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。具备边缘计算能力的设备可以多种多样。上海边缘计算
智能制造有望从现代工厂大量部署的传感器中获得洞见。由于能够减少滞后，边缘计算可能会使得制造流程能够更快速地做出响应和变动，能够实时地应用数据分析得出的洞见和实时行动。这可能包括在机器过热之前将其关闭。一家工厂可以使用两个机器人来完成同样的任务，两个机器人装有传感器，并连接到一个边缘设备上。边缘设备可以通过运行一个机器学习模型来预测其中一个机器人是否会操作失败。如果边缘设备断定机器人比较可能会出现故障，它就会触发行动来阻止或减慢机器人的运转。这会使得工厂能够实时地评估潜在的故障。如果机器人能够自己处理数据，它们也可能变得更加自给自足和反应灵敏。边缘计算应该支持更快地从大数据中更多的洞见，以及支持将更多的机器学习技术应用到业务运营中。目标是，挖掘实时产生的海量数据的巨大价值，防止安全隐患，并减少工厂车间机器运转中断的情况。山西多网口边缘计算智慧医疗当设备用于边缘计算节点时，设备的原有的功能不能被损害。
边缘计算系统需要多台服务器同时工作。当服务器数量增多时，其中的一些服务器出现故障是在所难免的。我们希望这样的情况不会对整个系统造成太大的影响。在系统中的一部分节点出现故障之后，系统的整体不影响客服端的读/写请求称为可用性。边缘计算系统中的多台服务器通过网络进行连接。但是我们无法保证网络是一直通畅的，边缘式系统需要具有一定的容错性来处理网络故障带来的问题。一个令人满意的情况是，当一个网络因为故障而分解为多个部分的时候，边缘计算系统仍然能够正常工作。
物联网里面的边缘计算：目前国内高技术领域的投入主要集中在围绕5G和AI两大块的落地上，而物联网则是目前网络技术打造的重点，也是各个行业实现效率提升、数字化转型的重要手段。投入这么多钱搞5G网络，从产业的思路是希望催生新的产业生态和商业模式。这里需要各个细分的行业，借助于自己的经验，根据场景的分类通过边缘计算可以提升物联网的智能化，找到物联网在各个垂直行业落地生根的钥匙。对于垂直行业和投入者来说，基于云的万物互联过于集中化和平台化，而实施者对于掌控的需求，就需要着眼于物联网中的边缘计算的设备形态和所处的位置。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。
许多供应商也已经迈出了使用软件解决方案实现边缘计算的第1步。例如，诺基亚针对移动边缘计算（MEC）的软件解决方案旨在为基站站点提供边缘计算能力。同样，思科的IOx为其集成的服务路由器提供了一个边缘计算环境。这些解决方案应用于特定硬件，因此不适合部署在异构环境中。软件解决方案面临的一个挑战是如何开发跨越不同环境的可移植的解决方案。某些公司正在研究升级边缘节点，以支持通用计算需求。例如，可以升级无线家庭路由器以支持额外的计算任务。英特尔的SmartCellPlatform使用虚拟化技术，支持额外的计算任务。通用CPU替换专属DSP提供了另一种解决方案，但却需要巨大的投资。边缘节点上的多重用户都需要将安全性作为首要关注指标。广东轻便边缘计算VR
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。上海边缘计算
智能汽车里需要在多个HPC中，按照边缘计算的方式来进行。因为感知数据需要分析的速度受到自动驾驶汽车运动影响，同时还需要及时指示汽车周围有什么，所以通过环境感知的自动驾驶汽车将产生至少40TB的数据。这就是通过网络来回传输的大量数据。自动驾驶汽车需要利用边缘计算，这涉及到本地化计算处理能力和存储器容量需要能够确保车辆和AI能够执行其所需的任务。5G中心网控制面与数据面彻底分离，NFV令网络部署更加灵活，从而使之能分布式的边缘计算部署。边缘计算将更多的数据计算和存储从“中心”下沉到“边缘”，部署于接近数据源的地方，一些数据不必再经过网络到达云端处理，从而降低时延和网络负荷，也提升了数据安全性和隐私性。上海边缘计算
