从物联网从业者的角度来看，经常看到对计算更加可用和分布式的需求。当开始将物联网与OT和IT系统整合时，面临的第一个问题是设备发送到服务器的庞大数据量。在一个工厂自动化的场景中，可能有数百个集成的传感器，这些传感器每1秒发送3个数据点。大部分的传感器数据在5秒钟之后就完全没用了。数百个传感器，多个网关，多个进程，以及多个系统，都需要几乎在瞬间处理这些数据。大多数数据处理支持者都支持云模型，即总是应该向云发送一些东西。这也是第一种物联网计算基础。

物联网中的云计算

通过物联网和云计算模型，我们基本上推动并处理你的感觉数据到云端。你拥有一块摄入模块，它可以接收数据并存储在一个巨大的存储库——“海洋”，然后对其进行并行处理（它可以是Spark、AzureHDInsight、Hive等等），最后使用快速信息做出决定。自从开始构建物联网解决方案，现在有了许多新的产品和服务，可以非常容易地做到这一点：我们可以使用AWS Kinesis 和 Big Data Lambda Services；我们可以利用Azure生态系统，让构建大规模能力变得极为简单；或者，我们可以使用像Google Cloud这样的工具，如Cloud IoT Core。在物联网中面临的一些挑战包括私有平台用户和企业对于他们在谷歌、微软或亚马逊等拥有自己的敏感到不舒服；延迟和网络断开的问题；增加了存储成本、安全性以及持久性；通常，大规模框架不足以创建能够满足所需的大型摄入模块。

面向物联网雾计算

通过雾计算，可以变得更加强大。雾计算采用的是本地处理单元或电脑，而不是将所有数据一路送往云端，并等待服务器进行处理及响应。4-5年前，还没有像Sigfox或LoraWAN那样的无线解决方案，也没有BLE mesh远程功能，因此必须使用更昂贵的网络解决方案，以确保建立一个安全且持久连接至于某处之机。此中心单元即为该解决方案核心，但很少有专业提供商能提供此类专门化解答。

实施一款雾网技术后，可了解：

这并不简单，对此需要深厚理解与众多领域知识。此外，将网络视作屏障时，它会降低速度。

对于这样的实现，由大量团队与众多供应商共同协作。而通常也会遇到供应商锁定问题。

OpenFog是一个由行业内知名专家开发出来的一个开放标准，为雾智能架构设计而生。它提供了案例研究、实验室环境技术规范还有参考体系结构供参考。

物联网边缘智能

物联体涉及捕捉微小交互作用，并尽可能快采取行动。一旦陷入边缘与雾智能讨论，便应明白边缘智能指涉应用于机器学习于传感节点区域，而非局域网运算力提增速操作。这使得如微软（AzureIoTEdge）及亚马逊（AWS Green Gas）这样行业巨头发布了一系列用于提升网关及传感节点上的机智之力的工具，从而显著改变了人们对于边缘智能含义认识。

然而，不应要求机智算法直接运行于网关上以创造诸如此类神奇效果。本身真正意义上的边际观察将发生于神经记忆装置上，它们预装带有特定目的定义责任之上的算法。那会不会太棒？让我们设想仓库终端节点能执行NLP操作仅限几条关键字符串，比如密码“芝麻开门”。这种类型设备具有似神经网络结构，在加载任何机智算法时，其内部就像是燃烧起神经网络。但这次燃烧不可逆转。

此新嵌入式空间促进低功率探测节点侧嵌入式智能发展。

物联体MIST模式

为了促进聚焦物理世界实体之间关系信息流动过程，同时进一步提高其决策效率，有一种独特方法称为MIST模式：

基于公共业务驱动模型；

基于私人业务驱动模型；

基于公共、私人混合业务驱动模型。

这里又出现一种特殊设备类型，它补充了既有的两种模式，使它们更具优势，无需再次寻求其他帮助，只要引导适当配置输入输出函数分配工作负载即可。这是一种高速通讯、高性能贮存/高速读写能力同时具备256KB内存大小约100KB/秒资料下载速度，而且还兼容Mesh形状图书馆，其中必然存在这种MIST层级模式激励者，他们提出一种新型基于MIST系统设计易用的方法便可轻松应用其中之一。