随着物联网的发展，基于云计算因为信息传输延时、数据传输量大、数据安全性等方面的因素，需要将一些计算、数据处理在边缘侧处理，因而边缘计算、雾计算在需求的驱动下，成为物联网发展的热点。

但在边缘侧，包括类似中控处理的功能（比如MES系统，或者本地安装的应用系统），也包括终端处理的功能（比如机器人控制系统、一些重要的由PLC控制的设备），还包括一些微型终端设备，这些终端本身处理能力不强，需要与周边系统协作（如一些传感器、控制器）。

边缘侧的计算还未完善，出现了边缘计算、雾计算等概念，因为不同机构对边缘计算、雾计算的定义不同，也很难区分边缘计算与雾计算的具体差异，所以在CIO时代学院【原北大CIO班】讲授物联网课程时，我喜欢用边缘侧计算来作为边缘计算、雾计算的统称。

边缘侧计算智能的三种机制

边缘计算有三种智能机制：

1、通过智能学习获得的智能。

在边缘侧有一些具有灵活功能的设备，在没有具体应用场景时，并没有智能；而在使用中，通过具体机器学习云端的控制经验，通过机器学习获得这个设备的应对机制，获得智能。

2、已经了解机理机制，将机理机制形成应对的智能

比如传统的自动化原理，自动控制算法已经融入到边缘的设备上，这种智能是通过机理机制获得的。

3、多种微终端，通过迭代获得智能

未来在终端，需要通过附近的边缘侧的多个设备协同，形成群体智能。

三种机制的技术实现路线

对于通过智能学习获得的智能，更多的需要云边协同。

而对于机理机制的智能，则实现路径需要通过构建边缘侧的开发生态，典型的如物联网操作系统来实现，通过物联网操作系统，构建开发者生态，丰富边缘侧的应用。

对于多种伪终端的协同协作，未来的技术路线，则有可能通过区块链技术，构建基于区块链的去中心化的决策机制。