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。江苏AI边缘计算智能安防
无论5G网络采用C-RAN(Centralized/CloudRadioAccessNetwork)或者D-RAN(DistributedRadioAccessNetwork)，都将引入移动边缘计算率领新的应用创新机制。将云计算和云存储拉近到网络边缘后，可以创造出一个具备高性能、低延迟与高带宽的电信级服务环境，加速网络中各项内容、服务及应用的分发和下载，让消费者享有更高质量网络体验。移动边缘计算设备所应具备的一些特性包括网络功能虚拟化(NetworkFunctionVirtualization,NFV)、软件定义网络(SoftwareDefinedNetwork,SDN)、边缘计算存储、高带宽、绿色节能等，它们源于数据中心技术，但在某些方面，如可靠性和通信带宽等需求又高于数据中心。江苏AI边缘计算智能安防边缘计算或许在整个能源行业都尤其有效，尤其是在石油和天然气设施的安全监测方面。
许多供应商也已经迈出了使用软件解决方案实现边缘计算的第1步。例如，诺基亚针对移动边缘计算（MEC）的软件解决方案旨在为基站站点提供边缘计算能力。同样，思科的IOx为其集成的服务路由器提供了一个边缘计算环境。这些解决方案应用于特定硬件，因此不适合部署在异构环境中。软件解决方案面临的一个挑战是如何开发跨越不同环境的可移植的解决方案。某些公司正在研究升级边缘节点，以支持通用计算需求。例如，可以升级无线家庭路由器以支持额外的计算任务。英特尔的SmartCellPlatform使用虚拟化技术，支持额外的计算任务。通用CPU替换专属DSP提供了另一种解决方案，但却需要巨大的投资。
边缘计算相比把所有视频上传到云中心，并让云中心去解决，这种方式能够更快的解决问题。物联网的发展让普通人家里的电子器件都变得活泼了起来，让这些电子器件连上网络是不够的，我们需要更好的利用这些电子元件产生的数据，并利用这些数据更好的为当前家庭服务。考虑到网络带宽和数据私密保护，我们需要这些数据很好能在本地流通，并直接在本地处理即可。我们需要网关作为边缘结点，让它自己消费家庭里所产生的数据。数据的来源有很多（可以是来自电脑、手机、传感器等任何智能设备）。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。
一般而言，对实时性要求不高的、与报表有关的一段时间周期内的生产数据，往往会上传到云端进行分析；而与生产节拍密切相连、实时性要求高数据分析，往往就需要在边缘计算环节来完成。随着制造业的数字化转型不断深入，对数据在不同场景下如何进行不同的分析从而挖掘其价值也在逐渐明晰，边缘计算的重要性因而逐渐凸显。边缘计算技术横跨IT（信息技术）、OT（运行技术）和CT（通讯技术）多个领域，要落地离不开不同领域公司之间的密切合作，各取所长。过去一年里，不同相关行业的都开始推出专门针对边缘计算的产品，这一并不新鲜的概念刚刚开始进入落地阶段。边缘计算的一个好处是能够实时检测设备故障。江苏AI边缘计算智能安防
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。江苏AI边缘计算智能安防
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。江苏AI边缘计算智能安防
