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。

物联网智慧之源：Can总线引擎开启四大计算模式探秘

通过物联网与云计算模型，可以推动并处理你的感觉数据直接存储于一处巨大的存储库，然后利用并行处理（可以是Spark、AzureHDInsight、Hive等）进行快速分析，以便做出即时决策。自此以来，在构建物联网解决方案方面，有许多新产品和服务出现，使得这一切变得轻而易举，如AWSKinesis和BigDataLambda服务，或使用像GoogleCloud产品这样的工具如CloudIoTCore。

然而，在物联网中，我们也面临了一些挑战：私有平台用户以及企业对于拥有他们数据在谷歌、微软或亚马逊感到不舒服；延迟和网络中断问题；增加了存储成本、安全性及持久性；通常，大型摄入模块不足以满足复杂的大规模摄取需求。

雾霭中的智慧：雾计算革新

雾计算使用的是本地智能单元，而不是将所有信息一路发往云端，并等待服务器处理响应。这使得我们的解决方案变得更加强大。4-5年前，没有像Sigfox和LoraWAN那样的无线技术，所以必须使用更昂贵的网络解决方案以确保建立一个稳定且持久连接到中心单元。而这个中心单元，是整个解决方案的心脏，只有少数专业提供商能够提供这样的完整解决方案。

从实施雾网络项目中我们了解到，这并非简单之事，它要求深厚知识背景。此外，当把网络当作屏障时，它会降低速度。因此，对于如此实现，我们需要一个庞大的团队以及众多供应商参与。不过，这通常也意味着供应商锁定的问题存在。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框架，为我们提供了例子试验台技术规范还有参考体系结构。

边缘智能觉醒：边缘计算激活

物联网涉及捕捉微小交互作用，并尽可能迅速做出反应。边缘计算离数据源最近，可以应用机器学习至传感器节点。如果讨论边缘与雾相结合，你应当明白，那么边缘就是关于智能传感节点应用，而雾仍然是在局域范围内为大量操作提供能力建立能力。这一点已经被行业巨头们所认可，如微软与亚马逊发布了AzureIoTEdge & AWSGreengrass，以提升网关及传感器上的机器智能能力，使其成为超级电脑一般，让工作变简单起来，但这显著改变了人们对边缘意义认识的一切。

真正的边际则发生在神经装置上，其中预装机学习算法，用途有限且明确，比如仓库末端节点执行本地NLP任务，只需几条关键字符串执行密码验证，如“芝麻开门”。这种设备具有类似神经网络结构，因此加载机学习算法后，就像是燃烧神经网络。但这种燃烧永远不可逆转。此外，还有新的嵌入式设备空间，可以促进低功率环境下的嵌入式边界智能发展。

MIST时代来临：让MIST驱动更多创新

MIST（管理互联网服务技术）可以通过三种方式促进物联的大规模摄取与智能化：

基于云模型

基于雾模型

边界模式

这里有一种独特类型的人工智能补充了雾部件，将它们变为更高效而不会再次等待年月过去。一句话描述它，就是简易地引入进入Internet功能分配工作负载，不依赖于既有的基于Mist系统设计但带来的优势，同时享受高速、大规模、高效率提取信息能力，其性能参数包括256KB内存大小近100KB/秒通信速率，对Mesh Network来说必然会发现这样一种模式令人振奋，因为有人提出基于MIST系统的一个更佳模型，让大家好奇未来如何利用它加快生活节奏？