物联网正在产生大量数据，企业可以通过各种方式利用这些数据，从增强客户体验(直接促进利润增长)到增强产品，甚至是识别新的商业模式和机会。然而，一些物联网产品不能等待其数据在云中被处理和分析——也就是说，如果它们要为消费者提供任何有意义的用途，就不能等待。为了及时提供最大价值，通常必须在边缘快速处理这些数据。

 

　　物联网边缘计算最常被引用的例子之一是连网汽车，其中一些车辆将很快会在我们周围的街道上自动行驶。为了及时适应实时交通和道路安全状况，这些车辆不能简单地将数据发送到远距离的数据中心，并希望在撞上某物或某人之前得到响应。在这种情况下，延迟远远超过烦扰或生产力消耗：它危及生命。为了避免事故发生，连网汽车必须快速分析面前的信息。面对这一挑战，汽车制造商正在采取分布式方法，将计算资源(如微型数据中心)移近边缘，以实现接近实时的计算。

 

 

　　当然，一些物联网设备能够自己执行这种类型的边缘计算，这就是为什么在我们互联的未来有许多令人兴奋的可能性的原因所在。通过这样做，他们可以节省带宽(以及相关的连接成本)——仅传输对其制造商而言必不可少的数据而不是大量未处理的原始信息。物联网设备还可以解释和分析这些信息，在需要时准确传达所需的洞察力。这在诸如工业设施等环境中尤其有价值，可以增强工厂的安全措施，同时降低这种努力可能带来的巨大成本。

 

 

　　任何安全专家都知道，当然最好尽可能少地传输数据，否则，数据很容易受到第三方的恶意拦截和黑客攻击。通过在物联网设备中构建边缘计算能力，并允许它们自行处理尽可能多的信息，处理敏感信息的公司——从安全角度或隐私角度或两者兼而有之——通过减少必须传输回其数据中心或云的数据量来更好地管理风险。在物联网设备收集个人可识别用户数据的情况下，例如在广告系统中，这对于保护用户隐私特别有用。

 

　　这些只是物联网与边缘计算相结合如何增加商业机会、使物联网产品更加可行、节省企业资金、甚至增强安全和隐私的几个例子。随着机器学习变得越来越普遍，在边缘增强物联网能力的趋势只会突飞猛进。为此，物联网制造商已经在开发具有复杂计算能力的边缘设备。这是一个令人兴奋的发展，具有巨大的潜力，可以改变企业的运营方式和消费者与连网世界的互动方式。