边缘计算能够加速数据流的处理，能够无延迟的处理数据。边缘计算的及时性和即时性对响应速度有苛刻时间要求的应用至关重要，比如自动驾驶。在视频监控应用中，比如gong安实战应用，边缘计算及时性尤其重要。若把数据传输到云端进行计算，再把计算结果反馈到控制中心或者采集设备端，将直接影响gong安人员的工作效率。

边缘计算可以在数据产生源端或者附近就对数据计算处理，只把处理后的结果数据传送到数据中心，相比于把源数据传送到云计算中心或者数据中心集中处理，极大地节省了数据通信带宽。这对基于互联网或者跨多个域的数据转发的应用尤为关键。边缘计算既可以通过减少网络传输数据量来消减传输成本，还可以进一步提高云计算中心和数据中心的计算效率，同时避免把一些敏感的源数据传输汇聚到网络上、云端或者数据中心，进一步增强了数据安全性。

视频监控行业是应用边缘计算技术较早的一个行业，由于使用了边缘计算技术，整个视频监控行业已经从传统的视频监控系统逐渐过渡到视频图像信息应用系统。尤其是在gong安行业应用中，随着gong安行业标准《GA/T 1400 gong安视频图像信息应用系统-2016》(简称视图库标准)和《GA/T 1399 gong安视频图像分析系统-2016》的正式发布，进一步加快了gong安行业中的视频图像信息的边缘计算技术落地。

雾计算(fog computing)、雾网络(fog networks)或者雾化(fogging)，都是同一个意思。雾计算和边缘计算在物联网中有着类似角色和目标，都是推动智能和计算更接近数据源。但是雾网络或者雾化是一种分散式的计算基础架构，将数据、计算、存储和应用分布在数据源和云之间最合理、最有效的位置。雾网络侧重于相互交互的边缘设备，比如物联网网关，但是边缘计算侧重于实际上与“物”相关的设备和技术，比如摄像机。

另一种观点认为，雾是指边缘设备和云之间的网络连接，而边缘更具体的指靠近边缘设备进行的计算过程，因此雾包括边缘计算，但雾也会包含将处理后的数据传送到最终目的地的网络。

其实边缘计算和雾计算并没有一个严格的分界线，而是相互融合的一个整体，比如开源联盟OpenFog正是开发的支持雾计算和边缘计算的参考框架。