边缘计算还将使我们能够对数据进行更多的本地化控制。一种称为联合学习的技术允许在拥有本地数据样本的多个服务器或边缘设备之间训练算法，而不必共享或交换数据。
IDC将边缘计算定义为在集中式数据中心之外执行的与技术相关的操作，其中边缘是连接端点和核心IT环境之间的中介。边缘的特点是分布式的、软件定义的和灵活的。边缘的价值在于将计算资源移动到创建数据的物理位置，从而显著缩短价值实现时间，并在核心IT环境之外即时启用业务流程、决策和智能。
多接入边缘计算(MEC)是一种网络架构，允许计算、网络和移动服务提供商将一些计算和基于云的流程转移到网络环境的边缘，从而实现更好的性能、延迟和安全性。
边缘计算的出现正是为改善智能终端数据传输时延问题。通过在靠近数据源的地方设置边缘节点，提供计算、存储和网络带宽，可缩短反应时延，让数据更高效、更安全。
人工智能通常部署在云平台上，在那里可以处理大量的数据，并消耗大量的计算资源。然而，数据并不都需要在云平台中存储和处理。
制造业的智能升级转型，带来更多的设备接入和更庞大的数据量，云计算所具备的算力资源无法满足企业需求。所以很多企业都在关注边缘计算技术，用来提升数据传输速度，降低服务器压力。边缘计算网关是将工业设备的数据采集到云平台，提供可视化的数据分析手段，以便于及时管理和维护，从而去优化工艺流程，提高生产效率。边缘计算允许物联网设备生成的数据在更接近创建的位置处理，而不是通过长路径发送到数据中心或云，从而减轻了网
