边缘计算是物联网的"神经末梢"，有助于降低关键应用的延迟和对云的依赖，促使应用更加具有沉浸感和互动性，其可应用于无人流水线、船舶等户外大型重工业机器设备的数据采集、卫星通信、通用用户驻地设备、网络即服务、移动连接、远程连接领域使用的"盒中云"等社会方面的场景，还可应用于可穿戴设备、智能家居、交通出行、零售餐饮等生活方面的场景。
边缘计算在网络的边缘来处理数据的方式，能够减少请求响应时间、提升电池续航能力、减少网络带宽同时保证数据的安全性和私密性。这些优势在物联网领域格外明显。在物联网时代，大量电子设备涌入互联网，产生海量数据，传统的云计算并不能及时有效地处理这些数据，边缘计算就派上用场了。
现在的无人驾驶汽车，有成百上千个传感器，每驾驶8个小时会产生40TB的数据，这些数据中大多数并不重要，而且把这么大体量的数据传到云端是不切实际的。边缘计算就很好的解决了这个问题，先本地计算，对于重要的计算结果再上传到云端。从这个栗子里我们能看出来什么呢?无人驾驶，要求系统有实时的反应能力，可想而知，如果系统反应不及时，在道路上会造成什么样的后果。所以这里就体现了边缘计算的实时性及必要性。
此外，由于不需要机房配套成本、带宽成本、运维成本等，人脸识别通道的成本远低于云端智能分析的成本，显着降低了整体系统成本。其次，非结构化视频数据在前端即可被转变为结构化视频数据，提升了工作效率，也延长了存储时间，得以保留关键数据，使系统的可靠性大大提升。最后，人脸识别通道自动区分识别出目标图像和背景图像，优化编码，减少传输和存储压力，优化了系统的实用性。
