边缘计算现在很热门，但并不是每个人都理解为什么这么多人如此专注于将数据保存在网关或内部服务中，而不是将其发送到云端。虽然将数据处理带到网络边缘似乎是一个巨大转变，而不是将所有数据发送到云端，但对于很多物联网应用情境来说，云计算永远不会是一个可行的解决方案。
当谈到物联网时，边缘计算胜出的原因主要有五个，其中三个跟云数据传输的技术限制有关，另外两个取决于企业文化和对云安全的认知。
1. 安全：
这是大型工业公司青睐边缘计算的原因之一。他们不想将自己的流程连接到互联网上，因为互联网会让他们的操作暴露给黑客和数据泄露。例如，在我2017年参加的霍尼韦尔用户组会议上，发现霍尼韦尔工业自动化产品的大多数客户都不愿意在自己的工厂内安装无线基础设施，因为担心安全遭到破坏。其中一部分是对风险的认知，多亏了Target百货公司的黑客攻击行为——从暖通空调系统开始，并最终窃取了百货公司客户的信用卡信息，引起了人们对黑客攻击基础设施的担忧——考虑到某些类型的工业流程，那么这种担忧是非常有必要的。
2. 知识产权：
与安全问题相关的是对专有数据和知识产权的担忧。高质量的传感器可以用来获取重要信息，例如被视为商业秘密的炼油过程。西门子物联网战略的Jaganath Rao表示，食品公司对这类问题特别敏感，例如，想象一下，如果可以通过工业数据推断出可口可乐的保密配方。
3. 延迟和弹性：
延迟是衡量信息在网络上传播速度的一个指标。无论您是在等待网络电影加载还是在玩网络游戏，延迟都会让人抓狂。当你将数字流转换成电子或机器时，延迟更令人恼火，例如，在家里，当我使用应用程序打开灯时，云到云服务可能会导致一两秒钟的延迟，这很烦人。但是在工业流程中，将数据从一台机器发送到云，然后再返回可能会花费大量金钱甚至是生命。
边缘计算最受欢迎的一个论点是自动驾驶汽车。比如，一辆时速100公里的汽车需要能够识别威胁并立即停车，而不是需要往返云端而等待几秒钟。在工业领域，一台有故障危险的机器可能只有几秒钟或一分钟的警告时间，传感器可能会接收到机器新的振动信号，该信号表示故障，然后将其发送到本地网关进行处理，而网关需要有能力识别故障，或者警告某人，或者在毫秒或秒内发回关闭机器的指令。
这也与弹性有关，网络覆盖范围可能会减小，网络可能会崩溃。当这种情况发生时，汽车、重型工业机械和制造业仍然需要正常工作。边缘计算使它们能够做到这一点。
4. 带宽成本：
一些连网的传感器，例如在引擎中工作的摄像头或聚合传感器，会产生大量数据，例如，每分钟或每小时有数千兆字节的数据。在这些情况下，把所有这些数据发送到云端需要花费很长时间，而且代价过于昂贵。这就是为什么本地图像处理或使用本地分析来监测模式的有意义原因所在。本地网关可以处理这些数据，然后发送相关信息，而不是从连网路灯发送数TB的原始图像数据。
5. 自主性：
延迟和弹性问题是边缘计算将在物联网中蓬勃发展的最终原因——自主决策不能依赖云计算。对许多人来说，连网工厂或办公室的承诺是大量流程可以实现自动化。如果机器可以监控自身及其正在执行的流程，那么它最终可以被设计为在问题发生时采取正确的行动。因此，例如，如果传感器监测到压力增加，它就可以开启管线下游的阀门来释放压力。
以上大部分都是常识。但是，当数字世界的挑战出现在物理世界时，它们就会被放大;当人们的生活或生产过程是在互联网上进行时，就会带来现实世界的后果。
这并不是说随着时间推移，云计算不会承担更多的物联网工作，但是现在，对于很多物联网用例来说，这可能是一个非常可怕的倡议。
