从物联网从业者的角度来看，通常需要更多可用的分布式计算。当开始将物联网与OT和IT系统集成时，面临的第一个问题是设备将大量数据发送到服务器。在工厂自动化方案中，可能有数百个集成传感器，每1秒发送3个数据点。 5秒后，大多数传感器数据完全无用。数百个传感器，多个网关，多个进程和多个系统需要几乎立即处理这些数据。大多数数据处理的支持者都支持云模型，也就是说，应该始终将某些内容发送到云。这也是物联网的第一个计算基础。 1.物联网的云计算基本上是通过物联网和云计算模型在云中促进和处理您的感官数据。您有一个摄取模块，可以接收数据并将其存储在数据湖（很大的内存）中，然后并行处理它（可以是Spark，Azure HD Insight，Hive等），然后快速使用节奏信息做出决定。自从开始构建IoT解决方案以来，现在有许多新产品和服务可以很容易地做到这一点：可以使用AWS Kinesis和大数据lambda服务，可以使用Azure生态系统，并且可以构建大数据容易，或者您可以使用Google Cloud产品之类的工具，例如Cloud IoT Core。物联网面临的一些挑战是：私有平台的用户和企业对Google，Microsoft，Amazon等公司延迟其数据感到不自在。网络中断问题增加了存储成本，数据安全性和持久性。通常，大数据框架不足以创建可以满足数据需求的大型提取模块。 2.通过雾计算，物联网的雾计算可以变得更加强大。雾计算使用本地处理单元或计算机，而不是一直将数据发送到云并等待服务器进行处理和响应。 4-5年前，还没有像Sigfox和LoraWAN这样的无线解决方案，并且BLE没有网状或远程功能。因此，必须使用更昂贵的网络解决方案来确保可以建立到数据处理单元的安全和持久连接。该中央单元是解决方案的核心，几乎没有专业的解决方案提供商。从雾网络的实现中可以了解到：这不是很简单，并且有许多事情需要了解和理解。构建软件或在物联网上完成的工作更加直接和开放。此外，当网络被视为障碍时，它会变慢。对于这样的实现，需要非常庞大的团队和多个供应商。通常还面临供应商的锁定。 OpenFog是一个开放式雾计算框架，专为由知名行业内部人士开发的雾计算架构而设计。它提供了用例，测试平台，技术规范和参考体系结构。 3.物联网边缘计算物联网是关于捕获微小的交互并尽快做出反应。边缘计算最接近数据源，并且可以在传感器领域应用机器学习。如果您讨论边缘和雾计算，您应该了解边缘计算完全与智能传感器节点的应用有关，而雾计算仍与局域网有关，这可以为具有大量计算能力的操作提供计算能力。数据。微软和亚马逊等行业巨头已经发布了Azure IoT Edge和AWS Green Gas，以改善具有良好计算能力的IoT网关和传感器节点上的机器智能。尽管这些都是非常好的解决方案，可以使工作变得非常简单，但是它极大地改变了从业人员知道和使用的边缘计算的含义。边缘计算不应要求机器学习算法在网关上运行即可构建智能。 2015年，Alex在ECI会议上谈到了神经存储处理器上嵌入式人工智能的工作：真正的边缘计算将在此类神经元设备上发生，可以将其预先安装机器学习算法，以实现单一目的和责任。那会很棒吗？让我们假设仓库的末端节点可以对构成密码的一些密钥串执行本地NLP，例如“开门”！该边缘设备通常具有类似于神经网络的结构，因此，在加载机器学习算法时，它基本上会在其中刻录神经网络。但是这种燃烧是永久的，不能逆转。嵌入式设备有了新的发展空间，可以促进低功耗传感器节点上的嵌入式边缘智能。 4.物联网的MIST计算可以做到