邊緣計算的出現是物聯網不斷發展的重要體現，出于各種原因，包括在某些應用中需要極低的延遲，例如自動駕駛汽車。將計算能力轉移到更靠近網絡邊緣也可以降低成本并提高安全性。

　　不同的組織使用邊緣和霧計算的方式不同，但在部署IoT解決方案時，選擇使用一個而不是另一個非常重要。有物聯網業內人士表示，“霧和邊緣計算的理想用例需要靠近超低延遲至關重要的邊緣的智能，在地理上分散的連接可能不規則的區域運行，或創建數TB的數據，這些數據不實用于流式傳輸到云端?！?/span>

　　術語邊緣和霧計算似乎或多或少可互換，并且它們確實共享幾個關鍵的相似性。霧和邊緣計算系統都將數據處理轉移到數據生成源，他們試圖減少物聯網卡聯網發送到云的數據量。這是為了減少延遲，從而改善遠程任務關鍵型應用程序中的系統響應時間，提高安全性，因為減少了通過公共互聯網發送數據的需求，并降低了成本。

　　某些應用程序可能會收集大量數據，這些數據發送到中央云服務的成本很高。但是，他們收集的只有少量數據可能有用，如果在網絡邊緣進行某些處理并且僅將相關信息通過物聯網卡聯網發送到云，則這將大大降低成本。

　　想想安全攝像頭。將24小時視頻發送到中央服務器將是非常昂貴的，其中23個小時可能只是一個空蕩蕩的走廊。如果使用邊緣計算，可以選擇僅發送實際發生某事的一小時。

　　霧和邊緣計算都涉及處理更接近原點的數據。關鍵的區別在于處理發生的確切位置。霧計算過程發生在局域網級網絡架構上，霧計算使用與工業網關和嵌入式計算機系統交互的集中式系統。邊緣計算處理大部分數據物聯網設備直接在設備本身上生成。

　　我們可以看到，這兩種技術非常相似。為了區分它們，讓我們考慮智能城市的用例。

　　想象一下智能城市，配備智能交通管理基礎設施。交通信號燈連接了一個傳感器，可以檢測到交叉路口每側有多少車等待，并優先為最大數量的車輛轉動綠燈。這是一個相當簡單的計算，可以使用邊緣計算在交通燈本身中執行。這減少了需要通過網絡發送的數據量，從而降低了運營和存儲成本。

　　現在，想象一下這些交通信號燈是連接對象網絡的一部分，包括更多交通信號燈、行人過路處、污染監視器、公交車GPS跟蹤器等等。

　　關于是否在五秒鐘或十秒內將交通信號燈變為綠色的決定變得更加復雜。也許有一輛公共汽車在交叉路口的一側遲到了。也許它開始下雨了，該市決定在下雨時優先考慮行人和騎自行車的人在這種更復雜的情況下，可以在本地部署微數據中心，以便分析來自多個邊緣節點的數據。這些數據中心就像局域網內的本地迷你云一樣，被認為是霧計算。

　　總之，隨著物聯網的不斷發展和更多的數據生成，處理接近生成點的數據將變得勢在必行。顯然，其他人也同意這一點。根據Million Insights最近的一份報告，到2025年，全球邊緣計算市場規模預計將達到約32.4億美元。

　　國內物聯網卡交易平臺物聯網之家表示，邊緣和霧計算將在物聯網的未來發揮重要作用。是否使用邊緣或霧計算不太重要，并且將取決于應用和特定用例。，霧或邊緣計算是否“更好”將取決于物聯網應用及其要求和期望的結果。