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信息到云端。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），最后使用极速信息做出决定。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AWSKinesis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其简单；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对于拥有他们在谷歌、微软或亚马逊上的数据感到不舒服，同时也面临延迟和网络断开的问题，这增加了存储成本、安全性以及持久性。此外，大型框架不足以创建能够满足所需的大型摄入模块。

面向物联网雾计算

通过雾计算，可以使我们的力量更强大。雾计算采用的是本地处理单元或机器，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这样的无线解决方案，或BLE mesh远程功能，因此必须使用更昂贵网络解决方案，以确保建立安全且持续连接至最终目标单元。这中心单元是整个解决方案的心脏核心，但很少有专业提供商能提供完整解决方案。

了解如何构建软件，在互联网上尤其是在物理世界中，就意味着做得更直接，更开放。而当把网络当作屏障时，它会降低速度。此类实现通常需要一个庞大的团队以及众多供应商参与合作，而且常常会遇到供应商锁定的问题。OpenFog是一个由行业内知名专家开发的专为雾状智能体系结构而设计的一个开放框架，为材料试验台提供技术规格，并搭配参考体系结构供参考。

物联网边缘计算

互联网涉及捕捉微小交互作用并尽可能快速作出反应。边缘计算离源头最近，有助于应用机器学习于传感节点。如果陷入边缘与雾状智能讨论时，要明白，每当提及边缘，则指涉那些位于智能传感节点上的应用，而谈论雾则仍然围绕着局域网络——一种为大量操作提供高效率运算力的布局。在这个领域里，如微软与亚马逊这样的大型公司已经发布了AzureIoTEdge与AWSGreengrass，以提升网关及其各自传感节点上机器智能能力，这些网关/节点具备良好的运算力。不过，无疑这改变了一切，从业者所知道且熟悉之事务内容显著扩展到了其他领域。

真正意义上的边际优化不应该要求将机器学习算法加载至网关执行，使其成为它们存在目的之初定位责任范围内，比如仓库末端结点仅执行几串关键字符串本地自然语言理解(NLP)，即便它们包含密码，如“芝麻开门”。这种设备通常具有神经网络结构，所以，当装载机器学习算法时，其实就是燃烧神经结构。但这种燃烧是一次性的，不可逆转。这打开了一片全新的嵌入式空间，可以促进低功耗检测节点上的嵌入式智能发展。

物联MIST 计算

MIST模式既基于cloud computing，又基于fog computing，再加上edge computing，使得这些三者之间形成协同效应，不必再仰赖任何先前的模式。一种特殊类型的电脑补充了fog 和 edge 的力量，使它们变得更加完善而不会依赖于旧有的模型来进一步提高性能。不需要等待太久就能引入Internet of Things 设备自身功能分配工作负荷，没有依赖fog 或 edge 提供动态智慧模型的事例出现。此类模式带来了高速资料处理以及设备内部智能提取装置，一款256KB 内存大小、一款约100 KB/s 数据转移速率皆可见到的此类MIST 系统促进者的新兴科技，将被提出另一种基于MIST 模型的事情，用以轻易实施它。