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在云。你拥有一个摄入模块，它可以接收数据并存储在一个巨大的存储库（如Hadoop或NoSQL数据库）中，然后对其进行并行处理（使用Spark、AzureHDInsight或Hive等工具），最后利用即时信息做出决策。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，可以非常容易地实现这一点：你可以使用AWS Kinesis 和Big Data Lambda Services；也可以利用Azure生态系统，让构建大规模能力变得异常简单；或者，你还可以使用像Google Cloud这样的工具，如Cloud IoT Core。

面向物联网的雾计算

通过雾计算，可以变得更加强大。雾计算采用本地处理单元或机器，而不是将所有数据一路发送到云端，并等待服务器进行处理和响应。4-5年前，还没有像Sigfox 和LoraWAN那样的无线解决方案，或BLE mesh 或远程功能，因此必须使用更昂贵的网络解决方案，以确保能够建立安全且持久连接到数据中心单元。这是一个核心单元，在实施一种雾网络时会了解到的：这并不简单，不仅要知道很多事情，而且需要理解很多复杂细节。此外，当把网络当作屏障时，它会降低速度。

对于这样一种实现，要形成具有如此巨型团队及供应商合作的大型项目通常是必要之举。不过，一旦完成，这种结构会极大地提高效率，并提供了更为灵活性，更高效率以及成本优化。而OpenFog是一个专门为雾智能架构而设计的一种开放框架，它不仅提供了一系列试验环境，也包含技术规格及参考体系结构，为开发者提供了全面指导。

物联网边缘计算

物联网涉及捕捉微小交互作用，并尽可能快做出反应。边缘计算离源头最近，有能力直接应用于智能传感节点。如果陷入边缘与雾之间讨论，那么应该明白边缘主要指的是智能传感节点应用，而雾则更多是在局域网络中为大量操作提供能力建立起强大的实体。在这个领域，大型科技公司已经发布了一系列用于提升IoT网关及其传感节点上的机智力，使得工作变得轻松愉快。但这些新兴趋势所带来的改变显著影响了人们对“边缘”概念认识与运用的方式。

真正意义上的边缘，则发生于神经记忆装置上，这些装置预装机学算法以服务于特定目的与责任。这类似仓库结束节点执行本地NLP任务，比如识别密码“芝麻开门”。这种类型通常具备类似神经网络结构，所以当加载机学习算法时，就像是燃烧神经网络，但这种燃烧是永久性的无法逆转。

嵌入式设备空间促进低功耗环境下嵌入式智能发展，对此我们期待着未来能见更多创新突破。

物联网MIST模式

MIST模式结合了基于cloud, fog, edge computing model 的优势，将他们完美融合，同时避免过度依赖任何一种模式，从而创造出了既快速又高效的人工智能提取设备，其内存大小达256KB，每秒可达100KB/s 的高速通信速率。此外，由于Mesh 网络必然促使出现更先进基于MIST 系统模型的人们提出其有效运用方法，无疑进一步加强了整个系统层次上面的深度互联协同效果，为用户带来了全新的选择可能性。