从物联网行业的角度来看，广泛存在对计算能力的需求提升和分布式处理的追求。随着物联网与OT（操作技术）和IT（信息技术）系统的整合，我们面临第一个挑战：庞大的数据量涌入服务器。当在一家工厂自动化环境中考虑数百个集成传感器，每秒发送3个数据点，大部分这些数据在5秒后即失效。数百个传感器、多个网关、复杂的进程以及众多系统需要几乎瞬间处理这些信息。大多数支持者倾向于云模型，即总是将某些内容推送到云端。这是物联网计算模式中的第一种基础。

物联网云计算

通过物联网与云计算模型，将你的感知数据推送至云端。你拥有一套摄取模块，它可以接收并存储于巨大的存储库——“数据湖”，然后并行处理该数据（使用Spark、Azure HDInsight等），最终利用快速响应做出决策。自从开始构建物联网解决方案以来，现在有许多新产品和服务能够轻松实现这一目标：

使用AWS Kinesis 和Big Data Lambda Services。

利用Azure生态系统，使得构建大规模大数据能力变得异常容易。

或者，使用Google Cloud产品，如Cloud IoT Core。

然而，在实施过程中遇到的挑战包括：

用户和企业对于拥有其数据在谷歌、微软或亚马逊等平台上的控制感到不适。

延迟问题及网络中断。

增加了存储成本、安全性以及持久性要求。

通常，大型框架不足以创建满足所有需求的大型摄取模块。

面向物联网雾计算

雾计算使我们更加强大。它采用本地处理单元或机器，而非将所有数据一次发送至云端进行处理与响应。在过去，没有像Sigfox和LoraWAN这样的无线解决方案，也没有BLE mesh或远程功能，因此必须依赖更昂贵的网络解决方案以确保建立安全且持续连接到中心单元，这是一个核心组件，但专业供应商相对较少。

从构建一个雾网络可见的是：

这并非易事，涉及深入理解许多概念。在物联网上所做的事情，更直接而开放。而当把网络视作屏障时，它会降低速度。此类实现通常需要庞大的团队及其供应商协同工作，并可能导致供应商锁定问题。

OpenFog是一个由业内专家开发，为雾计算架构设计的一个开放框架，为用户提供了示例、实验台、高级别规范，以及参考体系结构。

物联网边缘计算

物联网是关于捕捉微小交互并迅速反应。边缘计算离源头最近，可以应用机器学习于智能传感器节点。如果陷入边缘与雾之间讨论，则应该明白，边缘代表一切关于智能传感节点应用，而雾则为大量操作提供局域网络中的计算能力。

如微软和亚马逊等行业巨头发布了Azure IoT Edge 和AWS Greengrass，以提高网关及传感器节点上的机器智能，这些设备配备良好的运算能力。不幸的是，这改变了人们所了解且使用边缘概念含义之处。此外，一般认为真正的边际作用发生在神经元装置上，它们预装有机学习算法用于特定目的。一种情景是在仓库结束节点执行本地NLP，对关键字符串执行密码识别，比如"芝麻开门"！这种设备通常具有神经结构，当加载机制学习算法时，就像是燃烧神经结构一样不可逆转。但此行为永久有效，不需再次启动。此外，还出现了一种全新的嵌入式设备空间，可以促进低功率传感器节点上的嵌入式边界智能发展。

物联MIST 计算

MIST 计算可以促进物理世界实体之间通信，使它们成为下一代自动化工具，无需依赖先前的雾或边界计谋类型。在这个模式下，可以引入丰富互动功能给予物理对象，让它们分担工作负荷，从而既不依赖于先前的霭也不依赖于前沿计谋带来的动态智慧模型。这意味着能获得高速通讯速度、大容量内存空间(256KB)以及每秒100KB/秒高达速度；对于Mesh 网络来说，此类计谋显然会推动更佳基于MIST 系统计谋模型，该计谋能轻易融入现有环境中。