从技术定义来说，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，就近提供边缘智能服务，其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业数字化在敏捷联接、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。

边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。

说起来，边缘计算并不是个新鲜事物，也不是物联网人自吹自擂再造概念，而是一次“由来已久”的物联网分布式计算的逆袭。

分布式计算的特征是每个节点都有计算功能，缺点是每个用户都需要管理自己的节点、硬件、软件。因此后来出现了云计算 ，把大量的数据处理交给“云”做。

云计算实际上是一个集中计算，这种做法解决了用户对中央计算的管理烦恼。到“云”为止，我们完成了从分布计算到集中计算的转变，然而现在我们发现，碎如鸡毛的不同物联网场景，单纯依靠集中式的云计算往往并不是最佳策略。边缘的“速算”能力，对物联网应用来说显得尤为重要。

按照IDC的统计数据，到2020年将有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析、处理与储存，边缘计算所面对的市场规模非常巨大。

截止目前，已有亚马逊、微软、华为、英特尔、ARM、等公司公开进入边缘计算领域。其应用领域主要是人工智能，它可能会完全改变AI应用于各种场景的方式。同时，如AR/VR、汽车物联网、智慧城市等现代化应用，也是依赖边缘计算的关键驱动因素。

除了有云端、开源社群力拱，AI技术的成熟也变成推动边缘计算的另一股力量。当这些边缘设备的运算分析能力越来越强，现在也有更多厂商将机器学习、甚至是深度学习的能力带进设备内，使得现在的边缘设备也能做到云端能做的事，应用范围越来越广。

例如微软今年就抢先发行一套预览版Azure IoT Edge，开始将Azure机器学习及AI认知服务带进设备端，让设备想要就近结合机器学习变得更容易。

SAP年初也推出了一套SAP Leonardo边缘计算解决方案，把SAP云端原有的机器学习和预测分析服务，带进到物联网边缘设备内。除了AI技术外，也开始有包括芯片、GPU、网络及大数据管理商，专为边缘设备释出新的AI开发工具、框架及分析平台。

当更多的边缘设备开始具备AI能力，而且可以执行较复杂的AI应用时，设备将变得更聪明。这也意味着，未来将有更多的云计算工作，可以在本地端就先处理完，不必再上云，而云端将来更像扮演一个中央的管理者或协调者，或是做为一座数据训练中心。

而当有越多的边缘设备接手以前云端的大部分工作，云计算是否可以被替代？去年，业内出现一种“云计算正迈向终结”的声音，甚至有人认为，边缘计算最终会反过来吃掉云端。

Linux基金会Philip DesAutels相当认同云计算迈向终结的说法，但边缘计算并不能就此吃掉云端，反而会与云端实现共存。当更多运算可以交付边缘设备处理时，云端也会因为这些设备变聪明而跟着越来越有智慧，“将来，云端更像是扮演一个集中式协调管理的角色，成为一个具有分布式集体智慧的云端大脑。”

“云端终结说”虽略显夸张，但从运算架构的演进来看，这其实也正反映出了未来边缘计算扮演的角色，将变得更加重要，甚至不输给现在的云端。根据IDC的报告，从明年开始，全球设备将有高达四成产生的数据量会就近在边缘设备来处理、分析及储存，以降低网络传输的成本。

另一份不同的IDC调查也显示，去年开始导入边缘计算架构的企业比例有高达四成，预计今年的采用比例也将持续攀升。