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。通过物联网和云计算模型，可以基本上推动和处理你的感觉数据在云。你有一个摄入模块，它可以接收数据并存储在一个非常大的存储空间中，然后对它进行并行处理（使用Spark, Azure HDInsight, Hive等），然后使用快节奏信息来做决定。

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; 可以利用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。在物联网中面临的一些挑战包括私有平台用户对于拥有他们自己数据感到不舒服、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，并且通常，大型数据库框架不足以创建能够满足所有需求的大型摄入模块。

2．面向物联网的雾计算通过雾计算，我们可以变得更加强大。雾计算采用的是本地处理单元或电脑，而不是将所有的事情一路发送到云端并等待服务器处理响应。这一点4-5年前还没有像Sigfox 和 LoraWAN那样的无线解决方案，也没有BLE远程功能，所以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，有力的连接到核心单元。而这个中心单元，是整个解决方案的心脏，不太可能找到专业提供商。

要实施一个雾网络，就需要深刻理解很多事情。一旦把网络当作屏障，它会降低速度。对于这样的实现，你需要大量团队成员及供应商协助，但这也意味着供应链锁定风险较高。OpenFog是一个由业内人士开发专为雾计算架构而设计的一个开放源代码项目，它提供了案例研究、试验台技术规格还有参考体系结构，为我们提供了解决方案指南。

3． 物联网边缘计算 物联最终是关于捕捉微小交互作用，并尽可能快速作出反应。边缘计算离得最近于你所说的“感觉”，能让机器学习应用于智能传感节点。如果陷入讨论边缘与雾之间，那么应该明白：边缘就是关于智能传感节点上的应用，而雾则是在局部范围内为大量操作提供额外强劲力量。这一点已经被行业巨头如微软和亚马逊证明，他们发布了Azure IoT Edge 和 AWS Greengrass 来提升网关及传感节点上的机器智能，使得工作变得轻松许多。但这样改变了一些人对“边缘”含义认识，让他们意识到了真正意义上的边际区域即神经记忆设备能执行某项任务，这样比直接运行ML算法更有效率，比如仓库结束节点只需几条关键字符串执行NLP就够了。

这种基于神经网络结构的小型设备，在加载ML算法后，其内部就像是燃烧着神经网络一样永不熄灭，但这种状态不可逆转。此时出现的是全新的嵌入式设备领域促进低功耗传感器节点上嵌入式智能发展的事实。

4．MIST 计算模式 MIST 计算模式是一种结合以上三种方式，更完善更多方面，同时避免过分依赖任何一种特定的模型，从而使之成为加速当前工业4.0革命趋势的一种重要手段之一，因为它允许人们根据具体情况选择最佳策略，无论是在提高效率还是保持灵活性方面都表现出了显著优势。此外，由于其非标准化特征，使得MIST 成为了未来创新方向的一个热点话题。