定义
边缘计算（Edge Computing）在数据源附近进行数据处理，降低带宽与云端负载，支持实时告警与本地逻辑，适用于 IIoT、安防 AI 分析等场景。
架构与价值
边缘计算将算力下沉至网关、工控机、摄像头等边缘节点，数据在本地完成采集、过滤、分析、存储，仅将结果或异常数据上传云端。优势包括：降低回传带宽与云端成本；减少时延，满足工业控制、安防告警等实时需求；本地处理可保障数据隐私与离线可用性。与云计算形成"云边协同"架构，边缘负责实时与本地逻辑，云端负责全局分析与模型训练。
与通信模组的结合
边缘网关、工业路由器等设备通常内置 4G/5G 模组，实现现场设备联网。边缘计算节点在本地运行协议解析、数据聚合、规则引擎、轻量 AI 推理等，模组负责将处理后的数据上传、接收云端下发的配置与模型。在弱网或断网场景，边缘节点可独立运行，待网络恢复后同步数据，提升系统鲁棒性。
典型应用
工业 IIoT 中，边缘网关采集 PLC、传感器数据，本地做异常检测与告警；安防场景中，智能摄像头在边缘完成人脸识别、行为分析，仅上传告警事件；车联网中，路侧 RSU 在边缘处理 V2X 消息，减少云端往返时延。通信模组是边缘节点与云端连接的桥梁，其稳定性直接影响边缘计算的协同效果。
工程实践补充
围绕「边缘计算」在物联网与蜂窝模组工程中的落地，建议在立项阶段把网络约束（目标市场频段与退网计划、APN 与专网策略、漫游与资费、PSM/eDRX 等省电模式）与终端约束（天线与射频布局、电源纹波与浪涌、热设计与降额、EMC/安规）写成可验收条目。研发阶段用弱网模拟、高低温与电压拉偏复现边界故障，保留日志与波形；量产建立批次与校准追溯，器件替代走变更评审。上线后把连接成功率、重连次数、时延与功耗纳入运维看板，异常可追溯到版本与批次。
本地规则和云端模型的版本差
边缘计算的技术含义，是把过滤、聚合、规则判断或轻量推理放在离数据源近的网关或工控机上，蜂窝链路只带走结论、告警和必要的原始片段。它降低的是回传量和往返时间，不是取消云端。使用条件是：本地能在断网时继续执行已经生效的规则，规则和模型的版本可追溯，恢复连接后按批次补传而不是把积压一次性灌爆。云端刚下发的新模型若与本地旧规则同时生效，同一事件会被判定两次，动作互相矛盾。
实时联锁仍应留在可编程控制器或设备本地，边缘网关负责监视和告警。把安全停机做成“等云端模型返回”，断网时就没有停机。存储满了要有明确策略：丢弃最旧的原始波形，还是停采并上报告警，不能静默覆盖尚未上送的结论。
断网期间数据留在本地多久
留存时间要按磁盘、隐私和业务一起定。视频和高频波形最容易写满，应在本地先抽事件。个人和工艺数据留在网关里，同样要有期限和访问控制，不能因为“没上云”就无限期保存。时钟跳变会让补传顺序错乱，批次里应带本地序号，而不只靠墙上时间。
上行制式按结论的体积来选。偶尔的告警用较低速率就够；需要把短视频片段带回时，再评估5G或更高类别，而不是所有网关都按峰值配置。功率和并网点这类要就地保护的数据，见分布式能源物联网，边缘节点只上报越限事件，不远程代替保护。
事件顺序靠本地序号而不是墙上时钟
断网期间若只靠网关时钟排序，校时一次就会把事件顺序打乱。每条结论应有单调递增的序号，以及产生时使用的规则版本。云端按序号合并；发现版本在中途变过，就把前后两段分开评估，不要用新规则重算旧数据。序号回绕或重复，应视为存储异常并告警，而不是静默覆盖上一批尚未确认的结论。