图2 边缘计算分布式开放物联网架构
图3示出了边缘计算的5大关键利益，正是由于边缘计算呈现了它在复杂物联网场景的技术优势，所以这几年赢得了行业的特殊关注。
图3 边缘计算的五大关键利益
边缘计算架构令物联网系统由感知层并行延伸至网络层和数据服务层。分布式构架使得感知系统获得了更加灵活的任务适应能力，因而更能满足新型信息化系统的多业务多场景需求。
3.2 通用化、标准化
IoT核心网与边缘化物联网终端构成了灵活多变却又通用、标准的物联网系统，如图4。
网络、计算、存储、应用的边缘化，使得物联网终端获得了更多的职能权限。边缘化物联网终端通过自身操作系统与IoT核心网的协调运作，可以实现对南、北向驱动管理、设备运行状态监控以及容器化边缘任务管理。边缘化物联网终端实现了接口融合、数据融合、协议融合以及容器化的应用管理，满足了差异化场景与碎片化行业需求，最终呈现出通用化、标准化特征。图5示出了边缘化的物联网操作系统内部功能结构。
图5边缘化的物联网操作系统
3.3 高效的部署与运维
图2示例中，IoT核心网通过边云协同方式实现了物联网系统的网络、应用、计算资源及数据订阅和发放管理。平台化、服务化的边缘管理机制带来了中心化的高效系统部署与系统运维能力。该能力在面向万物互联的未来数字化系统中，将发挥巨大的经济效益。
3.4 人工智能
作为风头正盛的人工智能技术，深度学习（Deep Learning，DL）受到业界的大量关注。DL与边缘计算的结合将为智能系统带来实用且灵活的技术手段。首先，DL植入边缘计算框架中，实现网络边缘的自适应管理。另外，云端也将大量的模型计算推至边缘，实现低延迟、高可靠的智能业务。
作为典型的AI技术之一，DL在计算机视觉（CV）和自然语言处理（NLP）领域展现出了强大的性能优势［5］，相应的智能服务与应用也快速的改变着人们的生活［6］。随着边缘算力的不断增长和计算方式的革新，更加智能的算法能够从云端拓展至终端用户，网络边缘将具备更加智能化的任务执行能力，且能够被云端不断升级和更新。