当今，边缘计算市场仍然处于初期发展阶段。主宰云计算市场的互联网公司(国外的亚马逊、谷歌、微软，国内的百度、腾讯、阿里巴巴等)、行业领域厂商正在成为边缘计算商业化落地的领先者。传统电信运营商在5G蓬勃发展的大环境中，借助软件定义网络和网络云化等技术，也发力于边缘计算商业化落地。

亚马逊携 AWS Greengrass进军边缘计算领域，走在了行业的前面。该服务将AWS扩展到设备上，这样它们除了同时可以使用云来进行管理、分析数据和持久的存储，还可以在本地处它们生成的数据。

微软公司在这一领域也有一些大动作。该公司将在物联网领域进行大量投边缘计算项目是其中之一。微软公司发布了 Azure loT Edge解决方案，该方案通过将云分析扩展到边缘设备以支持离线使用。边缘的人工智能应用也是微软公司希望聚焦的领域。谷歌司也不甘示弱，宣布了两款新产品，分别是硬件芯片 Edge TPU和软件堆栈 Cloud loT Edge,旨在帮助改善边缘联网设备的开发。谷歌公司表示，依靠谷歌云强大的数据处理和机器学习能力，可以通过 Cloud loT Edge扩展到数十亿台边缘设备，如风力涡轮机、机器人手臂和石油钴塔，这些边缘设备对自身传感器产生的数据可进行实时操作，并在本地进行结果预测。

在新兴的边缘计算领域，涌现出 Scale Computing、 Verti、华为、富士通、惠普和诺基亚等商业化的开拓者。英特尔、戴尔、IBM、思科、惠普、微软、通用电气、AT&T和 SAP SE等公司也在投资布局边缘计算。例如，英特尔和戴尔公司均投资了一家为工商业物联网应用提供边缘智能的公司 Foghorn。戴尔同时还是物联网边缘平台 OTech的种子轮融资的参与者。而惠普提出Edgeline Converged Edge Systems系统的目标客户是那些通常在边远地区运营的工业合作伙伴，这些合作伙伴希望获得数据中心级的计算能力。

在不依赖于将数据发送到云或数据中心的情况下，惠普公司的系统承诺为工业运营(如工厂、铜矿或石油钻井平台)提供来自联网设备的监控管理。目前，不断涌现和发展的物联网、5G等新技术正推动着中国数字化转型的新一轮变革。为克服数据中心高能耗等一系列问题，边缘计算获得了越来越多的关注，在国内各行业的应用也日渐广泛。目前，基于边缘计算的“云-边-端”的云端业务下沉延伸、前端的各行业万物互联的数据和应用上行扩展，加速推进近端网络架构演进和变革。

在国内云服务提供商中，百度公司2018年发布“ AI over Edge”智能边缘计算开发战略，与中国联通联合建立5G实验室，将智能云业务扩展到网络端，助力联通网络云化变革，加快边缘计算商业化落地速度。阿里巴巴近年大力推进的智慧城市项目也是边缘计算商业化的典型案例。金山云借助传统CDN业务的优势，大力推进CDN业务扩展到边缘，加速CDN业务云到边缘的全方位覆盖。

国内网络运营商在竞争激烈的市场中纷纷推进移动边缘计算的商业开发部署，以求获得高性能和低时延的服务。中国移动已领先在国内10个省、20多个地市的现网上开展多种MEC应用试点。移动用户未来可以通过虚拟现实(VR)、增强现实(AR)、超清视频、移动云等技术获得极致的业务体验。

中国电信在探索MEC及工业边缘云的同时，正式提出对边缘计算的三重关注：整体的 IDC/CDN资源布局与业务规划、运营商网关/设备、基于MEC的业务平台及解决方案。在互联网公司加速布局前端应用的同时，行业新型应用需求也在驱动边缘计算布局，在医疗行业，边缘计算可以解决不少矛盾，带来诸多好处：融合跨厂商、跨视频终端类型，实现远程视频会诊，与医疗业务系统集成化，云医疗视频核心化;无须修改接口，通过PACS系统将影像文件存储到公有云OSs;避免医疗机构HS建设信息化投入不足，售后服务与系统升级跟不上医疗信息系统发展需求与扩展的问题;医疗信息系统中举证责任、电子病历、药方、支付等电子数据维护：快速搭建医生患者沟通平台，海量医疗数据的集中共享、区域协同，实现“基层首诊、双向转诊、急慢分治、上下联动”的分级诊疗服务模式。

​在电力行业，布局智能电网后，电站运营公司或者电站投资商需要对所有电站发电及安全情况进行监控，保障收益。根据自身业务发展，选择自己的业务模块及管理电站发电、收益等情况，边缘计算可以带来更快的响应和分析在生产制造行业中，富士康工业互联网加速工业40商业化步伐，近年来成为该行业边缘计算的领先者。在技术升级与发展中，富士康工业互联网成功将工业互联网、5G网络与传统的电子制造业务结合起来，不断扩大电子设备智能制造，逐渐形成了一个高效、完善的全产业链的紧密互联体系。

在智慧交通中，电动汽车在行驶和充电过程中，边缘计算能使系统轻易地实时采集、存储、计算车辆数据和充电数据，满足电动汽车使用和监控管理需求。在智慧家居中，通过边缘计算能够将不同类型的智能设备有机地连接起来，通过数据转换聚合和机器学习等高级分析方法进行自主决策和执行，并对在日常生活中汇集的数据不断分析，从而演进自身的算法和执行策略，使得智能家居越来越智慧。同时，边缘计算也能够同用户交互界面，以更及时和友好的方式与用户交互。