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。大多数数据处理的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。

物联网的大型计算

通过物联网和大型计算模型，将基本上推动和处理你的感觉信息在远处。你有一个摄入模块，它可以接收数据并存储在一个巨大的存储空间（类似于宇宙之海），然后对它进行并行处理（使用像Spark或AzureHDInsight这样的工具），最后利用快速反馈来做出决定。

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，可以非常容易地实现这一点：可以使用AWSKinesis和Bigdata Lambda Services；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，可以使用像Google Cloud产品这样的工具，如CloudIoT Core。在物联网中面临的一些挑战包括：私人平台用户以及企业对于拥有他们自己的数据感到不舒服；延迟以及网络中断问题；增加了存储成本、安全性及持久性。通常，大规模框架不足以创建足够强大的摄取模块。

面向物联网的大雾计算

通过雾气计算，我们能够变得更加强大。雾气计算采用的是本地工作单元或机，而不是将所有信息一路发往云端，并等待服务器进行处理与响应。几年前，还没有像Sigfox或LoraWAN那样的无线解决方案，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至信息处理单元。这核心单元是解决方案中的核心，不常见专业提供商。

从实施雾气网络中我们了解到：

这并不简单，需要理解很多事项。一旦把网络当作屏障时，它会降低速度。

对于这样一种实现，通常需要一个巨大的团队及众多供应商。此外，还可能遇到供应商锁定的问题。

OpenFog是一个由著名行业专家开发的一个开放框架，为雾气架构而设计。它提供案例研究、实验室环境技术规格，以及参考结构体系。

物联网边缘智能

物联网涉及捕捉微小交互作用并尽可能迅速做出反应。边缘智能离源头最近，可应用于神经记忆节点。如果陷入讨论边缘与雾气之间，你应该明白，那么边缘就是关于智慧传感器节点，而雾气则仍然围绕着局域网操作大量数据提供能力建立基础。

行业巨头如微软与亚马逊已经发布了Azure IoT Edge & AWS Green Gas，以便提高智能程度，在网关/传感节点上运转良好，这些网关/传感节点拥有优越性能。但这种改变显著改写了一位从业者所知晓及应用边缘智能含义。

物联MIST算法

MIST算法促进了基于四种模式——云端、大型、中枢及最终局部——使得它们成为更高效灵活的人工智能解释过程：

基于云端模型

基于霭风模型

边际加密散列变换

通过这种方式，它们增强现有的认知行为，使得设备能够轻易地引入新的功能分配工作负载，同时既未涉及霭风也未涉及加密变换，但却带来了高速准确率提升及其相关实时反馈给用户。而这正是在不断演化中的MIST技术逐步展开其全新视野，其背后的原理为256KB内存大小结合100KB/s左右速度标准，其中具有Mesh广播通信功能，因为这样一来，无需依赖复杂配置即可有效管理任何数量级别上的设备链接。此举不仅简化了日常操作流程，而且还让决策制定更加直接快捷，有助于提升整个组织效率，从而达到预期目标。