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。边缘计算设备往往需要具备较强的数据处理能力。安徽低延时边缘计算VR
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。北京边缘计算无人零售边缘计算的价值：可持续的能源消耗。
移动边缘计算MEC把无线网络和互联网两者技术有效融合在一起，并在无线网络侧增加计算、存储、处理等功能，构建了开放式平台以植入应用，并通过无线API开放无线网络与业务服务器之间的信息交互，对无线网络与业务进行融合，将传统的无线基站升级为智能化基站。面向业务层面(物联网、视频、医疗、零售等)，移动边缘计算可向行业提供定制化、差异化服务，进而提升网络利用效率和增值价值。同时移动边缘计算的部署策略(尤其是地理位置)可以实现低延迟、高带宽的优势。MEC也可以实时获取无线网络信息和更精确的位置信息来提供更加精确的服务。
边缘节点上的通用计算能力：理论上，可以在位于边缘设备和云平台之间的某几个节点上完成边缘计算，包括接入点、基站、网关、业务节点、路由器、交换机等。例如，基站可以根据工作负载能力，执行数字信号处理（DSP）。但是在实践中，基站可能并不适合处理分析工作，因为DSP并不是为通用计算设计的。此外，这些节点是否可以执行除了现有工作之外的计算还不太清楚。由CAVIUM提供的OCTEONFusion®Family是一个小型“芯片上基站”单元，可扩展从6个到14个的内核，以支持32到300+的用户。这种基站可在非高峰时间使用多个计算中心的运算能力。开放和安全的使用边缘节点：安全横跨云计算和边缘计算，需要实施端到端的防护。
云计算在提升共享资源和规模经济性方面类似于公用的电网，可以提供几乎没有限制的计算能力，并且可以按照需要提供数量巨大的存储量。另外，边缘计算正在变得普遍起来，这是一种低成本、高性能计算和通信的部署方法，导致计算和数据存储尽可能靠近产生数据的源头，这样来改善响应时间，增强数据与其生成源头的前后关系和相互关系，同时可按要求就地执行，而无需往返云端与就地。在计算机和工业自动化应用的历史上，处理计算往往都被放置在远离网络边缘的地方。直到还有许多应用还在这样做。现今的边缘设备可以是一台小的定位节点的计算机，或者是嵌入在传感器、执行器和其他设备中的SoC，具有特别高的性价比。将这些边缘设备部署在就地，使他们像移动的智能手机一样具有强大的计算能力和不高的成本。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。安徽低延时边缘计算VR
边缘计算处理数据中心明显的优势：提高应用程序效率。安徽低延时边缘计算VR
随着边缘计算的兴起，理解边缘设备所涉及的另一项技术也比较重要，它就是雾计算。边缘计算具体是指在网络的“边缘”处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘;因此，根据OpenFog的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”说回我们的火车场景:传感器能够收集数据，但不能立即就数据采取行动。例如，如果一名火车工程师想要了解火车车轮和刹车是如何运行的，他可以使用历史累计的传感器数据来预测零部件是否需要维修。在这种情况中，数据处理使用边缘计算，但它并不总是即时进行的(与确定引擎状态不同)。而使用雾计算，短期分析可以在给定的时间点实现，而不需要完全返回到中心云。安徽低延时边缘计算VR
