边缘计算技术广泛普及并与传统工业自动化技术深度融合，形成边缘控制这一新兴概念。边缘控制依托其开放架构，可与新型工业网络技术、实时虚拟化技术及跨平台编译技术等相结合，在保证实时可靠工业控制的基础上，集成一定的计算能力以满足当前工业现场的场景需求，以期对传统工业控制形成互补或部分替代。本文旨在从边缘控制的概念形成、参考架构、发展路径与趋势及热点技术等几个方面对边缘控制技术进行研讨和分析。

智能汽车、无人机或工业智能化生产线，在边缘计算提供的共享式传感网和共享式算力资源帮助下，能够有效降低成本，扩大感知范围。传统的通信网络虽然实现了全球统一的广域连接，但在动态更新局部域通信过程中，远距离的传感器对于受控对象所处空间控制的意义并不大。为了提高区域通信的实时响应，通信网络需要随着汽车、无人机或生产线物流的空间位置变化进行动态局部组网。基于此，本文介绍了一种新型的边缘计算分布式通信网络，提出了动态更新域标识架构，该架构内的各终端节点根据空间所处位置自动地构造局域通信簇，并基于该簇进行动态轮询访问。该方法能够实现近距共享传感器和人工智能算力，降低了单机智能化成本，对于人工智能项目落地和技术推广具有一定的促进意义。

边缘学习旨在实现云-边-端协同的机器学习模型训练和预测，天然具有一定隐私保护能力。但是，边缘学习过程面临新的安全与隐私泄露风险。为此，本文从边缘学习的概念出发，重点围绕边缘学习安全与隐私泄露风险及其隐私计算架构、关键技术、未来方向展开论述。

由于数据从边缘产生，将部分机器学习任务部署到边缘已成为必然趋势。当机器学习应用逐步被部署到边缘，距离用户更近、面对更复杂环境的开放世界场景将从系统和算法两个角度普遍、持续地影响边缘智能应用的精度和运行。借鉴人类的学习机制，我们已发表一种边云协同终身学习范式以针对上述开放世界中的边缘智能问题。本文总结了边云协同终身学习在理论走向实践过程中遇到的三大技术挑战：可扩展性、任务定义和未知任务，并通过6个工业和园区领域应用案例分享了相关技术探索和经验。

工业算力网络将算力网络引入到工业互联网中，实现对工业场景下算力和 网络资源的统一编排调度，提高了资源的利用率，满足了工业互联网智能化发展 趋势下低时延、高可靠的业务需求。本文在介绍工业算力网络架构的基础上，结 合工业任务及工业互联网特性，对算力网络赋能工业互联网面临的挑战进行了分 析，并对实现工业算力网络的关键技术进行了总结和构想。

工业边缘计算设备的终极功能应该是感知和控制物理过程，运行本地程序，并与工业控制器、工厂运营系统、企业业务管理系统和云应用程序通信。工业企业为了持续地实现盈利和提高竞争力，正在循着实时闭环制造业务运营的数字化制造架构（DMA）方向探索和发展。正如图1所示，边缘计算在DMA中起着数字化底座的基础作用。在充分利用边缘计算的基础上才可能运用云-边-端的分布式计算和开放系统的进展，来实现同步、实时、优化生产，以适应包括供应链、客户需求、能源和可持续发展等诸多的外部变化因素。

边端融合计算架构由于其算力节点分布广、实时处理能力强的特点，近 年来在各种领域被广泛使用，但是它在计算、通信与数据安全方面仍然面临诸 多挑战。编码计算因其通信负载低、计算开销小、隐私保障高的特性恰好契合 边端融合场景的需求而得到了学术界的广泛关注。因此，本文探索了将编码计 算应用于边端融合计算架构中的发展趋势与关键技术，并在此基础上，提出了 一种基于编码计算的边端融合任务卸载策略。

一方面，边缘计算所带来的性能提升给工业现场设备提供了巨大的潜力； 另一方面，工业现场应用软件的复杂程度也在不断提升，对自动化工程师提出了 巨大的挑战。因此，低代码开发已经受到工业界越来越多的关注与研发的投入。 本文介绍了适用于工业控制系统的低代码设计方法以及常用建模范式。低代码设 计已经在工业多个场景中取得了良好的效益，在提升了代码质量的同时，也为工 程开发节省了大量的成本。在边缘计算更加普及的未来，低代码设计方法将在工 业各个行业中拥有更加广阔的应用前景。

工业互联网是新一代网络信息技术与制造业深度融合的产物，边缘计算则 能够在靠近数据源的边缘侧，通过融合网络、计算、存储、应用等核心能力，就 近提供边缘智能服务，可以满足制造业敏捷连接、实施优化、安全可靠等方面的 关键需求。本文首先介绍了工业互联网边缘计算的基本内容，其次介绍了边缘计 算的发展过程，并详细描述了典型的工业互联网边缘计算模型，最后指出了工业 互联网边缘计算模型未来可能的突破方向。

边缘计算是云计算概念的延伸，它位于网络边缘但并非中心云的小型化，MEC与中心云因不同的应用场景而有不同的特点。边缘云善于处理短周期、大数据和低时延的信息，通过边缘云过滤一些数据送到中心云，中心云则善于处理长周期的信息，并且通过训练数据、优化数学模型，再下发到边缘云。边缘计算可以看成是云计算的派出机构，它们之间有不同的分工。