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。在工业领域，边缘应用场景包括能源分析、物流规划、工艺优化分析等。湖北低延时边缘计算智慧校园
边缘计算的优势：1、接近实时的数据处理：因为数据是在边缘结点进行分析，降低了延迟，提升应用的响应速度。2、减少数据传输：数据不需要推送到遥远的云端，减少智能设备和数据中心传输的数据量，节省带宽成本，同时还能减小中心网络的拥堵。比如facebook等社交软件的用户上传的照片在边缘调整到合适的分辨率再上传到云端。3、数据安全：一些比较敏感的数据直接在边缘进行分析，不用当心数据泄漏。4、提高可用性：分担（offload）了中心服务器的计算任务，一定程度上消除了主要的瓶颈，并且降低了出现单点故障的可能。浙江轻便边缘计算目前，边缘计算市场仍然处于初期发展阶段。
边缘计算的价值：分布式和低延迟计算。云计算往往并不是较佳策略，计算需要在更加靠近数据源的地方执行。这个优点可以扩展到任何基于Web的应用程序上：包括Foursqure和GoogleNow在内的APP能更快的做出响应，所以在移动用户中变得越来越受欢迎。这说明在更靠近用户的边缘节点上，边缘计算可以用于改进服务。许多数据流由边缘设备生成，但是通过“远处”的云计算处理和分析，不可能做出实时决策。例如使用可穿戴式摄像头的视觉服务，响应时间需要在25ms至50ms之间，使用云计算会造成严重的延迟；再比如工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内，如果数据分析和控制逻辑全部在云端实现，则难以满足业务要求；还有那些会生成庞大数据流的多媒体应用，如视频或是基于云平台的网络游戏，依赖云计算也会为玩家造成类似于等待时间过长的问题，无法满足用户的需求。作为云计算的有益补充，可以利用边缘节点（例如，路由器或离边缘设备较近的基站），用以减少网络等待时间。
边缘计算的大数据计算体系规模庞大．结点失效率高，因此还需要完成一定的自适应管理功能。系统必须能够根据数据量和计算的工作量估算所需要的结点个数，并动态地将数据在结点间迁移。以实现负载均衡；同时．结点失效时，数据必须可以通过副本等机制进行恢复，不能对上层应用产生影响。
计算层级内的优化技术，构建计算系统时．需要基于成本和性能来考虑，因此计算系统通常采用多层不同性价比的计算器件组成计算层次结构。边缘计算的计算规模是比较庞大的。 边缘计算处理数据中心明显的优势：提高应用程序效率。
在边缘计算的发展过程中，还有一个概念值得注意，这就是所谓「雾计算」。这两个概念有容易混淆。「雾计算」更强调在设备的网关里处理数据，数据被「雾计算」收集到设备的网关，进而处理、存储，并将处理后的数据发挥需要数据的设备中。而边缘计算更强调「边缘」，也就是更靠近数据生成的设备端，「雾计算」则介于云计算和边缘计算之间。这也意味着，边缘计算有着诸多「先天优势」，其一，更实时、更快速的数据处理能力。由于减少了中间传输的过程，数据处理的速度也更快。其二，成本更低。边缘计算处理的数据是「小数据」，从数据计算、存储上都具有成本优势。其三，更低的网络带宽需求。随着联网设备的增多，网络传输压力会越来越大，而边缘计算的过程中，与云端服务器的数据交换并不多，因此也不需要占用太多网络带宽；第四，提升应用程序的效率。结合上面的三个优势来看，当数据处理更快、网络传输压力更小、成本也更低的时候，应用程序的效率也会较大提升。第五，边缘计算让数据隐私保护变得更具操作性，这在今年5月欧盟通过史上较严格的数据保护法律之后意义重大。边缘分析与现有流程不同，由于边缘分析将在用户驱动的应用程序中实现。湖南低延时边缘计算无人机
边缘计算设备也可能使零售商店受益。湖北低延时边缘计算智慧校园
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。湖北低延时边缘计算智慧校园
