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中，然后对其进行并行处理（它可以是Spark、Azure HDInsight、Hive等），最后使用快速反馈来做出决定。自从我们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：我们可以使用AWS Kinesis 和 Big Data Lambda Services；利用 Azure 生态系统，让构建大数据能力变得极其容易；或者，我们可以使用像 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：私有平台用户和企业对于拥有他们的数据在谷歌、微软或亚马逊感到不舒服；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，大型机框架不足以创建一个能够满足所有需求的大型摄入模块。

面向物联网的雾计算

通过雾计算，可以使我们的力量更强大。雾计算使用的是本地处理单元或设备，而不是将所有信息一路发送到远程服务器进行处理后再响应。4-5年前，还没有像 Sigfox 和 LoraWAN 那样的无线解决方案，也没有 BLE 的 mesh 或远程功能，因此必须使用更昂贵的网络解决方案，以确保能够建立一个安全且持续连接到重要单元。此中心单元是解决方案核心，但很少有专业提供商提供这类完整解决方案。

从实施一个雾网络中可知，这并不简单，需要理解许多事项。当把网络当作屏障时，它会降低速度。对于这样的实现，我们需要大量团队与众多供应商合作，并且往往还会遇到供应商锁定问题。OpenFog 是由行业内知名人士开发的一个专为雾计算架构设计开放框架，它提供用例试验台技术规格还有参考体系结构。

物联网边缘计算

物理世界中的微小交互作用捕捉及尽可能快做出反应，是物联网最核心之处。而边缘计算离这些源头最近，在智能传感节点应用机器学习。如果陷入边缘与雾之间讨论时，不要忘记，对于智能传感节点而言边缘就是一切，而对于局域网络来说，则意味着能为操作提供巨大的运算力。

行业巨头如微软与亚马逊已经发布了 Azure IoT Edge 与 AWS Greengrass 来提高网关及传感节点上的智能能力，使得工作变得轻松愉快。但这显著改变了所熟知及使用的人们对边缘概念理解。

真正实用的边际则发生于神经装置上，当它们预装机器学习算法用于特定目的而非全面的责任，那才是一个美妙境界？让我们假设仓库结尾节点能执行本地自然语言理解，将关键字符串作为密码，比如“芝麻开门”！这种设备通常具备类似神经网络结构，所以加载一份机器学习算法，就是将神经元焚烧——但这是一次不可逆转的事故。

嵌入式空间新兴领域促进低功耗传感器节点上的嵌入式智能发展。

物联MIST计

这里有一种特殊类型电脑补充了一切，没有要求等待几年的时间，其方式简单引人注目：直接加入互联网设备以分配任务，无需考虑既有的雾也未提到的边际智慧模式。这不仅带来了高速高效率，而且具有256KB内存大小及100kb/秒以上速率。此外，对于Mesh 网络，一定会出现一种基于MIST 计算模型促进者提出更好的基于MIST 系统模型，用以增强效率至极限。