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。边缘计算在其中发挥着重要作用，成为工业物联网技术的有效补充。江西AI边缘计算VR
边缘计算的优势：1、接近实时的数据处理：因为数据是在边缘结点进行分析，降低了延迟，提升应用的响应速度。2、减少数据传输：数据不需要推送到遥远的云端，减少智能设备和数据中心传输的数据量，节省带宽成本，同时还能减小中心网络的拥堵。比如facebook等社交软件的用户上传的照片在边缘调整到合适的分辨率再上传到云端。3、数据安全：一些比较敏感的数据直接在边缘进行分析，不用当心数据泄漏。4、提高可用性：分担（offload）了中心服务器的计算任务，一定程度上消除了主要的瓶颈，并且降低了出现单点故障的可能。北京算力强大边缘计算智慧校园边缘计算中的数据存储和计算任务大多数依赖于边缘节点。
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。
这些计算设备可视作为一种平台，其中可执行许多不同功能的软件，包括IoT、基于IEC 61131-3的PLC、OPC UA和MQTT，还有与云端的接口、时序数据库、HMI以及数据分析软件。ISA-95 从L0到L2的功能和L3的部分功能，再加上新的IoT的分布式计算模型，都可以在边缘设备中执行。
将工业传感器网络与边缘设备连接的方案得到越来越多的认可和接受，今后在开放式的系统中会有较多的应用来取代PLC和DCS控制器。将边缘设备部署在工业网络联网和企业网络联网之中，其通信的功能有助于无缝地将IT与OT集成。 雾计算使得云更接近于网络的边缘。
边缘计算的价值：分布式和低延迟计算。云计算往往并不是较佳策略，计算需要在更加靠近数据源的地方执行。这个优点可以扩展到任何基于Web的应用程序上：包括Foursqure和GoogleNow在内的APP能更快的做出响应，所以在移动用户中变得越来越受欢迎。这说明在更靠近用户的边缘节点上，边缘计算可以用于改进服务。许多数据流由边缘设备生成，但是通过“远处”的云计算处理和分析，不可能做出实时决策。例如使用可穿戴式摄像头的视觉服务，响应时间需要在25ms至50ms之间，使用云计算会造成严重的延迟；再比如工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内，如果数据分析和控制逻辑全部在云端实现，则难以满足业务要求；还有那些会生成庞大数据流的多媒体应用，如视频或是基于云平台的网络游戏，依赖云计算也会为玩家造成类似于等待时间过长的问题，无法满足用户的需求。作为云计算的有益补充，可以利用边缘节点（例如，路由器或离边缘设备较近的基站），用以减少网络等待时间。边缘计算可以实时或更快的进行数据处理和分析，让数据处理更靠近源头。辽宁AI边缘计算AGV
针对边缘计算场景下的编程模型的研究具有非常大的空间，也十分紧迫。江西AI边缘计算VR
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。江西AI边缘计算VR
