边缘计算可以将更多计算能力带到物联网网络的边缘，从而降低物联网设备与设备所连接的中央 IT 网络之间的通信延迟。
对于实时快速地分析数据而言，设备的计算能力正变得越来越宝贵。简单地收发数据标志着物联网的出现。但与物联网应用一同发送、接收、分析数据才是未来的趋势。
在云计算模式中，计算资源和服务通常集中在大型数据中心内。这些数据中心将由位于网络边缘的物联网设备访问。这种模式可以降低部分成本，提高资源共享效率。但是，要想提高物联网效率，需要在更加靠近物理设备的位置增加计算能力。
边缘计算将计算资源分配到边缘，而所有其他资源则集中在云端。这种特殊的计算布局可以利用时效性数据提供快速可操作的智能分析。用智能跟踪设备来协调运输集装箱的无人驾驶车队是物联网中十分引人注目的案例，但在这个领域中，还有很多更为实用的应用，例如，即时分析护理数据从而改善医疗保健效果。
试想一下 RFID 和运输业：RFID 和扫码器之间的通信总是单向的。RFID 无法接收更新，中央 IT 网络也无法将数据传回 RFID。它不是一个连续的监控系统，这意味着仅可在某些地点核查物流跟踪信息。但若物联网设备可以与安装在运输车辆中的物联网传感器相互协调，那么所有数据都可以由中央 IT 网络进行管理。
然而，这种互联场景意味着每一个物联网物理设备都需要具备强大的计算能力，尤其当物流公司使用无人驾驶汽车等复杂的机器时。此时物联网设备就不能只是简单地收发信息了（即始终等待通过 Wi-Fi 接收集中式数据中心发送来的指令），而是需要自行处理数据并做出明智决策。这种在靠近网络外部边缘而非在集中式数据中心内进行计算的能力，被称为边缘计算。
最后一个例子，我们来思考一下建筑工地的情况。假设一家建筑公司将一台支持蓝牙的机器带到了工地现场。这台机器通过工人的智能手机发送数据，帮助公司追踪机器的使用情况和位置。如果有 10 名员工在这台机器周围工作，他们的智能手机就会不断发送信息给中心服务器，报告机器的位置。这种过于频繁的服务器活动会让 IT 系统超负荷运转。但可以通过移动物联网应用将智能手机用作一个低功耗的小型服务器，减少向中心服务器反馈不必要信息的频率。