邊緣計算是物聯網的“神經末梢”，有助於降低關鍵應用的延遲和對雲的依賴，促使應用更加具有沉浸感和互動性，其可應用於無人流水線、船舶等戶外大型重工業機器裝置的資料採集、衛星通訊、通用使用者駐地裝置、網路即服務、移動連線、遠端連線領域使用的“盒中雲”等社會方面的場景，還可應用於可穿戴裝置、智慧家居、交通出行、零售餐飲等生活方面的場景。

邊緣計算在網路的邊緣來處理資料的方式，能夠減少請求響應時間、提升電池續航能力、減少網路頻寬同時保證資料的安全性和私密性。這些優勢在物聯網領域格外明顯。在物聯網時代，大量電子裝置湧入網際網路，產生海量資料，傳統的雲計算並不能及時有效地處理這些資料，邊緣計算就派上用場了。

現在的無人駕駛汽車，有成百上千個感測器，每駕駛8個小時會產生40TB的資料，這些資料中大多數並不重要，而且把這麼大體量的資料傳到雲端是不切實際的。邊緣計算就很好的解決了這個問題，先本地計算，對於重要的計算結果再上傳到雲端。從這個栗子裡我們能看出來什麼呢？無人駕駛，要求系統有實時的反應能力，可想而知，如果系統反應不及時，在道路上會造成什麼樣的後果。所以這裡就體現了邊緣計算的實時性及必要性。

此外，由於不需要機房配套成本、頻寬成本、運維成本等，人臉識別通道的成本遠低於雲端智慧分析的成本，顯著降低了整體系統成本。其次，非結構化影片資料在前端即可被轉變為結構化影片資料，提升了工作效率，也延長了儲存時間，得以保留關鍵資料，使系統的可靠性大大提升。最後，人臉識別通道自動區分識別出目標影象和背景影象，最佳化編碼，減少傳輸和儲存壓力，優化了系統的實用性。