邊緣計算的起源不算晚，早在2003年，IBM就做了相關的技術拓展和嘗試，而隨着物聯網技術和5G技術被不斷提起，人們越來越多地談論和探索邊緣計算相關應用與未來發展。同時，AI算力等技術等技術的完善，也一點點地完善邊緣計算，使得邊緣計算的技術和市場規模變得巨大，其在當前信息科技發展當中的重要性日益凸顯。
邊緣計算（Edge Computing）指的是在網絡邊緣進行計算的計算模式，其對數據的處理主要包括兩部分：其一是下行的雲服務，其二是上行的互聯服務。當然，這裏的邊緣並不是廣義上的“邊緣”，其更類似於一個相對概念，指從數據源到雲計算中心路徑之間的任意計算、存儲以及網絡相關資源。
如果要追溯歷史，那邊緣計算最早其實是應用於傳媒行業，其指的是在數據源頭處，採用網絡、計算、存儲、應用核心能力爲一體的開放平臺，直接在最近的地方提供服務，由於其運行於邊緣處，擁有極快的響應速度。而隨着技術發展，其在安全、實時響應、AI智能和可信隱私方面，都有着用武之地。
當我們在從數據源的一端到雲服務中心的一端，在中間的路徑上可能經過許多的計算器件或者平臺，比如路由器、交換機等，如果沒有邊緣計算，其可能只起到中介者或通信者的作用，但如果我們將其作爲資源節點，那就能讓計算更接近使用者的同時，鏈接到其他計算任務中。
邊緣計算核心理念和目標就是讓計算應更靠近產生數據的源頭，更加貼近用戶，並鏈接更多的功能需求。當我們縮減這些資源與用戶的距離的時候，帶寬、延遲、抖動等不穩定因素都將更加易於控制與改進，並提供個性化的需求計算服務。
邊緣計算會將網絡距離，或者空間距離上的與用戶臨近的這些獨立的、分散的資源進行統一，爲應用提供計算、存儲以及網絡服務，在安防領域，人臉識別攝像頭能夠直接在本地設備上完成識別，而不再依賴雲端，從而避免耗費時間上傳圖像、接受信息，有利於節省帶寬資源。
而在AI的加持下，邊緣計算在智慧城市、車聯網、智能工廠、智能社區、智能家居、災難搜救等行業都有相當廣闊的應用前景。例如利用邊緣計算使終端能夠從監控視頻和圖像中提取實體，並構建應用程序以發現所需信息。如果說終端是手的大腦，那邊緣計算就是神經末梢帶來的本能反應，邊緣計算更靠近設備端，更靠近用戶。
說到邊緣計算，那繞不開的便是其與雲計算的對比。
首先，雲計算更多指的是集中式的數據處理或者任務執行，而對於邊緣計算來說，其數據和不用再傳到遙遠的雲端，在邊緣計算側就能解決。不過兩者實際上都參與了整個需求或者數據的計算中。
另外，邊緣計算更適合實時的數據分析和智能化處理，相較單純的雲計算也更加高效而且安全，其相當於可信計算中，將數據和代碼安全部分都轉移到線下，從而提升效率，但其對於一些需要快速更新迭代的處理過程，應對還是沒雲計算更好。
因此，當然，邊緣計算並不會取代雲計算，更爲合適的說法是，邊緣計算是雲計算的補充。目前二者融合的趨勢越來越明顯，將在未來相互配合，共同提升計算效率。
處於網絡邊緣的資源是很多的，主要有用戶終端，如手機、個人電腦等等，基礎設施，如wifi接入點、蜂窩網絡基站、路由器等等，嵌入式設備，如攝像頭、機頂盒等等。在未來萬物互聯的時代，隨着資源的的數量增多，我們其實是不可能爲每一個設備都提供一個處理方式，這時我們就需要邊緣計算來讓每一個設備擁有自己的處理方式。
對衝量網絡來說，邊緣計算將是衝量雲網絡中極爲重要的組成部分，其將幫助通過容器集羣、函數計算和邊緣計算技術保障了計算任務的快速創建和靈活調度，提供了資源無限快速擴展的能力。