边缘计算在具有低时延、高带宽、高可靠、海量连接、异构汇聚和本地安全隐私保护等特点的应用场景，如智能交通、智慧城市和智能家居等行业或领域，存在非常突出的优势。这里以智能交通的一个点，大件的智能汽车为例，快速处理数据是一种至关重要的能力，而边缘计算是实现自动驾驶的关键。智能汽车本质上可以看作是一台车轮上的大型高功率计算机，其通过多个传感器收集数据。为了使这些车辆安全可靠地运行，这些传感器需要立即响应周围环境，处理速度的任何滞后都可能是致命的。边缘运算将原本完全由中心节点处理大型服务加以分解。天津AI边缘计算OED定制
边缘计算客户端将写请求发送给主副本，主副本将写请求复制到其他备副本，常见的做法是同步操作日志（CommitLog）。主副本优先考虑将操作日志同步到备副本，备副本回放操作日志，完成后通知主副本。接着，主副本修改本机，等到所有的操作都完成后再通知客户端写成功。
复制协议要求主备同步成功才可以返回客户端写成功，这种协议称为强同步协议。大量PC机通过网络互联，对外作为一个整体提供计算服务。边缘计算系统可以通过增加PC机的方式，使系统整体性能表现为线性增长。 山东小型化边缘计算AR工业领域，边缘计算也正在发挥越来越重要的作用。
在我们比较关心的汽车领域，边缘计算主要有几个落脚点，自动驾驶、智能座舱两大块，在比较难的领域，目前自动驾驶系统芯片选择上与深度学习的技术路线有比较大的重叠，深度学习算法复杂性比较高，需要有相应的嵌入式计算平台进行匹配，在应用过程中硬件技术路线主要有GPU、SoC、FPGA、ASIC等，这里分化比较厉害，有许多不同的方向。国外比较典型的公司是英特尔以133.8亿欧元收购的Mobileye，国内典型的则是地平线，这家公司的前景相对要更明朗一些，比如其在高级别自动驾驶上与奥迪的合作，在辅助驾驶上与首汽约车的合作，看起来颇有紧追Mobileye，后发先至的味道。总的来说，边缘计算具有低时延、高带宽、高可靠、海量连接、异构汇聚和本地安全隐私保护等特点，在许多场景下特别是智能交通（车载领域）存在非常突出的优势。
云计算正在影响着包括工业自动化在内的方方面面的应用，这是因为它提供了易于使用、计算和存储能力出众，且具有高性能等诸多优越性，而所有这些都是在不要求巨大的投资，或者在不要求目前已经负载过重的自有计算机和服务支持的前提下进行的。云计算和服务的提供者有像微软的Azure和亚马逊的AWS等这样的公有云，他们有许多各种各样的软件工具，例如数据分析和预测的软件工具，这些都可以为广大的工业部门和流程自动化装置所利用，来解决和应付制造、生产和业务的挑战。许多工业自动化的应用，诸如历史数据、基于状态的监控、预测维护、资产管理和故障分析等，目前都在运用云计算的方法，已经获得了更好的性价比。边缘计算的优势：更低的网络带宽需求。
边缘计算指在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用中心能力的开放平台，就近提供边缘智能服务，满足行业数字化在敏捷连接、实时业务、数据优化、应用智能、安全与隐私保护等方面的关键需求。根据国际电信联盟电信标准分局ITU-T的研究报告，到2020年，每个人每秒将产生1.7MB的数据，IoT可穿戴设备的出货量将达到2.37亿。IDC也发布了相关预测，到2018年，50%的物联网网络将面临网络带宽的限制，40%的数据需要在网络边缘侧分析、处理与储存，到2025年，这一数字将超过50%。需要对边缘节点的峰值时间周全了解，以便可以用灵活的方式来分割和调度任务。河南低延时边缘计算机器人
边缘计算的优势：提升应用程序的效率。天津AI边缘计算OED定制
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。在制造现场，产生的数据多样而繁杂，然而并非所有数据都需要上传到云端进行分析、处理。一方面带来流量、带宽的需求，背后是使用云服务的费用问题；此外，公司对上传所有数据到云端也存在数据安全的担忧。更重要的在于数据如何进行利用。现场的数据，有的是无效信息，譬如设备在生产间隔期间的数据，往往就不需要全部上传，而是需要经过截取处理；有的数据需要立刻处理，譬如一些硬件产品的实时检测预警信息反馈要求在毫秒级，而上传到云端进行处理再反馈到现场的时延可能达到秒级，全部通过云端来分析就会较大延缓现场的生产效率，这就需要靠近数据源的边缘设备来进行处理。天津AI边缘计算OED定制
