随着工业物联网的发展，必然会出现更多的本地就近控制和现场数据，面对这些逐渐增多的现场数据，该如何处理才能在保证其有效性的同时又减少云计算的压力?

工业世界任何微小的提升都会带来很大的优势;工业世界任何微小的故障也可能带来很大的损失——工业现场的很多数据“保鲜期”很短，一旦处理延误，就会迅速“变质”，数据价值呈断崖式跌落，工业现场的数据处理可以称之为“走钢丝”。此时，“边缘计算”便发挥了不可替代的作用。

如果把大脑比作云端，那么边缘计算就是神经末梢，对简单的刺激进行自处理并将处理的特征信息反馈给云端大脑。

尽管当前工业企业追求的核心问题是如何让数据赋能生产，产生价值。但是也不能忽视该进程中困扰工业企业多年的普遍性问题，数据处理的前置关键环节——如何采集数据?对于任何工业企业来说，挖掘数据金矿的第一步都是采集数据，不谈数据采集的大数据分析是空中楼阁，没有数据的工业云平台相当于无本之木。

在不同的工业生产过程中，由于自动化产品品牌众多，工业接口多样化、工业协议不统一，所以看似简单的数据采集并没有那么容易。

除了数据采集，在数据处理运用方面，由于工业现场的数据面临着“保鲜期”很短，以及大量“垃圾”数据并不需要传递到云端的问题。

虽然从产业角度来看，边缘计算发展如火如荼，但从应用角度来看，它还处于落地的前期。边缘计算与云计算的融合才能真正体现工业数据的价值。

实际上，产业界已经认识到边云协同的重要性，并开展了积极的探索。例如，华为在其HC2018大会发布的智能边缘平台IEF明确提出了边缘与云协同的一体化服务概念;西门子2018年发布了IndustrialEdge的概念，大致理念是通过云端部署IndustrialEdgeManagement实现边缘计算与云计算的协同，映翰通网络在今年的汉诺威工业博览会上，以边缘计算网关为基础，展示了“映翰通设备工业云(InHandDeviceNetworksCloud)+边缘计算网关(EdgeComputingGateway)”，实现边云协同。