或许在未来某一天，我们可以享受到万物都是终端，同时万物都是计算中心的生活。但目前看起来完成大量的计算任务主要还是依靠云。边缘计算的设想很精密，但落地的应用却很少，尤其高度适配各个领域的技术解决方案似乎还没有出现。
　　需要看到的是，现阶段的边缘计算也存在不少软肋，比如成本高降低了设备终端的整体性价比，智能分析能力以及数据应用的法律合规性等问题，都限制了边缘计算在当下的快速发展。
　　首先，现在采用支持边缘计算的“智能”AI设备单价都比较高。一般的终端电子产品一旦搭载AI芯片、提升存储空间后，会大大提高设备的造价成本，令终端的整体性价比不高。众多企业在面临负担如此高昂的技术成本后，显然会阻碍相关产品的普及与推广。
　　其次，边缘计算终端的计算力如何，可否能起到“智能”分析的作用。据国际数据公司的预测，到2020年将有超过500亿的终端与设备联网，未来超过50%的数据需要在网络边缘侧分析、处理与储存。不过，鉴于现阶段终端设备无法兼容过多的智能化处理方式，是否能够胜任在数据源头完成采集并分析的任务？即便加载了各种强大的元器件，让边缘计算变快了，但代价是不是反而比云计算来得更慢呢？显然，后续技术演进仍有待观察。
　　再有，在比较依赖边缘计算技术的医疗、自动驾驶、国防等领域，由于数据获取难度大、法规松绑程度偏低，实际导入人工智能时风险就会变得较高，而对于风险的承受度就会走低。以上都可以看出，云计算短时间内依然会是人工智能计算的主要形态。
　　除此之外，边缘计算走向实际应用还有距离，更有两个难以跨越的难关：
　　一方面，边缘计算难以兼容异构。也就是说如何让冰箱算洗衣机的数据、空调算手机的数据还没人回答。这就导致了真正能提供边缘计算能力的设备和网络非常稀少。虽然边缘计算能借力打力，但压根没有可借的力就呜呼奈何了。
　　另一方面，边缘计算的智能化进度也让人疑惑。我们知道，大数据处理和呈现，是高度依赖智能化的运算方式。将数据中心化集成，意味着可以通过不同算法整合处理，得到各种需要的结果。但边缘计算的运算场景却无法兼容过多智能化处理方式，这就让运算体系间的适用性不高。说白了，边缘计算快是快了，但代价是必然比云计算笨上很多。
　　总而言之，边缘计算在很长一段时间里，是无法实际取代云计算的。更大概率是作为辅助手段与云计算相结合，作为补充手段和特定场景技术。
　　巨头们纷纷进场，更多是战略上的占领和完成技术储备。国内物联网的设备基础和网络基础都还薄弱，想要短期靠边缘计算赚钱，恐怕有点过分乐观了。