随着越来越多的设备连接到互联网并生成数据，云计算可能无法处理所有数据虽然连接设备的大部分数据处理都在云中进行，但在中央服务器之间来回发送数据可能要花费几秒钟的时间。例如，自动驾驶汽车本质上是一个大型、高性能的带轮子的计算机，它通过大量传感器收集数据。为了使这些车辆安全可靠地运行，它们需要立即对周围环境做出反应。自动驾驶汽车使用了嵌入式技术、传感器和不断生成数据的通信系统。如果发送的数据通过GPS系统、激光雷达和摄像机（跟踪其他车辆的位置、注意行人和障碍物）的云处理，然后等待分析和洞察之前采取行动……处理速度上的任何滞后都可能是致命的。而边缘计算使得更快的数据处理速度成为可能。

数字网络是信息的传输系统。在这个网络中，所谓的「边缘（Edge）」是由尽可能远的服务器组成的，以减少为用户提供服务的时间。边缘计算（Edge Computing）可理解为利用靠近数据源的边缘地带来完成的运算程序。之前，处理来自不同来源的数据时，网络通常会将数据从数据源（如传感器）转移到中央计算机。换句话说，数据从边缘传输到中央系统进行处理、分析，并可能进行分发。

边缘计算则消除了将数据传输到中央位置的需要，支持在数据源本身进行数据处理和计算。这将导致立即进行数据处理，并且由于不再向云服务器或内部服务器传输数据，延迟问题也会减少。

边缘计算让云数据处理过程实现了去中心化。此外，通过在网络边缘存储和处理数据，并且只发送将被云服务器使用的数据，这将有助于节省带宽和服务器空间。

Mordor预计到2025年，边缘计算的市场价值将达到932533万美元，复合年增长率为34%。

美国加州的帕洛阿尔托市利用边缘技术投资于一系列物联网项目。例如，该市最近启动了一个智能交通信号项目，使交通灯与相连的车辆连接，以判断十字路口的情况。随着越来越多的汽车联网，这项技术将最终消除诸如在凌晨三点空无一人的十字路口等待绿灯等问题。

边缘计算利用来自物联网连接设备的数据，其中许多设备都是使用开放协议和「绝对信任」设计的，因此安全性值得关注。边缘计算的支持者声称，边缘计算更安全，因为数据不在网络上传输；反对者声称，边缘计算的安全性较低，因为物联网设备一开始就更容易受到影响。提供边缘产品和服务的供应商表示，他们正在解决这个问题。

一些公司已经推出了他们的边缘计算解决方案，比如微软推出的Azure IoT Edge，将机器学习、高级分析和人工智能服务放在更接近数据源的前端物联网设备上。亚马逊则希望通过为其支持Alexa的设备配备亚马逊设计的芯片，来利用边缘计算。目前正在开发中，这些芯片最终将被部署在支持Alexa的设备上收集和处理数据，而不是让设备从中央服务器发送和接收数据。这将导致用户获得更快的答案，即使设备没有连线。

由于边缘计算从源头而不是从中心的或基于云的服务器处理数据，营销人员可以相应地采取一些营销措施，比如说实时营销，数据从源头处理，营销人员可以配置自动系统，立即响应客户的输入。无论客户身在何处，推动与他们的实时互动，对保持他们的忠诚度至关重要。

边缘计算在营销行业的应用大致有：

• 离线体验：由于边缘计算并不完全依赖于物联网设备和中央服务器之间的连接，所以即使没有互联网连接，也可以执行进程。通过边缘计算，品牌可以在服务器宕机期间，或终端用户的互联网连接中断或不稳定时，探索更复杂的体验。
• 在智能家居环境中，终端用户将希望在互联网中断期间继续控制自己的恒温器和照明系统。更不用说工厂和仓库了，在这些地方，工厂内的工业物联网技术可以继续收集数据，并根据工人的活动做出支持人工智能的决策，即使工厂处于离线状态时也是如此。
• 超个性化和互动体验：边缘技术将能够对客户参与做出即时反应，从而产生由最终用户决定和控制的超个性化体验。边缘计算通过即时数据处理促进了超个性化，因此在客户离开商店或关闭标签之前即有反应。位置、一天中的时间、以前的交互以及在web页面上花费的时间等数据都可以在现场处理，以便与超个性化的消息或报价进行反应。