在信息技术飞速发展的今天，我们的日常工作和生活离不开计算机及其各类计算、服务，而数据处理和存储的需求不断升级，推动了计算模式从云计算向边缘技术的演进，这一转变不仅是技术的革新，更是为满足多样化应用场景需求的必然选择。
边缘计算（Edge Computing）是一种将数据处理和计算能力靠近数据源或用户终端的分布式计算范式。它通过在网络边缘部署智能设备或服务器，就地处理数据，减少对云端中心服务器的依赖，从而显著提升响应速度、降低网络带宽需求，并增强数据隐私保护。边缘终端是具有计算、存储、通信等能力，是实现边缘计算的硬件载体。
边缘计算较云计算有如下特点：
降低网络延迟：边缘计算将计算任务推向边缘终端，减少了数据传输距离，从而降低了网络延迟；减少数据传输成本：边缘计算减少了数据传输量，降低了数据传输成本；提高数据安全性和隐私保护：边缘计算可以将敏感数据直接在边缘终端上处理，减少了数据泄露的风险；实现更高的计算效率：边缘计算可以充分利用边缘终端的计算资源，实现更高的计算效率；新的技术，从来不是一蹴而就，而是历经多次迭代，不断创新，在时代需求与不懈探索的共同努力下，方能崭露头角；边缘计算也是如此，其发展历程大致如下：
初期概念阶段（20世纪90年代~2000年中）1998年CDN网络的出现，CDN网络可以认为是边缘计算的雏形。CDN网络技术是网络技术发展重要里程碑，到现在仍然在使用，仍然影响我们的网络体验。其核心是全球或全国部署多个分布式服务器节点，将内容（如图片、视频、网页代码等）“缓存” 到离用户更近的地方，从而缩短数据传输距离，提升加载速度，改善用户的体验，降低源服务器压力。
比如我们刷抖音视频，其背后就是CDN网络技术的应用。抖音作者发布作品，会直接到抖音的源服务器，这个服务器比如在北京，平台的算法会预算视频的热门程度，受众程度，将视频推送到各个省份的CDN服务器，如在广东刷抖音，抖音平台会根据手机或者电脑的IP地址，优先推送广东CDN服务器节点的内容，而不是北京源服务器的内容，缩短了传输距离；边缓存边播放，通过 “就近访问” 降低延迟，解决网络拥堵和提升用户体验。
CDN网络技术和边缘计算解决问题的思维一样，但是有一定的差异，CDN偏向于内容的复制和搬运，而边缘计算是场景不一样，需求不一样，得到的结果不一样。
这个时期属于边缘计算的萌芽期，没有形成概念，只是一个雏形，而横向比对这个时期是云计算的商业化初期，2006年云计算一词出现，2008谷歌推出PAAS平台，2009年阿里云成立，成为国内的最早的云服务商，到现在仍然领跑中国市场。
概念形成和标准化阶段（2010年代）到了2013年，由美国太平洋西北国家实验室首次提出边缘计算这一术语，标志着边缘计算作为一个独立的领域开始受到关注；2015 年 ，欧洲电信标准化协会（ETSI）发表关于移动边缘计算的白皮书，致力于更好地满足边缘计算的应用需求和相关标准制定；同年，思科、ARM、戴尔、英特尔、微软和普林斯顿大学联合成立了OpenFog 联盟，旨在推动雾计算技术发展，促进边缘计算与云计算的协同，为边缘计算的架构设计和技术发展提供了重要支持；2016年，边缘计算已经替代云计算成为美国自然科学基金委的核心项目；同年国内也由中国科学院沈阳自动化研究所、中国信息通信研究院、华为技术有限公司组成边缘计算产业联盟；
这个时期边缘计算技术逐渐走向成熟；5G通信技术也实现了商用，5G网络的低延迟和高带宽特性使得在进行实时数据处理成为可能；两种技术相得益彰，并开始在多个行业实现大规模商业应用。
在自动驾驶、工业制造、智能家居和智慧城市等领域都广泛采用了边缘计算技术。
工业制造领域如西门子、博世等推出边缘计算网关（如西门子SCALANCE IoT 网关），用于工业设备数据的本地处理；三一重工将边缘计算应用于智能工厂，实现设备故障的实时预警，海尔集团的基于边云协同 AI 的质检案例；
智慧城市如湖北武汉的“亮雪工程”，通过边缘计算技术，在前端IPC或靠近视频源的位置对视频内容进行判断、报警输出，还能与周边摄像头联动追踪绑匪车辆等；
自动驾驶领如集合诚的BRAV-7520-WP 车载边缘计算设备，配合车载激光雷达、避障雷达、陀螺仪等传感器，通过深度算法学习算法和推理，实现了无人驾驶；日海智能与滴滴 AI Labs 联合开发的高算力、低功耗、高集成化设备，通过边缘计算 + AI 算法，实现人、车、路的实时协同，提升运营安全性和效率等。
持续发展与未来展望（2020-至今）随着5G通信技术、AI芯片发展，智能设备的普及，边缘计算的能力进一步提升。越来越多的边缘智能终端能够在本地进行复杂的数据处理和分析，推动了边缘计算的发展。
如2021年起，NVIDIA、英特尔等企业推出边缘 AI 芯片，国内如华为昇腾、瑞芯微、商汤、算能也推出了基于NPU、TPU等边缘AI芯片，算力从几TOPS到几百TOPS。
其中也有制约的方面，如它场景不一样，没有一个简单的编程模型，开发者需针对每个场景定硬件配置、算法功能、软件逻辑等，但是从从国家、行业、生态总是不断的优化、在解决，如低代码开发和普及，不同厂家统一硬件SDK、行业标准落地等等。
从医疗领域实时诊断到工业领域预测性维护、判断，从农业领域精准灌溉到交通领域自动驾驶，从新零售领域客流分析、无人值守到智慧城市的公共安全、城市治理、民生服务等，边缘计算不仅解决了云端架构的延迟和带宽瓶颈，更通过本地化数据处理保障了隐私与安全。未来边缘计算将进一步向 “云--边--端” 协同的深度智能化演进，成为支撑数字经济的核心基础设施，为经济的发展注入新动力。
