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。边缘计算系统的颠覆在于整个数据计算和事务处理过程不依赖于传统的集中式系统。深圳边缘计算智能安防
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。广州AI边缘计算园区识别未来5-10年内IoT会进入一个应用爆发期，边缘计算也随之被预期将得到更多的应用。
边缘计算的AI芯片：作为边缘计算的中心基础，边缘AI芯片有着重要地位，边缘AI芯片厂商作为产业链上游参与方投入大量资源进行技术研发，从供给方面为边缘智能的实现打下坚实牢固基础。AI根据参考文献的分类包括三类，1、经过软硬件优化可以高效支持AI应用的通用芯片（GPU）；2、侧重加速机器学习（尤其是神经网络、深度学习）算法的芯片；3、受生物脑启发设计的神经形态计算芯片。在边缘计算和AI芯片里，涌现出不少的创业公司（在中国的中国芯片初创公司有15家以上），如前面所说的几家。按部署的位置来分，AI芯片可以部署在数据中心，和手机，安防摄像头，汽车等终端上。
IPFS实现了真正的边缘计算，这将成为未来所有区块链项目的数据计算基础，为整个区块链产业的发展提供有力支撑。IPFS边缘计算，是以去中心化边缘计算结合区块链技术的计算容量可拓展方案，利用全球上千万个节点提供的闲置硬盘计算空间用于数据计算，有效地解决了大数据时代计算难题，利用其传输量大、速度快、成本低，消耗小且数据上链可溯源的优势，以边缘式技术为重要点，解决大规模、高并发场景下对数据计算的挑战。这是边缘计算的真正意义。与边缘计算相反的就是当地采集数据，将数据发送给数据中心进行处理，再发给当地做执行。
技术正在以前所未有的速度改变世界，物联网则走在了时代较前沿。据预测，到2030年，全球包括智能摄像头在内将有约500亿台联网设备。这些摄像头以及一般设备的智能性和影响力取决于几个方面：设备感知周围世界所发生事件的能力、应用程序分析设备信息并实时做出反应的能力、该应用程序运行的云以及网络的容量和响应能力等。由于MEC的力量改变了我们将数据带到云端的速度，因此，这意味着MEC将成为IT基础设施的重要组成部分。然而，许多企业对MEC仍然知之甚少，更不清楚它将如何运行。什么是MEC？MEC表示多接入边缘计算。它从网络的“边缘”提供IT和云服务，将公有云的敏捷性与本地或设备计算的高响应能力相结合。这使得数据存储和处理距离用户和设备更近，而不是依赖于可能远在数英里之外的中枢。边缘计算是由于物联网设备的大规模增长而产生的。广州边缘计算电力巡检
边缘计算的价值：超越终端设备的资源限制。深圳边缘计算智能安防
边缘计算执行事务提交，如果协调者从所有的参与者获得的反馈都是yes响应，那么就会执行事务提交集群的规划并不是一成不变的，你的集群可能会加入新的节点；也可能有节点因为事故离线；也可能因为分片维度的问题，数据发生了倾斜。当这种情况发生，集群间的数据会发生迁移，以便达到平衡。
这个过程有些是自动的，也有些是手动进行触发。这个过程也是困难的：既要保证数据的增量迁移，又要保证集群的正确服务。边缘计算系统顾名思义就是将大量的普通服务器，通过网络互联，对外作为一个整体提供计算服务。 深圳边缘计算智能安防
