.png)
邊緣運算是一種計算架構，透過分散式的方式將運算位置從過去中心移至邊緣節點，邊緣節點是指離用戶更近的裝置，現在大多數專家較為認可的邊緣運算應用方式，並不是直接取代雲端運算，而是邊緣運算與雲運算共同合作完成，邊緣端負責初步的資料處理，判斷是否需要直接做出反應或是進一步交由雲端負責，雲端則負責資料的儲存以及更高效能低時效性的運算，例如機器學習的提升。在物聯網的時代，我們有更多需要及時反應的裝置，且有更大量的資訊需要處裡，因此邊緣運算應運而生，以達到低延遲、降低傳輸成本、降低雲端負荷等特性。目前實際應用例如 Amazon 持續發展晶片業務，期望未來能將自身的智能音箱 Echo 的部分功能轉至終端設備。
雲端運算
邊緣運算
雲端運算 vs. 邊緣運算
雲端擁有良好儲存以及運算功能，但較為不足的是傳輸速率，由於資料須由終端設備經過多層傳輸後到達雲端資料中心，相較於邊緣節點運算而言更為耗時。第二，未來物聯網設備將大幅增加，根據 IBM 統計 2018 年全球物聯網裝置大約為 150 億台，預估至 2022 年時將倍增至 550 億台，所收集的數據量也將大幅遽增，若仍只依靠雲端運算，要符合萬物聯網規模的數據傳輸量將需花費大量成本，雲端也將過度負荷。邊緣運算也因此擁有降低延遲以及分擔龐大數據量的優勢。但邊緣運算目前仍然有部分問題需要被克服，如同物聯網裝置一樣，資安將是一大問題，相較於過去雲端，資安可以由資料中心統一提升及維護，但當有更多運算節點時，將產生更多機會可以趁虛而入，這也是目前更大廠商需積極克服的部分。
邊緣節點介紹
邊緣運算的安裝處目前尚未有統一的地方，主要分為兩種：
1. 邊緣伺服器（Edge Sever）：
運用刀鋒伺服器（Blade Sever）或工業電腦當作邊緣運算的節點設備，並且將這些設備安裝於接近終端設備的位置，此種作法目前也受到較多企業推崇，因為此方法有幾種優勢包含整合各種設備的資料，交叉分析，且容易擴充。甚至有人提出將運算設備架設於行動電信基地台，也可以藉此確保邊緣運算普及度，未來自駕車上路時，便可運用這些架設於行動電信基地台的邊緣運算裝置進行即時的判斷分析。
2. 終端設備：
亦有人提出可以直接於終端 IoT 裝置中進行複雜的 AI 運算等，可能是自駕車或是各式機器，但此種方法不力於擴充以及資料統整，但可以節省安裝成本。
應用場域
在未來邊緣運算將會應用於各種物聯網空間中，也將是促成物聯網普及的一大技術，尤其在於需要及時反應或是擁有大量數據需要處理的環境中，以下簡單列幾大主要應用領域：
1.智慧工廠：
為邊緣運算最早應用領域，透過邊緣運算快速判斷各項半成品在各步驟中是否達到標準，並有效監督生產過程，同時預測生產品質以及速度等。
2.智慧城市：
未來城市當中將擁有大量資料數據，因此需要邊緣運算進行初步及時處理，例如運用邊緣運算提升城市安全，攝影機即時影像辨識；智慧建築的落實等。
3.自駕車：
自動駕駛因為及時反映的要求，邊緣運算變得極為重要，也是目前最多專家提及邊緣運算時，認為不得不使用的場域。此外，自駕車為了判斷周遭道路情況，將會安裝大量感測器於汽車周圍，藉此收集大量周遭環境數據影像，龐大數據的處理使邊緣運算變得極為重要，由此可知邊緣運算對於自駕車的推動將變得不可或缺。
4.物流中心：
物流中心每日所需處理的貨物量日益增加，在過去幾年不斷推動自動化，降低人力成本，未來邊緣運算可以運用於輸送帶管理、貨品配送以及分類機分類等領域，藉此加快揀貨速度。
市場規模
邊緣運算是為了解決資料傳輸的一種方法，也為了克服未來萬物聯網所需面對的龐大資料處理需求， IBM 預估 2019 年有 150 億個物聯網裝置，經過三年至 2022 年將遽增超過三倍至 550 億。而預估邊緣運算商機，市場規模於 2018 年為 12.72 億美金至 2024 年將達到 69.59 億美金。