管理咨询和研究机构Everest集团副总裁Yugal Joshi指出，与其他一些由需求驱动市场的企业技术领域不同，到目前为止，边缘计算用例主要由供应商主导。Joshi说：“随着技术供应商不断创新，边缘计算用例不断发展。随着硬件、软件和云计算供应商建立更合适、可持续和可靠的边缘计算功能，新的用例正在出现。”
Joshi说：“在低延迟和减少网络流量传输成为关键问题的情况下，边计算缘用例的基本原理仍然是相似的。”
5个边缘计算示例
行业专家对于企业如何投资边缘计算用例进行了分析和阐述。
(1)预测性维护
Joshi表示，围绕预测性维护的用例已经得到了发展。边缘计算解决方案在那些高价值资产下跌时会造成巨大损失的行业尤其受欢迎。在全球石油和天然气行业应用中，其管道的数字化和边缘数据和分析专业知识可以使企业积极管理和维护其管道，解决缺陷并防止故障。
(2)远程劳动力支持
这场疫情使许多企业迅速开展远程工作，这也被证明是边缘计算的一种理想用例。
CompTIA公司技术分析高级总监Seth Robinson说，“考虑到边缘计算，转向远程工作似乎是一个很好的选择。特别是越来越多的企业考虑实施远程工作，他们也将要考虑远程工作的员工如何访问企业的系统。采用包括边缘计算的方法可能会提高生产率，并提高弹性。”
边缘计算具有独特的优势，这些优势被证明对支持分布式劳动力非常有价值，例如减少了需要在网络上移动的大量数据，提供计算灵活性和密度，减少数据延迟，以及解决数据地理位置的法规要求。
(3)零售/商业优化
Joshi表示，电子商务优化是另一个吸引人的领域。随着B2C和B2B的行业组织在疫情期间提高其数字销售能力，边缘计算可以提供更低的延迟和更大的可扩展性。当需求可能剧烈波动时尤其如此。同样，实体零售商在许多方面看到了边缘计算与物联网结合的价值，包括库存管理、客户体验、无接触结账和路边提货、需求感知和仓库管理。
(4)联合学习
SAS公司物联网副总裁Jason Mann解释说：“当人工智能技术嵌入物联网(IoT)端点、网关和其他设备时，边缘人工智能就会发生。它为从智能手机、智能音箱到汽车传感器以及监控摄像头的一切事物提供动力。”
IDC公司的McCarthy指出，人工智能系统是边缘计算中最常见的工作负载。
Joshi说：“现在的一个重点还在于在边缘计算利用人工智能来推动联合学习。”联合学习是一个人工智能框架，其中模型开发分布在数百万个移动设备上。联合学习可能是实现基于智能物联网的应用程序的有前途的解决方案。正如Airtel公司首席数据科学家Santanu Bhattacharya博士解释的那样：模型的开发、训练、评估在边缘计算设备上进行，而无需直接访问或标记原始用户数据，从而可以对模型进行重新训练，同时保持数据隐私。
(5)医疗创新
在发生疫情之前，医疗保健行业已经开始增加对边缘计算的投资，但是疫情迅速加速了向远程医疗技术和设备的投资。许多医疗保健问题与边缘计算减少应用程序延迟的能力相匹配。在生死攸关的情况下，医疗机构可以在本地存储和处理数据，而不是依赖于集中式云服务。因此，临床医生可以更直接地获得重要的医疗数据，如核磁共振成像或CT扫描，或者从救护车或急诊室获得信息，以便更快地进行诊断或治疗。
