物联网近年来吸引了人们的大量关注，但对于大多数应用来说，有两个重要的问题。一是安全，从物联网设备流过网络的数据以及对设备本身的控制，在很大程度上依赖于网络安全。由于威胁不断演变，要求物联网开发人员不断提高警惕性。与此同时，由于系统和数据的安全存在不确定性，许多潜在用户都推迟了对物联网技术的使用。
限制物联网应用的第二个问题是将数据发送到云进行处理所需高昂的带宽成本。随着已安装设备数量的增加和所涉及数据量的增加，物联网部署正受到数据收集所涉及的带宽资源和成本的约束。随着人工智能成为从所有数据中提取价值的一个越来越重要的元素，这变得更加令人担忧。
人工智能在数据处理中的重要性大幅提升，因为传统的数据处理技术变得越来越繁琐。开发和编码从大量数据中提取有用信息的有效算法需要时间，许多潜在用户缺乏的应用专业知识。它还可能导致软件脆弱，随着需求的变化难以维护和修改。人工智能，尤其是机器学习，允许处理器根据训练开发自己的算法以达到预期的结果，而不是依赖于专家分析和软件开发。此外，通过额外的训练，人工智能算法可以很容易地适应新的要求。
人工智能向边缘移动的最新趋势是将这两种技术结合在一起。从物联网数据中提取信息目前主要发生在云端，但如果可以在本地提取大部分或全部信息，带宽和安全性问题就不那么重要了。随着人工智能在物联网设备中运行，几乎不需要通过网络发送大量原始数据，只需要传达最终结论。由于通信流量较少，网络安全性更容易增强和维护。本地AI甚至可以通过检查传入流量是否有篡改迹象，来帮助提高设备的安全性。
