边缘计算的出现是为了更好的解决数据实时处理问题，与云计算相比并非是一定要进行二选一，而是在物联网中有着各自的优势。云计算运行在大数据上，而边缘计算运行于即时数据，即传感器或用户生成的实时数据。

以一个简单的共享电动车物联网应用方案为例，比如同一企业的共享电动车，首先要拥有自己的识别标签，同时在不同停放地点具有识别这些标签的设备。在这种情况下，标签和识别设备都可以被视为“边缘”，而作为标签的内置芯片可以执行一些简单的计算，比如只有在核心数据（蓄电池电力不足）影响正常使用时将数据发送到当前区域的识别设备。

这样的好处就是标签可以对自身进行自检并作出怕判断，如果电量过低则不允许用户使用同时向管理人员发送当前状态信息及位置数据。因此边缘计算就体现出了更快的响应和减少带宽需求并节省数据成本的好处，这些优势对于自动车辆、智能家居或安全摄像头方向的物联网应用更为明显。

相对于信息传递所需的能量消耗，传感器和简单的计算通常不会消耗很多能量，且发送的数据越多越大能量的消耗也就越大。因此如果设备对设备本身、消息的数量和大小进行计算，并使用逻辑来减少消息，那么边缘计算对于LPWAN物联网应用是非常有效的。

边缘计算如何使使用lpwan的物联网解决方案受益。与用于LPWAN物联网解决方案的自主车辆、智能家居或安全摄像头不同，延迟和带宽并不那么重要。在这个远程油箱监控示例中，每隔两个小时读取一次读数就足够了，所以减少毫秒级的延迟几乎不重要。另外，每个油箱的数据量很低，只有燃油油位、电池电量和其他设备基本状态的字节数据，所以带宽峰值不受影响。