能够大显身手的实例。相反，当实时处理和减少延迟至关重要时，边缘计算则是更合适的选择。边缘计算非常适合对瞬间决策至关重要的制造业用例，如自主机器人、生产线上的质量控制和设备监控。

在很多情况下，制造商选择将云计算和边缘计算相结合的混合方法，以利用两种模式的优势。例如，制造商可以使用边缘计算实时处理传感器数据和检测异常，以触发即时维护，并将非关键数据发送到云端进行长期存储、分析和优化。这种混合方法使制造商能够无缝地驾驭其工业环境的需求，利用这两种模式的优势来优化运营效率，增强决策过程，并最终推动创新。

云计算和边缘计算在支持制造业方面都具有重要的前景。为了为每个应用做出最佳选择，在过程初期做出明智的架构决策至关重要。这包括混合部署的规划，考虑总体拥有成本，并确保与企业的总体安全态势保持一致。通过从一开始就考虑这些因素，制造商可以更轻松地确定云计算、边缘计算或两者的组合，是否是最适合其特定需求的选择。