边缘计算联系感知系统的优势是显而易见的，但它也给研究人员和行业带来了许多挑战。
(1)边缘计算联系感知系统功率优化难题。
因为边缘端的端子通常是能量受限的系统，或者只有一个低效的能量收集系统[51-57]。所以，功耗问题成为各种智能应用中最突出的矛盾之一。当摩尔定律显著放缓时，专用芯片和现场可编程门阵列(fieldprogrammablegatearray,FPGA)是一种可能的解决方案，但也带来了新的挑战和问题，远未满足持续感知的需要。
(2)定制设计的内在问题和新情况。
边缘计算联系感知系统的定制化设计能显著降低系统整体功耗，但设计难度大、验证周期长，相关软件生态还不完善[62-65]。此外，设计定制化程度与使用灵活性也是一对矛盾，而定制设计的粒度大小在很大程度上决定了其使用灵活性，如何在两者之间取得平衡也有待探索。
(3)边缘勘察设计。
许多情况下，无法在边缘处理所有的任务，其中的一部分需要传输到云上进行后续处理。减少边缘处理、云处理等，在降低边缘计算模块设计上的难度的同时，也增加了通信成本，降低了实时性和安全性。与此相反，嵌入式边缘设备处理的实时性和安全性得到提高，但边缘端计算压力增大，功耗矛盾更加突出。
(4)安全问题。
隐私保护和安全保护是边缘终端的主要设计要求之一。假如把物联网(internetofthings,IoT)设备部署到家中，那么就可以从可感知的数据中获得很多隐私信息。边缘计算，如何防止隐私泄露，是目前还没有得到重视和解决的问题。近年来，英特尔处理器曝光的安全漏洞给硬件系统安全带来了严重挑战。对于这一关系重大的自动驾驶应用来说，任何安全风险都可能导致生命和安全事故。研究者对特斯拉自动驾驶系统的测试表明，这类系统的安全性令人担心。在边缘感知系统中，安全问题将不断激励研究者去探索新的挑战。
