自從第一臺IoT設備于1990年問世以來，物聯網已經有了長足的發展，這是一種可以在互聯網上開啟和關閉的烤面包機。27年之后，聯網設備已經從新奇產品變成了日常生活中必不可少的一部分。

最近的預估顯示，成年人平均每天花在智能手機上的時間超過4個小時，只能手機也是一種裝有物聯網傳感器數據的設備。目前，81%的成年人擁有智能手機。想象一下，當81%的成年人擁有智能汽車和智能家居時，我們將會收到多少數據。

今天，IoT設備的大部分數據都在云中處理，這意味著全球所有角落產生的數據都被集中發送到數據中心的少數計算機上。然而，隨著IoT設備的數量預計將在2020年猛增至200億，通過互聯網發送數據的體積和速度對云計算方法提出了嚴峻的挑戰。

越來越多的設備連接將迫使IoT制造商在2018年將云計算模式從云計算模式轉移到一種稱為“霧計算”的新模式。

越來越多的數據訪問，云計算問題明顯

物聯網和人工智能的發展將帶來價值數以億計的數據。分布廣泛的傳感器、智能終端等每時每刻都在產生大量的數據。盡管云計算擁有“無限”的計算和存儲資源池，但云數據中心往往是集中化的且距離終端設備較遠，當面對大量的分布廣泛的終端設備及所采集的海量數據時，云不可避免地遇到了三大難題：

網絡擁塞，如果大量的物聯網和人工智能應用部署在云中，將會有海量的原始數據不間斷地涌入核心網絡，造成核心網絡擁塞;

高延遲，終端設備與云數據中心的較遠距離將導致較高的網絡延遲，而對實時性要求高的應用則難以滿足需求;

可靠性無法保證，對可靠性和安全性要求較高的應用，由于從終端到云平臺的距離遠，通信通路長，因而風險大，云中備份的成本也高。

因此，為滿足物聯網和人工智能等應用的需求，作為云計算的延伸擴展，霧計算(Fog Computing)的概念應運而生。霧計算最早由思科提出，它是一種分布式的計算模型，作為云數據中心和物聯網設備 / 傳感器之間的中間層，它提供計算、網絡和存儲設備，讓基于云的服務可以離物聯網設備和傳感器更近。

霧計算主要使用邊緣網絡中的設備，可以是傳統網絡設備，如網絡中的路由器、交換機、網關等，也可以是專門部署的本地服務器。這些設備的資源能力都遠小于一個數據中心，但是它們龐大的數量可以彌補單一設備資源的不足。

在物聯網中，霧可以過濾、聚合用戶消息，匿名處理用戶數據以保證隱秘性，初步處理數據以便實時決策，提供臨時存儲以提升用戶體驗，而云則可以負責大運算量或長期存儲任務，與霧計算優勢互補。通過霧計算，可以將一些并不需要放到云上的數據在網絡邊緣層直接進行處理和存儲，提高數據分析處理的效率，降低時延，減少網絡傳輸壓力，提升安全性。霧計算以其廣泛的地理分布、帶有大量網絡節點的大規模傳感器網絡、支持高移動性和實時互動以及多樣化的軟硬件設備和云在線分析等特點，迅速被物聯網和人工智能應用領域的企業所接受并獲得廣泛應用，例如，M2M、人機協同、智能電網、智能交通、智能家居、智能醫療、無人駕駛等應用。

與邊緣計算(Edge Computing)不同的是，霧計算可以將基于云的服務 ， 如 IaaS、 PaaS、 SaaS，拓展到網絡邊緣，而邊緣計算更多地專注于終端設備端。霧計算可以進行邊緣計算，但除了邊緣網絡，霧計算也可以拓展到核心網絡，也就是邊緣和核心網絡的組件都可以作為霧計算的基礎設施。

“云”和“霧”典型案例和應用場景

融合云平臺和霧計算，一方面可通過云降低傳統 IT采購、管理和運維的開支，將 IaaS、 PaaS、 SaaS作為云服務輸出;另一方面，通過霧計算可保證邊緣端數據的實時搜集、提取和分析速度，提高網絡資源部署使用和管理效率，有助于提高人機協同效率，為企業業務創新、服務品質提升提供技術支持。以下是四個行業“云”和“霧”的典型案例和應用場景。

工業

GE基于 Pivotal Cloud Foundry打造了 Predix 物聯網 PaaS平臺，結合戴爾智能仿真技術，實現了“數據雙胞胎”。基于云計算，GE 實現了飛機發動機生產過程中的調優，同時，基于霧計算，GE 實現了飛機飛行過程中的“自愈”。