IoT边缘计算：从传感器到云端，构建下一代智能物联网架构

全球连接设备数已达160亿。传统云中心架构将所有数据传回云端处理，面临延迟、带宽成本和断网可用性问题。边缘计算将计算能力下沉到接近数据源的位置。

本文将系统梳理边缘计算的三层架构、协议栈、TinyML推理和云边协同模式。

三层架构

设备层包括传感器和执行器（MCU/嵌入式Linux/工业PLC）；边缘层负责数据预处理、本地推理和协议转换（边缘网关/边缘服务器）；云层进行大规模数据存储、全局模型和跨边缘协同。

边缘协议

MQTT是IoT领域最广泛的发布/订阅协议，QoS 0/1/2分别对应最多一次、至少一次、恰好一次交付。CoAP是RESTful风格的轻量协议，基于UDP适合NB-IoT。OPC-UA是工业4.0核心标准。

TinyML

TinyML将深度学习模型压缩到KB级别，在mW级MCU上运行。关键技术包括FP32到INT8量化（体积缩小4倍）、权重剪枝（5-10倍压缩）和知识蒸馏。TensorFlow Lite for Microcontrollers和Edge Impulse是主流开发框架。

云边协同

模型在云端训练后量化推送到边缘推理仅1-10ms延迟。联邦学习让各节点本地训练仅上传梯度不上传原始数据。边缘网关在断网时独立运行，恢复后批量同步。KubeEdge和OpenYurt是基于K8s的边缘协同框架。

智慧城市案例

500路口实时监控：路口边缘盒（Jetson Orin）实时车辆识别，区域服务器流量聚合优化，云端全城模型训练。结果通行效率提升25%，中心带宽节省92%，事故响应降至500ms。

总结

边缘计算正与云计算形成互补的云边端三位一体架构。随着5G MEC普及，边缘计算市场规模预计在2030年超过600亿美元。