边缘计算就是要将网络距离，或者空间距离上的与用户临近的这些分开的、分散的资源进行统一，为应用提供计算、存储以及网络服务。结尾，我从仿生学的角度再进行一下边缘计算的理解。我们可以做这样的类比，将云计算和数据中心比作人的大脑，边缘计算就相当于人的神经末梢。当我们受到外界的刺激，如针刺到手，我们的手会第1时间下意识的收手，然后大脑才会意识到刚才我们被针刺到了手，这是因为将手收回的过程其实是由神经末梢直接处理的非条件反射。这种非条件反射的速度是大于人的反应速度的，这是为了避免遭受更大的伤害，这另外一点就是让大脑更加专注于处理更为高级的智慧。在未来万物互联的时代，随着资源的的数量增多，我们其实是不可能为每一个设备都提供一个“大脑”的，这时我们就需要边缘计算来帮助我们，让每一个设备拥有自己的“大脑”。具备边缘计算能力的设备可以多种多样。广州AI边缘计算**
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。安徽边缘计算AGV边缘计算是一个相对于中心化的云计算的概念。
通过在MEC云中处理大部分数据，企业不再需要投资或维护数据中心，而且由于被拦截的机会减少，数据反而更加安全。因此，MEC较大的优势是延迟，或者称之为响应性。由于数据不必传输太远，因此响应时间也就更快。毫秒比较重要我们的讲话速度能有多快?一般而言，100毫秒的响应时间都被认为是瞬时的。但是，MEC可将基站和云之间的响应时间缩短到10毫秒，在某些情况下，当专属于一个站点时，甚至可以缩短到1毫秒。因此，MEC为自动驾驶汽车、智能机器人和智能制造设备等新应用开启了更多的可能性。另外，当涉及到虚拟现实和增强现实时，MEC也能帮助实现更身临其境和更真实的图形体验。
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。边缘计算表内部的结构可以，用Id、时间、名称、数据等来表示数据。
边缘计算非常适合应用于农业，因为农场经常处于偏远的位置和恶劣的环境中，可能存在带宽和网络连接方面的问题。现在，想要改善网络连接的智能农场需要在昂贵的光纤、微波连接或者拥有一颗全天候运行的卫星上进行投资;而边缘计算则是一种合适的、具有成本效益的替代方案。智能农场可以使用边缘计算来监测温度和设备性能，以及自动让各种设备(比如过热的泵)减缓运转或者关闭。能源和电网控制：边缘计算或许在整个能源行业都尤其有效，尤其是在石油和天然气设施的安全监测方面。例如，压力和湿度传感器应当受到严密监控，不能在连接性上出差错，尤其是考虑到这些传感器大多位于偏远地区。如果出现异常情况--比如油管过热--却没有被及时注意到，那就可能会发生灾难性的爆裂。边缘计算的另一个好处是能够实时检测设备故障。通过电网控制，传感器可以监控从电动汽车到风力发电厂的一切设施所产生的能源，有助于相应作出决策来降低成本和提高能源生产效率。借助边缘计算，数据可以在本地进行分析，从而减少敏感数据泄漏的风险。北京多网口边缘计算智慧社区
边缘计算可以实时或更快的进行数据处理和分析，让数据处理更靠近源头。广州AI边缘计算**
边缘计算的开发归功于IoT设备的指数级增长，这些设备连接到Internet以便从云中接收信息或将数据传递回云中。许多物联网设备在其运行过程中会生成大量数据。边缘计算的好处：对于许多公司来说，单是成本节约就可能成为部署边缘计算架构的驱动力。在许多应用中采用云的公司可能已经发现，带宽成本比他们预期的要高。但是，边缘计算的较大好处越来越多地是能够更快地处理和存储数据，从而实现了对公司至关重要的更高效的实时应用程序。在进行边缘计算之前，扫描人脸以进行面部识别的智能手机将需要通过基于云的服务来运行面部识别算法，这将需要大量时间来处理。使用边缘计算模型，鉴于智能手机的功能日益强大，该算法可以在边缘服务器或网关上本地运行，甚至可以在智能手机本身上运行。虚拟现实和增强现实、无人驾驶、无人驾驶汽车、智慧城市、甚至楼宇自动化系统等应用都需要快速处理和响应。广州AI边缘计算**
