邊緣計算是物聯網的"神經末梢"，有助于降低關鍵應用的延遲和對云的依賴，促使應用更加具有沉浸感和互動性，其可應用于無人流水線、船舶等戶外大型重工業機器設備的數據采集、衛星通信、通用用戶駐地設備、網絡即服務、移動連接、遠程連接領域使用的"盒中云"等社會方面的場景，還可應用于可穿戴設備、智能家居、交通出行、零售餐飲等生活方面的場景。

邊緣計算在網絡的邊緣來處理數據的方式，能夠減少請求響應時間、提升電池續航能力、減少網絡帶寬同時保證數據的安全性和私密性。這些優勢在物聯網領域格外明顯。在物聯網時代，大量電子設備涌入互聯網，產生海量數據，傳統的云計算并不能及時有效地處理這些數據，邊緣計算就派上用場了。

現在的無人駕駛汽車，有成百上千個傳感器，每駕駛8個小時會產生40TB的數據，這些數據中大多數并不重要，而且把這么大體量的數據傳到云端是不切實際的。邊緣計算就很好的解決了這個問題，先本地計算，對于重要的計算結果再上傳到云端。從這個栗子里我們能看出來什么呢?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，在道路上會造成什么樣的后果。所以這里就體現了邊緣計算的實時性及必要性。

此外，由于不需要機房配套成本、帶寬成本、運維成本等，人臉識別通道的成本遠低于云端智能分析的成本，顯著降低了整體系統成本。其次，非結構化視頻數據在前端即可被轉變為結構化視頻數據，提升了工作效率，也延長了存儲時間，得以保留關鍵數據，使系統的可靠性大大提升。最后，人臉識別通道自動區分識別出目標圖像和背景圖像，優化編碼，減少傳輸和存儲壓力，優化了系統的實用性。