物联网平台的价值在于对海量数据进行分析计算处理，从而进行终端节点设备管理并进行业务建模帮助决策。因此节点网络越大产生的数据量也就越大，如果将所有的原始节点数据全部传送给平台终端处理，不仅会导致信息传输效率缓慢，同时还会导致云端平台数据处理量级过高。

正是因为大量的冗余数据产生，造成不必要的资源浪费，因此借助边缘计算在节点进行数据的初步筛选处理，比如异常检测以及进行预测性维护，从而更好的实时、快速分析数据提升物联网平台的效率。

一个典型物联网系统要维持正常工作，就要在反馈回路中不断发送、接收和分析数据。而分析既可以由人进行，也可以由人工智能和机器学习（AI/ML）代劳，边缘计算可以在用户或数据源的物理位置或附近进行计算，从而降低整个物联网节点间的数据延迟节省带宽。甚至可以物联网网关可以将数据从边缘发回云端或集中式数据中心，或者送到边缘系统进行本地处理。

物联网需要拥有更接近物理设备或数据源实际位置的计算能力。为了能够快速对物联网传感器和设备生成的数据进行分析，从而加速响应或解决问题，人们需要在边缘进行分析，而不是将数据传回中央站点再进行分析。

边缘计算能够充分利用物联网设备创建的海量数据，通过将分析算法和机器学习模型部署到边缘，从而实现数据的本地处理并将它们用于快速决策，甚至对数据进行整合，再由平台中心进行进一步处理或长期存储。