邊緣運算並不完全新。多年來，它一直在管理交通、幫助鐵路系統安全運行，以及在連接性低的地方（例如石油鑽井、孤立軍事營地、船舶和飛機）提供計算和處理能力。而不僅依靠端點計算機來處理數據， 邊緣運算允許在邊緣處理資料。如有必要，可以將相關資訊傳送到端點。
只有傳送相關處理的數據可以節省大量頻寬，尤其是每天生成 TB 數據的系統。
物聯網、物聯網、物聯網或物聯網
家庭中的物聯網（IoT），所有類型的工業應用中的工業物聯網（IIoT）和軍事物互聯網（IoMT）/戰地物聯網（IObt）有一些基本相似之處。
軍用版物聯網使用各種感測器來收集數據，共享並將其發送到邊緣服務器，以便為地面上的其他士兵和其他地方協調的指揮官提供實時更新。物聯網的防禦版本也必須符合更高的安全性和信號不透明度門檻。
雲端遊戲
雲遊戲使用邊緣服務器和雲來運行遊戲，然後基本上在設備端用戶端上流式傳輸。由於以高解析度處理硬體密集型遊戲的數據如此，沒有邊緣伺服器來處理更接近玩家的程序，很難提供無延遲控制。
互聯汽車
在 1990 年代中期，社會第一次嘗試互聯汽車，當早期的車載系統被用於事故後發送緊急幫助。直到服務的稍後版序才添加 GPS。在 2000 年代初至中期，遠端診斷和車輛健康報告開始在豪華車輛中變得普遍，而在 2010 年代中期，由 4G LTE 提供支援的 Wi-Fi 熱點已經相當容易獲得消費者可以使用。未來在邊緣網絡上運行的互聯汽車可能會與車輛內部、附近車輛和車輛外部的設備共享數據。在不遠的未來，這些連接功能可能在道路安全和協調的自動駕駛汽車導航方面發揮重要作用。
自動駕駛汽車
估計表明，自動駕駛汽車每天可以產生 5 到 20 TB 的數據。數據可能包括有關道路狀況，位置，交通狀況，速度和道路上其他車輛的持續信息更新。自動化系統需要即時資料彙總和分析功能才能安全運作。雖然某些數據可能會發送給製造商，汽車測試員或車隊經理，但大部分數據僅在車輛內處理。
醫療保健中的邊緣運算機會
機器學習很明顯 醫療領域的應用在這裡，需要快速識別異常數據並與現代醫療保健中使用的無數感測器所採用的正常讀數進行區分。先進的醫療保健設施越來越依賴感測器和設備來監控患者的生命狀況和診斷。對大量收集資料的人工智慧分析依賴邊緣運算技術來提供處理能力。
工業安全
墨西哥灣中部的石油鑽井並不以其連接性而聞名。許多 偏遠的石油和天然氣井或平台 配備了大量 IIoT 設備，可收集傳感器數據，以檢測可能表現為特定聲音，溫度變化，壓力讀數或濕度變化的問題。所有這些數據都必須在邊緣處理，以作為實時警告，以便為了保護工人安全並降低維修成本或設備和生產損失。
裝配線和製造
自動化組裝線 已經存在了一段時間，但可以監控操作，檢測問題和安排維護的 IIoT 感測器和攝像頭仍相對較新。這些有時候龐大的 IIoT 感測器網絡需要大量的邊緣計算能力來分析所有輸入並最佳利用數據。
節省時間和頻寬
在幾乎每個應用程序中，您可以通過將資訊傳送到資料中心，然後傳送給最終使用者，但頻寬需求和延遲可能會顯著阻礙在邊緣和附近收集的資料的分析值。在某些應用程序中，例如前向軍事應用程序或在荒野中或大型水域中的工業邊緣運算需求，將數據傳送回數千英里遠的最終用戶可能不是一個選擇。邊緣運算具有許多不可或缺的形式，而且它不是很快就會消失的工具。
無論如何，競爭有限頻寬的數據的快速增長將使邊緣運算在未來幾十年中更加重要。
探索更多我們的容錯解決方案： 邊緣的意外停機時間 您的網絡和核心數據中心。 立即聯繫我們並了解更多。
