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。边缘运算将原本完全由中心节点处理大型服务加以分解。山西AI边缘计算智慧社区
在应用较为普遍的领域，智能手机这块包括苹果、华为、高通、联发科和三星在内的手机芯片厂商纷纷推出或者正在研发专门适应AI应用的芯片产品。许多初创公司加入这个领域，为边缘计算设备提供芯片和系统方案，比如地平线、寒武纪、深鉴科技、元鼎音讯等。在智能汽车的计算平台的硬件上，大部分车企会采用混合架构，传统主控制器主要还是基于32位Tricore,PowerPC以及850等架构的微处理器,主要作为冗余和兼容的部分。对于AI和计算力消耗较多的自动驾驶和交互应用,需提供GPP通用处理器、硬件加速器（HWA）和嵌入式的可编程逻辑阵列（eFPGA），域控制器较大的提升还是在芯片算力的提升，这也使得芯片厂家和车企的直接沟通，需要在这个层级与软件联合考虑。湖南轻便边缘计算园区识别边缘计算节点之间能够互通状态和诊断信息。
边缘计算传送海量数据需要一定的时间，云中心处理数据也需要一定的时间，这就会加大请求响应时间，用户体验极差。
物联网的推动：现在几乎所有的电子设备都可以连接到互联网，这些电子设备会后产生海量的数据。传统的云计算模型并不能及时有效的处理这些数据，在边缘结点处理这些数据将会带来极小的响应时间、减轻网络负载、保证用户数据的私密性。在传统的内容分发网络中，数据都会缓存到边缘结点，随着物联网的发展，数据的生产和消费都是在边缘结点。
边缘节点上的通用计算能力：理论上，可以在位于边缘设备和云平台之间的某几个节点上完成边缘计算，包括接入点、基站、网关、业务节点、路由器、交换机等。例如，基站可以根据工作负载能力，执行数字信号处理（DSP）。但是在实践中，基站可能并不适合处理分析工作，因为DSP并不是为通用计算设计的。此外，这些节点是否可以执行除了现有工作之外的计算还不太清楚。由CAVIUM提供的OCTEONFusion®Family是一个小型“芯片上基站”单元，可扩展从6个到14个的内核，以支持32到300+的用户。这种基站可在非高峰时间使用多个计算中心的运算能力。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。
智锐通ZRT-MIN-EC05基于IntelCoffeeLake平台，支持八、九代处理器，搭载分开可更换MXM显卡，双通道SO-DIMMDDR4内存设计，是一款配置灵活、性能较好、双网口的边缘计算整机产品，普遍应用于智能安防、智慧零售、机器人、智慧工业、电力等领域。产品亮点：1、INTELCoffeeLAKE平台；2、支持八、九代处理器；3、搭载MXM分开显卡设计；4、双通道SO-DIMMDDR4内存设计（较大支持32GB）；5、INTELI211网卡；6、静音双风扇+铜管散热器设计。在边缘计算的研究中需要首先考虑如何部署在非智能的摄像头附近部署边缘计算设备。河南AI边缘计算主机
使用边缘技术，可以在更靠近边缘的地方运行人工智能和机器学习工作负载，而不必向云端发送大量数据。山西AI边缘计算智慧社区
随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也比较重要，它就是雾计算。边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘;因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”说回我们的火车场景:传感器能够收集数据，但不能立即就数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的(与确定引擎状态不同)。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中心云。山西AI边缘计算智慧社区
