相较于云计算，边缘计算更聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。当下，工业端应用超越了消费端应用，正在主导全球物联网投资，可以预见，边缘计算将先从该领域开始大行其道。
在制造业领域，无论是针对设备的预测性维护，还是针对消费者的柔性制造，都需要依靠“数据”这座油矿。只有充分挖掘工厂设备联网后产生的海量数据中的价值，通过对制造大数据进行分析，才能提升数字化工厂运行效率，实现真正的工业智能化。
工业世界任何微小的改变都会带来很大的优势，GE把它叫做“1%的威力”，但与之相对的，工业世界任何微小的故障也可能带来很大的损失——工业现场的很多数据“保鲜期”很短，一旦处理延误，就会迅速“变质”，数据价值呈断崖式跌落。因此不是所有数据都必须上传到云平台，“边缘计算”便由此而生。
那么什么是边缘计算呢？边缘计算是指计算靠近物或数据源头的网络边缘，以安防摄像头为例，前端摄像头具备计算和储存的功能，而云端只做基于大数据的宏观预测，这样的好处是实时响应，并减少了网络带宽的压力。
而说起边缘计算的兴起，应该算是很著名的技术迭代，从集中处理开始，然后演变成分布式的架构。互联网本身就是从政府机构和大学中的大型机开始的，然后演变为PC机，再到新兴的互联网的页面。当智能手机在蜂窝网络边缘取代功能机时，移动性革命大大加快。边缘计算对物联网的影响进程也与之类似，随着终端设备变得更加强大，能够运行更加复杂的应用程序，边缘计算生态系统快速发展。
相较于云计算，边缘计算更聚焦实时、短周期数据的分析，能更好地支撑本地业务的实时智能化处理与执行。而且由于更靠近数据源的本地网络(Local Network)内进行运算，数据无需上传至云端，减少数据往返云端的等待时间及网络带宽成本。
随着计算越来越复杂并且需要处理更多数据，使用本地计算能力可以帮助降低延迟。例如，人工智能(AI)程序中，算法可以在一秒内作出数百个决策。在工业生产中，多个处理器同时接收输入并协调响应。在增强现实(AR)系统中，程序实时合成高清图形和地理空间数据。云计算模型造成的延迟对于此类应用来说效率低下，而且，随着本地设备处理能力的增强，这种低效率更为明显。
通过在设备中保存敏感数据，边缘计算有助于改进安全性和隐私性。边缘计算有助于通过匿名化、分析和保留数据源而不是向云端发送可识别信息来保护用户隐私。此外，边缘计算还可以减少延迟，并使连接的应用程序更加灵敏和稳健。
另一方面，物联网的发展也在一定程度上助推着边缘计算的兴起。根据IDC的预估，对物联网的投资将在未来3年内以15.6%的速度增长，2020年达到1.29万亿美元。其中，物联网投资由工业应用主导，包括制造业、交通运输业和公用事业。显而易见，工业端应用超越了消费端应用，正在主导全球物联网投资，可以预见，边缘计算将先从该领域开始大行其道。