一直在做工业互联网平台的东方国信在这一领域中有近十年的经验。“我们发现平台、模型、算法都要基于传感器采集的数据，所以从传感器的数据源头端开始做。”东方国信工业互联网研究院院长赵宏博告诉记者，仅从工业高炉单个应用场景看，就需要红外成像、热成像、激光雷达、数字测温芯片、柔性变偶等各种传感器。

目前东方国信的工业互联网平台能够接入不同类型的数据。尤其是一些流程复杂的业务系统，在工业互联网边缘端形成的小型专家系统已经是一个数据库。“在工业现场，会有六七千张数据表，数据之间的关联关系十分复杂，我们通过数据地图的‘血缘关系’，掌握海量数据的关联，实现数据治理。”赵宏博说。

工业互联网的边缘计算不局限于对数据的处理，一直从事工业互联网研究的GE也在做工业的边缘计算，随着边缘终端的增多、智能的增强，工业现场对边缘计算的需求是成为一个小型的工业专家系统。

实现边缘“专家化”

“工业互联网平台不仅仅是用户平台，更是一个平台，几个企业、几个专家是不可能把工业互联网平台做大的，现在为什么要很突出地将工业互联网加以定义，是因为它与传统的工业云有一个重要区别——微服务架构。”赵宏博说，“微服务架构，可以通过程序层面的API接口支持不同的，而容器技术可以支持多种语言。”

通过微服务架构，一个机床领域的专家可以靠比较简单的“拖拉拽”的鼠标点击方式，把自己的经验数据上传，用已经封装好的机器学习算法对数据和算法做训练，做出一个预测机床性能的程序，可以应用在边缘，判断现场情况。

目前做边缘计算平台的企业也在尽量降低对垂直行业专家的IT要求。近几年各大云计算厂商纷纷布局边缘计算平台，包括Predix Machine，AWS Greengrass，Azure IoT Edge等。今年3月份，阿里计划在2018年战略投入“边缘计算”。边缘计算平台并不只负责数据的收集转发，更重要的是提供智能化运算，并产生可操作额决策反馈，控制设备端。容器化技术成为边缘计算平台的底层标准技术，是技术发展的必然选择。

工业互联网的边缘计算应用场景非常复杂。边缘计算平台并不是传统意义的只负责数据收集转发的网关，边缘计算平台需要提供智能化运算能力，而且能产生可操作的决策反馈，用来反向控制设备端。过去，这些运算只能在云端完成。现在需要将云端的计算框架通过裁剪、合并等简化手段，迁移至边缘计算平台，使得能在边缘计算平台上运行云端训练后的智能分析算法。因此，边缘计算平台需要一种技术在单台计算机或者少数几台计算机组成的小规模集群环境中隔离主机资源，实现分布式计算框架的资源调度。

目前计算机编程技术多样，开发人员运用不同的编程语言处理不同的场景的问题已成为常态，所以在边缘计算平台也需要开放的支持多种开发工具和多种编程语言的运行时环境。因此，在边缘计算平台使用一种运行时环境的隔离技术便成为一种自然的需求。容器技术是主机虚拟化技术后，性的计算机资源隔离技术，通过容器技术进行资源的隔离，不仅对CPU、内存和存储的额外开销非常小，而且容器的生命周期管理非常快捷，可以在毫秒级开启和关闭容器。