一、按部署位置分类：离数据源头有多近？

边缘计算最直观的分类就是看设备离数据源头的距离。比如工厂里的传感器直接连到车间的小型服务器（边缘网关），这叫设备边缘；商场里每层楼放个微型数据中心处理摄像头数据，这叫基础设施边缘；再远一点，城市郊区建个小型机房服务整个区域，就是区域边缘。越靠近数据源，响应速度越快，适合实时性要求高的场景。

客户痛点：某汽车厂质检线需要200毫秒内识别零件缺陷，云端来回传输根本来不及。解决方案：在生产线旁部署边缘服务器，图像识别速度直接提升到80毫秒，不良品拦截率提高40%。

二、按功能类型分类：边缘设备能干啥？

有的边缘设备只管收集数据（比如智能电表），有的能简单处理（自助结账机的人脸识别），还有的能独立决策（自动泊车系统）。就像手机和电脑的区别——手机能拍照但算力有限，电脑却能做复杂视频剪辑。制造企业最怕设备突然故障，现在给机床装上能预测维护的边缘盒子，提前3天就能报警，比老师傅经验还准。

典型案例：某物流仓库用带AI芯片的摄像头，直接在现场分拣破损包裹，每年减少200万误判损失，还省了70%上传云端的流量费。

三、按服务对象分类：谁来用这些算力？

给老百姓用的像智能门铃的人脸识别；给企业用的像油田的钻机状态监控；给政府用的像交通路口的违章抓拍。不同场景需求天差地别——小区门禁卡顿顶多被抱怨，但化工厂的安全监测延迟1秒就可能出事故。某沿海城市把潮汐预测模型下放到港口边缘节点，台风天船舶调度效率直接翻倍。

客户原话："以前等云端传回数据分析要半小时，现在边缘端5分钟出预警，我们的应急船能提前守住危险水域。"