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，我们基本上推动并处理你的感官数据在云。你有一个摄入模块，它可以接收数据并存储在一个巨大的存储库中，然后对它进行并行处理（它可以是Spark, AzureHDInsight, Hive等等），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：你可以使用AWSKinesis和BigDataLambdaservices；你也可以利用Azure生态系统，让构建大数据能力变得极其容易；或者，你还可以使用像GoogleCloud产品这样的工具，如CloudIoTCore。

然而，在物联网中面临的一些挑战包括：私有平台用户以及企业对于拥有他们的数据在谷歌、微软、亚马逊等感到不舒服；延迟和网络中断问题；增加了存储成本、数据安全性以及持久性；通常，大型摄入模块不足以创建满足高效率运作所需的大型摄入模块。

面向物联网雾计算

雾计算是一种更强大的方法，它利用的是本地处理单元或计算机，而不是将所有事情一路发送到云端，并等待服务器处理响应。此前，还没有像Sigfox或LoraWAN那样的无线解决方案，因此必须使用更昂贵的网络解决方案，以确保能够建立安全且持续连接至中心单元。这是一个核心单元，但很少有人提供专业解答。

实施一个雾网络会发现，这并不简单，有很多事情要了解。而且，当把网络当作一道屏障时，它会降低速度。实现这种模式需要大量团队与众多供应商合作，同时也常常会遇到供应商锁定的问题。OpenFog是一个专为雾计算架构设计开放框架，由著名业内人士开发，为雾环境提供了例子、试验台技术规格以及参考体系结构。

物联网边缘计算

物联网涉及捕捉微小交互作用，并尽可能快速做出反应。边缘计算离源头最近，可以应用于智能传感器节点。如果陷入讨论边缘与雾之间，他们应该明白边缘就是关于智能传感器节点应用，而雾仍然是关于局域网络能为大规模操作提供额外力量。

行业巨头如微软和亚马逊已经发布了AzureIoTEdge 和AWSGreenGas，用以提高网关及其节点上的机器智能，这些网关及其节点拥有良好的运算能力。不过这些都是让工作变得极其简单却显著改变了一般理解中的边缘含义。

真正意义上的边缘则发生于神经记忆装置上，它们预装机学习算法服务于特定目的与责任。那是否美好？想象仓库末端结点能本地执行关键字符串NLP，从密码“芝麻开门”组成！这类设备通常具有类似神经网络结构，所以加载机学习算法时，就像是燃烧神经网络。但这种燃烧不可逆转。

嵌入式设备空间促进低功率传感节点上嵌入式智能，使得MIST成为一种补充方式，不必再次期待其他两者带来的提升，只需引入新型通信功能分配任务，无需进一步考虑雾或边际智慧模型即可实现。

物联MIST 计算

这里有一种独特类型电脑补充着未曾提及之处使它们更加完善而非依赖年后再次发展。不必再次期待某日某刻出现另一种新的天赋——MIST直接引导我们走向高速致力于高效运营过程中的终端设备配备256KB内存大小，每秒100KB/秒最大化上传速率，对Mesh 网络来说，将自然形成基于MIST 计算模式推广者的声音，一位杰出的创意发明家提出基于此理念的一个全新概念，更易适应他人的需求。一言以蔽之，即便是在今天，也存在着不断探索提升我们的可能性的人们，他们不断寻求创新路径，最终导致整个行业一次又一次更新变革。而这个变化正悄然影响着我们眼前的世界，让我们紧跟时代步伐，与科技同行，一起迎接未知未来吧！