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端。你拥有一块摄入模块，它可以接收数据并存储在一个巨大的存储库中，然后对其进行并行处理（它可以是Spark、AzureHDInsight、Hive等），最后使用快速响应做出决定。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，可以非常容易地实现这一点：我们可以使用AWSKinesis和Big Data Lambda Services；也可以利用Azure生态系统，让构建大数据能力变得极其容易；或者，我们还可以使用像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的数据感到不舒服，同时存在延迟、网络断开问题以及增加了存储成本、安全性和持久性。此外，大型摄入模块往往不足以满足复杂的大型企业所需。

面向物联网的雾计算

雾计算能够让我们的工作变得更强大。雾计算利用的是本地处理单元或电脑，而不是将所有数据一路发往云端，并等待服务器进行处理与响应。这是一个全新而强大的概念，在过去，由于缺乏像Sigfox或LoraWAN这样高效无线解决方案，以及BLE技术没有mesh或远程功能，我们不得不依赖更昂贵网络解决方案，以确保建立起一个安全且稳定的连接到智能单元。不过，这样的中心单元并不常见，也很少有人提供专业级别解答。实施一个雾网络会遇到诸如软件开发上的直接开放性质以及当把网络当作屏障时速度降低的问题。此外，还可能面临供应商锁定的问题。而OpenFog则是一种由业内专家开发用于特定于雾机架构设计的一个开放框架，为我们提供了一系列标准试验台、技术规格及参考体系结构。

物联网边缘计算

在探讨边缘与雾之间差异时，一般认为边缘就是关于智能传感器节点应用，而雾则是关于局域网络能为大量操作提供加速能力。在这个领域，不仅微软和亚马逊这样的行业巨头已经发布了Azure IoT Edge 和 AWS Greengrass，以提升网关与传感器节点上的机器学习能力，但这也显著改变了人们对于边缘意义理解。此前，如2015年ECI会议上Alex提到的嵌入式人工智能神经记忆芯片工作，就提出真正边缘将发生在神经元装置上，它们预装机学算法服务于特定目的。这意味着仓库结束节点即可执行本地NLP，对关键字符串如"芝麻开门"进行分析。而这种类型通常具有类似神经网络结构，当加载机学习算法时，便像是燃烧一颗永不熄灭的人工智能核心。但这种燃烧却不可逆转，有望促进低功率传感节点上的嵌入式智慧发展。

物联网MIST模式

MIST模式结合了基于云、大规模、小范围（Local）及超越（Beyond）的四种不同方式，使之成为最终解答，从而无需再次等待年份更新。通过引入材料科学原理，可以简单地加入设备通讯功能，将任务分配给相应设备，无需依赖霉菌或环形环境给出的动态智能模型。一旦建立起此模式，则能带来高速、高效的人工智能提取设备，其内置256KB内存大小，每秒约100KB/s高性能流水线交换带宽，而且Mesh Network正是在寻求促进这种基于MIST系统模型的人才激励者，他们希望提出一种更好的基于MIST系统设计方法，以便大家都能轻松采用它来提高生产力水平。