边缘计算仍处于起步阶段，有可能为更高效的分散式计算铺平道路。尽管在实现边缘计算时出现了不少挑战，但边缘计算将会催生更多的发展机遇，在此我们明确了5个潜在机会：
机会1：标准、基准和市场
统一资料连线和资料聚合是业务智慧的基础，面对当前工业现场存在的多样化与异构的技术和标准，离不开跨厂商、跨领域的资料整合与互操作。网络边缘侧的本地计算服务无疑会在异构环境中迎来IT厂商、IT方案商以及开发者整合融合服务的挑战，标准化亟待形成。
许多组织正在定义各种边缘计算标准，例如美国国家标准和技术协会（NIST）、IEEE标准协会、国际标准化组织（ISO）、云端计算标准客户委员会（CSCC）和国际电信联盟（ITU）等。只有当边缘节点的效能可以根据广泛认可的度量指标可靠的进行基准测试时，才能形成标准。
机会2：架构和语言
随着支援通用计算的边缘节点不断增加，开发框架和工具包的需求也会随之增长。边缘分析与现有流程不同，由于边缘分析将在使用者驱动的应用程序中实现，现有框架可能不适合表达边缘分析的工作流。
程式设计模型需要利用边缘节点支援任务和资料的并行，并且同时在多个层级的硬件上执行计算。程式语言需要考虑工作流中硬件的异构性和各种资源的计算能力。这比云端计算的现有模型更加复杂。
机会3：轻量级库和算法
与大型服务器不同，由于硬件限制，边缘节点不支援大型软件。例如，Intel T3K并发双模SoC的小型基站具有4核ARM的CPU和有限内存，不足以执行复杂的资料处理工作。再比如Apache Spark需要至少8核的CPU和8 GB的内存以获得良好的效能。边缘分析需要轻量级算法，可以进行合理的机器学习或资料处理任务。
例如，Apache Quarks是一种轻量级库，可以在小型边缘装置（如智能手机）上使用，以实现实时资料分析。但是Quarks支援的基本资料处理，例如过滤和视窗聚合，不足以满足高阶分析任务。消耗更少内存和使用更小磁盘的机器学习资源库有利于实现边缘节点的资料分析。TensorFlow是另一个支援深度学习算法并支援异构分散式系统的示例框架，但其边缘分析的潜力仍有待探索。
机会4：微型操作系统和虚拟化
基于微型操作系统或微型核心的研究可以解决在异构边缘节点上部署应用的挑战。
有研究表明，跨越多个虚拟装置复用装置硬件的移动容器可以提供与本地硬件接近的效能。容器技术（如Docker）正在成熟，并且能够在异构平台上快速部署应用程序。
机会5：产学研合作
边缘计算为产业界和学术界提供了独特的发展机会。边缘计算领域的研究可以由行业合作伙伴（例如移动运营商和开发人员、软件工具开发商和云服务提供商等）以及感兴趣的学术合作伙伴共同驱动，以实现双方的共同利益。
