目前的網絡中已經有64億臺設備連接，此外還新增了550萬臺新設備，因此物聯網的興起需要采用新的處理和分析需求的方法。充分利用物聯網需要在設備和云之間實現強大的無縫連接，同時消除計算問題和隱私問題。
很多企業并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設備的處理能力來聚合、預處理和過濾數據源，并增強數字工具的功能，將邊緣應用于云連接相結合，以執行復雜的分析，并促進決策和行動將促進更快的連接速度和相關的支持。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絡已經有所增強。

邊緣計算擴展IoT網絡的三種方式
1. 降低延遲并對快速處理數據
云計算結合IoT技術的能力意味著到2018年，IoT傳感器和設備將超過手機成為最大的接入設備。用于工業和消費者應用的復雜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，數據傳輸到云端并返回到每個IoT設備必須應對不可避免的網絡延遲，所有IoT創建的數據的45%將被存儲、處理、分析，并在靠近或在邊緣網絡上進行。邊緣計算通過調整每個應用程序的處理需求來解決物聯網困境，利用低延遲需求，邊緣網絡使IoT設備自己運行機器學習算法。只有與所需流程的云進行交互才能實現快速的數據處理并降低延遲雙重優勢，IoT硬件和支持之間的連接也反映在邊緣計算中的數據和分析之間的關系中。
2. 強大的連接能力
使用邊緣計算的速度和降低延遲在網絡連接方面給用戶帶來了巨大的好處，將云端之間的互動限制為基本功能可以降低數據傳輸的要求，降低連接費用的成本。此外，需要網絡連接的應用程序不會因為IoT設備的流失受到干擾，隨著更多設備的接入，網絡和云需求的考慮取決于邊緣計算的應用。
EdgeX Foundry是一個開源軟件項目，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服務器和超過十五萬五千行源代碼來推動該項目，Edge X將提供即插即用組件的生態系統，這些組件可以組合起來，為物聯網創建安全可擴展的解決方案。
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絡安全問題。 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數據。
隨著物聯網技術成為從醫療保健到銀行市場的行業規范，IoT設備捕獲的數據也需要隱私保護。 使用邊緣計算可以使用設備組件來處理來自攝像機或麥克風的數據，而不是依賴于云。 或者，當需要云支持時，邊緣可以在設備或傳感器上預處理所需算法的步驟，并且只有在數據被更改以保護隱私并加速處理之后才能進行傳輸。
找到網絡邊緣
邊緣計算不限于駐留在單個IoT設備或傳感器上的處理和數據存儲功能，三種不同類型的邊緣位置使得能夠與云端同步處理：邊緣網關、邊緣設備和邊緣傳感器和執行器。
邊緣傳感器或執行器在沒有自己的電源的情況下運行，傳感器或執行器也沒有自己的操作系統，并且可以將設備或網關作為IoT技術和云端之間的連接中介。
運行iOS，Linux，Android或其他操作系統的設備可能被視為邊緣設備，這些設備通常具有電源/電池，并且在現場運行邊緣計算任務，設備自己處理數據并運行計算。或者在邊緣網關的幫助下運行計算。
與邊緣設備一樣，邊緣網關也有自己的操作系統，邊緣網關比邊緣設備具有更強大的處理、存儲和內存能力，還可以向云端發送信息之前收集數據并執行算法。利用這些設備和邊緣計算的架構將有助于創建新的網絡方式。
新的網絡架構
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數據的優勢引入到邊緣。利用HPE部署，機器學習在邊緣實現欺詐預防、自動維護支持和增強現實(AR)技術成為可能。
將邊緣計算引入到傳感器或設備中，云將創建新的流程架構，以解決物聯網之外的復雜問題。這種新的三層架構將成為標準，圍繞基于云、機器學習和快速數據的尖端技術。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存儲、計算、交換和網絡。