根據國際電信聯盟電信標準分局ITU－T的研究報告，到2020年，每個人每秒將產生1．7MB的資料，IoT可穿戴設備的出貨量將達到2．37億。IDC也發佈了相關預測，到2018年，50％的物聯網網路將面臨網路頻寬的限制，40％的資料需要在網路邊緣側分析、處理與儲存，到2025年，這一數位將超過50％。
圖1：邊緣計算與雲計算的關係
邊緣計算的巨大價值
美國部署了3000余萬個監控攝像頭，每週生成超過40億小時的海量視頻資料。物聯網領域擁有海量的終端設備，如果這些設備產生的資料聚在一起，會是個天文數字。海量資料的分析與儲存對網路頻寬提出了巨大的挑戰，而邊緣計算的誕生，就是為了解決這一問題。
1）分散式和低延遲計算
雲計算往往並不是最佳策略，計算需要在更加靠近資料來源的地方執行。這個優點可以擴展到任何基於Web的應用程式上：包括 Foursqure和Google Now在內的APP能更快的做出回應，所以在移動用戶中變得越來越受歡迎。這說明在更靠近用戶的邊緣節點上，邊緣計算可以用於改進服務。
許多資料流程由邊緣設備生成，但是通過“遠處”的雲計算處理和分析，不可能做出即時決策。例如使用可穿戴式攝像頭的視覺服務，回應時間需要在25ms至50ms之間，使用雲計算會造成嚴重的延遲；再比如工業系統檢測、控制、執行的即時性高，部分場景即時性要求在10ms以內，如果資料分析和控制邏輯全部在雲端實現，則難以滿足業務要求；還有那些會生成龐大資料流程的多媒體應用，如視頻或是基於雲平臺的網路遊戲，依賴雲計算也會為玩家造成類似於等待時間過長的問題，無法滿足用戶的需求。
作為雲計算的有益補充，可以利用邊緣節點（例如，路由器或離邊緣設備最近的基站），用以減少網路延遲。