邊緣計算的概念。按照邊緣計算產業聯盟的定義，邊緣計算是指在靠近物或數據源頭的網絡邊緣側，融合網絡、計算、存儲、應用核心能力的開放平臺，充分利用整個路徑上各種設備的處理能力，就地存儲處理隱私和冗余數據，降低網絡帶寬占用，提高系統實時性和可用性，滿足行業數字化在敏捷聯接、實時業務、數據優化、應用智能、安全與隱私等方面的關鍵需求。通俗來說，邊緣計算就是將云端的計算存儲能力下沉到網絡邊緣，用分布式的計算與存儲在本地直接處理或解決特定的業務需求，用以滿足不斷出現的新業態對于網絡高帶寬、低延遲的硬性要求。
邊緣計算與云計算的關系。與邊緣計算相比，云計算有諸多劣勢。首先是實時性，傳感器接收到數據以后，云計算需要通過網絡傳輸到數據中心，經過分析處理后再由網絡反饋到終端設備，這樣數據來回傳傳輸就造成了較高時延。其次云計算對帶寬的要求也越來越大，例如在公共安全領域，每一個高清攝像頭都需要 2M 的帶寬來傳輸視頻，這樣的一個攝像頭一天就可以產生 10 幾個 G 的數據，如果這樣的數據全部傳到數據中心進行分析存儲的話，對帶寬的消耗非常大。第三是能耗方面，現在數據中心的能耗在業界已經占據了非常高的比例，國家也不斷對數據中心的能耗指標作出要求。最后是數據安全和隱私方面，數據經由網絡上傳到云端經歷了眾多環節，每個環節數據都有可能被泄露。
邊緣計算的類別劃分。就像人體的神經網絡一樣，神經中樞與神經元都具有一定程度的“計算”能力，但究竟在什么情況下用哪個還是得依據人體各部分具體的機能來定。同樣的，不同的行業具體的業務需求不同，對于邊緣計算中“邊緣”的位臵理解也不同。典型的如 OT 領域，有的工業設備可能僅僅需要處理簡單的數據，不需要進行復雜的運算，但是機器設備對于加工精度有著比較高的要求，對時間延遲十分敏感；這種情況下，主流公司就采用現場 設備智能化升級的方案，通過向現場設備部署 SDK 的方式來應對具體的業務需求。另一種典型的如自動駕駛，行駛中的汽車需要根據周圍復雜的環境信息運算得出下一步的駕駛指令，由于汽車駕駛過程中產生的數據量十分巨大，所進行的復雜運算也需要專業的服務器才能完成，這時就需要借助網絡將運算遷移到最近的邊緣計算平臺上來進行。以上兩種場景實際上代表了邊緣計算部署的兩種模式，一種是將算力直接部署在設備終端旁，最大限度的發揮邊緣計算的優勢；另一種則是將邊緣計算平臺部署在終端附近，一個平臺負責一片區域內的業務需求。
