随着物联网越来越火，同时伴随着物联网而来的，就是各种概念和各种技术，其中一个就是边缘计算，当然还有雾计算。其实边缘计算和雾计算都差不多，雾计算只是和云计算是相对的。使用边缘计算的优势在哪里呢：让计算变得更为灵活和可控。前面说到，接入设备的服务器比较难做到统一的计算分析标准，因为物联网可是一个万物接入的网络，每一个设备采集的数据不一样。如果使用了边缘计算，就可以单独针对每一个设备进行相应的计算和分析。当然，如果相同的设备或者相同参数的，可以进行复制使用同一套计算标准或算法。如果将计算脚本开放出来给用户，用户就可以自定义去添加自己的计算公式和行为。边缘计算因更靠近设备端、用户端，这就注定了它在实时处理方面的独特优势。黑龙江AI边缘计算AR
边缘计算之所以存在，是因为它承担了与云计算不同的功能。在制造现场，产生的数据多样而繁杂，然而并非所有数据都需要上传到云端进行分析、处理。一方面带来流量、带宽的需求，背后是使用云服务的费用问题；此外，公司对上传所有数据到云端也存在数据安全的担忧。更重要的在于数据如何进行利用。现场的数据，有的是无效信息，譬如设备在生产间隔期间的数据，往往就不需要全部上传，而是需要经过截取处理；有的数据需要立刻处理，譬如一些硬件产品的实时检测预警信息反馈要求在毫秒级，而上传到云端进行处理再反馈到现场的时延可能达到秒级，全部通过云端来分析就会较大延缓现场的生产效率，这就需要靠近数据源的边缘设备来进行处理。吉林高性能边缘计算智能安防边缘计算的重要程度越来越被人们所重视了。
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。
工业领域，边缘计算也正在发挥越来越重要的作用。从工业发展的方向来看，数据将成为驱动生产制造的重要生产资料，那么如何处理这些海量、实时产生的数据就成为企业能否快速发展的重要课题。以流程型生产为例，一条生产线其实就是数据流动的通道，产品从上一名工人传递到下一个工人，同时伴随着产品数据的传递。在这个过程中，如果由于某一名工人错误操作的导致了数据异常，在下一名工人开始操作时，基于边缘计算的生产线可以做出预警提示。如果再进一步，当机器学习能力被边缘计算融入到生产线的时候，工人的不合规操作可以被实时监测出来并预警，这对提升产品的良品率意义重大。边缘计算设备可以用作网关或数据处理单元。
边缘计算的价值：1、应对数据爆裂和网络流量压力。边缘设备的数量正在超速增长——到2018年，世界上三分之一的人口将拥有智能手机或者可穿戴设备，到2020年，这些设备将生成43万亿GB的数据。处理这些数据需要进一步扩展数据中心，这再次引起了人们对网络流量压力的普遍关注。通过在边缘设备上执行数据分析，可有效应对数据爆裂，减轻网络的流量压力。边缘计算能够缩短设备的响应时间，减少从设备到云数据中心的数据流量，以便在网络中更有效的分配资源。2、智能计算。不只是消费级的物联网终端，边缘计算还将在工业应用中发挥重要作用。计算可以分层执行，利用网络远端的资源完成。例如，典型的生产流水线可以过滤设备上生成的数据，在传输数据的边缘节点上执行部分分析工作，之后再通过云端执行更加复杂的计算任务。边缘节点可以通过分担云计算的部分任务，增强数据中心的计算能力。边缘计算的价值：分布式和低延迟计算。广东低延时边缘计算电力巡检
边缘计算利用视频来达成某种目的成为一种合适的手段。黑龙江AI边缘计算AR
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。黑龙江AI边缘计算AR
