邊緣計算解決了重要的基礎設施挑戰——例如帶寬限制、過度延遲和網絡擁塞——但 邊緣計算還有幾個潛在的額外好處 可以使該方法在其他情況下具有吸引力。

自治：邊緣計算在連接不可靠或帶寬因站點的環境特征而受到限制的情況下非常有用。示例包括石油鉆井平臺、海上船只、偏遠農場或其他偏遠地區，例如熱帶雨林或沙漠。邊緣計算在現場進行計算工作 - 有時在 邊緣設備 本身 - 例如偏遠村莊凈水器上的水質傳感器，并且只有在連接可用時才能保存數據以傳輸到中心點。通過在本地處理數據，可以大大減少要發送的數據量，所需的帶寬或連接時間比其他情況下可能需要的要少得多。

數據主權：移動大量數據不僅僅是一個技術問題。數據跨越國家和地區邊界的旅程可能會給數據安全、隱私和其他法律問題帶來額外的問題。邊緣計算可用于使數據靠近其來源，并在現行數據主權法律的范圍內，例如歐盟的 GDPR，它定義了數據的存儲、處理和公開方式。這可以允許在本地處理原始數據，在將任何內容發送到可能位于其他司法管轄區的云或主要數據中心之前隱藏或保護任何敏感數據。

邊緣安全：最后，邊緣計算為實施和確保數據安全 提供了額外的機會 。盡管云提供商擁有物聯網服務并專注于復雜分析，但一旦數據離開邊緣并返回云或數據中心，企業仍會擔心數據的安全性。通過在邊緣實施計算，任何通過網絡返回云或數據中心的數據都可以通過加密得到保護，并且邊緣部署本身可以抵御黑客和其他惡意活動——即使物聯網設備的安全性仍然有限。

邊緣計算用例和示例

原則上，邊緣計算技術用于在網絡邊緣或附近“就地”收集、過濾、處理和分析數據。這是一種使用無法首先移動到集中位置的數據的強大方法——通常是因為龐大的數據量使得這種移動成本過高、技術上不切實際或可能違反合規義務，例如數據主權。這個定義產生了無數 現實世界的例子和用例：

制造業：一家工業制造商部署邊緣計算來監控制造，在邊緣實現實時分析和機器學習，以發現生產錯誤并提高產品制造質量。邊緣計算支持在整個制造工廠中添加環境傳感器，從而深入了解每個產品組件的組裝和存儲方式——以及這些組件的庫存時間。制造商現在可以就工廠設施和制造運營做出更快、更準確的業務決策。

農業：考慮一家在沒有陽光、土壤或殺蟲劑的情況下在室內種植農作物的企業。該過程將生長時間減少了 60% 以上。使用傳感器使企業能夠跟蹤用水量、養分密度并確定最佳收成。收集和分析數據以發現環境因素的影響并不斷改進作物生長算法并確保作物在高峰條件下收獲。

網絡優化：邊緣計算可以通過測量互聯網用戶的性能，然后利用分析來確定每個用戶流量的最可靠、低延遲的網絡路徑，從而幫助優化網絡性能。實際上，邊緣計算用于“引導”整個網絡的流量，以獲得最佳的時間敏感流量性能。

工作場所安全：邊緣計算可以結合和分析來自現場攝像頭、員工安全設備和各種其他傳感器的數據，以幫助企業監督工作場所條件或確保員工遵守既定的安全協議——尤其是當工作場所偏遠或異常危險時，例如建筑工地或石油鉆井平臺。

改善醫療保健：醫療保健行業極大地增加了從設備、傳感器和其他醫療設備收集的患者數據量。如此龐大的數據量需要邊緣計算應用自動化和機器學習來訪問數據，忽略“正常”數據并識別問題數據，以便臨床醫生可以立即采取行動，幫助患者實時避免健康事件。

運輸：自動駕駛汽車每天需要和生產 5 TB 到 20 TB 的數據，收集有關位置、速度、車輛狀況、道路狀況、交通狀況和其他車輛的信息。并且必須在車輛行駛時實時匯總和分析數據。這需要大量的車載計算——每輛自動駕駛汽車都成為“邊緣”。此外，這些數據還可以幫助當局和企業根據當地實際情況管理車隊。

零售：零售企業還可以從監控、庫存跟蹤、銷售數據和其他實時業務細節中產生大量數據。邊緣計算可以幫助分析這些多樣化的數據并識別商業機會，例如有效的端蓋或活動、預測銷售和優化供應商訂購等。由于零售業務在本地環境中可能會有很大差異，因此邊緣計算可以成為每個商店本地處理的有效解決方案。