当前对于宽带水平来说，还不能完全实现数据从设备到云端之间的传输，这时边缘计算便出现在了公众的视也。边缘计算是将数据处理、存储、应用在靠近实物的边缘上，使得用户可以获得更快的响应，解决了设备与云端的数据传输问题，相对于云计算，有更大的优势。

　　1.安全性要求

　　云计算模型中，用户的一切数据都需要上传到数据中心，而在这个过程中，数据安全性就成了一个重要问题。从电子金融账户密码、到搜索引擎历史再到智能摄像头监控，这些个人的隐私数据在上传到数据中心的过程，都蕴含了数据泄露的风险。这也是边缘计算博得大型工业公司青睐的原因之一。

　　2.知识产权问题

　　另外，与安全问题息息相关的，则是对专有数据和知识产权的担忧。在云计算中，用户的一切数据都需要上传至数据中心，例如炼油厂的炼油过程，可乐生产厂商的制作配方等一些视为商业机密的重要信息，都有可能通过高质量的传感器获取的工业数据来获取。

　　3.交互延迟和弹性

　　在物联网应用中面对的数据量极大，已经不再适合直接上传到云计算中心进行处理，不仅网络带宽压力大，对海量数据的搜索耗时也是不能接受的。自动驾驶汽车对数据传输与交互延迟要求非常高，边缘计算更靠近数据源，可快速处理数据、实时做出判断，充分保障乘客安全。

　　在自动驾驶汽车中，每台自动驾驶车上都配有多颗摄像头和激光雷达，这些传感器每时每秒都在创造大量数据。而自动驾驶汽车显然无法等待这些数据传输到云计算中心处理后再做决策，这时边缘计算就成为无人驾驶实时数据处理的利器。当汽车处于故障危险时，传感器能够迅速发出故障的振动信息，然后将其发送到本地网关进行处理。网关在识别出故障后的几毫秒或几秒钟内发出警报或指令以关闭机器。

　　另外，这也与弹性有关。在汽车、重型工业机械及制造工作时，在网络覆盖率下降的情况下，边缘计算依然能够保证局部网络的存活，维持持续工作，避免事故发生。

　　4.减少带宽成本

　　一些连接的传感器(例如相机或在引擎中工作的聚合传感器)会产生大量数据，在这些情况下，将所有这些信息发送到云将花费很长时间和过高的成本。

　　随着智慧城市和公共安全需要，摄像头的视频分析技术的重要性凸现出来。但是，由于摄像头数量多，产生的数据量极大，已经不再适合直接上传到云计算中心进行处理，不仅网络带宽压力大，对海量数据的搜索耗时也是不能接受的，这时候边缘计算就派上了用场。

　　5.自治能力

　　正是由于延迟和弹性问题，使得边缘计算自主决策不依赖于云的特性，成为在物联网应用中的决胜优势。

　　对于很多人来说，物联网连接工厂或办公室的目的是能够实现大量的流程自动化。在边缘计算中，机器不仅能够监控自身及其正在执行的过程，还可以对其进行编程，以便在出现问题时采取正确的行动。因此，当传感器检测到压力积聚时，它可以释放进一步向下的阀门，一旦流程依赖于特定的自动化水平，就必须依靠这个水平来及时制定。

　　小结

　　边缘计算能就近提供智能互联服务，满足行业在数字化变革过程中的关键需求。在物联网时代数据处理的 2.0 时代，不断增长的数据催生了对边缘计算的需求，据IDC预测，未来超过50%的数据需要在网络边缘侧分析、处理和储存。其巨大的市场空间也被巨头们看在眼里，未来边缘计算还将如何更好地推动物联网技术发展，让我们拭目以待!