(3)远边缘层。远边缘层包含强大的边缘服务器，负责执行更复杂和关键的数据处理，并根据从中边缘层收集的数据做出方向决策。从本质上说，远边缘层的边缘服务器构成了一个小型计算平台，拥有更强大的存储和计算资源。远边缘层使用更复杂的机器学习算法处理大量数据。该层分析来自不同设备的更多数据以实现流程优化或评估最佳措施以在更长的时间内接管更广的区域，通常具有更长的延迟。远边缘层还充当云计算层和边缘层之间的桥梁。
真正的价值主张
从参考架构和示例实现中可以明显看出，边缘计算使以下成为可能：
更接近互联网上的设备或事物的智能推导;
与不同数据和情报节点进行双向信息交换的管道;
最小化决策到行动的延迟。
智能和决策到行动的延迟对于预期价值主张至关重要。从联网汽车的例子中可以清楚地看出，新兴架构使智能尽可能接近物联网边缘。同样很明显，智能推导越复杂，其计算距离物联网设备就越远。然而在一些感知和响应物联网实施中，复杂的智能需要更接近设备层以降低延迟。
如果基于云计算的人工智能模型在车辆已经发生碰撞后预测碰撞，则它没有任何价值。在远离设备层并以更高延迟实现时间关键型智能是一种反模式，对通常无效的问题的常见响应可以充分发挥边缘计算的潜力。就好像边缘计算中的边缘被解释为云计算的边缘，而不是物联网设备的边缘。
以物联网部署为例。真正的价值在于通过从边缘生成的数据中发现情报和洞察力，快速制定可操作的决策。物联网价值主张可以通过在边缘计算的帮助下逐渐使智能更接近设备位置而呈指数级发展。智能延迟越低，价值主张就越多。实际上，该数字意味着边缘计算必须通过计算资源变得更丰富、更强大，才能以更接近设备层的低延迟获得复杂的智能。
可行的示例应用
在农业物联网的应用中，拖拉机、土壤传感器、犁上的传感器和供水系统都相互连接以收集数据和挖掘情报。此类远程位置可能没有互联网连接，无法将数据发送到云计算服务器进行处理。即使有连接，接收情报以确定何时给农场施肥和浇水的延迟也可能是不可接受的。与其相反，具有边缘功能的本地计算会立即将数据转化为行动。
边缘计算在快速生成数据的物联网用例中也大放异彩。例如，飞机在其每个部件上都安装传感器，例如发动机、起落架、机身、机翼和轮胎。根据福布斯发表的一篇文章，飞机每次飞行平均会生成60GB到100GB的数据，而且随着技术的进步，这一数据在未来10年可能会增长到5TB到 8TB。将此类数据实时上传到云端实际上是不可行的。然而，数据收集可以在飞行过程中为飞行员和机上机组人员提供有价值的见解。与其相反，安装在飞机内的边缘处理器可以处理数据并即时提取所需的情报。
结语
以下是支持边缘计算重要性的论点的关键要点：
物联网实施的关键驱动力旨在提供智能答案，主要目标是让生活更美好。
支持物联网的创新解决方案的智能主要归功于数据驱动的洞察力。
新的架构模式不断涌现，强调对低延迟边缘智能的需求。
研究和现场经验表明，越靠近边缘设备生成的低延迟数据越多，潜在价值主张就越大。
