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，它可以接收数据并存储在一个巨大的存储库（如Hadoop或NoSQL数据库）中，然后对其进行并行处理（使用Spark、AzureHDInsight或Hive等工具），最后利用即时信息做出决策。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：使用AWS Kinesis 和 Big Data Lambda Services、Azure生态系统，或Google Cloud产品如Cloud IoT Core。

然而，在实践中也存在挑战，比如企业对于将其敏感信息保存在像Amazon, Microsoft, Google这样的第三方平台上的不适应；延迟以及网络故障问题；增加了存储成本、安全性以及持久性要求；通常，大型机学习框架不足以创建满足高性能需求的大型摄取模块。

面向物联网的雾计算

雾计算则提供了一种更为强大的解决方案。它利用的是本地处理单元或边缘节点，而不是将所有数据一路发往云端然后再由服务器进行处理与响应。这一点尤其重要，因为许多情况下，不仅仅是一些简单的事务发生，而且还涉及复杂且快速变化的情境，如智能制造过程中的实时调整。

4-5年前，当我们谈论无线技术时，就没有像Sigfox和LoraWAN那样的直接连接选项，也没有BLE mesh功能，因此必须依赖于更昂贵但可靠性的网络解决方案，以确保建立稳定而安全连接到中心单元。这是一个核心组件，其重要性很少有人理解。

实施雾网格所需掌握的事项繁多，从软件开发到开放性的设计，每一步都要求深刻理解。而当把网络视作屏障时，它会降低速度。此类实现需要跨越团队合作与供应商协作，但这也带来了供应链锁定的风险。

OpenFog Consortium 是专门为此目的而设立的一个组织，由行业领袖推动，是一套旨在促进雾计算环境下的开放标准框架，该框架提供了具体案例研究、试验台、技术规格，还有一套参考体系结构，以帮助定义如何有效地集成各类型设备以优化资源共享。

物联网边缘计算

物联网追求捕捉微小交互，并尽快做出反应。边缘计算离源头最近，可以应用于智能传感器节点。如果你陷入讨论边缘与雾之争，你应该明白，这两者代表着不同的概念：边缘是指智能传感器节点本身，而雾则是在局部网络内执行大量运算以减少延迟。

现在市场上已经出现了一系列现成解决方案，如微软发布的 Azure IoT Edge 或亚马逊推出的 AWS Greengrass，它们使得提高网关及传感器节点上的机能变得异常容易。但这种简便也改变了人们对“边缘”这一术语认知，使得真正意义上的“智慧”被重新定义。在2015年的ECI会议上，Alex提出了神经记忆芯片用于嵌入式人工智能工作：

真正意义上的“边际”操作，将发生于具有类似神经结构但具备永久载荷机制的小型化装置——它们能够预装机学算法，只为某一特定目的服务。那会不会太棒？让我们假设仓库末端可以执行有限关键字符串级别NLP任务，比如密码：“芝麻开门”。这样一种基于神经元结构的小型设备，一旦加载完机学算法，就好像燃烧其中的一张神经图表，但这是一次不可逆转的手段。

这个新兴嵌入式空间，为低功耗传感器节点引入极致先进的人工智能能力，使得小巧又坚固之处亦能成为智慧之源泉。

物联MIST模式

MIST模式作为第四种计画形式，它既包括基于clouds 的模型，又包含基于fog 的方法，以及edge 计划，同时允许您选择最合适当前情境下的策略，无需考虑是否要进一步扩展至其他层次。此外，这种方法能够根据实际情况灵活分配工作负载，无需等待更多资源投放进去就能得到显著提升。此举意味着对于Mesh 网络来说，有望见证更先进MIST 系统提出，更易于实施的一套全新的方法。