边缘计算（Edge computing）是一种在物理上靠近数据源头的网络边缘检测，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的计算模式。简单点讲，边缘计算是将从终端采集到的数据，直接在靠近数据产生的本地设备或网络中进行分析，无需再将数据传输至云端数据处理中心。 边缘计算发生的位置称为边缘结点，它可以数据产生的源头和云中心之间任一具有计算资源和网络资源的结点。比如，手机就是人与云中心之间的边缘结点。在理想环境中，边缘计算指的就是在数据产生源附近分析、处理数据，没有数据的流转，进而减少网络流量和响应时间。
边缘计算是一种分散式运算的架构，将应用程序、数据资料与服务的运算，由网络中心节点，移往网络逻辑上的边缘节点来处理。边缘运算将原本完全由中心节点处理大型服务加以分解，切割成更小与更容易管理的部分，分散到边缘节点去处理。边缘节点更接近于用户终端装置，可以加快资料的处理与传送速度，减少延迟。在这种架构下，资料的分析与知识的产生，更接近于数据资料的来源，因此更适合处理大数据，不但解决了数据隐私和传输延迟问题节省成本，而且大大提高了数据处理的实时性更好满足 AIoT 智能计算的新需求。
2020年12月，边缘计算产业联盟(ECC)与工业互联网产业联盟(AII)联合发布了《边缘计算与云计算协同白皮书2.0》[3]——边缘计算2.0版本：边缘计算主要包括云边缘、边缘云和边缘网关三类落地形态；以“边云协同”和“边缘智能”为核心能力发展方向；软件平台需要考虑导入云理念、云架构、云技术，提供端到端实时、协同式智能、可信赖、可动态重置等能力；硬件平台需要考虑异构计算能力，如鲲鹏、ARM、X86、GPU、NPU、FPGA等。
(1)联接性：是边缘计算的基础，边缘计算下游场景丰富，需要具备丰富的连接功能，如各种网络接口、网络协议等；
(2)数据第一入口：边缘计算平台部署于网络边缘靠近终端设备的位置，面临大量实时、完整的第一手数据；
(3)分布性：边缘计算天然具备分布式特征，包括分布式计算与存储、分布式资源动态调度与统一管理、分布式智能、分布式安全等；
(4)约束性：行业数字化多样性场景要求通过软件和硬件集成与优化，以支撑各种恶劣的工作条件和运行环境；
(5)融合性：边缘计算是 OT技术与 ICT技术融合的基础，需要支持联接、数据、管理、控制、应用和安全等方面的协同；
(6)去中心化：边缘计算从行业的本质和定义上来看，就是让网络、计算、存储、应用从“中心”向边缘分发，以就近提供智能边缘服务；
(7)万物边缘化：边缘计算和早年的IT、互联网，如今的云计算、移动互联网，以及未来的人工智能一样，具备普遍性和普适性。在万物互联的未来，有万物互联就有应用场景，有应用场景就要边缘计算。
（1）制造业与边缘计算。 全球化经济化趋势使得制造工厂趋向于地理空间上的分散，产品的组集中在一起，随后销售也是借助发达的交通网络实现分散，呈现出“分散-集中-分散”的特点。 边缘计算可以实现数据高速准确传输，减小对于网络的需求、降低延迟，有助于快速做出决策或者快速进行设备的维护管理。在6G与卫星网络的支持下，将实现全球办公。
（2）医疗健康与边缘计算 医疗健康行业可以通过边缘计算节省数据的整理时间，更好的去跟踪病人的信息，保证数据的实时更新，如智能手表、医疗设备。低延迟的数据信息，使得来面对异常病情时可以达到更快的救援速度。
（3）城市生活与边缘计算 自动驾驶、交通管理等对于低延迟传输的需求最大，有关道路、天气、车辆和突发事故等等方面的信息都能为汽车出行保驾护航。此外，智能家居、无人超市等应用边缘计算也在一定程度上便利了我们的生活。
（4）能源行业与边缘计算 能源行业与制造业一样，都是重要的经济主体，需要应用到大量设备，产生大量的数据。边缘计算可以通过筛选过滤数据，增强出现数据或者安全问题的识别处理速度，还能跟进能源数据情况，合理调整各部分的能源消耗结构，开源节流两不误。 下面是一个实时监测环境温度的例子：
import random
import time
def simulate_sensor():
while True:
temperature = random.uniform(20, 30)
yield temperature
time.sleep(1)
我们使用一个边缘计算节点来处理这些数据。我们用一个简单的函数来计算平均温度：
def process_data(temperatures):
total = sum(temperatures)
count = len(temperatures)
average = total / count
return average
def main():
sensor = simulate_sensor()
temperatures = []
for _ in range(10):
temperature = next(sensor)
temperatures.append(temperature)
print(f"Temperature: {temperature}")
average_temperature = process_data(temperatures)
print(f"Average temperature: {average_temperature}")
if __name__ == "__main__":
main()
（5）农牧业与边缘计算 现代农牧业的特点是集约化和规模化，便利的设备工具在农牧业的应用十分广泛，此外，空气、光线、温湿度等等因素也会影响到农作物和动物的生长，大量且多样的数据产生了边缘计算的需求，让农民牧民也能享受轻松的工作。