邊緣計(jì)算是物聯(lián)網(wǎng)的"神經(jīng)末梢"，有助于降低關(guān)鍵應(yīng)用的延遲和對(duì)云的依賴，促使應(yīng)用更加具有沉浸感和互動(dòng)性，其可應(yīng)用于無(wú)人流水線、船舶等戶外大型重工業(yè)機(jī)器設(shè)備的數(shù)據(jù)采集、衛(wèi)星通信、通用用戶駐地設(shè)備、網(wǎng)絡(luò)即服務(wù)、移動(dòng)連接、遠(yuǎn)程連接領(lǐng)域使用的"盒中云"等社會(huì)方面的場(chǎng)景，還可應(yīng)用于可穿戴設(shè)備、智能家居、交通出行、零售餐飲等生活方面的場(chǎng)景。

邊緣計(jì)算在網(wǎng)絡(luò)的邊緣來(lái)處理數(shù)據(jù)的方式，能夠減少請(qǐng)求響應(yīng)時(shí)間、提升電池續(xù)航能力、減少網(wǎng)絡(luò)帶寬同時(shí)保證數(shù)據(jù)的安全性和私密性。這些優(yōu)勢(shì)在物聯(lián)網(wǎng)領(lǐng)域格外明顯。在物聯(lián)網(wǎng)時(shí)代，大量電子設(shè)備涌入互聯(lián)網(wǎng)，產(chǎn)生海量數(shù)據(jù)，傳統(tǒng)的云計(jì)算并不能及時(shí)有效地處理這些數(shù)據(jù)，邊緣計(jì)算就派上用場(chǎng)了。

現(xiàn)在的無(wú)人駕駛汽車，有成百上千個(gè)傳感器，每駕駛8個(gè)小時(shí)會(huì)產(chǎn)生40TB的數(shù)據(jù)，這些數(shù)據(jù)中大多數(shù)并不重要，而且把這么大體量的數(shù)據(jù)傳到云端是不切實(shí)際的。邊緣計(jì)算就很好的解決了這個(gè)問(wèn)題，先本地計(jì)算，對(duì)于重要的計(jì)算結(jié)果再上傳到云端。從這個(gè)栗子里我們能看出來(lái)什么呢?無(wú)人駕駛，要求系統(tǒng)有實(shí)時(shí)的反應(yīng)能力，可想而知，如果系統(tǒng)反應(yīng)不及時(shí)，在道路上會(huì)造成什么樣的后果。所以這里就體現(xiàn)了邊緣計(jì)算的實(shí)時(shí)性及必要性。

此外，由于不需要機(jī)房配套成本、帶寬成本、運(yùn)維成本等，人臉識(shí)別通道的成本遠(yuǎn)低于云端智能分析的成本，顯著降低了整體系統(tǒng)成本。其次，非結(jié)構(gòu)化視頻數(shù)據(jù)在前端即可被轉(zhuǎn)變?yōu)榻Y(jié)構(gòu)化視頻數(shù)據(jù)，提升了工作效率，也延長(zhǎng)了存儲(chǔ)時(shí)間，得以保留關(guān)鍵數(shù)據(jù)，使系統(tǒng)的可靠性大大提升。最后，人臉識(shí)別通道自動(dòng)區(qū)分識(shí)別出目標(biāo)圖像和背景圖像，優(yōu)化編碼，減少傳輸和存儲(chǔ)壓力，優(yōu)化了系統(tǒng)的實(shí)用性。