边缘计算的价值，在于把处理能力放到数据产生的地方。
时延改善最直接。工业质检与自动驾驶等场景，毫秒级的差别会影响可用性。
带宽成本明显下降。现场预处理后再上传，能显著减少回传流量。
运维复杂度上升。节点分散后，设备的管理、升级与故障处理都需要新的机制。
算力规模受空间限制。机柜、供电与散热条件，决定了单个节点可承载的算力上限。
与云端的协同需要设计。模型训练在云端，推理在边缘，分工明确才能发挥各自优势。
标准化程度影响扩展。接口与编排规范不统一时，多节点部署的成本会迅速上升。
边缘计算的核心是按需下沉，把算力放在真正需要低时延的环节，而不是无差别铺开。