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，它可以接收并存储于一个巨大的存储库，然后对其进行并行处理（它可以是Spark、AzureHDInsight、Hive等），最后使用快节奏信息做出决定。自从开始构建物联网解决方案以来，现在有许多新的产品和服务，可以非常容易地实现这一点：可以使用AWS Kinesis 和 Big Data Lambda Services；也可以利用Azure生态系统，让构建大数据能力变得极其容易；或者，可以使用像Google Cloud产品这样的工具，如Cloud IoT Core。在物联网中面临的一些挑战包括私有平台用户及企业对于他们在谷歌、微软、亚马逊等公司手中的数据感到不舒服；延迟和网络断开问题；增加了存储成本、数据安全性以及持久性；通常，大型框架不足以创建能够满足所需的大型摄入模块。

面向物联网的雾计算

通过雾计算，我们能变得更加强大。雾计算采用的是本地处理单元或电脑，而不是将所有资料一路送至云端，并期待服务器处理与响应。这4-5年前还没有像Sigfox与LoraWAN那样的无线解决方案，或BLE mesh或远程功能，因此必须运用更昂贵网络解决方案，以确保建立起安全且持久连接到资料处理单元。此中心单元乃解答方案核心之一，对专业提供商来说很少见。实施一条雾网络时，可了解：

这并不简单，不仅要知道，还要理解很多事项。而且，当把网络当作屏障时，它会降低速度。

对于此类实现，一般需要极大的团队及供应商合作。往往也会遇到供应商锁定的问题。

OpenFog是一个由著名业内人士开发专为雾计算架构而设计的一个开放雾计框架，它提供了案例研究试验台技术规格还有参考体系结构。

物联网边缘计算

物联网涉及捕捉微小交互作用，并尽可能迅速做出反应。边缘计算离得最近，是指应用机器学习于智能传感节点。如果陷入边缘与雾计讨论，要明白边缘计就是关于智能传感节点应用，而雾计则仍然是关于局域网，为大量操作提供额外之力。

如微软与亚马逊这样的行业巨头已经发布了AzureIoTEdge & AWSGreenGas用于提升Internet of Things网关及传感器节点上的机智能力，这些网关&节点具有良好的算力表现。不过，这样做显著改变了从业者所知晓并使用之边际深度含义。

真正边际深度不应要求机学算法运行于网关上以致诸如神经记忆装置上的嵌入式AI工作：真实物理世界背景下，将发生于神经元装置中，它们能预装机学算法服务特定目的责任。那该如何？假设仓库终结节点可执行本地NLP对几个关键字符串，比如“芝麻开门”！这种设备通常拥有类似神经网络结构，所以加载某次ML算法后，就相当于是燃烧神经网络。但这燃烧永远不可逆转。

有新嵌入式设备空间促进低功率SENSE NODES上的嵌入式智能体验。

物联MIST 计算

MIST 计算旨在促进两种不同类型按需分配工作负载，同时既未采用伪装亦非超越现有的模式，也不会受限于任何特定的环境因素。此类型电脑补充了一切，使它们成为更强悍，无需再次等待其他年的发展，只需引入各类通讯功能即可分配任务，没有必要过渡至伪装或超越模式。此方式带来的高速准确性的高效过程让复杂分析轻松完成，有着256KB内存大小以及约100KB/秒透明速率。一旦Mesh 网络出现，该模式便自然而然被提倡者提出基于MIST 系统模型，更易接受它作为一种突破性改善方式来加强当前形态，最终使一切流畅运行无阻碍。