据英国《经济学人》报道， 一些联网的设备配备一些传感器，收集各种信息，发送给制造商用于分析。它们好似一个数字的吸尘器，在以平均两倍的速度增长。慕尼黑的创业企业Bragi开发的无线耳机却并不如此。他们保留了大部分收集的信息（如穿戴者的生命体征），在本地数据处理。该公司首席执行官Nikolaj Hviid说：“这些设备会越用越聪明。”
Bragi的耳塞可谓在科技行业重大转变中处于最前沿地位。近年来，越来越多的计算开始进入“云”状态，即大数据中心网络。不过，钟摆开始摆动：计算正趋于本地网络和智能设备的那一“边”。
随着2010年代初云计算的兴起，这一转变将掀起浪潮。与众多现有的硬件制造商一样，许多创业企业也试图把握此次潮流。 不过，他们真正争夺的是本地网络和智能设备这一边——即“物联网”（IoT），众多相互连续的设备的统称——的控制。亚马逊网络服务（AWS）、微软和其它大型云供应商是否会设法扩大其影响力？ 或者说，这是否是包括工厂（及其他）设备制造商在内不同公司的职权范围？
商业计算自20世纪50年代诞生以来，在集中化和分散化之间摇摆不定。直到20世纪70年代，商业计算还局限于大型计算机。小型计算机在20世纪八九十年代问世后，商业计算变得更加分散：个人电脑可以访问应用程序，而应用程序位于企业数据中心（即“客户机-服务器”系统）中的电脑里。但随着2000年代“云”的兴起，商业计算又变得集中了。每个时代都有一批新公司跻身前列，但榜首只有一个：大型机为IBM，个人电脑为微软，云计算为AWS.
计算再次变得分散化的一个原因是更先进的技术的出现。从智能手机到工厂车间里的机械设备，处于边缘地带的设备变得越来越智能。在配备了性能强大的处理器后，现在的设备可以解决几年前一个服务器满负荷运行才能解决的计算问题。软件变得更加灵活，也可以运行良好。现在许多应用都“虚拟化”了，即不依赖于任何特定类型的硬件，代码可以打包在数字“容器”中，在数据中心内便捷传输。这离“边缘”更近了一步。
对于边缘地带的计算的需求也在增长，而且往往出于非技术层面的原因。许多国家的法律要求数据不得出境，甚至是企业外部。企业既希望使用数据又担心泄漏，往往倾向于将信息保留在自身内部。就消费者而言，他们关心隐私，这正是Bragi希望通过“自给自足式”耳机解决的问题。
科技行业的主流观点是大部分数据最好在云端集中处理。然而，由于许多新应用程序运行迅速，这一观点也难以立足。据估计，无人驾驶汽车每小时可产生25G的数据，比高清视频流多出近30倍。再加上发回的驾驶指令，在如此庞大的数据上传之前，汽车可能早就撞上了某个窜出在马路上的行人。
另一个考虑是经济性的调整。调整越快收入就会越多，如优化工厂机器运行。这意味要在获取数据时第一时间进行分析，而这一环节要在本地完成。这也能省去云端传输、存储和处理数据的成本。
伯恩斯坦研究公司（Bernstein Research）的皮埃尔。费拉格（Pierre Ferragu）解释称，这些束缚表明使用人工智能的服务越来越多地分裂成两个部分，就像客户端和服务器程序一样。例如，无人驾驶汽车的算法首先要在云端数百万英里的驾驶数据中进行训练，才能部署在汽车里性能强大的电脑里，通过分析实时数据来驾驶汽车。同样，许多监控摄像机现已配备云端训练的面部识别软件。苹果最新款的的iPhone也是如此。 去年11月，谷歌宣布对其人工智能系统TensorFlow进行升级——这个系统能允许开发人员将算法部署到移动设备上。
不过，Swim首席技术官Simon Crosby认为，在许多情况下，算法的训练必须在本地进行，人工智能程序才能具有商业价值。例如，在硅谷Palo Alto的十字路口，交通信号灯每天产生4TB的数据并发送给云计算提供商进行处理，每月将花费数千美元。Swim新研发的系统，在数据产生时就对其进行分析，完成同样的任务只需几百美元。