目前的網路中已經有64億臺裝置連線，此外還新增了550萬臺新裝置，因此物聯網的興起需要採用新的處理和分析需求的方法。充分利用物聯網需要在裝置和雲之間實現強大的無縫連線，同時消除計算問題和隱私問題。

很多企業並沒有為與物聯網技術相關的風險做好準備，但邊緣計算使用IoT裝置的處理能力來聚合、預處理和過濾資料來源，並增強數字工具的功能，將邊緣應用於雲連線相結合，以執行復雜的分析，並促進決策和行動將促進更快的連線速度和相關的支援。雖然企業剛剛開始在邊緣計算領域發力，但在以下三個方面已經看到物聯網網路已經有所增強。

1、降低延遲並對快速處理資料

雲端計算結合IoT技術的能力意味著到2018年，IoT感測器和裝置將超過手機成為最大的接入裝置。用於工業和消費者應用的複雜演算法使得語音和人臉識別以及機器學習的功能將會得到快速的發展應用。

但是，資料傳輸到雲端並返回到每個IoT裝置必須應對不可避免的網路延遲，所有IoT建立的資料的45%將被儲存、處理、分析，並在靠近或在邊緣網路上進行。邊緣計算通過調整每個應用程式的處理需求來解決物聯網困境，利用低延遲需求，邊緣網路使IoT裝置自己執行機器學習演算法。只有與所需流程的雲進行互動才能實現快速的資料處理並降低延遲雙重優勢，IoT硬體和支援之間的連線也反映在邊緣計算中的資料和分析之間的關係中。

2、強大的連線能力

使用邊緣計算的速度和降低延遲在網路連線方面給使用者帶來了巨大的好處，將雲端之間的互動限制為基本功能可以降低資料傳輸的要求，降低連線費用的成本。此外，需要網路連線的應用程式不會因為IoT裝置的流失受到干擾，隨著更多裝置的接入，網路和雲需求的考慮取決於邊緣計算的應用。

EdgeX Foundry是一個開源軟體專案，專門為邊緣計算建立了一個通用框架和周邊參考平臺。戴爾獨自提供了十幾個微伺服器和超過十五萬五千行原始碼來推動該專案，Edge X將提供即插即用元件的生態系統，這些元件可以組合起來，為物聯網建立安全可擴充套件的解決方案。

3、隱私保護

Threat Intelligence報告顯示了季節性的攻擊，OnRamp的Carolina Curby-Lucier解釋了企業如何利用加密，警報和身份驗證在物聯網中脫離網路安全問題。 但是，物聯網中隱私保護的需求遠遠超出了傳統的威脅，包括使用邊緣計算來保護資料。

隨著物聯網技術成為從醫療保健到銀行市場的行業規範，IoT裝置捕獲的資料也需要隱私保護。 使用邊緣計算可以使用裝置元件來處理來自攝像機或麥克風的資料，而不是依賴於雲。 或者，當需要雲支援時，邊緣可以在裝置或感測器上預處理所需演算法的步驟，並且只有在資料被更改以保護隱私並加速處理之後才能進行傳輸。

找到網路邊緣

邊緣計算不限於駐留在單個IoT裝置或感測器上的處理和資料儲存功能，三種不同型別的邊緣位置使得能夠與雲端同步處理：邊緣閘道器、邊緣裝置和邊緣感測器和執行器。

邊緣感測器或執行器在沒有自己的電源的情況下執行，感測器或執行器也沒有自己的作業系統，並且可以將裝置或閘道器作為IoT技術和雲端之間的連線中介。

執行iOS，Linux，Android或其他作業系統的裝置可能被視為邊緣裝置，這些裝置通常具有電源/電池，並且在現場執行邊緣計算任務，裝置自己處理資料並執行計算。或者在邊緣閘道器的幫助下執行計算。

與邊緣裝置一樣，邊緣閘道器也有自己的作業系統，邊緣閘道器比邊緣裝置具有更強大的處理、儲存和記憶體能力，還可以向雲端傳送資訊之前收集資料並執行演算法。利用這些裝置和邊緣計算的架構將有助於建立新的網路方式。

新的網路架構

邊緣領域的領導者HPE等公司已經開始提供Edgeline IoT Systems這樣的服務，將IoT資料的優勢引入到邊緣。利用HPE部署，機器學習在邊緣實現欺詐預防、自動維護支援和增強現實（AR）技術成為可能。

將邊緣計算引入到感測器或裝置中，雲將建立新的流程架構，以解決物聯網之外的複雜問題。這種新的三層架構將成為標準，圍繞基於雲、機器學習和快速資料的尖端技術。邊緣計算的前提是區分即時需求，防止長期分析，使技術能夠最大限度地利用儲存、計算、交換和網路。