堵塞，提高了网络带宽的利用效率。
f龙源期刊网httpwwwqika
comc
智能应用的分工不同。在人工智能应用中，云计算更适用于进行人工智能算法模型训练与大规模数据的集中化分析，边缘计算更适用于基于集成的算法模型，进行本地小规模智能分析与预处理工作。
影响与变革
业务处理从集中式到去中心化
边缘计算将分布式计算融入集中式的云计算架构中，能使计算能力下沉到边或端，减少对中心的依赖，通过云、边、端协同，大幅提升业务效率。
资源配置从资源独占到资源共享
边缘计算最大价值是资源开放性、分享性，改变传统资源独占模式，通过分布式计算、资源迁移、虚拟化等技术充分利用边缘侧的资源能力，优化全社会资源配置，提高资源利用率。
资源独占：传统边缘侧主要承担的是数据采集与业务请求角色，都是要抢占、独占中心计算、存储资源，以及网络带宽资源，边缘端业务规模不断扩大，对中心的压力将不断增加，导致整体运营效率下降。
共享与分享：边缘计算的商业模式将不仅以服务为驱动，更多是以数据为驱动，通过建设统一开放的接口，面向多用户进行数据开放，促进传统中心用户的单边模式转变为用户中心、用户用户的多边共享、分享模式，提升整体效率，使社会生产更经济、更快捷。
数据分析从把握整体到专注局部
万物互联时代需要更敏捷的数据处理，也需要更好数据保护。以往云计算只把握整体，所有数据均要传到中心分析，而边缘计算专注局部，聚焦实时、短周期数据的分析，能更好地支撑本地实时智能化业务处理与执行，并且，原始数据保留在边缘侧，也保证了数据的隐私与安全。
数据轻量化：本地采集的原始数据在边缘侧执行初始分析，只传递有用数据到云端，从而减少网络负担，降低传输成本。
数据隐私保护：大量原始采集的数据无需全部传输到云端，能更好地对数据的隐私提供保护。
应用部署从未雨绸缪到随需而动
传统业务扩张由于受各种要素制约，如计算、网络等，均需要根据需求提前进行规划与部署。
f龙源期刊网httpwwwqika
comc
边缘计算低时延、邻近化、高宽带和位置认知等特性，让业务发展更从容，整个网络能感知一切业务需求变化，并通过近端的智能分析，快速调配资源，实现快速响应，敏捷部署。
智能感知：边缘计算为边缘侧赋能，使其具备业务和用户感知能力，可智能感知边缘侧的业务需求变化，优化利用近端资源，支撑本地业务的实时化处理与执行。
敏捷部署：边缘计算将降低资源对业务发展约束性，通过弹性、可扩展、预制r