边缘计算就在眼前。
解决智能制造所面临的多重挑战需要系统的解决方案，而边缘计算或许是其中最重要的一环。
智慧制造的未来是星辰大海，但脚下的路并不平坦。
第一个挑战是复杂的多元算力。随着深度学习的不断发展，分类算法分析224×224大小的图像需要720FLOPS，用工控机处理大约需要1秒左右；而实际生产中常用的视频处理的计算量是分类算法的数十倍，复杂度越来越高，算力的结构性缺口也越来越突出。
第二，大量数据贯通的障碍。国内机器人装机量从250,000台猛增到100万台，数控机床、PLC的市场规模从1400亿增加到2000多亿；系统平台由以人为核心的ERP、CRM扩展到以物为核心的IIOT、MES、PLM等。智能设备、各种生产线、跨领域系统平台的巨量涌现，使得工厂的数据量成倍地增长，大量的数据被挖掘和深挖计算成为难点。
另外，高并行实时处理需求的激增也是一个难题。装配机器人在智能制造过程中的广泛应用，要求智能机器人在目标识别、轨迹规划的实时性、复杂性等方面有更高的要求。在工业现场，单台摄像机每天可以产生约330G的视频数据，完全传输到云中不仅占用带宽，而且也很难满足实时(毫秒级)业务的需要。
边缘计算产品。
超过500亿的设备被连接起来，每个工厂每天收集的数据点数超过14.4亿，这意味着对边缘计算能力、服务速度的期望是前所未有的。
在数据源附近，边缘计算提供了计算和存储服务，可以有效地减轻网络带宽和数据中心的压力，提高服务的响应能力，同时保护工厂内部的隐私数据，提高数据和生产的安全性。同时，通过与云上的交互协作，实现了整个系统的智能化。
