边缘计算是在靠近物或数据源头的网络边缘侧，融合网络、计算、存储、应用核心能力的开放平台。边缘计算与云计算互相协同，共同助力各行各业的数字化转型。它就近提供智能互联服务，满足行业在数字化变革过程中对业务实时、业务智能、数据聚合与互操作、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%。
图1：边缘计算与云计算的关系
边缘计算的巨大价值
美国部署了3000余万个监控摄像头，每周生成超过40亿小时的海量视频数据。物联网领域拥有海量的终端设备，如果这些设备产生的数据聚在一起，会是个天文数字。海量数据的分析与储存对网络带宽提出了巨大的挑战，而边缘计算的诞生，就是为了解决这一问题。
1)分布式和低延迟计算
云计算往往并不是最佳策略，计算需要在更加靠近数据源的地方执行。这个优点可以扩展到任何基于Web的应用程序上：包括 Foursqure和Google Now在内的APP能更快的做出响应，所以在移动用户中变得越来越受欢迎。这说明在更靠近用户的边缘节点上，边缘计算可以用于改进服务。
许多数据流由边缘设备生成，但是通过“远处”的云计算处理和分析，不可能做出实时决策。例如使用可穿戴式摄像头的视觉服务，响应时间需要在25ms至50ms之间，使用云计算会造成严重的延迟;再比如工业系统检测、控制、执行的实时性高，部分场景实时性要求在10ms以内，如果数据分析和控制逻辑全部在云端实现，则难以满足业务要求;还有那些会生成庞大数据流的多媒体应用，如视频或是基于云平台的网络游戏，依赖云计算也会为玩家造成类似于等待时间过长的问题，无法满足用户的需求。
作为云计算的有益补充，可以利用边缘节点(例如，路由器或离边缘设备最近的基站)，用以减少网络等待时间。
2)超越终端设备的资源限制
与数据中心的服务器相比，用户终端(例如智能手机)的硬件条件相对受限。这些终端设备以文本、音频、视频、手势或运动的形式获得数据输入，但由于中间件和硬件的限制，终端设备无法执行复杂的分析，而且执行过程也极为耗电。因此，通常需要将数据发送到云端，进行处理和运算，然后再把有意义的信息通过中继返回终端。
然而，并非来自终端设备的所有数据都需要由云计算执行，数据可以利用适合数据管理任务的空闲计算资源，在边缘节点处过滤或者分析。
3)可持续的能源消耗
大量研究显示，云计算会消耗庞大的能源，未来十年数据中心所消耗的能源量可能是如今消耗量的3倍。随着越来越多的应用转移到云，能量需求会日益增长，甚至无法满足。因此，采用能量效率最大化的计算策略显得尤为迫切。
一些嵌入式小型设备的基础信息采集处理完全可以在端完成，即手机传感器把数据传送到网关后，就通过边缘计算进行数据过滤和处理，没必要每条原始数据都传送到云，这省去了大量的能源成本。
4)应对数据爆炸和网络流量压力
边缘设备的数量正在超速增长——到2018年，世界上三分之一的人口将拥有智能手机或者可穿戴设备，到2020年，这些设备将生成43万亿GB的数据。处理这些数据需要进一步扩展数据中心，这再次引起了人们对网络流量压力的广泛关注。
通过在边缘设备上执行数据分析，可有效应对数据爆炸，减轻网络的流量压力。边缘计算能够缩短设备的响应时间，减少从设备到云数据中心的数据流量，以便在网络中更有效的分配资源。