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。边缘计算处理数据中心明显的优势：在成本预算上可以较大减轻经费预算。小型化边缘计算OEM生产
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。浙江边缘计算智能安防边缘计算设备将工业物联网设备组合在一起。
边缘计算仍处于起步阶段，有可能为更高效的分布式计算铺平道路。统一数据连接和数据聚合是业务智能的基础，面对当前工业现场存在的多样化与异构的技术和标准，离不开跨厂商、跨领域的数据集成与互操作。网络边缘侧的本地计算服务无疑会在异构环境中迎来IT厂商、IT方案商以及开发者集成融合服务的挑战，标准化亟待形成。许多组织正在定义各种边缘计算标准，例如美国国家标准和技术协会（NIST）、IEEE标准协会、国际标准化组织（ISO）、云计算标准客户组织会（CSCC）和国际电信联盟（ITU）等。只有当边缘节点的性能可以根据普遍认可的度量指标可靠的进行基准测试时，才能形成标准。
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。 若想更好的在边缘节点上部署应用程序的工作负载，需要考虑的方面：部署策略。
边缘计算不但提高了系统的可靠性、可用性和存取效率，还易于扩展。关键技术：在大数据环境下，元数据的体量也非常大，元数据的存取性能是整个边缘式文件系统性能的关键。常见的元数据管理可以分为集中式和边缘式元数据管理架构。集中式元数据管理架构采用单一的元数据服务器，实现简单．但是存在单点故障等问题。边缘式元数据管理架构则将元数据分散在多个结点上．进而解决了元数据服务器的性能瓶颈等问题。并提高了元数据管理架构的可扩展性，但实现较为复杂，并引入了元数据一致性的问题。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。广州低延时边缘计算智慧医疗
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。小型化边缘计算OEM生产
使用边缘计算的优势在哪里呢：可以使得设备的支持数量提升几个数量级。比如一个服务器有10000点血。而接入一个设备，就要消耗1点血，如果再对这个设备进行数据分析，需要消耗9点血。也就是接入并计算一个设备就需要10点血。那么这个服务器较多只能接入1000个设备就挂了。如果服务器只负责接入设备，不进行计算和分析，那么接入一个设备，消耗1点血，由设备自己进行数据计算和分析，再输出结果。这时候服务器就可以接入10000个设备了。没有使用边缘计算，服务器可以接1000个设备。如果使用了边缘计算，服务器可以接10000个设备。提升了一个数量级。而对于一些复杂的设备，特别是一些工厂，现场作业等需要数据量多的，如果使用了边缘计算来给服务器节省空间和资源，这个优势更能体现出来了。小型化边缘计算OEM生产
