目前很多連接的設(shè)備能夠充分利用云計算的優(yōu)勢，但物聯(lián)網(wǎng)設(shè)備制造商和應(yīng)用開發(fā)人員發(fā)現(xiàn)在設(shè)備本身進行計算和數(shù)據(jù)分析將會帶來眾多的好處。

在設(shè)備上進行計算和分析的方式有助于降低關(guān)鍵應(yīng)用的延遲、降低對云的依賴，能夠更好地管理物聯(lián)網(wǎng)生成的大量數(shù)據(jù)。這種在設(shè)備上處理數(shù)據(jù)和分析的方式被業(yè)界稱為邊緣計算，將網(wǎng)絡(luò)/云邊緣的設(shè)備當作是互聯(lián)網(wǎng)連接的設(shè)備和網(wǎng)絡(luò)。計算在物聯(lián)網(wǎng)應(yīng)用中帶來了新的可能，尤其是對于依賴機器學習的任務(wù)，如對象檢測、人臉識別、語言處理和障礙物回避。

邊緣計算的興起是很著名的技術(shù)迭代，從集中處理開始，然后演變成分布式的架構(gòu)?；ヂ?lián)網(wǎng)本身就是從政府機構(gòu)和大學中的大型機開始的，然后演變?yōu)镻C機，再到新興的互聯(lián)網(wǎng)的頁面。當智能手機在蜂窩網(wǎng)絡(luò)邊緣取代功能機時，移動性革命大大加快。邊緣計算對物聯(lián)網(wǎng)的影響進程也與之類似，隨著終端設(shè)備變得更加強大，能夠運行更加復(fù)雜的應(yīng)用程序，邊緣計算生態(tài)系統(tǒng)快速發(fā)展。

邊緣計算在消費者和工業(yè)物聯(lián)網(wǎng)用例中都能提供切實的價值。它只能通過發(fā)送重要信息而不是原始傳感器數(shù)據(jù)流來幫助降低連接成本，這對通過LTE /蜂窩電話（如智能電表或資產(chǎn)跟蹤器）進行連接的設(shè)備來說尤為重要。此外，在處理工業(yè)設(shè)施中的傳感器產(chǎn)生的大數(shù)據(jù)時，在發(fā)送數(shù)據(jù)之前分析和過濾功能將大大節(jié)省網(wǎng)絡(luò)和計算資源。

通過在設(shè)備中保存敏感數(shù)據(jù)，邊緣計算有助于改進安全性和隱私性。邊緣計算有助于通過匿名化、分析和保留數(shù)據(jù)源而不是向云端發(fā)送可識別信息來保護用戶隱私。

邊緣計算還可以減少延遲，并使連接的應(yīng)用程序更加靈敏和穩(wěn)健。機器學習對于IoT應(yīng)用程序的激增是增加邊緣計算能力的強大驅(qū)動力。設(shè)備不僅需要快速運行復(fù)雜的深度學習網(wǎng)絡(luò)，而且由于許多IoT設(shè)備通過電池供電，所以需要這種方式來降低能耗。這促進了異構(gòu)計算架構(gòu)的產(chǎn)生，將多種引擎如CPU、GPU、DSP集成到IoT設(shè)備中，從而將不同的工作負載分配給最有效的計算引擎，從而提高性能并降低能耗。實際上，在CPU上運行相同的工作負載時，DSP的能耗降低了25倍，性能提高了8倍。

通過邊緣計算，系統(tǒng)架構(gòu)師需要學習如何從端到端利用可用的分布式計算能力的優(yōu)勢，全面挖掘現(xiàn)場設(shè)備、網(wǎng)關(guān)和云的功能。邊緣計算與5G等先進技術(shù)相結(jié)合，將提供更快、更強大、更大規(guī)模的連接，且新一代智能設(shè)備和應(yīng)用將很快出現(xiàn)。