當今，邊緣計算市場仍然處于初期發展階段。主宰云計算市場的互聯網公司(國外的亞馬遜、谷歌、微軟，國內的百度、騰訊、阿里巴巴等)、行業領域廠商正在成為邊緣計算商業化落地的領先者。傳統電信運營商在5G蓬勃發展的大環境中，借助軟件定義網絡和網絡云化等技術，也發力于邊緣計算商業化落地。

亞馬遜攜 AWS Greengrass進軍邊緣計算領域，走在了行業的前面。該服務將AWS擴展到設備上，這樣它們除了同時可以使用云來進行管理、分析數據和持久的存儲，還可以在本地處它們生成的數據。

微軟公司在這一領域也有一些大動作。該公司將在物聯網領域進行大量投邊緣計算項目是其中之一。微軟公司發布了 Azure loT Edge解決方案，該方案通過將云分析擴展到邊緣設備以支持離線使用。邊緣的人工智能應用也是微軟公司希望聚焦的領域。谷歌司也不甘示弱，宣布了兩款新產品，分別是硬件芯片 Edge TPU和軟件堆棧 Cloud loT Edge,旨在幫助改善邊緣聯網設備的開發。谷歌公司表示，依靠谷歌云強大的數據處理和機器學習能力，可以通過 Cloud loT Edge擴展到數十億臺邊緣設備，如風力渦輪機、機器人手臂和石油鈷塔，這些邊緣設備對自身傳感器產生的數據可進行實時操作，并在本地進行結果預測。

在新興的邊緣計算領域，涌現出 Scale Computing、 Verti、華為、富士通、惠普和諾基亞等商業化的開拓者。英特爾、戴爾、IBM、思科、惠普、微軟、通用電氣、AT&T和 SAP SE等公司也在投資布局邊緣計算。例如，英特爾和戴爾公司均投資了一家為工商業物聯網應用提供邊緣智能的公司 Foghorn。戴爾同時還是物聯網邊緣平臺 OTech的種子輪融資的參與者。而惠普提出Edgeline Converged Edge Systems系統的目標客戶是那些通常在邊遠地區運營的工業合作伙伴，這些合作伙伴希望獲得數據中心級的計算能力。

在不依賴于將數據發送到云或數據中心的情況下，惠普公司的系統承諾為工業運營(如工廠、銅礦或石油鉆井平臺)提供來自聯網設備的監控管理。目前，不斷涌現和發展的物聯網、5G等新技術正推動著中國數字化轉型的新一輪變革。為克服數據中心高能耗等一系列問題，邊緣計算獲得了越來越多的關注，在國內各行業的應用也日漸廣泛。目前，基于邊緣計算的“云-邊-端”的云端業務下沉延伸、前端的各行業萬物互聯的數據和應用上行擴展，加速推進近端網絡架構演進和變革。

在國內云服務提供商中，百度公司2018年發布“ AI over Edge”智能邊緣計算開發戰略，與中國聯通聯合建立5G實驗室，將智能云業務擴展到網絡端，助力聯通網絡云化變革，加快邊緣計算商業化落地速度。阿里巴巴近年大力推進的智慧城市項目也是邊緣計算商業化的典型案例。金山云借助傳統CDN業務的優勢，大力推進CDN業務擴展到邊緣，加速CDN業務云到邊緣的全方位覆蓋。

國內網絡運營商在競爭激烈的市場中紛紛推進移動邊緣計算的商業開發部署，以求獲得高性能和低時延的服務。中國移動已領先在國內10個省、20多個地市的現網上開展多種MEC應用試點。移動用戶未來可以通過虛擬現實(VR)、增強現實(AR)、超清視頻、移動云等技術獲得極致的業務體驗。

中國電信在探索MEC及工業邊緣云的同時，正式提出對邊緣計算的三重關注：整體的 IDC/CDN資源布局與業務規劃、運營商網關/設備、基于MEC的業務平臺及解決方案。在互聯網公司加速布局前端應用的同時，行業新型應用需求也在驅動邊緣計算布局，在醫療行業，邊緣計算可以解決不少矛盾，帶來諸多好處：融合跨廠商、跨視頻終端類型，實現遠程視頻會診，與醫療業務系統集成化，云醫療視頻核心化;無須修改接口，通過PACS系統將影像文件存儲到公有云OSs;避免醫療機構HS建設信息化投入不足，售后服務與系統升級跟不上醫療信息系統發展需求與擴展的問題;醫療信息系統中舉證責任、電子病歷、藥方、支付等電子數據維護：快速搭建醫生患者溝通平臺，海量醫療數據的集中共享、區域協同，實現“基層首診、雙向轉診、急慢分治、上下聯動”的分級診療服務模式。

​在電力行業，布局智能電網后，電站運營公司或者電站投資商需要對所有電站發電及安全情況進行監控，保障收益。根據自身業務發展，選擇自己的業務模塊及管理電站發電、收益等情況，邊緣計算可以帶來更快的響應和分析在生產制造行業中，富士康工業互聯網加速工業40商業化步伐，近年來成為該行業邊緣計算的領先者。在技術升級與發展中，富士康工業互聯網成功將工業互聯網、5G網絡與傳統的電子制造業務結合起來，不斷擴大電子設備智能制造，逐漸形成了一個高效、完善的全產業鏈的緊密互聯體系。

在智慧交通中，電動汽車在行駛和充電過程中，邊緣計算能使系統輕易地實時采集、存儲、計算車輛數據和充電數據，滿足電動汽車使用和監控管理需求。在智慧家居中，通過邊緣計算能夠將不同類型的智能設備有機地連接起來，通過數據轉換聚合和機器學習等高級分析方法進行自主決策和執行，并對在日常生活中匯集的數據不斷分析，從而演進自身的算法和執行策略，使得智能家居越來越智慧。同時，邊緣計算也能夠同用戶交互界面，以更及時和友好的方式與用戶交互。