边缘计算并不是什么新鲜事物。多年来，它一直在做诸如管理交通、帮助铁路系统安全运行以及在石油钻井平台、孤立的军事营地、船只和飞机等连接性低的地方提供计算和处理能力等工作。与其仅依靠端点计算机来处理数据， 边缘计算允许在边缘进行数据处理。如有必要，可以将相关信息发送到端点。
仅发送经过处理的相关数据可以节省大量带宽，尤其是对于每天生成数兆字节数据的系统而言。
物联网、工业物联网、物联网或物联网
家庭物联网（IoT）、所有类型工业应用中的工业物联网（IIoT）和军事物联网（IoT）/战地物联网（IoTT）有一些基本的相似之处。
物联网的军事版本使用各种传感器来收集数据，共享数据并将其发送到边缘服务器，为地面上的其他士兵和在其他地方协调的指挥官提供实时更新。物联网的防御版本还必须满足更高的安全和信号不可穿透性阈值。
云端游戏
云游戏使用边缘服务器和云来运行游戏，然后这些游戏基本上是在设备端客户端上进行流式传输。由于要以高分辨率为硬件密集型游戏处理大量数据，如果没有边缘服务器来处理离玩家更近的进程，就很难提供无延迟的控件。
联网汽车
早在20世纪90年代中期，社会就首次体验了联网汽车，当时早期的车载系统被用来在事故发生后派出紧急援助。直到该服务的后续迭代才添加 GPS。在2000年代初至中期，远程诊断和车辆健康报告开始在豪华汽车中变得很普遍，到2010年代中期，消费者可以相当容易地使用由4G LTE提供支持的Wi-Fi热点。未来在边缘网络上运行的联网汽车可能会与车内、附近车辆和车外的设备共享数据。在不久的将来，这些互联功能可能会在道路安全和协调自动驾驶车辆导航中发挥重要作用。
自动驾驶汽车
估计表明，自动驾驶汽车每天可以产生五到20 TB的数据。这些数据可能包括有关路况、位置、交通状况、速度和道路上其他车辆的持续信息更新。自主系统需要实时数据汇总和分析功能才能安全运行。虽然有些数据可能会发送给制造商、汽车测试人员或车队经理，但其中许多数据仅在车辆内部处理。
医疗保健领域的边缘计算机会
机器学习是显而易见的 在医疗领域的应用，需要快速识别异常数据，并将其与现代医疗保健中使用的无数传感器采集的正常读数区分开来。尖端医疗机构越来越依赖传感器和设备来监测患者的生命体征和诊断。对大量收集的数据进行人工智能分析依赖于边缘计算技术来增强处理能力。
工业安全
墨西哥湾中部的石油钻井平台并不完全以其连通性而闻名。很多 偏远的油气井或平台 配备了大量工业物联网设备，这些设备收集传感器数据，以检测可能表现为特定声音、温度变化、压力读数或湿度变化的问题。为了确保工人安全，减少维修成本或设备和生产损失，所有这些数据都必须在边缘进行处理，以起到实时警告的作用。
装配线和制造
自动化装配线 已经存在了一段时间，但是可以监控操作、检测问题和安排维护的工业物联网传感器和摄像机仍然相对较新。这些有时是庞大的工业物联网传感器网络需要大量的边缘计算能力来分析所有输入并优化数据利用。
节省时间和带宽
在几乎所有应用程序中，通过将信息发送到数据中心，然后发送给最终用户，您都有可能完成相同的事情，尽管速度要慢得多，但是带宽要求和延迟可能会严重阻碍在边缘和边缘附近收集的数据的分析价值。在某些应用中，例如前方军事应用或荒野中的工业边缘计算需求或海量水域，将数据发送回数千英里之外的最终用户可能根本不是一种选择。边缘计算有许多不可或缺的形式，它不是一种很快就会消失的工具。
如果有的话，争夺有限带宽的数据的快速增长将使边缘计算在未来几十年变得更加重要。
详细了解我们的容错解决方案 边缘的计划外停机 您的网络和核心数据中心。 立即联系我们，了解更多。
