隨著算力的發展，邊緣智能在終端節點的部署越來越廣泛，邊緣AI與云端中心分離的分布計算模式已成為未來物聯網計算發展的一個重要方向。隨著通信技術發展，邊緣計算基礎設施建設不斷得到加強，為邊緣智能提供了更多的創新應用空間。同時，隨著芯片制程的不斷推進，邊緣計算芯片的性能獲得大幅提升，從而助益邊緣智能算力的提升。另外，邊緣計算領域的初創企業日益備受投資機構青睞，資本的加持將加快邊緣智能發展。相關利好將促進邊緣智能普及，推動邊緣計算提質增效：
邊緣AI計算功耗將更低
根據數據統計，大約1/4的物聯網設備依靠電池供電，而且這個比例仍在不斷提升，有預測認為，到2030年，接近半數的物聯網系統都將主要依靠電池供電；同時物聯網設備對成本極為敏感，如果將設備投入使用的成本減半，則其銷售額或不止翻番。因此，無論從供電環境還是從使用成本出發，大幅降低功耗都至關重要。TinyML已成為邊緣智能發展的重要方向，邊緣計算的功耗有望不斷降低。TinyML融合了物聯網、機器學習、邊緣計算等技術，將智能下沉到終端設備，有效提高了物聯網設備的數據處理效率與速度，眾多企業已入局TinyML領域，其未來發展空間巨大。
邊緣控制器將更加簡化
邊緣計算的使用者不僅包括IT工程師，還包括OT運營人員。OT團隊往往缺乏IT專業知識來實施部署邊緣計算，IT團隊則又往往缺乏對工藝和運營的理解，難以構建和完善滿足業務流程的創新應用程序。為了做到將復雜留給自己，把簡單交給用戶，邊緣計算平臺需要提供低代碼能力，將編程和使用過程極致簡化，促進IT與OT無縫銜接，這將促進邊緣控制器更加簡化，加速邊緣計算普及。
邊緣硬件設備將更小型化、智能化
邊緣設備占用空間的大小也是邊緣智能發展的一個重要限制因素。更小、更緊湊的外形尺寸，往往意味著邊緣設備更易被安裝，如智能手表、智能眼鏡、智能耳標/腳環等場景，對邊緣計算產品的尺寸非常敏感。同時，計算芯片目前的發展仍遵循摩爾定律，FreeRTOS、RT-Thread和LiteOS等各種新型操作系統大大提升了設備的數據處理能力；微型機器學習TinyML使得工程師們在mW功率范圍以下的設備上有望實現機器學習，邊緣設備有望愈發智能。
邊緣計算平臺服務將更為靈活多樣
雖然邊緣計算脫胎于嵌入式系統，但邊緣計算與嵌入式系統已有本質不同。嵌入式系統是指軟硬件關系非常緊密的一類“計算機”系統，邊緣計算將兩者解耦，部署更快，可隨時升級、按需更新，彈性更強大。大部分邊緣計算產品將無線通信作為標配，使得邊緣設備的安裝位置、邊緣計算的使用場景等都更為靈活多樣。
邊緣計算網關進入加速發展階段
邊緣計算網關（Edge-Gateway）簡稱邊緣網關，是一種可以在設備上運行本地計算、消息通信、數據緩存等功能的工業智能網關，可在不聯網的情況實現設備的本地聯動以及數據處理分析。邊緣計算網關接口豐富，支持海量數據采集和清洗，支持MQTT協議和多種工業通訊規約，支持web配置方式及云端遠程配置。隨著邊緣智能應用場景不斷豐富，邊緣計算網關正逐漸從起步階段進入加速發展階段。
邊緣服務器定制化重要性愈加凸顯
與傳統的計算架構相比，邊緣計算的架構有其獨特性，傳統服務器或難以滿足邊緣計算環境下的要求。一是邊緣環境通常高溫、高濕、高塵，電壓受限，不同的地方會有直流電、交流電，空間、承重、布線等都有受限的可能，甚至部分環境下不能插網線，只能用無線方式進行網絡連接。二是面臨應用生態的考驗，大多數應用要同時應用在邊緣和數據中心，對延時和成本非常敏感，此外，還要實時了解邊緣的應用和服務運行情況，并做到無縫的云邊協同和融合。三是數據保護的要求更高，由于邊緣服務器沒有放在數據中心，無專人看護，沒有進出限制，如何防范潛在的網絡攻擊，同時確保數據的一致、高可用、無泄露，就變得更加重要。四是當邊緣服務器放在最邊緣的地方，通常缺少非常專業的IT運維人員，因此需要做到自動化的無人運維、全方位運維和智能運維。因此，邊緣服務器定制化日益凸顯其重要性。
