边缘计算是指在靠近物或数据源头的一侧，采用网络、计算、存储、应用核心能力为一体的开放平台，就近提供最近端服务。其应用程序在边缘侧发起，产生更快的网络服务响应，满足行业在实时业务、应用智能、安全与隐私保护等方面的基本需求。
边缘计算处于物理实体和工业连接之间，或处于物理实体的顶端。而云端计算，仍然可以访问边缘计算的历史数据。
边缘计算在用户或数据源的物理位置或附近进行计算，可以降低延迟，节省带宽。 简单来讲，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网络设备或网络中进行分析，无需再将数据传输到云端数据处理中心。 在云计算模式中，计算资源和服务通常集中在大型数据中心内，而最终用户则是在网络的边缘访问这些资源和服务。 这种模型已被证实具有成本优势和更高效的资源共享功能。
总之，通过使计算服务靠近这些位置，用户能够得到更快速可靠的服务，获得更好的用户体验，公司则能够更好地处理数据，支持对延迟敏感的应用，以及利用 AI/ML分析等技术识别趋势并提供更好的产品和服务。
边缘计算和云计算在多个方面存在明显的区别：
数据处理位置：云计算将数据集中处理存储在云端的数据中心，而边缘计算将数据处理放置在更接近数据来源的边缘设备上。
数据处理方式：云计算以大规模数据中心为核心，通过高效的计算和存储设施进行数据处理，而边缘计算则通过在设备端的计算能力对数据进行本地处理，降低数据传输和处理延迟。
应用场景：云计算主要适用于大规模数据的存储和处理，如企业业务系统、大型科研项目等，而边缘计算主要适用于需要快速响应的应用场景，如智能家居、智能制造、物流配送等。
网络通信模式：云计算主要依赖互联网和企业内部网络进行数据传输，而边缘计算则通过本地网络或无线传输技术降低数据传输时延。
安全性：云计算数据存储在云端数据中心，需要保证云端的安全性，而边缘计算则通过在设备端进行数据处理，保护了数据隐私和安全性。
可伸缩性和灵活性：云计算通常具有高度的可伸缩性、灵活性和可靠性。而边缘计算是一种分布式计算模型，将计算资源和数据处理功能推向网络边缘，靠近数据源和终端设备。
综上所述，边缘计算和云计算在数据处理位置、处理方式、应用场景、通信模式、安全性以及可伸缩性和灵活性等方面存在显著差异。在实际应用中，两者可以结合起来构建更加强大和灵活的计算架构，称为边缘云。
边缘计算的应用领域：
智能制造：在智能制造领域，边缘计算可以实时处理生产线的传感器数据，并通过机器学习算法进行模式识别和预测性维护。例如，在汽车制造工厂，边缘计算可以监测机器设备的运行状态，并在故障发生前及时进行维护，从而提高生产效率和降低停机时间。
智能交通：在智能交通领域，边缘计算可以实时处理车辆和道路传感器的数据，从而提供实时交通信息和优化交通流量。例如，在智能交通系统中，边缘计算可以实时调整红绿灯的时间长度，从而根据车流量和行人数量来优化交通效率。
智能安防：在智能安防领域，边缘计算可以实时处理视频监控数据，从而提供更准确的人脸识别和物体检测。例如，在银行或商场中，边缘计算可以实时监测人群流量和异常行为，并发出警报通知安保人员。
智能家居：在智能家居领域，边缘计算可以实时处理家庭设备的传感器数据，从而提供更智能、更个性化的家庭生活体验。例如，在智能家居系统中，边缘计算可以根据家庭成员的日常习惯自动调整室内温度和照明亮度，从而提供更舒适的居住环境。
智能农业：在智能农业领域，边缘计算可以实时处理农田传感器数据，并通过机器学习算法进行作物生长预测和环境优化。例如，在智能农业系统中，边缘计算可以监测土壤湿度和作物生长情况，并自动调整灌溉量和施肥量，从而提高作物产量和质量。
医疗：边缘计算可以用于处理和分析医院、诊所等场所的医疗数据，实现智能医疗、健康管理等功能。
城市智能化：边缘计算可以用于处理和分析城市道路、公共交通、能源管理、垃圾收集等数据，实现智能城市、智能停车、智能照明、智能环境监测等功能。
消费电子：边缘计算可以用于处理和分析消费类电子设备如智能手机、智能家居设备、智能安防设备等的数据，实现智能语音助手、智能家居控制、智能安防监控等功能。
