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。你拥有摄入模块，它可以接收数据并存储在一个巨大的存储池（也称为“海洋”），然后对其进行并行处理（它可以是Spark、AzureHDInsight、Hive等），最后使用快速信息做出决定。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：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，可以使用像Google Cloud产品这样的工具，如Cloud IoT Core。

然而，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他们将自己的数据存放在如Google、Microsoft或Amazon等公司感到不安；延迟和网络中断问题增加了存储成本、安全性以及持久性；通常，大型框架不足以创建满足所需的大型摄取模块。

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，而不是将所有东西一路发送到云端，并期待服务器处理响应。4-5年前，还没有像Sigfox或LoraWAN那样先进无线解决方案，也没有BLE mesh或远程功能，因此必须依赖更昂贵网络解决方案，以确保建立安全且持续连接至核心单元。这是一个中心单元，是整个解决方案的心脏，不太常见于专业提供商之手。

实施一个雾网络需要深入理解很多事项，从软件开发上来说，更倾向于直接开放。而当把网络当作一道屏障时，它会降低速度。此类实现通常需要大量团队与众多供应商合作，而且往往伴随着供应商锁定风险。

OpenFog是一个由行业内知名人士开发专为雾计算架构设计的一个开放标准框架，为用例、实验室试验台技术规格及参考体系结构提供了指导。

物联网边缘计算

物联网涉及捕捉微小交互作用，并尽可能快地做出反应。边缘计算离源头最近，有能力应用机器学习于智能传感节点。如果陷入讨论边缘与雾之间，则应当明白边缘算法针对智能传感节点上的应用，而非局域网络中的操作量级大的运算。

行业巨头如微软及亚马逊已经发布Azure IoT Edge 及AWS Greengrass，以增强智能力量于网关及其节点上，这些具备良好性能但不失简单性的设备。但这显著改变了一般工作人员所熟知及应用边缘概念含义。

真正边缘则发生于神经记忆装置处，其中预装机学学习算法服务特定目的与责任，那真是一件美妙的事情？让我们假设仓库末端节点能够执行本地自然语言理解，对少量关键字符串进行分析，如密码“芝麻开门”。这种设备通常具有类似神经结构，当加载机学学习时，便如燃烧神经网络，但这燃烧是永久不可逆转。

嵌入式设备空间展现潜力促进低功率传感器节点上的嵌入式边界智慧发展。

物联MIST 计算模式

MIST 计算补充了雾与边际两种模型，使它们更为完善而不必再仰望天空。一旦引入到了物理世界里，就能轻易分配工作负载，没有要求要达到那样的动态精明触觉模型也不会出现的问题。

基于这个模式建立起来，可以带来高速通讯过程高效提取智能信息，只需256KB内存大小即可，每秒100kb/s以上速率。此类Mesh 网络当然会发现这样一种基于MIST 系统设计出的新型模型，无疑会有人提出关于如何更有效利用它来提高我们的生活质量。