目前很多连接的设备能够充分利用云计算的优势，但物联网设备制造商和应用开发人员发现在设备本身进行计算和数据分析将会带来众多的好处。

在设备上进行计算和分析的方式有助于降低关键应用的延迟、降低对云的依赖，能够更好地管理物联网生成的大量数据。这种在设备上处理数据和分析的方式被业界称为边缘计算，将网络/云边缘的设备当作是互联网连接的设备和网络。计算在物联网应用中带来了新的可能，尤其是对于依赖机器学习的任务，如对象检测、人脸识别、语言处理和障碍物回避。

边缘计算的兴起是很著名的技术迭代，从集中处理开始，然后演变成分布式的架构。互联网本身就是从政府机构和大学中的大型机开始的，然后演变为PC机，再到新兴的互联网的页面。当智能手机在蜂窝网络边缘取代功能机时，移动性革命大大加快。边缘计算对物联网的影响进程也与之类似，随着终端设备变得更加强大，能够运行更加复杂的应用程序，边缘计算生态系统快速发展。

边缘计算在消费者和工业物联网用例中都能提供切实的价值。它只能通过发送重要信息而不是原始传感器数据流来帮助降低连接成本，这对通过LTE /蜂窝电话（如智能电表或资产跟踪器）进行连接的设备来说尤为重要。此外，在处理工业设施中的传感器产生的大数据时，在发送数据之前分析和过滤功能将大大节省网络和计算资源。

通过在设备中保存敏感数据，边缘计算有助于改进安全性和隐私性。边缘计算有助于通过匿名化、分析和保留数据源而不是向云端发送可识别信息来保护用户隐私。

边缘计算还可以减少延迟，并使连接的应用程序更加灵敏和稳健。机器学习对于IoT应用程序的激增是增加边缘计算能力的强大驱动力。设备不仅需要快速运行复杂的深度学习网络，而且由于许多IoT设备通过电池供电，所以需要这种方式来降低能耗。这促进了异构计算架构的产生，将多种引擎如CPU、GPU、DSP集成到IoT设备中，从而将不同的工作负载分配给最有效的计算引擎，从而提高性能并降低能耗。实际上，在CPU上运行相同的工作负载时，DSP的能耗降低了25倍，性能提高了8倍。

通过边缘计算，系统架构师需要学习如何从端到端利用可用的分布式计算能力的优势，全面挖掘现场设备、网关和云的功能。边缘计算与5G等先进技术相结合，将提供更快、更强大、更大规模的连接，且新一代智能设备和应用将很快出现。