自动驾驶汽车本质上是一台装有轮子的高性能计算机，它通过大量的传感器来收集数据。为了使得这些车辆能够安全可靠地运行，它们需要立即对周围的环境做出反应。处理速度的任何延迟都有可能是致命的。虽然联网设备的数据处理现在主要是在云端进行的，但在中央服务器之间来回传送数据可能需要几秒钟的时间。这一时间跨度太长了。
云计算已经不足以即时处理和分析由物联网设备、联网汽车和其他数字平台生成或即将生成的数据，这个时候边缘计算能够派上用场。该技术拥有着应用于诸多行业领域和发挥巨大作用的潜力。边缘计算则让自动驾驶汽车更快速地处理数据成为可能。这种技术使得联网设备能够处理在『边缘』形成的数据，这里的『边缘』是指位于设备内部或者与设备本身要近得多的地方。
据估计，到 2020 年，每人每天平均将产生 1.5 GB 的数据量。随着越来越多的设备连接到互联网并生成数据，云计算可能无法完全处理这些数据——尤其是在某些需要非常快速地处理数据的使用场景当中。边缘计算是云计算以外的另一种可选解决方案，未来它的应用范围很有可能将远不止是无人驾驶汽车，甚至包括所有能产生数据并执行反馈的物联网设备。包括亚马逊、微软和谷歌在内的一些科技巨头都在探索『边缘计算』 —— 或直接称为物联网技术，这可能会引发下一场大规模的计算竞赛。
在我们到处充斥着数据的未来，将有数十亿部设备连接到互联网，因此更快更可靠的数据处理将变得至关重要。近年来，云计算的整合和集中化性质被证明具有成本效益和灵活性，但物联网和移动计算的兴起给网络带宽带来了不小的压力。最终，并不是所有的智能设备都需要利用云计算来运行。在某些情况下，运算过程中的某些流程与数据的往返传输能够被避免。由此，边缘计算应运而生。边缘计算使得数据能够在最近端（如电动机、泵、发电机或其他的传感器）进行处理，减少在云端之间来回传输数据的需要。
边缘计算被描述为：
『微型数据中心的网状网络』，在本地处理或存储关键数据，并将所有接收到的数据推送到中央数据中心或云存储库，其覆盖范围不到 100 平方英尺。
例如，一列火车可能包含可以立即提供其发动机状态信息的传感器。在边缘计算中，传感器数据不需要传输到火车上或者云端的数据中心，来查看是否有什么东西影响了发动机的运转。本地化数据处理和存储对计算网络的压力更小。当发送到云的数据变少时，发生延迟的可能性 —— 云端与物联网设备之间的交互导致的数据处理延迟就会降低。这也让基于边缘计算技术的硬件承担了更多的任务，它们包含用于收集数据的传感器和用于处理联网设备中的数据的 CPU 或 GPU。边缘计算具体是指在网络的『边缘』处或附近进行的计算过程，而雾计算则是指边缘设备和云端之间的网络连接。换句话说，雾计算使得云更接近于网络的边缘；因此，根据 OpenFog 的说法，“雾计算总是使用边缘计算，而不是边缘计算总是使用雾计算。”
边缘计算的优势
虽然边缘计算是一个新兴的领域，但是它拥有一些显而易见的优点，包括：
- 实时或更快速的数据处理和分析：数据处理更接近数据来源，而不是在外部数据中心或云端进行，因此可以减少迟延时间。
- 较低的成本：企业在本地设备的数据管理解决方案上的花费比在云和数据中心网络上的花费要少。
- 网络流量较少：随着物联网设备数量的增加，数据生成继续以创纪录的速度增加。因此，网络带宽变得更加有限，让云端不堪重负，造成更大的数据瓶颈。
- 更高的应用程序运行效率：随着滞后减少，应用程序能够以更快的速度更高效地运行。
- 降低云端计算压力：降低发生集中式云计算故障损失。
减少对云的依赖也意味着某些设备可以稳定地离线运行。这在互联网连接受限的地区尤其能够派上用场 —— 无论是在严重缺乏网络服务的特定地区，还是油田等通常无法访问的偏远地区。边缘计算的另一个关键优势是安全性和合规性，由于边缘设备能够在收集和本地处理数据，数据不必传输到云端。因此，敏感信息不需要经由网络，这样要是云遭到网络攻击，影响也不会那么严重。另外，边缘计算还能够让新兴联网设备和旧式的『遗留』设备之间实现互通。它将旧式系统使用的通信协议『转换成现代联网设备能够理解的语言』。这意味着传统工业设备可以无缝且高效地连接到现代的物联网平台。
人工智能芯片制造商英伟达于 2017 年推出了 Jetson TX2，这是一个面向边缘设备的人工智能计算平台。它的前身是 Jetson TX1，它号称要『重新定义将高级 AI 从云端扩展到边缘的可能性』。边缘计算正在交通运输，医疗保健，智能制造业，农业和智能农场，能源和电网控制，金融，零售等行业被广泛应用，从可穿戴设备到汽车再到机器人，物联网设备正呈现出越来越强劲的发展势头。
随着我们朝着更加互联的生态系统迈进，数据生成将继续飞速增加，尤其是在 5G 技术取得腾飞，进一步加快网络连接以后。虽然中央云或数据中心传统上一直是数据管理、处理和存储的首选，但这两种方案都存在局限性。边缘计算可以充当替代解决方案，但由于该技术仍处于起步阶段，因此还很难预料其未来的发展。
设备能力方面的挑战 —— 包括开发能够处理云端分流的计算任务的软件和硬件的能力 —— 可能会出现。能否教会机器在能够在边缘执行的计算任务和需要云端执行的计算任务之间切换，也是一个挑战。即便如此，随着边缘计算更多地被采用，企业将有更多的机会在各个领域测试和部署这种技术。有些用例可能比其他用例更能证明边缘计算的价值，但整体来看，该技术对我们整个互联生态系统的潜在影响则可能是翻天覆地的。