由 dawei 在集中式系统中，数据必须从生成位置（设备）传播到中央节点进行处理，然后再返回其原始位置。此过程涉及大量信息，并且消耗大量带宽，有时，当数据往返传输时，可能会导致延迟，从而影响设备本身的正常运行。
此外，随着5G，人工智能，机器学习和区块链等技术的出现，使用的数据量成倍增长。根据国际数据公司（IDC）的估计，到2025年，将有416亿台设备连接到物联网，将产生79.4ZB的数据。这意味着处理它们将需要大量的联合计算能力。但是，如果您转移到具有中间节点的分布式系统，则大型数据中心的工作量将减少，从而有利于处理所有这些请求。因此，边缘计算是关键。
卡斯蒂利亚-拉曼查大学(UniversityofCastilla-LaMana)计算机技术教授、Coit理事会成员胡安·卡洛斯·洛佩斯(JuanCarlosLópez)表示：“边缘计算等替代技术让数据处理更接近数据产生的地方，它们试图找到这些问题的解决方案，为运营模式不仅保持高效，而且保持可伸缩性和可持续性提供替代方案。”
得益于边缘计算，“当前集中式云模型的可能性得以增加和扩展，支持物联网设备的发展和部署，并允许创新应用，从而为数字业务带来了巨大的发展，”西班牙专门从事互联网连接和数据中心的跨国企业Equinix的董事总经理伊格纳西奥·韦利亚(IgnacioVelilla)补充道。Equinix是一家专门从事互联网连接和数据中心的跨国企业。
加大资源投入
边缘计算的基本部署由一个生成信息的设备组成，该设备需要来自其他传感器或设备的信息来修改其行为或做出决策。“因此，有必要在附近建立一个基础设施，用来存储和处理所有这些数据。这样，每个设备不仅可以立即访问自己的数据，还可以访问所有其他数据，以利用生成的信息。“Velilla解释说。
对于Díaz来说，有必要将此过程与资源投资联系起来。他说：“公司需要拥有最佳的通信网络以及最佳的接入点来实施我们的架构，以便使用最佳的机器学习和人工智能算法和技术实时处理数据。”
卡斯蒂利亚大学（UniversityofCastilla-LaMancha）的教授对此表示赞同：“如果我们研究海量数据处理，它有大量的事务，使用更复杂的算法，这对于提供更好的服务、快速解决方案和实时决策是必要的，它将需要更大的计算能力和更短的响应时间，以及更大的灵活性。”