越来越多的机器及物体正在接入互联网中，这对过去几十年来人们熟悉的设计架构形成了巨大的挑战，面对后端存储性能及处理效率的压力，越来越多的企业正在努力将计算资源投入到网络边缘，这在车联网、智慧工厂、智能安防等领域已经成为趋势。

   换句通俗的话讲，在某些行业的应用中，需要高度实时的智能判断及分析，不能等待云端的响应，催促了边缘计算的快速落地。据市场调研公司Markets and Markets的数据显示，预计该市场规模将从2017年的15亿美元，未来五年（2022年）将增长到67亿美元。与此同时，不少IT及ICT（如微软、通用电气）等巨头、新创企业都纷纷加大投入，瞄准这一市场进行狙击。 　　在边缘计算的架构中，一切数据都可以在采集设备现场或者附件得到处理与分析，不再依赖后端的云或者数据中心，不仅降低后端的压力，也减少了传输的成本。通过新的架构，用户不仅能获得实时计算并分析数据的享受，也能减少对云或服务器的依赖，这也能帮助用户真正实现更多个性化的移动应用的推广。

   据Gartner Research指出．，联网设备的数量正在激增，到2020年将由2017年的84亿部增至204亿部。Gartner还补充称，到2021年，40％企业的边缘计算策略将就位，而2017年这一比例仅有1％左右。

   边缘计算除了满足新兴领域如自动驾驶的需求外（解决汽车无法连接到云的问题，实现更实时的驾驶判断），在传统的安防领域一样受到厂商的追捧。从2016年宇视科技提出智能链计算（将把算法依据各自不同芯片所长，分别分布到IPC芯片、CPU芯片、GPU芯片上，然后通过高速全媒体总线，打通算法和大数据之间的高速公路，提升算法准确度，同时屏蔽硬件资源对算法的差异，对智能算法统一提供计算资源并提供横向集群能力，实现同类计算资源的集合，解决纯后端方案性能和效率低的问题。），到2017年海康威视发布的AI Cloud体系架构（基于“云边融合”的AI Cloud由云中心、边缘域、边缘节点三部分构成，实现边缘计算＋云计算的有机融合，将AI算力注入边缘，赋能边缘智能实现快速、高效的感知；云端则聚焦AI数据的全局性分析认知，两者以视频AI数据为核心相辅相成，能够充分发挥边缘计算敏捷性和云端大数据计算全局性的优势）等，都可以视为是安防厂商在边缘计算的探索。

   据初创企业Vapor IO的总裁兼首席运营长Don Duet称，通常情况下，从产生数据的设备端将数据传输到云供应商再传回需要150－200毫秒。他还表示，在设备附近布置服务器或网关能将这一过程的时间缩短至2－5毫秒，可显著改善像医疗、联网汽车和智能城市这些关键应用领域的性能表现。

   可以肯定地认为，边缘计算解禁物联网海量终端的连接和管理，新的架构将改变人们对于万物互联的认知。IDC预测到2020年，全球将有300亿终端／设备连接到互联网，其中，一半的数据将会在网络的边缘被分析，处理和存储。其主要的价值在于海量的连接和自动化网络运维管理、实时的连接和服务、统一的数据语义和建模、边缘智能化和服务的创新、设备、网络、数据、应用的安全和隐私的保护。