云服务模型: 本质是共享了云端的硬件资源，对网络有很强的依赖。
近几年云服务不断发展，涵盖了各种场景。云服务器、云数据库成为搭建网站的首选模式。不少企业也用云桌面来替代传统的办公电脑，这一举措为企业节省了大量的运营成本。谷歌推出的Chromebook很好的诠释了云服务的商业模式，数据、软件，人们将一切相关业务搬到云端来使用。云服务可有效提高资源的利用率，从环保节能的角度来讲确实十分友好，用起来也算是便利，但这一切需要优秀的网络条件做支撑。而由于近期爆发全球规模的公共卫生事件，让我们知道，我们的网络环境并没有想象的那么好，尤其是欧美国家。如果说普通的办公可以忍受一定范围的网络延时，但是在人工智能时代，云服务将难以满足人们的日常需求。
传统处理器运行AI算法模型的效率低下，这就导致传统的服务器很难满足人工智能对算力的需求。目前人工智能的云端加速发展的也十分迅速，很多芯片设计商逐鹿这个市场，也确实取得了快速的发展，但是这些服务的代价十分高昂。进入物联网时代，很多设备的网络传输路径较长，需要经过多层网关，这就不可避免地造成更多的延时。而且很多设备对算力的需求较小，并不需要借助外部算力来决策。在人工智能和物联网时代，传统云服务器的算力优势不在，延时问题无法克服，本地部署的边缘计算逐渐崛起。
边缘计算：计算单元部署在本地的产品模型，安全、快速、方便设备连接。
随着人工智能和物联网的快速发展，边缘计算的优势越来越突出。边缘计算可有效解决解决安全性、网络延迟增加 (以及运行学习机器模型)和部署连接对象等问题。如今个人数据越来越敏感，其身份特征越来越明显，数据画像已经精准到可怕的地步，人们开始注重保护自己的敏感数据。本地化的部署已经成为很多场景的硬性要求，尤其是涉及到指纹、人脸、声纹等敏感生物特征的时候。
边缘计算单元的发展也十分迅猛，小到传感器，大到本地部署的边缘计算集群服务器，这些设备成本优势十分明显，而且可快速运行各种模型，输出结果，均为量身定做的计算单元。可最大化利用每个计算单元的算力，延迟问题也得到了解决。因此，边缘计算已经崛起。
云服务与边缘计算的共存
云服务虽然衰退，但并不会消失。云服务可能会由如今的全面云端转为重型高端服务，对算力要求巨大的应用还是会首选云服务，毕竟可有效控制成本。但是更多的设备和应用将会转为边缘计算，毕竟边缘计算在物联网和人工智能应用中的优势十分明显。
