在工业 4.0 制造环境中，5G 技术为连接海量物联网设备提供了高带宽、低延迟的无线基础。然而，面对实时控制应用与集中式云处理之间的平衡问题，关键在于理解数据处理的时延特性。根据 2020 年 11 月的资料分析，对于需要极低延迟的实时控制任务，如高清视频质量监控、增强现实维护辅助以及自主机器人协同，必须将计算能力下沉至工厂现场的嵌入式微型数据中心。
主要原因在于物理距离带来的网络跳数与传输延迟。虽然 5G（特别是毫米波频段）理论上可将延迟降至毫秒级，但这仅局限于本地制造环境内部。若将数据发送至数百甚至数千公里外的超大规模云数据中心，信号传输路径中的网络跳数会引入显著的额外延迟，无法满足实时控制的严苛要求。
以视频分析为例，单台高清摄像头每小时可产生约 300GB 的数据流，且工厂往往部署多台设备。此类海量数据若需实时处理以进行质量控制或即时决策，必须在数据源头附近完成运算。集中式云架构无法胜任此类高吞吐、低延迟的实时任务。
相比之下，非时间敏感的任务，如制造设备磨损数据分析或数字孪生建模，则适合由集中式云端高效处理。因此，理想的架构是混合式数据中心：现场部署嵌入式微型数据中心以承载实时控制负载，同时利用 5G 网络将非关键数据上传至核心 IT 基础设施。这种布局既利用了 5G 的无线连接优势，又规避了长距离传输的延迟风险，确保了工业系统的稳定与高效。