1.赋能万物
泛在环境中物联网技术的长足发展，使得越来越多的城市基础设施和移动智能设备产生了计算需求，例如杭州物联网小镇场景中的各类智慧基础设施。
因此，无处不在的计算需求使得基础计算服务再也不是某个企业或者组织的个体需求，而是整个社会发展的共性需求。无处不在的计算即称为泛在计算，而边缘计算则是通过大量算力的部署来实现泛在计算的重要手段。
如果将物联网的发展看作给万物赋能的过程，低功耗嵌入式芯片、传感器和低功耗无线传输技术(ZigBee、NB-IoT等)是给万物赋予“感知”和“沟通”的能力，而边缘计算则是进一步赋予万物“思考”的能力。
图1-7显示了对应“通信”“感知”和“计算”三方面能力的支撑技术，其中边缘计算是对于现有云计算和嵌入式计算的有益补充，有望打通资源受限的物联网设备和高复杂度的人工智能算法之间的鸿沟，可以看作形成“无处不在的计算”的“最后一公里”。
▲图1-7 赋能万物的三方面基础能力
2.进一步改变人类的生产生活方式
边缘计算的普及将催生大量的新型计算业务(例如自动驾驶、医疗保健、智能制造、通信感知、透明计算等)，并对传统的生产生活方式产生重大影响。
试想，当前端设备(如手机、平板电脑等)与边缘服务器之间的延迟小于前端设备自身的计算与读写延迟时，前端设备便可以不再携带计算资源，仅保留传感器与通信模块，不受前端设备操作系统、计算资源的限制，从而实现真正意义上的“透明计算”。
不仅消费电子产品的形态会被颠覆，各种各样原本不具备计算能力的设备现在都有了计算能力，如工厂流水线、城市路灯等。这将极大促进整个社会生产生活的自动化和智能化。
3.提升体验，降低能耗
在物联网时代，各类物联网设备数量的大幅增长将会直接导致传感及控制数据的爆炸性增长。图1-8显示了近5年网络数据量的变化趋势，表1-5显示了云计算中心的耗电量，云中心的存储及传输消耗了大量能源，甚至在有些地区已成为能源消耗的最大来源。
▲图1-8 全球数据总量及年增长率
▼表1-5 云计算中心的耗电量
在边缘计算的模式中，大量的前端设备数据不再汇聚到少数的几个数据中心，而是“分布式”地存储在各个边缘计算服务器上，从而大幅减少了流量需求，并且计算请求也被分布到世界各地，甚至各个家庭。这种新的泛在计算方式有望从根本上解决数据无限增长带来的能源瓶颈问题。
4.大幅提升计算服务的安全性
随着嵌入式智能设备越来越多，隐私数据的安全问题逐渐成为人们最为关心的问题之一。不同于云计算将所有的数据集中汇聚到云计算中心，在边缘计算中，用户数据仅直接上传至边缘服务器。数据传递通常是一跳，或经历极短的网络路径，而且边缘服务器面向的用户数量远少于云计算，受到大规模攻击的概率也相对较低。
在某些边缘计算场景(如家庭智能路由网关)中，边缘服务器完全可以是用户自主拥有的，从运行机制上避免了数据与远程服务器的直接接触。
不仅如此，各类隐私保护的计算方法也因为边缘计算较低的延迟得以具有更广阔的应用前景。如Google提出的数据与服务器隔离的联邦学习(Federated Learning)框架，运用在传统网络中可能会带来较大延迟，因此很难支持实时运算的场景。
而在边缘计算当中，由于边缘服务器与用户之间的延迟极低，使得这类隐私保护的机器学习算法能够支持更广泛的应用和服务场景。
