工業化革命的進程在某種程度上也代表了人類社會的發展進程，自先后經歷了機械化、電氣化、自動化三個階段后，工業制造業已經正式邁進了以網絡化、數字化、智能化為代表的工業4.0階段。

面對奔涌而來的數字化浪潮，工業制造領域憑借其得天獨厚的數據規模優勢，成為了轉型升級的先行者。在5G、AIoT、邊緣計算等技術助力企業降本增效的同時，工廠里遍布的產線、設備和機器以及由此產生的海量數據也為新興技術的發展與融合提供了肥沃的土壤。

具體而言，5G的大帶寬、低時延、高可靠特性在保障傳輸速率的同時，使得成百上千的設備實現了一張網的全覆蓋；邊緣計算的出現則有效彌補了云計算在時效性、傳輸距離、安全性等方面的不足，從而進一步推動了智能制造落地。二者的結合更是相得益彰，一方面，5G網絡通信保障了數據本地化處理的實時性與穩定性；另一方面，通過將計算從數據中心向邊緣下沉，可以更好地將低時延特性作用到終端設備上。

5G+邊緣計算引領智能制造

6月7日，工信部發布了《工業互聯網專項工作組2021年工作計劃》，將深化“5G+工業互聯網”列為重點工作，并明確提出將建設5G全連接工廠，加快典型場景推廣。不難看出，5G深度應用于工業制造領域已是大勢所趨，而5G在工廠內也的確“如魚得水”。

5G的“易部署”，消除了舊工廠升級改造過程中的重重障礙，讓工程實施變得更加容易；5G的“低時延”，亞洲服務器租用，讓重要數據可以及時回傳，保證關鍵業務的連續性；5G的“高可靠”，大大減少了機器設備因通信干擾造成的“失聯”現象；5G的“大帶寬”，使得工廠內的視頻數據可以被上傳到云端進行統一的處理；5G的“廣連接”，使得成百上千臺機械設備都可以實現一張網的全覆蓋。

同時，隨著越來越多的終端設備接入5G網絡，隨之而來的數據量也與日俱增，無疑對后端計算提出了更大的挑戰。此外，工業數字化場景對響應時間要求極高，若要實現真正的“無人工廠”就必須保證及時、精準反饋，任何的網絡延遲都可能為工廠帶來無法逆轉的損失，尤其是現場環境監測、故障預測及報警等高危、高頻場景下的數據處理必須達到“低時延”。

插播一條廣告

高通人工智能&物聯網開發技術開放日

在數據傳輸階段，5G的空中接口時延低至1ms；而在數據處理階段，傳統的云計算多部署于數據中心，受困于技術與傳輸距離，時效性是其始終難以突破的痛點，但融合了網絡、計算、存儲以及應用處理能力的邊緣計算，部署在靠近用戶與數據源頭的邊緣節點，就近提供數據處理服務并回傳用戶，能夠有效縮短時延。

在工業數字化轉型過程中所暴露出來的種種痛點也為5G與邊緣計算提供了良好的落地環境。首先，制造企業對生產安全要求非常高，但工廠目前仍然屬于勞動密集型產業，人工管理成本高，管理人員的緊缺以及單純依靠人員管理所造成的疏漏而導致的意外事故頻繁發生。其次，在產品批量生產制作過程中，由于生產作業時間過長、檢測人員視覺疲勞以及缺乏檢測培訓、檢測標準不一致等問題，致使產品次品率提升。在此需求之上，越來越多的5G與邊緣計算融合應用已成功落地工廠。

以工業產品的瑕疵檢測為例，一個看起來毫不起眼的缺陷或瑕疵，輕則致使企業的商譽和財產遭受損失，重則甚至會導致傷亡事故的發生，僅靠傳統的人工檢測手段無法保證準確率，且效率低、成本高，所以很多企業正在用攝像頭替代人眼進行質量的檢測和瑕疵的識別。這個過程中，不但需要基于5G“大帶寬”的特性實現數據的采集和傳輸，還需要利用人工智能技術在邊緣側或云端快速且準確地對圖像和視頻進行視覺異常檢測。

針對于此，中科創達早在2018年就推出了工業視覺檢測一站式解決方案——智慧工業ADC (Automatic Defect Classification)系統，包含缺陷自動化分類、新產品迭代數據清洗、業務作業員認證三個子系統，從作業員技能認證、數據集更新到新產品導入，貫穿工業檢測的整個生命周期，有效幫助制造企業減少75%的工作量，產能提升35倍。相比人工檢測，漏檢率下降3%，準確率提升99%。

工廠內典型的5G+邊緣計算應用場景

依托于5G+邊緣計算的技術融合，工業視覺、AR遠程協助、AI視頻監控、多機器人協作等場景得以快速落地。

工業視覺