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。边缘计算将在工业应用中发挥重要作用。北京高性能边缘计算智慧社区
边缘计算考虑到计算性能，利用架构满足实时数据处理和计算的需求，用哨兵机制和密码学的手段为去中心化计算、数据隐私保护、历史记录防篡改、可追溯等提供技术支持，天然适用于对数据保护要求严格的计算场景。
IPFS引用边缘计算技术作为区块链技术领域的佼佼者，其先进的技术理念和发展潜力，有权访问加密文本的攻击者也无法了解其中的内容。同时通过将一个文件切分成数据块的方式计算到不同的计算服务节点上，所有数据内容都进行加密处理，只有用户访问密钥，并且单个数据计算提供商的故障不能损害数据的恢复能力，这是一个比中心化计算方式更安定、效率高的去中心化的计算网络。边缘计算系统的自动容错、自动负载均衡机制都构建在PC机上。 天津低延时边缘计算AGV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。
边缘计算将会催生更多的发展机遇，在此我们明确的潜在机会：1、架构和语言。随着支持通用计算的边缘节点不断增加，开发框架和工具包的需求也会随之增长。边缘分析与现有流程不同，由于边缘分析将在用户驱动的应用程序中实现，现有框架可能不适合表达边缘分析的工作流。编程模型需要利用边缘节点支持任务和数据的并行，并且同时在多个层级的硬件上执行计算。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。这比云计算的现有模型更加复杂。2、轻量级库和算法。与大型服务器不同，由于硬件限制，边缘节点不支持大型软件。例如，IntelT3K并发双模SoC的小型基站具有4核ARM的CPU和有限内存，不足以执行复杂的数据处理工作。再比如ApacheSpark需要至少8核的CPU和8GB的内存以获得良好的性能。边缘分析需要轻量级算法，可以进行合理的机器学习或数据处理任务。
边缘计算构筑各种创新应用
经十路是济南东西走向长的一条城市主干道，也是连接省城的重要联络线，日常承载着巨大的交通压力。为每个十字路口配备了8~12个摄像头，这些摄像头负责车流量监控和道路通行控制等等，可谓任务繁重。诸多摄像头的数据还需要整合起来进行分析，根据车流量调整红绿灯延时，但这同时也给网络传输和计算带来巨大压力。而边缘计算的优势恰在于此，基于该技术的解决方案，让智能摄像头可以提供20%的计算决策，及时、高效地为数据中心分担工作量。这也成为浪潮边缘计算解决方案实战落地的比较好印证之一。 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。
边缘计算系统需要多台服务器同时工作。当服务器数量增多时，其中的一些服务器出现故障是在所难免的。我们希望这样的情况不会对整个系统造成太大的影响。在系统中的一部分节点出现故障之后，系统的整体不影响客服端的读/写请求称为可用性。边缘计算系统中的多台服务器通过网络进行连接。但是我们无法保证网络是一直通畅的，边缘式系统需要具有一定的容错性来处理网络故障带来的问题。一个令人满意的情况是，当一个网络因为故障而分解为多个部分的时候，边缘计算系统仍然能够正常工作。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：异构性。安徽算力强大边缘计算智慧医疗
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：连接策略。北京高性能边缘计算智慧社区
边缘计算（edgecomputing）是指一种在网络边缘进行计算的新型计算模式，其对数据的处理主要包括两部分：其一是下行的云服务，其二是上行的万物互联服务。其中，边缘计算当中的“边缘”是一个相对的概念，主要是指从数据源到云计算中心路径之间的任意计算、存储以及网络相关资源。我们可以将这条路径上的资源看作是一个连续统一体。在从数据源的一端到云服务中心的一端，在此路径上根据应用的具体需求和实际应用场景，边缘（edge）可以是此条路径之上的一个或多个资源节点。边缘计算当中的边缘资源有：计算机网络站点公共存储区无线访问点交换机路由器基站等等。边缘计算和云服务中心以及大数据处理中心之间可连接应用的场景：智慧城市车联网智能工厂智能社区智能家居灾难搜救等等。北京高性能边缘计算智慧社区
