边缘计算的出现是物联网不断发展的重要体现，出于各种原因，包括在某些应用中需要极低的延迟，例如自动驾驶汽车。将计算能力转移到更靠近网络边缘也可以降低成本并提高安全性。

　　不同的组织使用边缘和雾计算的方式不同，但在部署IoT解决方案时，选择使用一个而不是另一个非常重要。有物联网业内人士表示，“雾和边缘计算的理想用例需要靠近超低延迟至关重要的边缘的智能，在地理上分散的连接可能不规则的区域运行，或创建数TB的数据，这些数据不实用于流式传输到云端。“

　　术语边缘和雾计算似乎或多或少可互换，并且它们确实共享几个关键的相似性。雾和边缘计算系统都将数据处理转移到数据生成源，他们试图减少物联网卡联网发送到云的数据量。这是为了减少延迟，从而改善远程任务关键型应用程序中的系统响应时间，提高安全性，因为减少了通过公共互联网发送数据的需求，并降低了成本。

　　某些应用程序可能会收集大量数据，这些数据发送到中央云服务的成本很高。但是，他们收集的只有少量数据可能有用，如果在网络边缘进行某些处理并且仅将相关信息通过物联网卡联网发送到云，则这将大大降低成本。

　　想想安全摄像头。将24小时视频发送到中央服务器将是非常昂贵的，其中23个小时可能只是一个空荡荡的走廊。如果使用边缘计算，可以选择仅发送实际发生某事的一小时。

　　雾和边缘计算都涉及处理更接近原点的数据。关键的区别在于处理发生的确切位置。雾计算过程发生在局域网级网络架构上，雾计算使用与工业网关和嵌入式计算机系统交互的集中式系统。边缘计算处理大部分数据物联网设备直接在设备本身上生成。

　　我们可以看到，这两种技术非常相似。为了区分它们，让我们考虑智能城市的用例。

　　想象一下智能城市，配备智能交通管理基础设施。交通信号灯连接了一个传感器，可以检测到交叉路口每侧有多少车等待，并优先为最大数量的车辆转动绿灯。这是一个相当简单的计算，可以使用边缘计算在交通灯本身中执行。这减少了需要通过网络发送的数据量，从而降低了运营和存储成本。

　　现在，想象一下这些交通信号灯是连接对象网络的一部分，包括更多交通信号灯、行人过路处、污染监视器、公交车GPS跟踪器等等。

　　关于是否在五秒钟或十秒内将交通信号灯变为绿色的决定变得更加复杂。也许有一辆公共汽车在交叉路口的一侧迟到了。也许它开始下雨了，该市决定在下雨时优先考虑行人和骑自行车的人在这种更复杂的情况下，可以在本地部署微数据中心，以便分析来自多个边缘节点的数据。这些数据中心就像局域网内的本地迷你云一样，被认为是雾计算。

　　总之，随着物联网的不断发展和更多的数据生成，处理接近生成点的数据将变得势在必行。显然，其他人也同意这一点。根据Million Insights最近的一份报告，到2025年，全球边缘计算市场规模预计将达到约32.4亿美元。

　　国内物联网卡交易平台物联网之家表示，边缘和雾计算将在物联网的未来发挥重要作用。是否使用边缘或雾计算不太重要，并且将取决于应用和特定用例。，雾或边缘计算是否“更好”将取决于物联网应用及其要求和期望的结果。