在物联网（IoT）与军事智能化迅猛发展的背景下，传统云计算模式在应对地理分散部署、高实时性要求及严苛安全需求时，其局限性日益凸显。此类挑战在战场环境中尤为显著——集中式数据处理易引发网络时延、带宽压力及能耗过高问题。边缘计算通过将计算、存储与分析能力下沉至战术终端、无人机、车载设备等靠近数据源的边缘节点，有效提升响应速度、安全性与鲁棒性，为现代化战争提供关键技术支撑。本研究剖析边缘计算的三层架构，深入解析轻量化模型、联邦学习、低时延通信等核心技术，并结合美军F-35边缘电子战系统、网络司令部“持久网络狩猎”项目等实战案例，探讨其在战术协同、态势感知及电子对抗领域的应用价值。此外，本研究系统梳理当前技术瓶颈，前瞻性研判边缘计算的发展路径，为军事物联网网络中分布式智能体系的构建提供理论依据与技术参考。

过去十年间，云计算在应对数据指数级增长带来的存储与管理挑战中发挥关键作用，为大数据处理提供了高效计算平台。然而，在以物联网为主导、数据地理分布广泛且应用需求趋向超低时延与高安全性的场景中，集中式计算范式面临根本性制约。其不仅严重挤占网络带宽，更难以在复杂连接环境下有效克服网络时延难题。瞬息万变的战场环境中，若所有军事物联网数据均依赖云端数据中心统一处理，计算设备与网络带宽必将不堪重负——作战场景下，即使一秒延误亦可能造成灾难性后果。此外，云计算面临严峻能耗挑战，伴随算力需求激增，能源消耗增速恐将超过供应能力。这一现实困境催生了边缘计算技术。通过就近开展数据处理、存储与应用，边缘计算使周边终端、传感器及用户得以高效获取通信与算力服务。这种去中心化架构即使在断连环境下仍能维持作战效能，凭借更快的响应速度、强化的安全协议及更可靠的性能表现，直接转化为作战人员的战术效率提升，并通过实时处理武器系统数据、单兵状态信息及战场环境数据，显著增强态势感知能力。美军单兵作战信息系统等军事应用已率先运用边缘计算技术，实现局部网络区域内作战地图、火力计划与战术通信的实时共享。