边缘计算将会催生更多的发展机遇，在此我们明确的潜在机会：1、微型操作系统和虚拟化。基于微型操作系统或微型内核的研究可以解决在异构边缘节点上部署应用的挑战。有研究表明，跨越多个虚拟设备复用设备硬件的移动容器可以提供与本地硬件接近的性能。容器技术（如Docker）正在成熟，并且能够在异构平台上快速部署应用程序。2、产学研合作。边缘计算为产业界和学术界提供了独特的发展机会。边缘计算领域的研究可以由行业合作伙伴（例如移动运营商和开发人员、软件工具开发商和云服务提供商等）以及感兴趣的学术合作伙伴共同驱动，以实现双方的共同利益。数据可分布既是边缘计算的特征也是边缘计算模型对待处理数据**的要求。安徽小型化边缘计算OED定制
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。贵州AI边缘计算电力巡检边缘计算则是一种合适的、具有成本效益的替代方案。
边缘计算加持，无人驾驶已在路上近年来，无人驾驶汽车成为了行业焦点，也有诸多IT厂商开始布局汽车及配件领域，足见其热度之高。不过当前无人驾驶载人车辆依然处于试验阶段，需要几年的时间来不断成熟。从硬件芯片、计算力到软件算法、法律法规等都需要进一步完善，才能让无人驾驶真正地大规模应用。在当前阶段，车载计算主要有两个方向。是园区载货，例如无人车送饭、送货，目前已经有越来越多的公司实现规模应用了。第二个方向是载人的无人驾驶，未来势必成为重要趋势，这方面浪潮也会做一些技术的储备。
边缘计算就是要将网络距离，或者空间距离上的与用户临近的这些分开的、分散的资源进行统一，为应用提供计算、存储以及网络服务。结尾，我从仿生学的角度再进行一下边缘计算的理解。我们可以做这样的类比，将云计算和数据中心比作人的大脑，边缘计算就相当于人的神经末梢。当我们受到外界的刺激，如针刺到手，我们的手会第1时间下意识的收手，然后大脑才会意识到刚才我们被针刺到了手，这是因为将手收回的过程其实是由神经末梢直接处理的非条件反射。这种非条件反射的速度是大于人的反应速度的，这是为了避免遭受更大的伤害，这另外一点就是让大脑更加专注于处理更为高级的智慧。在未来万物互联的时代，随着资源的的数量增多，我们其实是不可能为每一个设备都提供一个“大脑”的，这时我们就需要边缘计算来帮助我们，让每一个设备拥有自己的“大脑”。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。
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。 边缘计算处理的数据是（小数据），从数据计算、存储上都具有成本优势。辽宁多网口边缘计算智慧社区
编程语言需要考虑工作流中硬件的异构性和各种资源的计算能力。安徽小型化边缘计算OED定制
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。安徽小型化边缘计算OED定制
