智能的物聯網系統暴露了云計算中的潛在問題。智能和自動化的增加，無可避免地導致以強調性能表現及安全性的應用程序出現了無法預料的延遲。

現今，兩大主要挑戰威脅著數量倍增的連網裝置：一是用于遠程通訊的邊緣裝置之能力，二是離網物聯網應用程序的電池壽命。

原始數據的傳輸對任何裝置來說都是十分耗電的。傳統的蜂巢式廣域網（WAN）消耗大量功率，因此不適用于電池供電的物聯網裝置。物聯網應用LoRaWAN（遠距離，廣域網）是物聯網應用中的首選通訊協議之一，能夠處理人工智能如何透過邊緣應用來改變物聯網架構的問題。

為什么要使用邊緣的LoRaWAN及人工智能？隨著智能裝置的激增，核心網域和終端裝置都面臨著通訊的挑戰，例如壅塞、安全性、服務延遲、數據隱私和缺乏互操作性。

對于網域，大部分的挑戰來自過度依賴云計算。將數據發送到云時，會產生更大量的能源消耗、帶寬、存儲和延遲，導致更高的成本。而霧計算或邊緣計算可以降低成本并提高效率。

當使用無線技術進行數據傳輸時，終端裝置中的通訊障礙就會出現。在物聯網中，藍牙和其他無線標準技術的優勢是低功耗，但有限的覆蓋范圍卻是一大障礙，特別是對于智慧城市服務而言。在這種情況下，低功率廣域網（LPWAN）成為了遠程蜂巢式和短程操作技術間的可靠的替代方案。

LPWAN是在Sub-GHz免照無線電頻段上運作的低功耗及覆蓋范圍更廣的通訊物理層。LPWAN是對鏈路和網絡層有效的標準協議，提供可變的數據速率，增加了以吞吐量交換為鏈路穩健性、覆蓋范圍或能量消耗的可能。而組織單位和個人都可以部署LPWAN網絡。

LPWAN和邊緣形式霧計算架構在智能和數據處理方面，邊緣計算和霧計算看起來很相似。但是，它們之間的主要差別在于計算能力和智能的位置。

霧計算的環境將情報放在區域網（LAN）上，將數據從端點傳輸到網關。而另一方面，邊緣計算將處理能力和智能放在嵌入式自動化控制器等裝置中。

這些裝置可以運行算法，產出邊緣智能—AI和邊緣計算的產物。

以LPWAN進行邊緣計算的好處

減少數據傳輸：邊緣計算減少了傳輸的數據量和云端存儲。另一個優勢是將計算能力放置網絡邊緣，可使延遲和成本極小化，同時減輕對帶寬的需求。

減少延遲：邊緣計算可將數據傳輸、處理，以及依照從過程中獲得見解所采取之行動的時間間隔最小化。另外，以較低的成本增加了分析和事件處理的速度，信噪比也降低了。由于用戶鄰近性降低了核心網絡和連接裝置的帶寬及功耗，因此邊緣計算透過實時服務提供了低延遲能力，而這是智能城市應用程序所必備的；以及車對車通訊和其他所需的延遲低于數十毫秒的應用程序。這比主流的云服務所能提供的延遲要短。

改善安全性選項：大多數的用戶將數據安全性和隱私視為首要考慮，主要是因為這些因素對智能城市的應用程序構成了安全威脅。安全性必須分三層：用戶隱私、數據安全性和網絡連接。邊緣計算解決了物聯網安全性的挑戰，例如憑證升級和多個實體裝置上的安全檢查。

擴展的應用程序：LPWAN和邊緣裝置在衛生保健監控中無所不在，例如用于偵測患者跌倒。在過濾數據來進行實時處理的情況下，邊緣裝置可以提高準確度和適應能力。在傳統系統中，在云中傳輸原始數據序列，因此警報的延遲增加了。邊緣系統透過將繁重的計算負載從傳感器節點調換到邊緣網關，來減少傳感器節點上的計算工作。

如何在應用程序中利用邊緣人工智能雖然邊緣裝置的模型構建和訓練階段會消耗大量資源，并增加額外的復雜性，但市場上有提供客制和降低復雜性的高質量選擇。

安富利的SmartEdge Agile裝置可以簡化并大幅降低這種復雜性。SmartEdge Agile是搭載各種類型傳感器的邊緣計算裝置。Brainium用于構建和訓練模型。該裝置具有LPWAN連接以建立霧架構，并使用網關連接到Brainium。安富利的SmartEdge工業物聯網網關可安全且無縫連接Brainium和云。