從物聯網卡從業人員的視角看來，三天兩頭看見對換算更為可用和分布式架構的需求。當逐漸將物聯網卡與OT和IT系統軟件融合時，亟待解決的第一個難題是機器設備發送至網絡服務器的巨大信息量。在一個加工廠智能化的情景中，將會有數以百計集成化的控制器，這種控制器每1秒轉發3個數據資料點。絕大多數的控制器數據在5秒左右以后就徹底無用了。數以百計控制器，好幾個網關ip，好幾個系統進程，和好幾個系統軟件，必須全部在一瞬間處理這些數據資料。

大部分數據處理方法的維護者都支持云模型，即老是應當向云轉發一些內容。這都是第一種物聯網卡計算的基礎。

一、物聯網卡的云計算模式

根據物聯網卡和云計算技術實體模型，大部分可以通過云促進和解決你的感觀數據資料。給你一個攝取控制模塊，它能夠接收數據并儲存在一個數據資料庫(一個十分大的存儲芯片)，隨后對它開展并行處理(它能夠是Spark，AzureHDInsight，Hive，這些)，隨后應用節奏快的信息內容來做決策。

自打逐漸搭建物聯網卡解決方法，如今擁有很多新的產品與服務，能夠很容易地保證這一點：

1.能夠應用AWSKinesis和Bigdatalambdaservices

2.能夠運用Azure的生態體系，讓搭建互聯網大數據工作能力越來越極為非常容易

3.或是，能夠應用像GoogleCloud商品那樣的專用工具如CloudIoTCore

在物聯網卡中亟待解決的一些挑戰是：

1.獨享服務平臺的使用人和公司針對有著它們的數據資料在Google，微軟公司，amazon等感到不舒服。

2.延遲時間和互聯網終斷問題。

3.增高了儲存成本費、數據資料安全系數和耐受性。一般，互聯網大數據框架結構不能夠建立一個可以滿足數據資料要求的大中型攝取控制模塊。

二、面向物聯網卡的霧計算模式

根據霧計算，能夠變得越來越強勁。霧計算是使用當地處理單元或電腦，而并不是將數據資料一路發送至云空間并等候網絡服務器解決和響應。

4-5年里，還沒像Sigfox和LoraWAN那般的無線網絡解決方法，BLE都沒有mesh或遠程控制作用。因而，務必使用更價格昂貴的網絡解決方案，以保證可以創建一個安全性，長久的聯接到數據資料處理單元。這一核心模塊是解決方法的核心，很少有技術專業的解決方法服務提供商。

從實行一個物聯網卡霧計算能夠掌握到：

這并非簡單的事，必須了解和理解許多事兒。搭建設備軟件，也就是說在物聯網卡上所做的，是更立即和對外開放的。并且，當把網絡當做一道天然屏障時，它會減少速率。

針對這樣的實際情況，必須一個十分大的精英團隊和好幾個經銷商。一般也會面臨經銷商的鎖定問題。

OpenFog是一個由知名行業內人士開發設計的致力于霧計算構架而設計方案的對外開放霧計算框架結構。它出示了用例，實驗室中央臺，技術性規格型號，還有一個參照系統架構。

三、物聯網卡邊緣計算模式

物聯網卡是有關捕獲細微的交互作用，并盡量快地作出反映。邊緣計算離數據庫近期，可以在控制器地域運用深度學習。假如深陷了邊沿和霧計算的探討，應當搞清楚，邊緣計算是全部有關智能傳感器連接點的運用，而霧計算依然是有關局域網絡，能夠為信息量大的實際操作出示數學計算。

像微軟公司和amazon那樣的制造行業大佬早已公布了AzureIoTEdge和AWSGreenGas，用以提升物聯網卡網關ip和控制器連接點上的設備智能化，這種網關ip和控制器連接點有著優良的數學計算。盡管這種全是很好的解決方法，能夠讓工作中越來越比較簡單，可是它明顯地更改了從業人員所了解和應用的邊緣計算的含意。

邊緣計算不應當規定機器學習算法在網關ip上運作來搭建智能化。2015年，Alex在ECI大會上提到了內嵌式人工智能技術在神經系統記憶力CPU上的工作中：

真實的邊緣計算將產生在那樣的神經細胞設備上，他們能夠自帶機器學習算法，服務項目于單一的目地和義務。那會非常好嗎?我們一起假定庫房的完畢連接點能夠對非常少的好多個重要字符數組實行當地NLP，這種重要字符數組組成登陸密碼，例如"芝麻開門"!

這類邊沿機器設備一般有一個相近神經元網絡的構造，因此當載入一個機器學習算法的那時候，大部分就是說在里邊點燃了一個神經元網絡。但這類點燃是永久的，沒法大逆轉。

有一個全新升級的內嵌式機器設備室內空間，能夠在低輸出功率控制器連接點上推動內嵌式邊沿智能化。

四、物聯網卡的MIST換算模式

能夠做下列事兒來推動物聯網卡的數據處理方法和智能化系統：

1.根據云計算技術的實體模型

2.根據霧的換算實體模型

3.邊緣計算實體模型

這兒有一種電腦種類，它填補了霧和邊緣計算，使他們越來越更強，而不用再等去年。能夠簡易地引進物聯網卡機器設備的互聯網作用，分派工作中負荷，既沒有霧都沒有邊緣計算出示的日常動態智能化實體模型。

中億物聯網認為創建這類方式能夠產生髙速的數據處理方法和智能化獲取的機器設備，具備256kb的內存和～100kb/秒的數據資料傳輸率。針對Mesh互聯網，毫無疑問會看見那樣一個換算實體模型的促進者，會許多人明確提出一個更強的根據MIST系統軟件的實體模型，能夠非常容易地應用它。