5G与边缘计算的未来：未来几年，诸如5G和Wi-Fi之类的无线通信技术也将影响边缘部署和利用，从而实现尚未探索的虚拟化和自动化功能，例如更好的车辆自主性和将工作负载迁移到边缘，同时使无线网络更灵活、更具成本效益。随着物联网的兴起和此类设备产生的突然过剩的数据，边缘计算引起了人们的注意。但由于物联网技术仍处于相对初级阶段，物联网设备的演变也将对边缘计算的未来发展产生影响。这种未来替代方案的一个例子是微型模块化数据中心（MMDC）的发展。MMDC是一个盒子里的数据中心，将一个完整的数据中心放在一个小型移动系统中，该系统可以部署在更接近数据的地方--例如在一个城市或地区--让计算更接近数据，而不会让数据更合适。边缘计算中面临比较多出错的可能性，比如机器宕机，网络分区，程序崩溃等等。安徽低延时边缘计算智能安防
业务流程优化、运维自动化与业务创新驱动业务走向智能，边缘智能，能够带来明显的效率提升与成本优势。事实上，对于从事工业自动化工作的人而言，边缘计算并不陌生。比如，在目前普遍采用的基于PLC、DCS、工控机和工业网络的控制系统中，位于底层、嵌于设备中的计算资源，或多或少都是边缘计算的资源。目前规模以上冶金企业，其信息化已经做得颇具成效，但缺少的恰恰是末端智能。冶金方面的数据经常会出现完整性和一致性的问题，俗称“脏”数据。解决不好这方面的问题，会给能源管理和智能管理环节造成比较大的困扰。边缘计算在其中发挥着重要作用，成为工业物联网技术的有效补充。珠海多网口边缘计算无人机边缘计算考虑到计算性能，利用架构满足实时数据处理和计算的需求。
随着我们朝着更加互联的生态系统迈进，数据生成将继续飞速增加，尤其是在5G技术取得腾飞，进一步加快网络连接以后。虽然中心云或数据中心传统上一直是数据管理、处理和存储的选择，但这两种方案都存在局限性。边缘计算可以充当替代解决方案，但由于该技术仍处于起步阶段，因此还比较难预料其未来的发展。设备能力方面的挑战--包括开发能够处理云端分流的计算任务的软件和硬件的能力--可能会出现。能否教会机器在能够在边缘执行的计算任务和需要云端执行的计算任务之间切换，也是一个挑战。即便如此，随着边缘计算更多地被采用，企业将有更多的机会在各个领域测试和部署这种技术。有些用例可能比其他用例更能证明边缘计算的价值，但整体来看，该技术对我们整个互联生态系统的潜在影响则可能是翻天覆地的。
IPFS实现了真正的边缘计算，这将成为未来所有区块链项目的数据计算基础，为整个区块链产业的发展提供有力支撑。IPFS边缘计算，是以去中心化边缘计算结合区块链技术的计算容量可拓展方案，利用全球上千万个节点提供的闲置硬盘计算空间用于数据计算，有效地解决了大数据时代计算难题，利用其传输量大、速度快、成本低，消耗小且数据上链可溯源的优势，以边缘式技术为重要点，解决大规模、高并发场景下对数据计算的挑战。这是边缘计算的真正意义。边缘计算使计算和数据存储更靠近收集数据的设备，而不是依赖于可能远在数千英里之外的中心位置。
边缘计算是指靠近物或数据源头的一侧，采用网络、计算、存储、应用中心能力为一体的开放平台。网络边缘侧可以是从数据源到云计算中心之间的任意功能实体，这些实体搭载着融合网络、计算、存储、应用中心能力的边缘计算平台，为终端用户提供实时、动态和智能的服务计算。与像云端中进行处理和算法决策不同，边缘计算是将智能和计算推向更接近实际的行动，而云计算需要在云端进行计算，主要得差异体现在多源异构数据处理、带宽负载和资源浪费、资源限制和安全和隐私保护等方面。网络边缘数据涉及个人隐私，传统的云计算模式需要将这些隐私数据上传至云计算中心，这将增加泄露用户隐私数据的风险。在边缘计算中，身份认证协议的研究应借鉴现有方案的优势之处，同时结合边缘计算中分布式、移动性等特点，加强统一认证、跨域认证和切换认证技术的研究，以保障用户在不同信任域和异构网络环境下的数据和隐私安全。边缘计算的设计初衷是为了让数据能够更接近数据源。广东算力强大边缘计算机器人
边缘计算的一个好处是能够实时检测设备故障。安徽低延时边缘计算智能安防
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。安徽低延时边缘计算智能安防
