从物联网行业的角度来看，广泛需求的是更为可靠和分散的计算模式。在将物联网与工业技术（OT）和信息技术（IT）系统整合时，面临第一个挑战是处理来自设备到服务器的大量数据。例如，在工厂自动化环境中，可能有数百个集成传感器，每秒钟发送3个数据点。大部分传感器数据在5秒内就变得无用了。数百个传感器、多个网关、多个进程以及多种系统需要几乎实时处理这些数据。大多数支持者都倾向于云模型，即总是应该将某些内容发送到云端。这是物联网计算基础之一。

物联网的云计算

通过采用物联网与云计算模型，我们基本上将你的感知数据推送至云端。你拥有一块接收模块，可以接收并存储在庞大的存储库中，然后对其进行并行处理（可以使用Spark、Azure HDInsight或Hive等），最后利用即时反馈做出决策。

自此以来，构建物联网解决方案已经出现了许多新的产品和服务，使得这一过程变得更加容易：AWS Kinesis和Big Data Lambda Services提供了极佳的支持；Azure生态系统让构建大规模大数据能力变得轻而易举；Google Cloud产品如Cloud IoT Core也提供了强大的工具。

然而，对于私有平台用户和企业来说，将自己的数据托管在如谷歌、微软或亚马逊等巨头手中感到不适；延迟和网络断连问题仍然存在；增加了存储成本、安全性及持久性要求。此外，大型摄入模块通常不足以满足日益增长的数据需求。

面向物联网的雾计算

雾计算则展示出其潜力。在雾计算中，我们依赖本地处理单元或机器，而非将所有数据直接发往云端后再进行处理。4-5年前，没有像Sigfox和LoraWAN这样的无线解决方案，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，以确保建立一个安全且稳定的连接至核心单元，这是一切解決方案的心脏部分，但专业供应商相对较少。

实施一项雾网络需要深厚知识背景，并涉及众多复杂步骤：软件开发在这里显得更加直接开放，而且当把网络视作屏障时，它会降低速度。此类实现通常需庞大团队协作，以及大量供应商参与，有时候还会遇到供应商锁定的问题。

OpenFog是一个由业界专家共同设计用于雾计算架构的一个开源框架，为雾网提供了一套用例试验台技术规格参考体系结构。

物联网边缘计算

物联网追求捕捉微小交互，并尽可能快地做出反应。边缘计算就在距离传感器最近的地方应用机器学习。如果我们陷入讨论边缘与雾之争，就应明白边缘算法主要针对智能传感节点，而不是局域网络带来的大量操作能力。不过，如微软及亚马逊这类行业巨头所推出的Azure IoT Edge及AWS Greengrass，则能显著提高网关及其节点上的智能水平，这些网关及节点拥有良好的运算能力。但这样改变了从业者对于“边缘”含义认识的一面景象。

真正意义上的边缘应发生在神经元装置上，它们预装机器学习算法服务于特定目的与责任。这会怎样？假设仓库末端可以执行本地自然语言理解，对几个关键字符串执行密码识别，比如“芝麻开门”。这种设备一般具备类似神经网络结构，当加载机器学习算法时，就像是燃烧神经网络但不可逆转。此外，还有一个全新的嵌入式设备空间，可以促进低功率传感节点上的嵌入式智能发展。

物联网MIST 计算

MIST 计算能够促进物联体中的高效率、大规模、大容量、高性能、高安全性的实时信息获取与分析，不仅包括基于云、本地甚至混合模式，同时也涵盖基于MIST 的新型分布式硬件系统，它既不会过度依赖任何一种特定的物理位置，也不会忽略任何一种工作负载分配方式，从而实现动态灵活性。这意味着随着Mesh 网络成为主流，无疑会看到更多基于MIST 系统模型的人提出创新方法以加速信息采集与分析速度，更好地提升每次采集到的精准度。