工业领域，边缘计算也正在发挥越来越重要的作用。从工业发展的方向来看，数据将成为驱动生产制造的重要生产资料，那么如何处理这些海量、实时产生的数据就成为企业能否快速发展的重要课题。以流程型生产为例，一条生产线其实就是数据流动的通道，产品从上一名工人传递到下一个工人，同时伴随着产品数据的传递。在这个过程中，如果由于某一名工人错误操作的导致了数据异常，在下一名工人开始操作时，基于边缘计算的生产线可以做出预警提示。如果再进一步，当机器学习能力被边缘计算融入到生产线的时候，工人的不合规操作可以被实时监测出来并预警，这对提升产品的良品率意义重大。雾计算使得云更接近于网络的边缘。四川低延时边缘计算推理终端
使用边缘计算的优势在哪里呢：可以使得设备的支持数量提升几个数量级。比如一个服务器有10000点血。而接入一个设备，就要消耗1点血，如果再对这个设备进行数据分析，需要消耗9点血。也就是接入并计算一个设备就需要10点血。那么这个服务器较多只能接入1000个设备就挂了。如果服务器只负责接入设备，不进行计算和分析，那么接入一个设备，消耗1点血，由设备自己进行数据计算和分析，再输出结果。这时候服务器就可以接入10000个设备了。没有使用边缘计算，服务器可以接1000个设备。如果使用了边缘计算，服务器可以接10000个设备。提升了一个数量级。而对于一些复杂的设备，特别是一些工厂，现场作业等需要数据量多的，如果使用了边缘计算来给服务器节省空间和资源，这个优势更能体现出来了。黑龙江无风扇边缘计算智能安防边缘计算设备一侧与直接产生数据的物理设备连通，另一侧则可以将处理过的数据上传到云端。
边缘计算的AI芯片：作为边缘计算的中心基础，边缘AI芯片有着重要地位，边缘AI芯片厂商作为产业链上游参与方投入大量资源进行技术研发，从供给方面为边缘智能的实现打下坚实牢固基础。AI根据参考文献的分类包括三类，1、经过软硬件优化可以高效支持AI应用的通用芯片（GPU）；2、侧重加速机器学习（尤其是神经网络、深度学习）算法的芯片；3、受生物脑启发设计的神经形态计算芯片。在边缘计算和AI芯片里，涌现出不少的创业公司（在中国的中国芯片初创公司有15家以上），如前面所说的几家。按部署的位置来分，AI芯片可以部署在数据中心，和手机，安防摄像头，汽车等终端上。
边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用中心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。根据国际电信联盟电信标准分局ITU-T的研究报告，到2020年，每个人每秒将产生1.7MB的数据，IoT可穿戴设备的出货量将达到2.37亿。IDC也发布了相关预测，到2018年，50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘侧分析、处理与储存，到2025年，这一数字将超过50%。具备边缘计算能力的设备可以多种多样。
边缘计算的边缘结点也需要承担一定的计算任务。把云中心的计算任务卸载到边缘结点这个过程叫做云卸载。举个例子，移动互联网的发展，让我们得以在移动端流畅的购物，我们的购物车以及相关操作（商品的增删改查）都是依靠将数据上传到云中心才能得以实现。如果将购物车的相关数据和操作都下放到边缘结点进行，那么将会极大提高响应速度，增强用户体验。通过减少延迟来提高人与系统的交互质量。随着移动设备的增加，以及城市中摄像头布控的增加。边缘计算需要借助这种优势来设计数据防护和访问机制。北京小型化边缘计算机器人
边缘计算是一个相对于中心化的云计算的概念。四川低延时边缘计算推理终端
云计算在提升共享资源和规模经济性方面类似于公用的电网，可以提供几乎没有限制的计算能力，并且可以按照需要提供数量巨大的存储量。另外，边缘计算正在变得普遍起来，这是一种低成本、高性能计算和通信的部署方法，导致计算和数据存储尽可能靠近产生数据的源头，这样来改善响应时间，增强数据与其生成源头的前后关系和相互关系，同时可按要求就地执行，而无需往返云端与就地。在计算机和工业自动化应用的历史上，处理计算往往都被放置在远离网络边缘的地方。直到还有许多应用还在这样做。现今的边缘设备可以是一台小的定位节点的计算机，或者是嵌入在传感器、执行器和其他设备中的SoC，具有特别高的性价比。将这些边缘设备部署在就地，使他们像移动的智能手机一样具有强大的计算能力和不高的成本。四川低延时边缘计算推理终端
