由於網路攝影機(IP Camera)的成本逐漸降低，如今不到25美元即可生產一台，因此IP Camera的使用已逐漸普及。據統計，光是2016年，全球就新增了1.2億台IP Cam，而且每一台IP Camera皆能傳輸HD影像。由此進展看來，在不久的未來IP Camera所蒐集的大量影像資料帶來的網路頻寬、儲存空間、運算成本問題，都將是整體產業需要共同思考解決方案的挑戰。
資策會智慧網通系統研究所主任劉文山分享，若是2016年新增的1.2億台IP Camera同時傳輸影像，所需要的頻寬大約是現在的四倍；所產生的影像資料約需要3,000個YouTube平台才能儲存；如此龐大的資料量，該如何妥善運用也是重要議題。在這時候，邊緣運算(Edge computing)技術的運用就格外重要。
過往的電腦運算演進歷程，是先由大型電腦(Mainframe Computer)集中式的資料處理開始，接著由於個人電腦的普及，逐漸演變為分散式的主從式架構(Client-Server Model)，多數的數據是在個人電腦上處理，接著再把處理後的資料儲存至伺服器。而到了智慧型手機普及的時代，由於手機的儲存空間不足，因此又發展出集中式的雲端技術；然而在未來，為追求運算速度，邊緣運算技術將會讓大多數資料先在設備上處理。
劉文山舉例，自動駕駛的發展最能夠凸顯邊緣運算的重要性。未來自駕車將會搭載許多感測器，然而若是必須將所有資料都送上雲端運算，再將判斷結果送回車子並通知駕駛道路狀況，並不能達到自駕車所需的反應速度。在未來，各廠商將會在晶片上設置越來越高效且低功耗的分析能力，如同在2016年被ARM收購的Apical所推出的Spirit晶片，便能夠將影像資訊在設備上分析出數據資料之後，再將處理過的資訊傳輸出去。
