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。
边缘计算的应用：
一、车联网
在互联网行业，有着软件定义一切的说法。同样，在汽车领域，软件定义汽车（SDV）也被认为是汽车行业未来发展的趋势。汽车的核心竞争力，逐渐由动力、机械方面转向软件能力，尤其是AI、大数据、云计算等技术在汽车行业的落地，将进一步推动这种转变的实现。
另一方面，车联网技术的发展是 5G 物联网领域中非常重要的应用之一，也是移动边缘计算的典型场景，尤其是自动驾驶的投入使用，更是加速了车载系统联网入云的进程。据统计数据显示，一辆自动驾驶车每天产生的数据在 4TB 以上，这样大量的数据会因为网络延迟导致终端应用实时性体验大幅下降，进而影响自动驾驶的性能。
二、安防监控
视频监控是安防市场的重要组成，是数据的收集端。随着城市安防的持续投入，各社区、商场、银行网点、道路街边、停车场等公共环境都安装有监控摄像头，视频监控、人脸识别等功能，在安防系统中发挥着重要作用。
随着终端设备的发展，在监控摄像头内置计算单元，通过引入边缘计算，能够有效地处理原始视频流数据，避免将冗余数据上传到云端。另外，植入人脸识别应用，对视频数据进行解析和模型匹配，有效识别重点监控对象,使得终端设备由被动监控转化为与主动分析与预警相结合的安防终端系统。
三、工业互联网
1）生产作业优化
边缘计算可在短时间内从产品设计、材料采购、生产制造、销售和物流等多个来源采集数据，通过边缘层数据计算并进行分析整理，获取各个场所的生产作业情况，对存在问题的工序或环节进行预警，数据无需传到云端进行计算分析，为后续环节提供实时性提示，并根据采集到的数据进行再计算和分析，提出后续作业优化方案及改进建议。
2）预测设备故障
通过机器学习模型预测设备故障，数据需要从多个边缘设备中获得。分析模型非常复杂，需要大量数据进行训练及重新训练模型，还需定期数据馈送，通过分析设备每个单元的频谱特性来判断剩余使用寿命，及时预测设备故障与主动数据反馈。
3）设备互联互通
边缘计算收集系统间实时通信需求和服务质量要求，运行优化调度算法，转化为对TSN交换机和5G网络的配置，支持多种实时数据流传输。在保证信息安全基础上，不仅把支持传统接口和协议的设备接入边缘计算平台，而且通过引入数据抽象层，使得不能直接互联互通的设备基于边缘计算进行互联互通，边缘计算的低延迟性能可以保证设备间的实时横向通信。
四、智能家居
利用大量的物联网设备（如温湿度传感器、安防系统、照明系统）实时监控家庭内部状态，接受外部控制命令并最终完成对家居环境的调控，以提升家居安全性、便利性、舒适性。
由于智能家居设备越来越多，不同产品很难兼容，而且由于家庭数据的隐私性，用户并不总是愿意将数据上传至云端进行处理，尤其是一些家庭内部视频数据。而边缘计算可以将计算（家庭数据处理)推送至家庭内部网关，减少家庭数据的外流，从而降低数据外泄的可能性，提升系统的隐私性。
五、智能交通
在城市的交通管理中，需要对交通违章、交通路况、拥堵等情况实施监测掌握。在城市的交通监测中，高清摄像头遍布各大接口，通过前端的卡口、电警、微卡口可以做到规范路人以及车辆的行为，还可以对一些交通违章、交通路况、拥堵热点与重点车辆等做到实时监测。边缘服务器上通过运行智能交通控制系统来实时获取和分析数据，根据实时路况来控制交通信息灯，以减轻路面车辆拥堵等。
深圳市大唐计算机有限公司专注计算机硬件的研发、生产与销售。该公司研发生产的PHB系列边缘计算模块旨在通过快速原型开发为各种类型的应用提供强大的深度学习功能，采用核心板与底板分离的开发模式，用户使用核心板进行二次开发时，仅需专注上层应用，大大降低了开发难度和时间成本，实现产品方案快速评估和技术预研。全新边缘控制器能够真正帮助客户向下执行设备数据收集、检测、控制等任务，向上连接云端平台与资料库，在高速串联下实现IT与OT的整合，真正打通智能制造多个环节，实现设备智能化和产线柔性化。产品可广泛应用于安防监控、网络通讯、工业自动化、机器视觉，人工智能等领域。
